本發(fā)明屬于基于sf6/n2混合氣體的電力設(shè)備故障診斷，具體而言，涉及一種基于sf6/n2混合氣體的電力設(shè)備故障診斷方法。

背景技術(shù)：

1、在現(xiàn)代電力系統(tǒng)中，sf6氣體因其優(yōu)異的絕緣性能和滅弧特性，被廣泛應(yīng)用于高壓電力設(shè)備中。然而，sf6是一種強(qiáng)溫室氣體，其全球變暖潛能值是co2的23900倍。為減少sf6的使用，sf6/n2混合氣體作為一種替代方案受到了廣泛關(guān)注。在實(shí)際應(yīng)用中，電力設(shè)備內(nèi)部可能存在各種絕緣缺陷，如尖端放電、懸浮電位、表面放電等，這些缺陷會(huì)導(dǎo)致局部放電，進(jìn)而引發(fā)設(shè)備故障。因此，準(zhǔn)確診斷電力設(shè)備的故障類型對(duì)于保障電網(wǎng)安全運(yùn)行至關(guān)重要。目前，基于sf6/n2混合氣體的電力設(shè)備故障診斷主要采用以下方法：

2、1.氣體色譜法：通過分析混合氣體中各組分的含量變化來判斷故障類型。然而，這種方法需要定期取樣分析，無法實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)。

3、2.局部放電特征分析法：通過分析局部放電的幅值、相位等特征來判斷故障類型。但是，這種方法容易受到外部干擾，且對(duì)不同類型的缺陷區(qū)分度不高。

4、3.人工智能方法：如支持向量機(jī)、模糊專家系統(tǒng)等，通過建立故障特征與故障類型之間的映射關(guān)系來實(shí)現(xiàn)診斷。但這些方法往往忽略了氣體分解過程中的化學(xué)反應(yīng)機(jī)理，導(dǎo)致診斷結(jié)果缺乏可解釋性。

5、4.傳統(tǒng)神經(jīng)網(wǎng)絡(luò)方法：如bp神經(jīng)網(wǎng)絡(luò)、rbf神經(jīng)網(wǎng)絡(luò)等，雖然能夠處理非線性問題，但對(duì)于時(shí)序數(shù)據(jù)的處理能力有限，難以捕捉氣體濃度隨時(shí)間的變化趨勢(shì)。

6、這些現(xiàn)有技術(shù)均存在缺乏對(duì)sf6/n2混合氣體分解機(jī)理的深入考慮，導(dǎo)致診斷結(jié)果不足以解釋故障的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明提供一種基于sf6/n2混合氣體的電力設(shè)備故障診斷方法，能夠解決現(xiàn)有技術(shù)存在的缺乏對(duì)sf6/n2混合氣體分解機(jī)理的深入考慮，導(dǎo)致診斷結(jié)果不足以解釋故障的技術(shù)問題。

2、本發(fā)明是這樣實(shí)現(xiàn)的：

3、本發(fā)明的第一方面提供一種基于sf6/n2混合氣體的電力設(shè)備故障診斷方法，其中，包括以下步驟：

4、s10、搭建氣體放電實(shí)驗(yàn)平臺(tái),所述實(shí)驗(yàn)平臺(tái)包括電源、放電室以及絕緣缺陷模型，所述放電室為密閉空間，所述放電室內(nèi)充滿有sf6/n2混合氣體；所述絕緣缺陷模型設(shè)置在所述放電室內(nèi)，所述電源的一個(gè)輸出極連接所述絕緣缺陷的一端，所述電源的另一個(gè)輸出極連接所述絕緣缺陷的另一端；

5、s20、用逐級(jí)加壓法調(diào)節(jié)電源使得所述絕緣缺陷模型發(fā)生局部放電,記錄每次的起始電壓和擊穿電壓以及每一次放電時(shí)的溫度和壓力；

6、s30、在起始電壓與擊穿電壓之間等差取5個(gè)電壓等級(jí),在這5個(gè)電壓等級(jí)下進(jìn)行96h局部放電實(shí)驗(yàn)，通過示波器測(cè)量不同電壓等級(jí)下的放電量,每隔1h取出部分氣體進(jìn)行定性定量檢測(cè)，得到氣體比例數(shù)據(jù)，并建立每1h的放電氣體數(shù)組，包括缺陷類型、電壓、累積放電量、累積放電次數(shù)、氣體比例數(shù)據(jù)、溫度、壓力；

7、s40、建立sf6/n2混合氣體分解的計(jì)算化學(xué)方程組，包括sf6分解平衡方程、sf5進(jìn)一步分解平衡方程、n2分解平衡方程、sf6與n2反應(yīng)平衡方程、sf4水解平衡方程、nf與h2o反應(yīng)平衡方程、質(zhì)量守恒方程、電離度方程、擊穿場(chǎng)強(qiáng)方程以及放電量計(jì)算方程；

8、s50、根據(jù)所述計(jì)算化學(xué)方程組，建立分解氣體的因果關(guān)系圖，所述因果關(guān)系圖的每個(gè)節(jié)點(diǎn)為分解得到的氣體；

9、s60、利用所述每1h的放電氣體數(shù)組，對(duì)所述因果關(guān)系圖進(jìn)行結(jié)構(gòu)優(yōu)化，包括鏈?zhǔn)浇Y(jié)構(gòu)、叉式結(jié)構(gòu)、對(duì)撞結(jié)構(gòu)；

10、s70、基于優(yōu)化后的因果關(guān)系圖,構(gòu)建因子矩陣，所述因子矩陣的行表示不同時(shí)間點(diǎn),列表示作為原因的氣體，矩陣元素為對(duì)應(yīng)時(shí)間點(diǎn)各氣體的含量變化,考慮反應(yīng)比例進(jìn)行加權(quán)；

11、s80、利用因子矩陣篩選放電氣體數(shù)組,形成訓(xùn)練數(shù)據(jù)集，篩選過程中,保留與因子矩陣中氣體對(duì)應(yīng)的數(shù)據(jù),包括缺陷類型、電壓、累積放電量、累積放電次數(shù)以及對(duì)應(yīng)關(guān)鍵氣體的比例數(shù)據(jù)，在數(shù)據(jù)處理時(shí),根據(jù)反應(yīng)方程的比例關(guān)系對(duì)氣體含量進(jìn)行歸一化處理；

12、s90、利用所述訓(xùn)練數(shù)據(jù)集訓(xùn)練一個(gè)樹形結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)，得到基于sf6/n2混合氣體的電力設(shè)備故障診斷模型，將訓(xùn)練好的基于sf6/n2混合氣體的電力設(shè)備故障診斷模型應(yīng)用于待測(cè)電力設(shè)備，根據(jù)待測(cè)電力設(shè)備的sf6/n2混合氣體分解的氣體比例數(shù)據(jù)進(jìn)行故障診斷。

13、其中，所述神經(jīng)網(wǎng)絡(luò)包括氣體特征提取子網(wǎng)絡(luò)、電氣特征提取子網(wǎng)絡(luò)、時(shí)序特征提取子網(wǎng)絡(luò)、環(huán)境特征提取子網(wǎng)絡(luò)以及融合子網(wǎng)絡(luò)，形成樹形結(jié)構(gòu)；

14、其中，所述氣體特征提取子網(wǎng)絡(luò)，輸入為氣體比例數(shù)據(jù)中各種氣體的濃度數(shù)據(jù)，輸出為氣體特征向量，用于提取氣體組分變化的特征，結(jié)構(gòu)是多層感知機(jī)；

15、所述電氣特征提取子網(wǎng)絡(luò)，輸入為電壓、累積放電量、累積放電次數(shù)，輸出為電氣特征向量，用于提取放電特性的特征，結(jié)構(gòu)是一維卷積神經(jīng)網(wǎng)絡(luò)；

16、所述時(shí)序特征提取子網(wǎng)絡(luò)，輸入為不同時(shí)間點(diǎn)的氣體比例數(shù)據(jù)和電壓、累積放電量、累積放電次數(shù)，輸出為時(shí)序特征向量，用于捕捉氣體濃度和電氣參數(shù)隨時(shí)間的變化趨勢(shì)，結(jié)構(gòu)是長(zhǎng)短期記憶網(wǎng)絡(luò)；

17、所述環(huán)境特征提取子網(wǎng)絡(luò)，輸入為溫度、壓力，輸出為環(huán)境特征向量，用于分析環(huán)境因素對(duì)故障的影響，結(jié)構(gòu)是多層感知機(jī)；

18、所述融合子網(wǎng)絡(luò)，輸入為上述五個(gè)子網(wǎng)絡(luò)的輸出特征向量的拼接，輸出為缺陷類型可信度特征向量，用于綜合分析拼接的特征向量，得出最終診斷結(jié)果，結(jié)構(gòu)包括特征融合層、全連接層和softmax層，其中，所述特征融合層使用注意力機(jī)制對(duì)不同特征進(jìn)行加權(quán)融合，所述全連接層用于對(duì)甲醛融合后的特征進(jìn)行展開和進(jìn)一步特征提取，所述softmax層用于輸出故障診斷結(jié)果的概率分布的向量。

19、其中，所述計(jì)算化學(xué)方程組中的每個(gè)方程表示如下：

20、假設(shè)sf6和n2的初始混合比例為x:(1-x)，總壓力為p，溫度為t；

21、1.sf6分解平衡方程：

22、

23、其中k1為平衡常數(shù)，與溫度t相關(guān)：

24、2.sf5進(jìn)一步分解平衡方程：

25、

26、3.n2分解平衡方程：

27、

28、4.sf6與n2反應(yīng)平衡方程：

29、

30、5.sf4水解平衡方程：

31、

32、6.nf與h2o反應(yīng)平衡方程：

33、

34、7.質(zhì)量守恒方程：

35、

36、8.電離度方程：

37、其中ne為電子密度，n0為初始電子密度，n為總粒子數(shù)密度

38、9.擊穿場(chǎng)強(qiáng)方程：

39、其中e為擊穿電場(chǎng)強(qiáng)度，f為與α、t和氣體組分相關(guān)的函數(shù)；

40、10.放電量計(jì)算方程：

41、其中q為放電量，c為等效電容，v為施加電壓，r為等效電阻，t為時(shí)間；

42、其中，[x]表示氣體x的分壓；ai和bi(i＝1,2,3,4,5,6)為常數(shù)，需要通過實(shí)驗(yàn)數(shù)據(jù)擬合得到；p為總壓力，t為溫度；x為sf6的初始摩爾分?jǐn)?shù)；α為電離度；e為電場(chǎng)強(qiáng)度。

43、進(jìn)一步的，所述步驟s10，具體包括：

44、步驟101、選擇一個(gè)高壓直流電源，電壓范圍為0至100千伏，電流范圍為0至10毫安，精度為0.1％；

45、步驟102、采用不銹鋼材料制作放電室，內(nèi)部容積為1立方米，具有良好的氣密性和耐腐蝕性，在放電室上設(shè)置進(jìn)氣口、出氣口、壓力表和溫度傳感器；

46、步驟103、根據(jù)實(shí)際電力設(shè)備中常見的缺陷類型制作絕緣缺陷模型，包括尖端放電、懸浮電位、沿面放電等模型；

47、步驟104、將絕緣缺陷模型固定在放電室內(nèi)部，并與電源連接；

48、步驟105、通過真空泵抽空放電室，然后按照預(yù)設(shè)比例注入六氟化硫/氮?dú)饣旌蠚怏w，充氣壓力設(shè)定為0.4兆帕；

49、步驟106、檢查所有連接和密封是否正常，確保實(shí)驗(yàn)平臺(tái)安全可靠。

50、其中，所述步驟s20，具體包括：

51、步驟201、設(shè)置初始電壓為0千伏，以1千伏每秒的速率緩慢升高電壓；

52、步驟202、使用高精度電壓表實(shí)時(shí)監(jiān)測(cè)電壓值，精度為0.1％；

53、步驟203、采用超高頻局部放電檢測(cè)儀監(jiān)測(cè)放電信號(hào)，頻率范圍為300至1500兆赫茲；

54、步驟204、當(dāng)檢測(cè)到持續(xù)的放電信號(hào)時(shí)，記錄當(dāng)前電壓為起始電壓；

55、步驟205、繼續(xù)升高電壓，直到出現(xiàn)持續(xù)的大幅度放電或閃絡(luò)現(xiàn)象，此時(shí)記錄電壓為擊穿電壓；

56、步驟206、使用溫度傳感器和壓力傳感器記錄放電室內(nèi)的溫度和壓力，溫度傳感器精度為0.1攝氏度，壓力傳感器精度為0.1千帕；

57、步驟207、重復(fù)步驟201至步驟206共3至5次，取平均值作為最終的起始電壓和擊穿電壓。

58、其中，所述步驟s30，具體包括：

59、步驟301、根據(jù)所述起始電壓和所述擊穿電壓，計(jì)算電壓間隔，電壓間隔等于擊穿電壓減去起始電壓后除以4；

60、步驟302、設(shè)置5個(gè)電壓等級(jí)，分別為起始電壓、起始電壓加一個(gè)電壓間隔、起始電壓加兩個(gè)電壓間隔、起始電壓加三個(gè)電壓間隔、起始電壓加四個(gè)電壓間隔；

61、步驟303、對(duì)每個(gè)電壓等級(jí)，進(jìn)行96小時(shí)的連續(xù)放電實(shí)驗(yàn)；

62、步驟304、使用數(shù)字示波器測(cè)量放電量，采用電荷法計(jì)算放電量大??；

63、步驟305、每隔1小時(shí)，通過氣體采樣閥取出少量氣體，約10毫升；

64、步驟306、使用氣相色譜-質(zhì)譜聯(lián)用儀進(jìn)行氣體成分分析，氣相色譜使用毛細(xì)管柱，長(zhǎng)30米，內(nèi)徑0.25毫米，升溫程序?yàn)槌跏紲囟?0攝氏度保持2分鐘，然后以每分鐘10攝氏度升至200攝氏度，保持5分鐘；

65、步驟307、通過標(biāo)準(zhǔn)氣體校正曲線，定量分析各組分含量；

66、步驟308、記錄溫度和壓力數(shù)據(jù)；

67、步驟309、對(duì)每個(gè)1小時(shí)間隔，建立一個(gè)放電氣體數(shù)組，包含缺陷類型、電壓值、累積放電量、累積放電次數(shù)、各氣體組分的相對(duì)含量、溫度和壓力。

68、其中，所述步驟s40，具體包括：

69、步驟401、利用量子化學(xué)計(jì)算軟件計(jì)算各反應(yīng)的吉布斯自由能變化，從而得到平衡常數(shù)與溫度的關(guān)系；

70、步驟402、對(duì)于復(fù)雜的反應(yīng)，考慮多步反應(yīng)機(jī)理，并采用過渡態(tài)理論計(jì)算反應(yīng)速率常數(shù)；

71、步驟403、基于原子守恒原理建立質(zhì)量守恒方程；

72、步驟404、考慮電子密度與總粒子數(shù)密度的關(guān)系，建立電離度方程；

73、步驟405、采用改進(jìn)的帕邢定律，考慮了氣體組分、溫度和壓力的影響，建立擊穿場(chǎng)強(qiáng)方程；

74、步驟406、基于等效電路模型，考慮了電容、電壓和時(shí)間常數(shù)的影響，建立放電量計(jì)算方程。

75、其中，所述步驟s50，具體包括：

76、步驟501、根據(jù)所述計(jì)算化學(xué)方程組，識(shí)別所有參與反應(yīng)的氣體種類；

77、步驟502、將所述氣體種類作為因果關(guān)系圖的節(jié)點(diǎn)；

78、步驟503、分析每個(gè)方程，確定氣體之間的因果關(guān)系；

79、步驟504、對(duì)于復(fù)雜的反應(yīng)，考慮多步反應(yīng)機(jī)理，引入虛擬節(jié)點(diǎn)表示中間狀態(tài)；

80、步驟505、使用圖形可視化工具繪制因果關(guān)系圖，節(jié)點(diǎn)表示氣體種類，有向邊表示反應(yīng)關(guān)系，邊的權(quán)重用反應(yīng)速率常數(shù)來表示。

81、其中，所述步驟s60，具體包括：

82、步驟601、利用每1小時(shí)的放電氣體數(shù)組數(shù)據(jù)，計(jì)算各氣體濃度隨時(shí)間的變化率；

83、步驟602、對(duì)于變化率較小的氣體，在圖中刪除相關(guān)節(jié)點(diǎn)，簡(jiǎn)化模型；

84、步驟603、根據(jù)氣體濃度的相關(guān)性分析，識(shí)別出強(qiáng)相關(guān)的氣體對(duì)，考慮將這些氣體合并為一個(gè)節(jié)點(diǎn)；

85、步驟604、對(duì)于鏈?zhǔn)浇Y(jié)構(gòu)，計(jì)算每一步反應(yīng)的速率常數(shù)，如果某一步反應(yīng)速率遠(yuǎn)低于其他步驟，將該步驟作為限速步驟，進(jìn)行簡(jiǎn)化；

86、步驟605、對(duì)于叉式結(jié)構(gòu)，比較兩個(gè)分支的反應(yīng)速率，保留主要分支；

87、步驟606、對(duì)于對(duì)撞結(jié)構(gòu)，評(píng)估反應(yīng)的平衡常數(shù)，如果反應(yīng)程度很低，考慮忽略該反應(yīng)；

88、步驟607、使用圖論算法對(duì)優(yōu)化后的圖進(jìn)行進(jìn)一步簡(jiǎn)化，保留關(guān)鍵路徑。

89、其中，所述步驟s70，具體包括：

90、步驟701、基于優(yōu)化后的因果關(guān)系圖，確定需要考慮的關(guān)鍵氣體種類；

91、步驟702、從實(shí)驗(yàn)數(shù)據(jù)中提取這些氣體在不同時(shí)間點(diǎn)的濃度數(shù)據(jù)；

92、步驟703、構(gòu)建一個(gè)矩陣，其中行表示不同的時(shí)間點(diǎn)，列表示不同的氣體種類；

93、步驟704、計(jì)算每個(gè)氣體在整個(gè)反應(yīng)網(wǎng)絡(luò)中的重要性權(quán)重；

94、步驟705、對(duì)矩陣的每一列乘以相應(yīng)的權(quán)重，得到加權(quán)因子矩陣；

95、步驟706、對(duì)加權(quán)因子矩陣進(jìn)行歸一化處理，得到最終的因子矩陣。

96、其中，所述步驟s80，具體包括：

97、步驟801、根據(jù)所述因子矩陣，確定關(guān)鍵氣體種類；

98、步驟802、對(duì)于每個(gè)1小時(shí)放電氣體數(shù)組，提取與因子矩陣中氣體對(duì)應(yīng)的數(shù)據(jù)；

99、步驟803、根據(jù)反應(yīng)方程的化學(xué)計(jì)量比對(duì)氣體濃度數(shù)據(jù)進(jìn)行歸一化處理；

100、步驟804、對(duì)電壓數(shù)據(jù)采用最大最小值歸一化方法；

101、步驟805、對(duì)累積放電量和累積放電次數(shù)采用對(duì)數(shù)變換來處理數(shù)據(jù)的量級(jí)差異；

102、步驟806、使用主成分分析方法降低數(shù)據(jù)維度，保留解釋方差比例大于95％的主成分；

103、步驟807、使用隨機(jī)森林算法評(píng)估特征重要性，選擇重要性排名前80％的特征；

104、步驟808、將處理后的數(shù)據(jù)集隨機(jī)分為訓(xùn)練集和驗(yàn)證集。

105、其中，所述步驟s90，具體包括：

106、步驟901、設(shè)計(jì)樹形結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)，包括氣體特征提取子網(wǎng)絡(luò)、電氣特征提取子網(wǎng)絡(luò)、時(shí)序特征提取子網(wǎng)絡(luò)、環(huán)境特征提取子網(wǎng)絡(luò)以及融合子網(wǎng)絡(luò)；

107、步驟902、氣體特征提取子網(wǎng)絡(luò)采用多層感知機(jī)，包含3個(gè)隱藏層，每層神經(jīng)元數(shù)分別為64、32、16，激活函數(shù)使用整流線性單元；

108、步驟903、電氣特征提取子網(wǎng)絡(luò)使用一維卷積神經(jīng)網(wǎng)絡(luò)，包含2個(gè)卷積層和1個(gè)最大池化層，最后接一個(gè)全連接層；

109、步驟904、時(shí)序特征提取子網(wǎng)絡(luò)采用長(zhǎng)短期記憶網(wǎng)絡(luò)，包含2層長(zhǎng)短期記憶單元，每層128個(gè)神經(jīng)元，最后接一個(gè)全連接層；

110、步驟905、環(huán)境特征提取子網(wǎng)絡(luò)使用多層感知機(jī)，包含2個(gè)隱藏層，每層神經(jīng)元數(shù)分別為32和16；

111、步驟906、融合子網(wǎng)絡(luò)首先使用注意力機(jī)制對(duì)各子網(wǎng)絡(luò)輸出進(jìn)行加權(quán)融合，然后通過2個(gè)全連接層進(jìn)行特征提取，最后使用softmax層輸出故障類型概率分布；

112、步驟907、使用訓(xùn)練數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò)，采用adam優(yōu)化器，學(xué)習(xí)率初始值設(shè)為0.001，使用學(xué)習(xí)率衰減策略；

113、步驟908、可選的，使用早停策略防止過擬合，當(dāng)驗(yàn)證集損失連續(xù)10個(gè)輪次沒有改善時(shí)停止訓(xùn)練；

114、步驟909、可選的，使用驗(yàn)證集評(píng)估模型性能，計(jì)算準(zhǔn)確率、精確率、召回率和f1分?jǐn)?shù)等指標(biāo)。

115、與現(xiàn)有技術(shù)相比較，本發(fā)明提供的一種基于sf6/n2混合氣體的電力設(shè)備故障診斷方法的有益效果是：

116、1.深入考慮sf6/n2混合氣體的分解機(jī)理：

117、通過建立sf6/n2混合氣體分解的計(jì)算化學(xué)方程組，包括sf6分解、sf5進(jìn)一步分解、n2分解、sf6與n2反應(yīng)、sf4水解、nf與h2o反應(yīng)等平衡方程，以及質(zhì)量守恒方程、電離度方程、擊穿場(chǎng)強(qiáng)方程和放電量計(jì)算方程，本方法充分考慮了氣體分解的化學(xué)反應(yīng)過程。這種基于機(jī)理的方法提高了診斷結(jié)果的可靠性和可解釋性。

118、2.有效利用多源異構(gòu)數(shù)據(jù)：

119、本方法構(gòu)建了一個(gè)樹形結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)，包括氣體特征提取子網(wǎng)絡(luò)、電氣特征提取子網(wǎng)絡(luò)、時(shí)序特征提取子網(wǎng)絡(luò)和環(huán)境特征提取子網(wǎng)絡(luò)。這種結(jié)構(gòu)能夠充分利用氣體濃度數(shù)據(jù)、電氣參數(shù)(如電壓、累積放電量、累積放電次數(shù))、時(shí)序信息和環(huán)境因素(如溫度、壓力)，實(shí)現(xiàn)了多源異構(gòu)數(shù)據(jù)的有效融合。

120、3.捕捉時(shí)序特征：

121、通過引入時(shí)序特征提取子網(wǎng)絡(luò)(采用長(zhǎng)短期記憶網(wǎng)絡(luò)結(jié)構(gòu))，本方法能夠有效捕捉氣體濃度和電氣參數(shù)隨時(shí)間的變化趨勢(shì)。這種時(shí)序特征的考慮顯著提高了故障診斷的準(zhǔn)確性，特別是對(duì)于長(zhǎng)期緩慢發(fā)展的故障類型。

122、4.提供可解釋的診斷結(jié)果：

123、基于sf6/n2混合氣體分解的計(jì)算化學(xué)方程組和因果關(guān)系圖，本方法能夠提供可解釋的診斷結(jié)果。這不僅有助于工程人員理解故障原因，還為后續(xù)的設(shè)備維護(hù)和優(yōu)化提供了有價(jià)值的參考信息。

124、5.提高診斷效率：

125、通過對(duì)放電氣體數(shù)組的篩選和數(shù)據(jù)的歸一化處理，本方法顯著減少了輸入數(shù)據(jù)的維度，提高了模型的訓(xùn)練和診斷效率。這使得該方法能夠在實(shí)際工程應(yīng)用中快速響應(yīng)，及時(shí)發(fā)現(xiàn)和處理潛在的設(shè)備故障。

126、綜上所述，本發(fā)明提出的基于sf6/n2混合氣體的電力設(shè)備故障診斷方法，通過深入考慮氣體分解機(jī)理、有效利用多源異構(gòu)數(shù)據(jù)、捕捉時(shí)序特征等創(chuàng)新設(shè)計(jì)，解決了現(xiàn)有技術(shù)存在的缺乏對(duì)sf6/n2混合氣體分解機(jī)理的深入考慮，導(dǎo)致診斷結(jié)果不足以解釋故障的技術(shù)問題。