买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华北电力大学(保定)申请的专利一种考虑特征耦合关系的电力变压器故障诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115166597B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210728648.5，技术领域涉及：G01R31/62；该发明授权一种考虑特征耦合关系的电力变压器故障诊断方法是由李刚;孟坤;张运涛;汪文凯;贺帅设计研发完成，并于2022-06-24向国家知识产权局提交的专利申请。

本一种考虑特征耦合关系的电力变压器故障诊断方法在说明书摘要公布了：本发明公开了一种考虑特征耦合关系的电力变压器故障诊断方法，包括：选择与变压器运行故障相关的主要特征；根据电力变压器故障机理确定特征状态转移序列；对特征状态转移序列内所含特征进行分析和优化，得到与变压器故障最相关的特征数据；对特征数据进行标准化处理；基于深度神经网络，构建Bi‑LSTM故障诊断模型，对Bi‑LSTM故障诊断模型进行训练；利用训练好的Bi‑LSTM故障诊断模型评估变压器当前运行状态。本发明综合考虑电力变压器的内部机理作用和深度神经网络的数据拟合能力，在使用深度神经网络对变压器进行故障诊断的同时考虑设备内部的特征耦合关系，实现数据特征与设备故障类型之间的可靠映射，进行精细化状态评估，提升电力变压器的故障诊断精度。

本发明授权一种考虑特征耦合关系的电力变压器故障诊断方法在权利要求书中公布了：1.一种考虑特征耦合关系的电力变压器故障诊断方法，其特征在于，包括： 步骤S1，选择与变压器运行故障相关的主要特征； 步骤S2，根据电力变压器故障机理确定特征状态转移序列，具体为： 对于电力变压器，通过先验知识、专家经验获得与故障机理有关的特征以及特征之间的因果关系、先后关系、依赖关系，构建特征状态转移序列； 步骤S3，根据所选特征与变压器故障类型之间的关系以及特征之间的相互作用，对特征状态转移序列内所含特征进行分析和优化，得到与变压器故障最相关的特征数据； 步骤S4，对特征数据进行标准化处理； 步骤S5，基于深度神经网络，构建Bi-LSTM故障诊断模型，挖掘特征数据之间的耦合关系，并在此基础上拟合特征作用结果与变压器故障类型之间的映射关系； 步骤S6，对Bi-LSTM故障诊断模型进行训练，具体包括： 步骤S61，对电力变压器故障类型进行编码； 步骤S62，依据特征状态转移序列顺序、神经网络模型结构确定数据输入矩阵； 步骤S63，将训练数据划分为训练集和验证集，设置神经网络超参数集合，用于验证不同超参数下所训练模型的故障诊断效果；其中，训练集用于确定某组超参数下得到的神经网络模型，验证集用于验证该组超参数下所训练神经网络模型的故障诊断效果； 步骤S64，从超参数集合中选择一组超参数进行Bi-LSTM故障诊断模型训练； 步骤S65，网络模型参数初始化； 步骤S66，批量将训练集数据记录输入到网络输入层； 步骤S67，根据网络输出损失通过梯度下降优化算法更新网络模型参数； 步骤S68，当所有数据记录完成输入且所有数据遍历次数达到指定值后，保存网络模型结构及得到的模型参数； 步骤S69，将验证集输入到Bi-LSTM故障诊断模型中，验证模型的故障诊断效果并记录； 步骤S610，当超参数集合内所有超参数组都被用于模型训练后，比较不同神经网络超参数下模型在验证数据集上的故障诊断效果，综合衡量后选择使得故障诊断模型表现最优的一组超参数； 步骤S611，使用确定好的超参数对Bi-LSTM故障诊断模型进行设置，利用步骤S62中所有训练数据对Bi-LSTM故障诊断模型重新进行训练，根据步骤S65-S67进行迭代计算，当所有数据记录完成输入且所有数据遍历次数达到指定值后，保存训练完成后的模型用于电力变压器的实时故障诊断； 步骤S7，当获得新的电力变压器监测数据时，输入到训练好的Bi-LSTM故障诊断模型中，以评估变压器当前运行状态。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华北电力大学(保定)，其通讯地址为：071000 河北省保定市莲池区永华北大街619号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。