融合多特征信息与RIME-CNN-BiLSTM-SAM的特高压换流变OLTC故障诊断方法

本发明涉及一种融合多特征信息与RIME‑CNN‑BiLSTM‑SAM的特高压换流变OLTC故障诊断方法，属于电力系统智能监测技术领域。首先，基于OLTC机械故障模拟实验，构建振动信号故障数据集；其次，采用REMD将OLTC振动信号分解为多个固有模态分量，并基于相关性系数优选包含故障特征信息丰富的分量；然后，计算IMFs的多尺度排列熵，联合时/频统计分析和多尺度排列熵从整体和局部关注OLTC多维度振动特征参量，引入主成分分析开展OLTC振动信息的特征融合与降维；最后，利用RIME对CNN‑BiLSTM‑SAM故障诊断模型的超参数进行优化，实现换流变OLTC智能故障诊断模型的构建。本发明方法在提取OLTC故障特征信息方面效果显著，故障类型识别率优于现有方法，验证了其在换流变OLTC故障诊断中的有效性。