安徽南瑞继远电网技术有限公司

本发明涉及一种基于多智能体协作与知识图谱的变压器健康管理方法及设备，包括：构建向量知识库、知识图谱和检索引擎；构建变压器故障诊断模型；构建管理智能体、状态感知智能体、健康评估智能体、故障诊断智能体和状态检修智能体；执行从状态感知、健康评估、故障诊断到状态检修策略生成的闭环健康管理任务。本发明实现了变压器评价导则、通用规定以及故障案例等多源异构数据的统一融合与关联管理，能够对油色谱、声纹、局部放电及红外热像等多参量信息进行综合分析，提升设备状态感知能力与数据利用效率；能够提高复杂故障场景下健康评估与故障诊断的准确性、全面性及可解释性；有利于提升变压器运维管理的智能化水平与自动化程度。

本发明涉及一种电力变压器健康状态评估方法，包括：获取传感器监测的溶解气体浓度数据进行预处理，按照比例依次划分为训练集、测试集和验证集；进行智能特征工程处理，生成扩展特征向量X；构建深度神经网络模型并训练；训练后的模型输出变压器的健康状态评估结果。本发明的故障诊断准确率相比仅使用原始浓度输入提升了约5%至8%；实现先选通道再定位置的递进式精准聚焦，显著提升复合故障召回率，有效缓解深层网络的梯度退化问题并保留底层特征信息，使模型在诊断准确率、收敛效率及复合故障识别能力上均取得实质性提升；便于工程实现和维护，满足电力变压器在线监测系统对实时性和资源约束的双重要求。