关键词:
电力变压器
状态评估
图卷积网络
图池化
数据不平衡
摘要:
电力变压器运行过程中故障数据远少于正常数据,数据不平衡问题较为严重,并且监测变量间耦合关系复杂,导致状态评估任务的建模难度大、评估精度低。针对相关问题,提出基于双输入残差图卷积网络的电力变压器健康状态评估方法。首先,采用SMOTE Tomek混合采样算法对训练数据进行不平衡数据预处理,解决了故障数据过少、训练数据严重不平衡的问题;然后,考虑到单一度量无法准确描述变量间相关性的问题,提出多度量融合构图方法,通过多个度量方法共同学习变量间的相关性,并构造图结构数据;最后,提出基于切比雪夫图卷积的双输入残差图卷积网络,对所构造的图结构数据进行特征提取,并通过自注意力机制进行特征融合,得到变压器的状态评估结果。在真实电力变压器运行的油中溶解气体及油化试验数据集上进行了对比实验,实验结果表明,所提出方法的状态评估准确率达到94.7%,F1分数达到0.942,高于其他深度学习方法,具有最佳的评估性能。