原始名称记载: 国家电网有限公司华中分部; 武汉理工大学

本申请提出了一种高压套管局部放电识别方法、装置、设备和存储介质，涉及电力设备放电诊断技术领域，包括：获取PRPS图谱及其对应的局部放电类型标签以及变压器运行过程中产生的待识别信号；根据PRPS图谱及其对应的局部放电类型标签构建训练数据集；通过训练数据集和预设的目标损失函数对初始故障识别模型进行训练，得到目标故障识别模型，初始故障识别模型采用包括FECA模块和LeViT模型的轻量神经网络架构，FECA模块引入了快速傅里叶变换和基于ECA注意力机制的低通滤波处理；将待识别信号输入目标故障识别模型，得到局部放电故障类别的识别结果。本申请通过上述方法可以实现多类局放类型的高精度分类。

本发明提出了一种基于多源数据融合的故障检测方法及系统，涉及数据处理技术领域，包括：获取待检测变压器套管的健康状态数据；对健康状态数据进行预处理后，利用CNN网络对所述健康状态数据进行空间特征提取和融合，得到融合特征图；将融合特征图中的每个像素点确定为一个时间步，并利用双向长短期记忆网络BiLSTM捕获融合特征图中的时序特征，得到时序特征序列；获取时序特征序列中每个时间步对应的时序特征的注意力得分，根据归一化处理得到的注意力权重对时序特征进行加权聚合，得到上下文向量，并将上下文向量与时序特征序列进行拼接，得到时序拼接数据；将时序拼接数据输入至训练好的预测模型，生成与待检测变压器套管相关的故障预测信息。