买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京南瑞智慧交通科技有限公司申请的专利一种基于注意力变分自编码的变压器故障诊断方法、系统、设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119293629B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411262174.5，技术领域涉及：G06F18/2415；该发明授权一种基于注意力变分自编码的变压器故障诊断方法、系统、设备及存储介质是由杨国彬;左振鲁;费洋;吴永城;李聪;朱祁;张雅婷设计研发完成，并于2024-09-10向国家知识产权局提交的专利申请。

本一种基于注意力变分自编码的变压器故障诊断方法、系统、设备及存储介质在说明书摘要公布了：本发明公开了一种基于注意力变分自编码的变压器故障诊断方法、系统、设备及存储介质，该方法包括：获取变压器的各特征气体历史浓度数据，变压器历史油温数据及历史负荷数据；对历史数据归一化处理；构建自注意力变分自编码模型；提取故障特征，得到故障特征训练集，构建概率神经网络故障分类模型；对实时监测的数据归一化处理，处理后的实时数据作为自注意力变分自编码模型的输入数据，对溶解气体浓度动态预测，得到溶解气体浓度的预测偏差，若预测偏差大于预设阈值，则作为故障特征；利用获取的故障特征，通过概率神经网络故障分类模型进行故障诊断，输出故障类型。本发明能够提升溶解气体预测准确性和模型的解释能力，并对故障进行精确诊断。

本发明授权一种基于注意力变分自编码的变压器故障诊断方法、系统、设备及存储介质在权利要求书中公布了：1.一种基于注意力变分自编码的变压器故障诊断方法，其特征在于，包括： 从变压器油的溶解气体中选择特征气体，获取变压器的各特征气体历史浓度数据，获取变压器的历史油温数据以及历史负荷数据； 对历史浓度数据、历史油温数据和历史负荷数据进行归一化处理； 构建注意力变分自编码模型并利用归一化处理后的历史数据对模型进行训练，通过注意力变分自编码模型获得变压器溶解性气体浓度间的相关性，提取其低维潜变量特征；所述注意力变分自编码模型的损失项包括变压器溶解气体浓度的重构损失、数据分布一致性损失和注意力预测损失，该模型通过引入注意力机制使得模型的低维潜变量特征与外界影响因素之间具有关联性； 所述注意力变分自编码模型的损失项包括变压器溶解气体浓度的重构损失、数据分布一致性损失和注意力预测损失，其中，损失项的构建过程如下： 低维潜变量由zo和zy两部分组成，zo和zy的概率分布服从相互独立的多元高斯分布，因此，解码器的概率表达式如下： 式中：De1为解码器，De2为基于注意力机制的解码器；θ和分别为De1和De2的网络参数； 相应地，编码器的概率表达式如下： z～Enx＝qφzo,zy|x＝qφzo|xqφzy|x 式中：qφzy|x为的近似后验概率分布；En为编码器；φ为En的网络参数； 因此，模型的总损失函数如下： 式中：第一项为变压器溶解气体浓度的重构损失，通常使用预测浓度与实际浓度的均方误差进行计算；第二项为数据分布一致性损失，表示编码器输出的潜在分布qφzo|x与先验分布pzo之间的差异度量；第三项也为数据分布一致性损失，表示编码器输出的潜在分布qφzy|x与先验分布pzy之间的差异度量，均采用Kullback-Leibler散度作为衡量指标；第四项为注意力预测损失，通常使用预测变压器负荷和油温与实际变压器负荷和油温的均方误差进行计算；β1和β2为权衡不同损失项的超参数； 从故障数据库中提取故障特征，得到故障特征训练集，通过概率神经网络构建故障特征与故障类型之间的关联网络，得到概率神经网络故障分类模型； 对实时监测的变压器负荷、油温数据以及溶解气体浓度进行归一化处理，将归一化处理后的实时数据作为注意力变分自编码模型的输入数据，对溶解气体浓度进行动态预测，得到溶解气体浓度的预测偏差，若预测偏差大于预设阈值，则将其作为故障特征并输出； 利用注意力变分自编码模型输出的故障特征，通过概率神经网络故障分类模型进行故障诊断，输出故障类型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京南瑞智慧交通科技有限公司，其通讯地址为：211500 江苏省南京市江北新区高新路20号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。