摘要
本发明涉及油浸式变压器故障诊断技术领域,公开油浸式变压器故障诊断方法、系统、设备及介质。该方法包括获取油浸式变压器油中溶解气体的初始数据集并进行填补和扩充得到目标数据集;根据优化后的麻雀搜索算法寻找Bi‑LSTM模型参数的最优值;将最优参数Bi‑LSTM模型与特征注意力机制结合构建特征注意力机制下的Bi‑LSTM模型;基于特征注意力机制下的Bi‑LSTM模型和目标数据集进行变压器故障诊断。本发明的特征注意力机制能动态捕捉输入特征与目标变量间的非线性关系,准确量化不同气体对故障诊断影响的差异。改进麻雀搜索算法以防止陷入局部最优解。补全缺失数据后再进行故障诊断,避免有效信息损失提高故障诊断准确性。
技术关键词
LSTM模型
注意力机制
变压器故障诊断
搜索算法
油浸式变压器故障
SMOTE算法
参数
双向长短期记忆网络
气体
故障诊断模块
变异策略
噪声样本
数据采集模块
系统为您推荐了相关专利信息
宫颈
图像分析
多模态数据采集
生成对抗网络
基因
网络数据处理方法
深度哈希学习
节点
注意力机制
网络数据处理装置
卷积模块
前馈神经网络
解码器
计算机设备
构建训练集
声学超材料板
神经网络模型
卷积神经网络模块
皮尔逊相关系数
参数
词语
大语言模型
标签生成方法
情感分析模型
文本