摘要
本发明公开了一种基于数据融合的变压器振动异常检测方法,涉及变压器检测技术领域,包括:基于变压器振动特性与变压器的运行需求确定变压器振动信号长度,提取出变压器的振动信号特征,对变压器运行参数与振动信号特征进行数据融合分析,建立表征变压器正常运行状态的状态特征向量;构建变压器振动特征预测模型,将状态特征向量与变压器历史正常运行数据作为输入进行模型训练,得到第一振动预测值,以第一振动预测值确定振动异常指标并建立振动异常判定规则;基于振动特征预测模型对变压器的运行状态数据进行预测,得到第二振动预测值,通过振动异常判定规则对第二振动预测值进行异常判定,显著提高了变压器异常检测效率与检测结果的可靠性。
技术关键词
振动信号特征
异常检测方法
振动特征
概率分布函数
数据
样本
指标
人工神经网络算法
变压器检测技术
LSTM算法
重叠面积
参数
生成特征
变量
误差
频率
加速度
图像