基于深度编解码卷积网络的电力变压器健康状态评估方法

摘要

本发明给出了基于深度编解码卷积网络的电力变压器健康状态评估方法：以电力变压器多属性监测数据作为信息输入，通过编码器和解码器两个对称的U‑Net卷积网络，以端到端的方式学习从监测数据到健康状态之间的非线性映射模型。这是一种数据驱动主导的电力变压器健康状态评估方法，有助于提高数字经济发展时代电力变压器健康状态评估的智能化水平，为电力变压器的数字化运维系统提供核心技术上的支撑。本发明通过U‑Net网络的编解码过程，以端到端的数据驱动方式自动产生电力变压器健康状态评估学习模型，有助于提高变压器健康状态评估的准确率，并降低对专业技术人员经验的依赖。