结合注意力机制和多尺度特征融合的变压器局部放电诊断

摘要

针对深度卷积网络对变压器局部放电边际谱特征提取能力不足的问题，提出了一种结合注意力机制和多尺度特征融合两模块的变压器局部放电识别方法。首先，针对局部放电领域现有时频分析方法的不足，提出采用逐次变分模态分解对局部放电信号进行分解，再用Hilbert变换来获得边际谱，作为网络模型的输入；然后，将ResNet作为基础模型，在残差块中引入坐标注意力模块，以提高模型对局放信号边际谱中重要区域的关注度；最后，搭建多尺度特征融合模块对网络各阶段所提取的特征进行融合，使模型能在提取深层语义特征的同时保留浅层中提取到的局部细节信息，以增强模型的表征能力。仿真实验结果表明：该方法能有效实现变压器局部放电类型诊断，达到96.5%的识别准确率，超过其他经典深度卷积诊断模型。

关键词

变压器 / 局部放电 / 卷积神经网络 / Hilbert边际谱 / 注意力机制 / 特征融合