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！

龙图腾网获悉上海置信电气有限公司;南京航空航天大学申请的专利一种基于改进TRANSFORMER的变压器油中微水含量预测方法及装置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：CN115598327B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202211207325.8，技术领域涉及：G01N33/28；该发明授权一种基于改进TRANSFORMER的变压器油中微水含量预测方法及装置是由潘明;张文泽;高浩;顾小虎;刘伟;张晓同;吴彬;沈剑韬;马思宁;李丰攀;蔡龙;杨庆福;刘毅;朱宁;姚彦良设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本一种基于改进TRANSFORMER的变压器油中微水含量预测方法及装置在说明书摘要公布了：本发明公开了一种基于改进Transformer的变压器油中微水含量预测方法及装置，获得滤波后的微水测量信号、温度测量信号；将滤波后的微水测量信号乘以1+ξ，得到补偿后的微水测量信号；将补偿后的微水测量信号、温度测量信号、天气数字信息作为训练样本，利用训练样本对神经网络模型进行训练，获得训练好的神经网络模型；实时获取补偿后的微水测量信号，并用可视化界面显示补偿后的微水测量信号；将实时补偿后的微水测量信号、未来的温度测量信号与天气数字信息输入训练好的神经网络模型，获得未来预测的变压器含水量；根据未来预测的变压器含水量，计算变压器的故障概率。本发明为实时监测变压器提供支撑，及时发现变压器潜在故障，为变压器运维提供依据。

本发明授权一种基于改进TRANSFORMER的变压器油中微水含量预测方法及装置在权利要求书中公布了：1.一种基于改进Transformer的变压器油中微水含量预测方法，其特征在于：包括如下步骤： 步骤1：获取变压器油中微水测量信号、温度测量信号，并对微水测量信号、温度测量信号进行滑动滤波处理，获得滤波后的微水测量信号、温度测量信号； 步骤2：在变压器油中含水量不变的情况下，获取不同设置温度影响条件下微水测量信号，根据微水测量信号和设置温度，采用线性最小二乘法，拟合出微水测量信号与设置温度的直线方程，获取直线方程的斜率ξ作为补偿系数；将滤波后的微水测量信号乘以1+ξ，得到补偿后的微水测量信号； 步骤3：获取天气信息，将天气信息编码成天气数字信息，将补偿后的微水测量信号、温度测量信号、天气数字信息作为训练样本，利用训练样本对神经网络模型进行训练，获得训练好的神经网络模型； 步骤4：实时获取补偿后的微水测量信号，并用可视化界面显示补偿后的微水测量信号，用于对变压器的实时监测； 步骤5：获取实时补偿后的微水测量信号、未来的温度测量信号与天气数字信息，将实时补偿后的微水测量信号、未来的温度测量信号与天气数字信息输入训练好的神经网络模型，获得未来预测的变压器含水量； 步骤6：根据未来预测的变压器含水量，计算变压器的故障概率，故障概率大于阈值时，发出告警信息，并安排检修维护； 所述滑动滤波处理，包括： 每获取一个采样值，根据先进先出原则，将连续采样得到的N个采样值放在一个数组中并排序，去掉最大的两个采样值和最小的两个采样值，对剩余的N-4个采样值进行算术平均处理，获得滤波处理后的数据，其中N为固定数，所述采样值包括微水测量信号和温度测量信号； 所述利用训练样本对神经网络模型进行训练，获得训练好的神经网络模型，包括： 步骤3.1：获取补偿后的微水测量信号、温度测量信号、天气数字信息，将补偿后的微水测量信号、温度测量信号、天气数字信息进行Z-Score标准化处理，获得标准化后的补偿后的微水测量信号、温度测量信号、天气数字信息； 步骤3.2：将标准化后的补偿后的微水测量信号、温度测量信号、天气数字信息作为训练样本，将训练样本划分为训练集、验证集和测试集； 步骤3.3：将训练集输入Transformer+SOM+LSTM模型，得到Transformer+SOM+LSTM模型的网络参数； 步骤3.4：将验证集输入Transformer+SOM+LSTM模型，获得网络参数的调整值； 步骤3.5：将网络参数的调整值代入Transformer+SOM+LSTM模型，并将测试集输入Transformer+SOM+LSTM模型，获得测试预测值，根据测试预测值计算MAPE评价指标，将MAPE评价指标达到要求的Transformer+SOM+LSTM模型作为训练好的神经网络模型； 所述神经网络模型采用Transformer+SOM+LSTM模型，所述Transformer+SOM+LSTM模型，包括Transformer模型，将Transformer模型的decoder用SOM神经网络串联LSTM神经网络的结构进行替换；其中，Transformer+SOM+LSTM模型中的Transformer模型的Encoder用于提取数据中的特征，SOM神经网络串联LSTM神经网络的结构用于特征的聚类与预测。

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上海置信电气有限公司;南京航空航天大学，其通讯地址为：200335 上海市长宁区天山西路588-590号2幢1楼东区；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”。

以上内容由龙图腾AI智能生成。