其他
【精彩论文】考虑特征耦合的Bi-LSTM变压器故障诊断方法
观点凝练
摘要：电力变压器是保障电力系统安全稳定运行的关键设备之一，而现有故障诊断方法未能充分挖掘设备内部的特征作用关系，对运行状态变化的敏感性较低，在故障诊断准确性和可靠性提升上具有一定的限制。针对上述问题，提出一种考虑特征耦合的双向长短期记忆网络变压器故障诊断方法。首先，根据变压器运行机理确定初始特征状态转移序列；然后，在此基础上构建考虑复杂依赖关系的深度神经网络故障诊断模型，挖掘特征之间的耦合关系，并进行精细化状态评估；最后，通过算例仿真实验验证先验特征序列对故障诊断模型的支撑作用。所提方法提升了故障诊断效果，为电力设备智能化、精细化的运维需求提供了可参考的方案。
结论：基于现有电力变压器故障诊断方法未充分考虑设备内部复杂特征作用关系对外部运行状态的影响，本文综合研究了变压器内部耦合关系和深度神经网络的计算架构，对数据特征处理方法和设备故障诊断模型进行了改进，具体如下：1）从变压器实际运行情况出发，依据设备故障机理确定易于表示的特征状态转移序列，并在此基础上进行特征参量组合与优化。2）考虑特征作用差异和特征耦合关系，设计考虑特征耦合的Bi-LSTM故障诊断模型。
所提方法具有以下特点：1）相比于传统三比值法，虽然所取数据类型相似，但以数据为驱动，在一定程度上避免指标固化、编码界限过于绝对的问题，高效灵活进行变压器故障分析。2）相比于现有的数据驱动方法，融合先验知识，模拟机理作用，更能刻画变压器真实运行状态。该方法相比于传统方法对电力变压器的故障诊断准确率有明显提升。
将具有依赖关系的特征序列融入深度神经网络，能够进一步梳理特征数据与变压器状态之间的复杂映射关系，以机理模型和数据模型混合驱动的方式构建精细化设备故障诊断模型，为新型电力系统中复杂电力设备的推广与应用提供技术保障思路。下一步将研究如何从多源异构的变压器监测数据中挖掘更加全面的特征耦合网络，并实现层次化因果推断，获得影响变压器状态的深层原因，进而为电力设备运维提供可靠辅助决策。
引文信息
李刚, 孟坤, 贺帅, 等. 考虑特征耦合的Bi-LSTM变压器故障诊断方法[J]. 中国电力, 2023, 56(3): 100-108, 117.LI Gang, MENG Kun, HE Shuai, et al. A Bi-LSTM-based transformer fault diagnosis method considering feature coupling[J]. Electric Power, 2023, 56(3): 100-108, 117.往期回顾
编辑：杨彪校对：于静茹审核：方彤
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。