一种电力变压器健康状态评估方法

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。