基于残差图卷积神经网络的变压器故障识别方法及系统

本发明公开了一种基于残差图卷积神经网络的变压器故障识别方法及系统，涉及变压器故障识别技术领域，其中方法包括：收集干式变压器正常运行与发生故障时的相关数据，所述相关数据包括振动、外部温度、内部温度和局部放电状况数据；根据所述相关数据的序列偏差进行归一化预处理，利用斯皮尔曼等级相关系数构造残差图卷积神经网络所需的关系图；将残差网络Net与图卷积神经网络GCN结合构造残差图卷积神经网络即ResGCN模型，并构建图金字塔池化模块，通过ResGCN模型得到的特征值完成对干式变压器故障的故障识别。本发明可有效避免传感器采集数据错误或存在误差等情况，保证干式变压器的安全可靠运行，提高其故障识别的准确率。