[发明专利]一种油浸式变压器的故障诊断方法

说明书

技术领域

本发明属于电力设备技术领域，尤其涉及一种油浸式变压器的故障诊断方法。

背景技术

电力变压器是电力系统中的重要设备，利用油中溶解气体分析(DGA，Dissolved Gas Analysis)方法，检测油浸变压器内部故障，已成为对其进行绝缘监督的重要手段。变压器结构的复杂性以及故障原因、故障现象和故障机理的多样性、随机性和模糊性，使得其绝缘故障诊断存在许多困难。随着计算机的快速发展，专家系统、模式识别等人工智能技术在电力系统的故障诊断中获得了初步的应用研究。近几年来，人们借助人工神经网络、模糊数学、聚类原理、灰色系统理论探索变压器故障诊断也获得了一些应用成果，但也存在严重的不足。现有的变压器故障诊断方法均不能很好地满足要求。

发明内容

本发明的目的在于针对现有技术的不足，提供了一种油浸式变压器的故障诊断方法。

本发明的目的是通过以下技术方案来实现的：

一种油浸式变压器的故障诊断方法，包括以下步骤：

(1)通过油中溶解气体分析DGA方法获取变压器油中溶解的五种气体H₂、CH₄、C₂H₂、C₂H₄、C₂H₆的数据，形成DGA数据库，作为特征参数；

(2)对DGA原始数据进行归一化处理；

(3)形成样本集和测试样本集；

(4)采用多核学习、多类目标函数方法的多分类SVM模型，确定基本核函数的个数和每个基核的参数；

(5)通过交叉验证的方法确定最优的惩罚参数；

(6)根据最优的惩罚参数，利用训练样本和多分类多核学习方法得到相应的分类模型；

(7)利用训练好的分类模型进行油浸式变压器故障诊断，得到诊断结果。

本发明的有益效果是：本发明的方法提出了基于多核学习、多类目标函数方法的多分类支持向量机模型，并将之运用于变压器故障诊断。变压器结构的复杂性以及故障原因、故障现象和故障机理的多样性、随机性和模糊性，使得其绝缘故障诊断存在许多困难。本发明能够保证很高的诊断准确率，具有很好的实用性和推广性。

具体实施方式

本发明将现有的数据采集设备、成熟的技术与前沿的理论知识相结合。采用多核学习、多类目标函数方法的多分类SVM模型，在输入数据到输出分类结果的直接过程中，有效地避免混淆和差错的可能性。

本发明油浸式变压器的故障诊断方法，包括以下步骤：

1、通过油中溶解气体分析(Dissolved gas analysis，DGA)方法获取变压器油中溶解的五种气体(H₂，CH₄，C₂H₂，C₂H₄，C₂H₆)的数据，形成DGA数据库，作为特征参数。

2、对DGA原始数据进行归一化处理。具体如下：

(1)从DGA中获取原始数据，模式向量为：x_i＝(x_i1，x_i2，x_i3，x_i4，x_i5)

(2)考虑到各种溶解气体含量的巨大差异性及分散性，为降低它们之间由于量值差异过大造成的影响，需要对DGA原始数据进行归一化处理，即将各种融解气体含量换算为[0，1]范围内的相对含量，以降低气体之间的互斥性。归一化处理方法如下：

xij′=xij/Σj=15xij,]]>i＝1，...，n。

3、形成样本集和测试样本集。