一种油㓎式互感器异常诊断方法、装置、设备及介质

本发明公开了一种油式互感器异常诊断方法、装置、设备及介质，涉及电力技术领域，包括：基于油式变压器的特征数据采用卷积神经网络进行模型预训练，确定最优预训练权重参数；基于最优预训练权重参数获取油式互感器故障特征数据和油式变压器的特征数据的特征差异，优化模型的适配权重，获得优化检测模型。解决了由于油式互感器数据量不充分不全面且训练过程复杂导致模型训练效率低且不准确，进而导致异常检测结果不准确以及不能兼顾检测效率的问题，通过少量故障标记的油式互感器特征数据进行模型权重优化，显著提高了油式互感器异常检测模型的训练效率和精度，进而提升了油式互感器异常诊断效率、结果准确性和可靠性。