诊断准确率92.50%
融合油色谱、局放、图像等多模态数据的编码方法，用于变压器故障诊断，比传统方法更准确。
张鹏 · Guoliang, Zhang · Xiaoyu, Fan · Gan, Jinrui · 吴鹏 · Fei, Zhou · Shunli, Lv · Long, Chen · Xin, Liu
2024
通过注意力机制将结构化状态量、局部放电结构化状态量和局部放电图像编码进行融合，弥补单一模态信息不足的缺陷。
相比仅使用结构化状态量的传统模型，融合编码后的故障诊断准确率从83.75%提升至92.50%。
对局部放电RGB图像采用卷积、池化和编码结构提取特征，将图像信息纳入诊断，捕捉结构化数据难以反映的放电形态特征。
从n-q-φ谱和放电波形谱中提取多维结构化数据，并用Bi-LSTM编码，保留局部放电的统计特性。