一种基于GSMallat-NIN-CNN网络的电力变压器绕组故障诊断方法

摘要

本发明公开了一种基于GSMallat‑NIN‑CNN网络的电力变压器绕组故障诊断方法，包括：利用多通道传感器对变压器绕组振动情况进行测量，得到变压器的多源振动数据；对测量得到的多源振动数据，利用GST灰度变换将多源振动数据转化为灰度图像；采用Mallat算法将各灰度图像逐层分解为高频分量子图像和低频分量子图像，并对其进行图像融合；重构融合后的灰度图像，按照变压器绕组的故障状态，对振动灰度图像进行编码；建立基于GSMallat‑NIN‑CNN网络的变压器故障诊断模型；随机初始化网络参数，划分训练集和测试集，通过训练集对网络进行训练和调优；保存训练好的网络，并通过测试集对网络测试。本发明有效抑制了多源信号中的噪声，提高特征信息完整性，降低了计算量，提高了故障诊断准确性。