变压器作为输变电网络的枢纽设备，可实现不同电压等级之间的电力传输，其安全稳定运行是保障电力系统正常运行的必要基础。在各种工况条件的长期作用下，变压器内部会发生绝缘老化、裂解等现象，严重时会导致变压器故障，危及整个电力系统的安全稳定运行，同时造成巨大的经济损失。因此，准确、及时地诊断变压器的故障，对于确保电力系统的安全和稳定运行具有重要的意义。

基于数据驱动的故障诊断方法在故障识别能力和诊断准确度等方面都具有较大的优势，但相关算法性能的实现往往需要依靠大量的样本数据。而在实际工程应用中，变压器故障属于小概率事件，收集到的故障信息有限，难以覆盖所有可能的故障情况，易造成故障样本信息的缺失，这属于零样本问题。因此，有关方法难以正确识别故障类型。

针对变压器故障数据的稀缺性及数据分布中存在的长尾现象，导致故障诊断准确率低的问题，武汉大学电气与自动化学院、国网湖北省电力有限公司直流公司的雷蕾潇、何怡刚等，提出一种基于变权属性矩阵的变压器零样本故障诊断技术。

图 ZSL故障诊断流程

首先，采用改进的高效通道注意力网络-堆栈式自编码器（IECANet-SAE）网络构建特征提取模块，自适应地提取油中气体数据的关键特征信息；其次，利用基于潜在狄利克雷分布的主题建模方法构建变权属性矩阵；最后，提出基于神经网络的朴素贝叶斯（NNB）方法学习已知故障特征信息与属性矩阵的空间映射关系，建立零样本故障诊断模型并依靠模型实现未知故障类型诊断。应用IEC TC 10故障数据库及典型故障数据对所提方法加以验证。

表 不同方法诊断性能对比

试验结果表明，该方法具有更好的诊断效果，且在零样本条件下故障诊断平均准确率高达83%，平均诊断时间达0.18 s。

研究者表示，基于变权属性矩阵的变压器零样本故障诊断方法能在样本信息缺失的条件下实现零样本故障诊断，准确度较高且计算速度快。但是变压器故障信息不足及故障类型之间的相关度对变压器的准确诊断有一定的影响，因此，深度挖掘故障信息是下一步亟须解决的问题。

本工作成果发表在2024年第20期《电工技术学报》，论文标题为“基于变权属性矩阵的变压器零样本故障诊断技术”。本课题得到国家重点研发计划“储能与智能电网技术”专项“海上风电并网系统远程监测与故障诊断技术”资助项目的支持。