公开(公告)号：CN119167185A

公开(公告)日：2024-12-20

申请号：CN202411136728.7

申请日：2024-08-19

Applicant: 华北电力大学(保定)

Inventor： 冉慧娟 ,  张若泉

IPC: G06F18/2411 ,  G06F18/214 ,  G06F18/25

Abstract: 本发明涉及电力变压器故障诊断技术领域，公开了一种基于动态多模态信息融合的电力变压器故障诊断方法。在本发明中，首先在模型前端构建一层模态选择网络作为第一层决策，可自主筛选现场输入的监测信息，动态选择诊断的模式；其次，建立并训练不同模式输入条件下的诊断模型，针对各种输入，采用相应的融合策略模型进行故障诊断，实现不同数据监测条件下，信息利用效率与诊断准确率的提升。本发明不仅可以提高传统多源信息或多模态诊断方法的灵活性，可在缺少数据的情况下，尽可能的保证诊断方法依然能正常使用。

公开(公告)号：CN119202705A

公开(公告)日：2024-12-27

申请号：CN202411139626.0

申请日：2024-08-20

Applicant: 华北电力大学(保定)

Inventor： 冉慧娟 ,  张若泉

IPC: G06F18/214 ,  G06F18/2415 ,  G06N3/0495 ,  G06N3/098 ,  G06N3/096 ,  G06F18/25

Abstract: 本发明涉及电力变压器故障诊断技术领域，公开了一种基于知识蒸馏与协同增量学习的变压器故障诊断方法。首先，采用变压器历史故障数据对云端高性能模型进行训练，利用知识蒸馏的方式将云端训练得到的大模型轻量化，并部署在边缘侧；其次，构建云边协同框架，各监测数据在边缘侧进行就地处理与识别，仅需将识别结果发送至云端，缓解数据传输压力；最后，建立协同增量学习策略，当随着新样本增多使得模型失准时，将采用基于知识蒸馏的协同增量学习的方式更新云端与边缘侧模型，实现云端与边缘端模型的同步更新，确保了模型在边缘计算环境中能够持续有效地学习和适应新样本，提升故障诊断的准确性。