技术特征：
1.一种变压器绕组状态检测方法，其特征在于，所述方法包括：根据目标变压器绕组的振动信号进行特征提取，得到所述目标变压器绕组的振动信号对应的特征矩阵；将所述特征矩阵输入至预设的机器学习模型中，得到所述目标变压器绕组的特征标签；不同特征标签表征变压器绕组的不同变形等级；根据所述特征标签，确定所述目标变压器绕组的状态。2.根据权利要求1所述的方法，其特征在于，所述根据目标变压器绕组的振动信号进行特征提取，得到所述目标变压器绕组的振动信号对应的特征矩阵，包括：根据目标变压器绕组的振动信号，分别获取所述振动信号的模态能量占比、欧式距离及频谱复杂度；基于所述模态能量占比、所述欧式距离及所述频谱复杂度，生成所述目标变压器绕组的振动信号对应的特征矩阵。3.根据权利要求2所述的方法，其特征在于，所述获取所述振动信号的模态能量占比，包括：对所述振动信号进行经验模态分解，得到所述振动信号的模态分解结果；所述模态分解结果包括多个本征模态分量和一个残差分量；对所述振动信号的模态分解结果进行重构，得到重构模态；所述重构模态包括高频模态、中频模态及低频模态；计算所述重构模态的能量，并根据所述重构模态的能量确定所述振动信号的模态能量占比。4.根据权利要求3所述的方法，其特征在于，所述对所述振动信号对应的模态进行重构，得到所述模态对应的重构模态，包括：获取所述振动信号的模态分解结果中各分量的过零率；将所述各分量的过零率中，过零率大于第一过零率阈值的各分量之和确定为所述高频模态；将所述各分量的过零率中，过零率小于或等于所述第一过零率阈值，且大于或等于第二过零率阈值的各分量之和确定为所述中频模态；将所述各分量的过零率中，过零率小于所述第二过零率阈值的各分量之和确定为所述低频模态。5.根据权利要求2
‑
4任一项所述的方法，其特征在于，获取所述振动信号的欧式距离，包括：获取正常变压器绕组的振动信号的参考模态能量占比；根据所述目标变压器绕组的振动信号的模态能量占比与所述参考模态能量占比，计算所述振动信号的欧式距离。6.根据权利要求2
‑
4任一项所述的方法，其特征在于，获取所述振动信号的频谱复杂度，包括：获取所述振动信号的频率比重；所述频率比重用于表征所述振动信号在目标频率处的谐波分量所占比重；基于所述振动信号的频率比重，计算所述振动信号的频谱复杂度；所述频谱复杂度用
于表征所述目标频率的复杂性。7.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述方法还包括：获取训练样本集；所述训练样本集包括多个变压器绕组的振动信号对应的特征矩阵，及各所述变压器绕组对应的目标特征标签；将所述训练样本集输入至初始机器学习模型中，得到各所述变压器绕组的预测特征标签；基于所述预测特征标签、所述目标特征标签对所述初始机器学习模型的参数进行更新，直至达到预设的收敛条件，并基于更新后的参数生成所述预设的机器学习模型。8.一种变压器绕组状态检测装置，其特征在于，所述装置包括：特征提取模块，用于根据目标变压器绕组的振动信号进行特征提取，得到所述目标变压器绕组的振动信号对应的特征矩阵；第一输入模块，用于将所述特征矩阵输入至预设的机器学习模型中，得到所述目标变压器绕组的特征标签；不同特征标签表征变压器绕组的不同变形等级；确定模块，用于根据所述特征标签，确定所述目标变压器绕组的状态。9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述的方法的步骤。10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法的步骤。
技术总结
本申请涉及一种变压器绕组状态检测方法、装置、设备及存储介质，所述方法包括：根据目标变压器绕组的振动信号进行特征提取，得到目标变压器绕组的振动信号对应的特征矩阵；将特征矩阵输入至预设的机器学习模型中，得到目标变压器绕组的特征标签；不同特征标签表征变压器绕组的不同变形等级；根据特征标签，确定目标变压器绕组的状态。本申请实施例提供的技术方案可以提高检测变压器绕组状态的灵活性。案可以提高检测变压器绕组状态的灵活性。案可以提高检测变压器绕组状态的灵活性。
技术研发人员：张凡 吴书煜 汲胜昌 毛光辉 季坤 丁国成 张晨晨
受保护的技术使用者：国家电网有限公司 国网安徽省电力有限公司电力科学研究院
技术研发日：2021.08.05
技术公布日：2021/11/28