一种基于多物理场数据融合的变压器油乙炔异常预警系统、预警方法及计算机可读存储介质

本发明涉及一种基于多物理场数据融合的变压器油乙炔异常预警系统、预警方法及计算机可读存储介质，解决现有技术存在的基于单一参数无法准确判断变压器故障的问题，采用的技术方案和技术效果：系统集成气体、热场、电场、磁场传感器，实时采集乙炔浓度、温度、电场强度和磁场等多源数据，经小波变换去噪、归一化和机器学习预处理后，输入深度神经网络DNN融合模型，结合PCA提取特征，分析多物理场关联，基于DNN输出和动态阈值形成分级预警，有效提升故障诊断的准确性和预测能力，实现精准监测、智能预警，保障变压器安全运行，同时，其模块化设计使其可适配不同型号变压器及复杂工况场景，具备较强的实用性与扩展性。