[发明专利]基于极限学习机的电力变压器故障诊断方法

权利要求书

1.一种基于极限学习机的电力变压器故障诊断方法，其特征在于，所述方法包含以下步骤：

步骤1：依据变压器研究问题的特点，划分变压器的A个运行状态；

步骤2：选取蕴含变压器运行状态的在线或离线的监/检测数据作为数据源；

步骤3：对变压器数据源进行特征提取，确定若干个特征变量，特征变量既可以是离散变量也可以是连续变量；

步骤4：采用A维的0-1向量表达方式，确定变压器各种运行状态下的极限学习机的目标向量；

步骤5：选取变压器在各种运行状态下的样本数据；

步骤6：将样本数据按设定的比例分为训练样本数据和测试样本数据；其中，训练样本数据用于学习变压器的极限学习机故障诊断模型，测试样本数据用于验证变压器的极限学习机故障诊断模型；

步骤7：确定变压器的极限学习机故障诊断模型的输入层节点数、隐层节点数、输出层节点数，选取变压器的极限学习机故障诊断模型的激励函数；

步骤8：以训练样本数据作为极限学习机的输入，进行变压器的极限学习机故障诊断模型的学习；

步骤9：采用测试样本数据对步骤8得到的极限学习机变压器故障诊断模型进行验证。

 

2. 如权利要求1所述的方法，其特征在于，所述方法用以研究变压器的总体运行状态，则

步骤1中，将变压器的运行状态划分为：正常状态，以及低能放电、高能放电、中低温过热、高温过热、局部放电五种故障状态；

步骤2中，将经由油色谱监/检测装置或系统所获取的油中气体含量分析数据作为数据源；

步骤3中，特征变量是特征气体含量或特征气体含量比值。

 

3. 如权利要求1所述的方法，其特征在于，所述方法用以研究变压器的局部放电的放电类型，则

步骤1中，将变压器的运行状态划分为：针尖放电、气泡放电、悬浮放电、沿面放电四种放电类型；

步骤2中，将基于脉冲电流、超高频UHF或超声波方法的局部放电监/检测装置或系统所获取的监/检测数据作为数据源；

步骤3中，特征变量是宏观统计量或微观特征量，其中，所述宏观统计量包含以下变量中的一个或多个：由放电图谱提取的偏斜度、突出度、局部峰个数、放电不对称度、相位不对称度、互相关因子和相位中值；

所述微观特征量包含以下变量中的一个或多个：脉冲上升时间、脉冲下降时间、脉冲宽度、脉冲持续时间、10%幅值脉冲持续时间。

 

4. 如权利要求1或2或3所述的方法，其特征在于，

步骤7中，所述输入层节点数为步骤3中特征向量的维数，所述输出层节点数为步骤1中的运行状态数A；隐层节点数目是特征向量的维数的2倍；激励函数选用sigmoidal函数：。

 

5. 如权利要求4所述的方法，其特征在于，所述步骤8进一步包括下列步骤：

步骤81：随机赋值输入权重向量以及偏置，，为隐层节点数；

步骤82：计算对应训练样本数据的隐层输出矩阵；

其中，；

步骤83：采用最小二乘法求解隐层输出矩阵的Moore-Penrose广义逆；

步骤84：计算输出权重，其中，。

 

6. 如权利要求4所述的方法，其特征在于，所述步骤9进一步包括下列步骤：

步骤91：计算对应测试样本数据的隐层输出矩阵；

其中，；

步骤92：计算极限学习机的输出；

步骤93：以极限学习机的输出行向量中最大元素值对应的运行状态作为诊断结果；

步骤94：将极限学习机的诊断结果与变压器的实际运行状态作比较，计算诊断正确率，对变压器的极限学习机诊断模型进行验证。