一种互感器故障分类方法、装置、存储介质及计算机设备

技术领域

本发明涉及电力设备检测技术领域，尤其是涉及一种互感器故障分类方法、装置、存储介质及计算机设备。

背景技术

互感器在电力系统中承载着重要作用，为保证互感器稳定运行，需要对互感器的运行状态进行准确评估，以便对发生故障的互感器及时进行检修或更换。在检修中，快速准确分辨出故障类型并找出故障原因至关重要。

相关技术中，当互感器发生故障时，通常由技术人员人工判断故障原因并进行维修，如果在由互感器故障导致线路停电的情况下，通过人工判断故障原因会消耗大量人力物力，因此，亟需提供一种快捷方便的互感器故障辨别方法。

发明内容

有鉴于此，本申请提供了一种互感器故障分类方法、装置、存储介质及计算机设备，主要目的在于解决传统方法辨别互感器故障效率低的技术问题。

根据本发明的第一个方面，提供了一种互感器故障分类方法，该方法包括：

获取待测互感器的故障数据，故障数据包括二次电流数据和多种环境数据；

对二次电流数据进行信号分离处理，得到多个二次电流分离信号，分别计算每一个二次电流分离信号与每一种环境数据之间的相关系数；

根据相关系数，将二次电流分离信号划分为与每种环境数据一一对应的多个环境源信号，并根据多个环境源信号和二次电流数据，计算得到二次电流残差分量；

将多个环境源信号和二次电流残差分量输入至预设的互感器故障分类模型中，得到待测互感器的故障类型。

可选的，对二次电流数据进行信号分离处理，得到多个二次电流分离信号，包括：

获取预设的白化矩阵，根据白化矩阵对二次电流数据进行白化处理，得到待分离数据；

设置目标函数，根据目标函数计算得到分离矩阵；

根据待分离数据和分离矩阵，计算得到多个二次电流分离信号。

可选的，多种环境数据包括温度数据、湿度数据和系统频率数据；

分别计算每一个二次电流分离信号与每一种环境数据之间的相关系数，包括：

计算每一个二次电流分离信号与温度数据之间的相关系数，得到多个温度相关系数；

计算每一个二次电流分离信号与湿度数据之间的相关系数，得到多个湿度相关系数；

计算每一个二次电流分离信号与系统频率数据之间的相关系数，得到多个系统频率相关系数。

可选的，根据相关系数，将二次电流分离信号划分为与环境数据一一对应的多个环境源信号，包括：

获取多个温度相关系数中的最大温度相关系数，将最大温度相关系数对应的二次电流分离信号作为与温度数据对应的温度源信号；

获取多个湿度相关系数中的最大湿度相关系数，将最大湿度相关系数对应的二次电流分离信号作为与湿度数据对应的湿度源信号；

获取多个系统频率相关系数中的最大系统频率相关系数，将最大系统频率相关系数对应的二次电流分离信号作为与系统频率数据对应的系统频率源信号；

根据温度源信号、湿度源信号和系统频率源信号，得到多个环境源信号。

可选的，将多个环境源信号和二次电流残差分量输入至预设的互感器故障分类模型，得到待测互感器故障类型，包括：

将温度源信号、湿度源信号、系统频率源信号和二次电流残差分量输入至互感器故障分类模型中，得到待测互感器与每一种故障类型对应的预测概率；

获取预测概率中的最大值，若最大值大于或等于预设的概率阈值，则将最大值对应的故障类型作为待测互感器的故障类型。

可选的，若预测概率中的最大值小于概率阈值，则判定待测互感器的故障类型为未知故障，并根据最大值对应的故障类型生成提示信息，其中，提示信息用于表征待测互感器的潜在故障类型。

可选的，方法还包括：

获取样本互感器的多个历史故障数据，其中，每一个历史故障数据包括历史二次电流数据、历史环境数据和历史故障类型；

对历史二次电流数据进行信号分离处理，得到多个历史二次电流分离信号，分别计算每一个历史二次电流分离信号与每一种历史环境数据之间的相关系数；

根据相关系数，将历史二次电流分离信号划分为与历史环境数据一一对应的多个历史环境源信号，根据多个历史环境源信号与历史二次电流数据计算得到历史二次电流残差分量；

将多个历史环境源信号和历史二次电流残差分量作为输入样本，将历史故障类型作为样本标签，对预设的多分类模型进行训练，得到互感器故障分类模型。

根据本发明的第二个方面，提供了一种互感器故障分类装置，该装置包括：

数据采集模块，用于获取待测互感器的故障数据，故障数据包括二次电流数据和多种环境数据；

数据处理模块，用于对二次电流数据进行信号分离处理，得到多个二次电流分离信号，分别计算每一个二次电流分离信号与每一种环境数据之间的相关系数；

特征提取模块，用于根据相关系数，将二次电流分离信号划分为与每种环境数据一一对应的多个环境源信号，并根据多个环境源信号和二次电流数据，计算得到二次电流残差分量；

故障分类模块，用于将多个环境源信号和二次电流残差分量输入至预设的互感器故障分类模型中，得到待测互感器的故障类型。

根据本发明的第三个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述互感器故障分类方法。

根据本发明的第四个方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述互感器故障分类方法。

本发明提供的一种互感器故障分类方法、装置、存储介质及计算机设备，首先获取待测互感器的故障数据，故障数据包括二次电流数据和多种环境数据；然后对二次电流数据进行信号分离处理，得到多个二次电流分离信号，分别计算每一个二次电流分离信号与每一个环境数据之间的相关系数；根据相关系数，将二次电流分离信号划分为与环境数据一一对应的多个环境源信号，根据多个环境源信号与二次电流数据计算得到二次电流残差分量；最后将多个环境源信号和二次电流残差分量输入至预设的互感器故障分类模型，得到待测互感器故障类型。本申请采集的故障数据包括二次电流数据和多种环境数据，考虑到不同环境对互感器运行数据的影响，将二次电流数据和环境数据结合起来，利用预先设置好的互感器故障分类模型对待测互感器的故障类型进行识别，能够提高故障类型识别的准确性，并且通过这种方式只需采集待测互感器的二次电流数据和环境数据即可，无需通过人工的方式判断故障类型，故障判断简单快捷，提高了故障判断的效率，节约人力成本。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了本发明实施例提供的一种互感器故障分类方法的流程示意图；

图2示出了本发明实施例提供的一种对二次电流信号进行信号分离的方法的流程示意图；

图3示出了本发明实施例提供的一种二次电流分离信号与环境数据之间相关系数计算方法的流程示意图；

图4示出了本发明实施例提供的一种将二次电流分离信号划分为多个环境源信号的方法的流程示意图；

图5示出了本发明实施例提供的一种根据互感器分类模型得到待测互感器故障类型的方法的流程示意图；

图6示出了本发明实施例提供的另一种互感器故障分类方法的流程示意图；

图7示出了本发明实施例提供的一种互感器故障分类装置的结构示意图；

图8示出了本发明实施例提供的一种计算机设备的结构示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

本申请各个实施例中，第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围。例如，区分不同的二次电流分离信号、不同的故障类型、不同的相关系数等。

在一个实施例中，如图1所示，提供了一种互感器故障分类方法，该方法包括：

101、获取待测互感器的故障数据，故障数据包括二次电流数据和多种环境数据。

其中，待测互感器为已经被检测到发生故障的互感器，通过获取发生故障的互感器的故障数据，并对故障数据进行分析进而得到故障类型，以便针对故障类型对故障互感器进行维修，同时可以根据故障类型对故障原因进行分析，以便在对互感器进行日常维护时，对容易造成互感器故障的原因进行规避。

互感器故障的原因通常包括由于长时间运行等原因导致内部电路和元器件自身的损坏和互感器的运行环境导致的损坏。在本实施例中，根据二次电流数据对待测互感器的故障类型进行分析，但是，在实际应用中，由于互感器运行的环境不同，同一种故障类型发生在不同的运行环境中可能对应不同类型的二次电流数据，同样的，同一种二次电流数据在不同的运行环境中可能表征不同的故障类型，因此，采用将二次电流数据和多种环境数据结合的方式，从多个角度对待测互感器的故障类型进行识别，以提高识别结果的可靠性。

102、对二次电流数据进行信号分离处理，得到多个二次电流分离信号，分别计算每一个二次电流分离信号与每一种环境数据之间的相关系数。

在本实施例中，互感器的二次电流数据受多种因素影响，为了便于对二次电流数据进行分析，通过信号分离的方式将结构复杂的二次电流数据转化为结构简单的多个二次电流分离信号，每个二次电流分离信号表征不同的影响因素对应的互感器二次电流数据的分量。本实施例中，为了分析不同环境数据对二次电流数据的影响，需要将二次电流分离信号与每一种环境数据进行匹配。其中，可以通过计算每一个二次电流分离信号与每一种环境数据之间的相关系数的方法，对二次电流分离信号与环境数据进行匹配。

103、根据相关系数，将二次电流分离信号划分为与每种环境数据一一对应的多个环境源信号，并根据多个环境源信号和二次电流数据，计算得到二次电流残差分量。

104、将多个环境源信号和二次电流残差分量输入至预设的互感器故障分类模型中，得到待测互感器的故障类型。

在本实施例中，通过计算相关系数来衡量每个二次电流分离信号与每个环境数据之间的相关性，进而根据相关性确定每个二次电流分离信号对应的环境数据，将二次电流分离信号划分为与每种环境数据一一对应的多个环境源信号，例如若第一二次电流分离信号与第一环境数据对应，则确定第一二次电流分离信号为第一环境源信号，若第二二次电流分离信号与第二环境数据对应，则确定第二二次电流分离信号为第二环境源信号。

在本实施例中，对二次电流数据进行信号分离处理之后，根据得到的多个环境源信号和原始的二次电流数据计算得到二次电流残差分量，并基于多个环境源信号和二次电流残差分量，利用预设的互感器故障分类模型对待测互感器的故障类型进行识别。本实施例，考虑到互感器运行环境的影响，通过将二次电流数据转化为环境源信号和二次电流残差分量的方法，实现了环境数据与二次电流数据的结合，进而准确识别出待测互感器的故障类型。

本实施例提供的互感器故障分类方法，首先待测互感器的故障数据进行提取，故障数据包括二次电流数据和多种环境数据，然后对二次电流数据进行信号分离处理，得到与每种环境数据一一对应的多种环境源数据，并根据二次电流数据和多种环境源数据计算二次电流残差分量，通过这种方式将二次电流数据和多种环境数据综合起来，利用预设的互感器故障分类模型对待测互感器的故障类型进行识别，本实施例考虑到了互感器运行环境对故障识别结果的影响，能够提高故障类型识别的准确性，并且，利用预设的互感器故障分类模型对待测互感器的故障类型进行识别，故障判断简单快捷，无需在每次互感器故障时都通过人工的方式对互感器的故障类型进行分析，节约人力成本同时提高故障类型识别的效率。

进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的实施过程，在一个可选的实施例中，如图2所示，步骤102中对二次电流数据进行信号分离处理，得到多个二次电流分离信号，包括：

201、获取预设的白化矩阵，根据白化矩阵对二次电流数据进行白化处理，得到待分离数据。

202、设置目标函数，根据目标函数计算得到分离矩阵。

203、根据待分离数据和分离矩阵，计算得到多个二次电流分离信号。

在本实施例中，待测互感器的二次电流数据可以分解为与多个环境数据相关的多个环境源信号，为了避免得到的各个环境源信号之间具有明显的相关性导致特征冗余，将每个环境源信号视为为独立信号，因此，为了去除二次电流数据各个分量之间的相关性，简化后续信号分离过程，首先通过预设的白化矩阵对二次电流数据进行白化处理，得到待分离数据。在本实施例中，在对二次电流数据进行白化处理之前，还可以对二次电流数据执行降噪、标准化等操作。

本实施例中，对二次电流信号进行信号分离的方法可以采用盲源分离法，例如Fast ICA(Fast Independent Component Analysis，快速独立成分分析)算法、JADE(联合近似对角化)算法等。根据采用的信号分离算法设置目标函数，根据目标函数计算得到信号分离算法对应的分离矩阵，根据待分离数据和分离矩阵，计算得到多个二次电流分离信号。以采用Fast ICA算法为例，将待测互感器的二次电流数据记作I，预设的白化矩阵记为H，对二次电流信号进行白化处理得到待分离数据，公式为：z＝HI；其中，z为待分离数据。随机选取初始向量W

W

其中，E[·]为数学期望，g和g′分别为任意的非二次函数的一阶导数和二阶导数。

根据公式(1)进行迭代，并使W

在一个可选的实施例中，多种环境数据包括温度数据、湿度数据和系统频率数据，如图3所示，步骤102中分别计算每一个二次电流分离信号与每一种环境数据之间的相关系数，包括：

301、计算每一个二次电流分离信号与温度数据之间的相关系数，得到多个温度相关系数。

302、计算每一个二次电流分离信号与湿度数据之间的相关系数，得到多个湿度相关系数。

303、计算每一个二次电流分离信号与系统频率数据之间的相关系数，得到多个系频率相关系数。

在本实施例中，二次电流分离信号包括第一二次电流分离信号、第二二次电流分离信号和第三二次电流分离信号。为了将每一个二次电流分离信号与每一个环境数据进行匹配，需要计算每一个二次电流分离信号与每一个环境数据之间的相关系数，具体包括：计算第一二次电流分离信号与温度数据之间的相关系数，得到第一温度相关系数、计算第二二次电流分离信号与温度数据之间的相关系数，得到第二温度相关系数、计算第三二次电流分离信号与温度数据之间的相关系数，得到第三温度相关系数。同理，计算每一个二次电流分离信号与湿度数据之间的相关系数得到第一湿度相关系数、第二湿度相关系数和第三湿度相关系数。计算每一个二次电流分离信号与系统频率之间的相关系数，得到第一系统频率相关系数、第二系统频率相关系数和第三系统频率相关系数。根据上述多个相关系数将二次电流信号与环境数据一一匹配。在本实施例中，上述相关系数可以通过Person(皮尔逊)相关系数、Spearman(斯皮尔曼)相关系数、Kendall(肯德尔)相关系数等进行表征，本实施例对此不做限定。

在一个可选的实施例中，如图4所示，在步骤103中，根据相关系数，将二次电流分离信号划分为与环境数据一一对应的多个环境源信号，包括：

401、获取多个温度相关系数中的最大温度相关系数，将最大温度相关系数对应的二次电流分离信号作为与温度数据对应的温度源信号。

402、获取多个湿度相关系数中的最大湿度相关系数，将最大湿度相关系数对应的二次电流分离信号作为与湿度数据对应的湿度源信号。

403、获取多个系统频率相关系数中最大的系统频率相关系数，将最大系统频率相关系数对应的二次电流分离信号作为与系统频率数据对应的系统频率源信号。

404、根据温度源信号、湿度源信号和系统频率源信号，得到多个环境源信号。

在本实施例中，环境源信号包括与温度数据匹配的温度源信号、与湿度数据匹配的湿度源信号以及与系统频率数据匹配的系统频率源信号。获取温度源信号、湿度源信号以及系统频率源信号的步骤包括：在第一温度相关系数、第二温度相关系数和第三温度相关系数中获取最大的温度相关系数作为目标温度相关系数，将目标温度相关系数对应的二次电流分离信号作为与温度数据对应的温度源信号，同理获取与湿度数据对应的湿度源信号，以及与系统频率数据对应的系统频率源信号。

例如，如果第一二次电流分离信号与温度数据计算得到的第一温度相关系数为多个温度相关系数中的最大值，则将第一温度数据对应的第一二次电流分离信号作为温度源信号；如果第二二次电流分离信号与湿度数据计算得到的第二湿度相关系数为多个湿度相关系数中的最大值，则将第二湿度相关系数对应的第二二次电流分离信号作为湿度源信号；如果第三二次电流分离信号与系统频率数据计算得到的第三系统频率相关系数为多个系统频率相关系数中的最大值，则将第三系统频率相关系数对应的第三二次电流分离信号作为系统频率源信号。通过上述方式，确定每一个二次电流分离信号与环境数据的对应关系，得到多个环境源信号。

在一个可选的实施例中，如图5所示，在步骤104中，将多个环境源信号和二次电流残差分量输入至预设的互感器故障分类模型，得到待测互感器故障类型，包括：

501、将温度源信号、湿度源信号、系统频率源信号和二次电流残差分量输入至互感器故障分类模型中，得到待测互感器与每一种故障类型对应的预测概率。

502、获取预测概率中的最大值。

503、确定最大值是否大于或等于预设的概率阈值。

5041、若最大值大于或等于预设的概率阈值，则将最大值对应的故障类型作为待测互感器的故障类型。

5042、若最大值小于预设的概率阈值，则判定待测互感器的故障类型为未知故障，并根据最大值对应的故障类型生成提示信息，以表征待测互感器的潜在故障类型。

在本实施例中，根据二次电流数据、温度源信号、湿度源信号和系统频率源信号计算得到二次电流残差分量包括：将温度源信号、湿度源信号和系统频率源信号转换为矩阵的形式，得到温度矩阵P

在本实施例中，将温度源信号、湿度源信号、系统频率源信号和二次电流残差分量作为特征输入至互感器故障分类模型后，得到每一种故障类型对应的预测概率，并获取预测概率中的最大值。若最大值符合预设的概率阈值，则将最大值对应的故障类型作为待测互感器的故障类型。例如，预设概率阈值为90％，第一故障类型对应的预测概率为80％、第二故障类型对应的预测概率为45％、第三故障类型对应的预测概率为40％、第四故障类型对应预测概率为95％、第五故障类型对应的预测概率为70％，则最大的预测概率为95％，超过了预设概率阈值，则判定待测互感器对应的故障类型为预测概率95％对应的第四故障类型。

在本实施例中，若最大值不符合预设的概率阈值，则判定互感器的故障类型为未知故障，此时根据预测概率最大值对应的故障类型生成提示信息，以表征待测互感器潜在的故障类型，例如，在本实施例中，若预设概率阈值为96％，此时第四故障类型对应的最大预测概率95％小于预设概率阈值，则根据第四故障类型生成提示信息，例如，提示信息可以为“待测互感器的故障类型可能为第四故障类型”、“待测互感器潜在的故障类型为第四故障类型”、“待测互感器的故障类型为第四故障类型的概率为95％”等。

在本实施例中，还可以包括预设估测阈值，在最大预测概率小于预设概率阈值时，也就是互感器的故障类型为未知故障时，还可以获取预测概率超过估测阈值的故障类型，根据预测概率超过估测阈值的故障类型生成提示信息，例如，估测阈值设置为50％，则超过估测阈值的故障类型包括第一故障类型、第四故障类型和第五故障类型，按照各个故障类型对应的预测概率大小的顺序生成提示信息，例如，提示信息可以为“待测互感器潜在的故障类型及其对应的概率为：第四故障类型95％、第一故障类型80％、第五故障类型70％”，通过这种方式可以为维修人员对故障类型进行确认时提供方向，优先对预测概率值超过估测阈值的故障类型进行判断，以提高作业效率。

在一个可选的实施例中，如图6所示，构建预设的互感器故障分类模型的步骤包括：

601、获取样本互感器的多个历史故障数据，其中，历史故障数据包括历史二次电流数据、多种历史环境数据和历史故障类型。

602、对历史二次电流数据进行信号分离处理，得到多个历史二次电流分离信号，分别计算每一个历史二次电流分离信号与每一个历史环境数据之间的相关系数。

603、根据相关系数，将历史二次电流分离信号划分为与历史环境数据一一对应的多个历史环境源信号，根据多个历史环境源信号与历史二次电流数据计算得到历史二次电流残差分量。

604、将多个历史环境源信号和历史二次电流残差分量作为输入样本，将历史故障类型作为样本标签，对预设的多分类模型进行训练，得到互感器故障分类模型。

在本实施例中，样本互感器包括发生过多种故障的互感器，采集互感器每一次发生故障时的历史二次电流数据、多种历史环境数据和历史故障类型，得到多个历史故障数据。本实施例具体可以对电容型电流互感器的故障类型进行预测，其中，故障类型包括一次回路故障、内部受潮、电容屏受潮、电容芯子内局部放电和末屏不稳定接地。根据历史二次电流数据和多个历史环境数据计算得到多个历史环境源信号和历史二次电流残差分量，将多个历史环境源信号和历史二次电流残差分量作为输入样本，将历史故障类型作为样本标签对预设的多分类模型进行训练。其中，多个历史环境源信号和历史二次电流残差分量的计算方法与前述各个互感器故障分类方法实施例中记载的方法相似，此处不再赘述。本实施例，通过将二次电流残差分量e和环境源信号作为输入样本，对多分类模型进行训练，可以有效放大故障数据中的故障特征信息，同时考虑到了环境对互感器运行数据的影响，提高互感器故障分类模型识别的准确性。

进一步的，作为上述方法的具体实现，本实施例提供了一种互感器故障分类装置，如图7所示，该装置包括：数据采集模块71、数据处理模块72、特征提取模块73、故障分类模块74。

数据采集模块71，可用于获取待测互感器的故障数据，所述故障数据包括二次电流数据和多种环境数据；

数据处理模块72，可用于对所述二次电流数据进行信号分离处理，得到多个二次电流分离信号，分别计算每一个所述二次电流分离信号与每一种所述环境数据之间的相关系数；

特征提取模块73，可用于根据所述相关系数，将所述二次电流分离信号划分为与每种所述环境数据一一对应的多个环境源信号，并根据多个所述环境源信号和所述二次电流数据，计算得到二次电流残差分量；

故障分类模块74，可用于将多个所述环境源信号和所述二次电流残差分量输入至预设的互感器故障分类模型中，得到待测互感器的故障类型。

在具体的应用场景中，所述数据处理模块72，具体可用于获取预设的白化矩阵，根据所述白化矩阵对所述二次电流数据进行白化处理，得到待分离数据；设置目标函数，根据所述目标函数计算得到分离矩阵；根据所述待分离数据和所述分离矩阵，计算得到所述多个二次电流分离信号。

在具体的应用场景中，所述多种环境数据包括温度数据、湿度数据和系统频率数据，所述分别计算每一个所述二次电流分离信号与每一种所述环境数据之间的相关系数，所述数据处理模块72，具体可用于计算每一个所述二次电流分离信号与所述温度数据之间的相关系数，得到多个温度相关系数；计算每一个所述二次电流分离信号与所述湿度数据之间的相关系数，得到多个湿度相关系数；计算每一个所述二次电流分离信号与所述系统频率数据之间的相关系数，得到多个系统频率相关系数。

在具体的应用场景中，所述根据所述相关系数，将所述二次电流分离信号划分为与所述环境数据一一对应的多个环境源信号，所述特征提取模块73，具体可用于获取多个所述温度相关系数中的最大温度相关系数，将所述最大温度相关系数对应的二次电流分离信号作为与所述温度数据对应的温度源信号；获取多个所述湿度相关系数中的最大湿度相关系数，将所述最大湿度相关系数对应的二次电流分离信号作为与所述湿度数据对应的湿度源信号；获取多个所述系统频率相关系数中的最大系统频率相关系数，将所述最大系统频率相关系数对应的二次电流分离信号作为与所述系统频率数据对应的系统频率源信号；根据所述温度源信号、所述湿度源信号和所述系统频率源信号，得到多个环境源信号。

在具体的应用场景中，所述将多个所述环境源信号和所述二次电流残差分量输入至预设的互感器故障分类模型，得到待测互感器故障类型，故障分类模块74，具体可用于将所述温度源信号、所述湿度源信号、所述系统频率源信号和所述二次电流残差分量输入至所述互感器故障分类模型中，得到待测互感器与每一种故障类型对应的预测概率；获取所述预测概率中的最大值，若所述最大值大于或等于预设的概率阈值，则将所述最大值对应的故障类型作为所述待测互感器的故障类型；若所述预测概率中的最大值小于所述概率阈值，则判定所述待测互感器的故障类型为未知故障，并根据所述最大值对应的故障类型生成提示信息，其中，所述提示信息用于表征待测互感器的潜在故障类型。

本实施例提供的互感器故障分类装置，还包括模型训练模块75，具体可用于获取样本互感器的多个历史故障数据，其中，每一个所述历史故障数据包括历史二次电流数据、历史环境数据和历史故障类型；对所述历史二次电流数据进行信号分离处理，得到多个历史二次电流分离信号，分别计算每一个所述历史二次电流分离信号与每一种所述历史环境数据之间的相关系数；根据所述相关系数，将所述历史二次电流分离信号划分为与所述历史环境数据一一对应的多个历史环境源信号，根据多个所述历史环境源信号与所述历史二次电流数据计算得到历史二次电流残差分量；将多个所述历史环境源信号和所述历史二次电流残差分量作为输入样本，将所述历史故障类型作为样本标签，对预设的多分类模型进行训练，得到所述互感器故障分类模型。

需要说明的是，本实施例提供的一种互感器故障分类装置所涉及各功能单元的其它相应描述，可以参考上述各个互感器故障分类方法实施例中的对应描述，在此不再赘述。

基于上述实施例所述的方法，相应的，本实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述各个实施例所述的的互感器故障分类方法。

基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该待识别软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。

基于上述各个互感器故障分类方法及装置实施例，为了实现上述目的，如图8所示，本实施例还提供了一种计算机设备，具体可以为个人计算机、服务器、智能手机、平板电脑、智能手表、或者其它网络设备等，该计算机设备包括存储介质和处理器；存储介质，用于存储计算机程序和操作系统；处理器，用于执行计算机程序以实现上述如图1至图6所示的方法。

可选的，该计算机设备还可以包括内存储器、通信接口、网络接口、摄像头、射频(Radio Frequency，RF)电路，传感器、音频电路、WI-FI模块、显示屏(Display)、输入装置比如键盘(Keyboard)等，可选的，通信接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。

本领域技术人员可以理解，本实施例提供的一种操作动作的识别的计算机设备结构并不构成对该计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。

存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述计算机设备硬件和待识别软件资源的程序，支持信息处理程序以及其它待识别软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理计算机设备中其它硬件和软件之间通信。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。通过应用本申请的技术方案，首先获取待测互感器的故障数据，故障数据包括二次电流数据和多种环境数据；然后对二次电流数据进行信号分离处理，得到多个二次电流分离信号，分别计算每一个二次电流分离信号与每一个环境数据之间的相关系数；根据相关系数，将二次电流分离信号划分为与环境数据一一对应的多个环境源信号，根据多个环境源信号与二次电流数据计算得到二次电流残差分量；最后将多个环境源信号和二次电流残差分量输入至预设的互感器故障分类模型，得到待测互感器故障类型。与现有技术相比，本申请采集的故障数据包括二次电流数据和多种环境数据，考虑到不同环境对互感器运行数据的影响，将二次电流数据和环境数据结合起来，利用预先设置好的互感器故障分类模型对待测互感器的故障类型进行识别，能够提高故障类型识别的准确性，并且通过这种方式只需采集待测互感器的二次电流数据和环境数据即可，无需通过人工的方式判断故障类型，故障判断简单快捷，提高了故障判断的效率，节约人力成本。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。