[发明专利]一种具有自学习功能的电力变压器综合诊断方法

权利要求书

1.一种具有自学习功能的电力变压器综合诊断方法，其特征在于：所述综合诊断方法以电力变压器的实时监测数据为基础，同时对历史数据和运行维护数据进行分析，利用自学习功能识别各个不同数据源对诊断结果的影响程度，调整不同数据源在诊断算法的权重值，实现对变压器状态的综合诊断。

2.一种具有自学习功能的电力变压器综合诊断方法，其特征在于，所述综合诊断方法包括以下步骤：

（1）将电力变压器的多源数据分为3个子类数据：实时监测数据，历史数据，运维数据；

其中，实时监测数据是指通过N种测量、监测装置实时监测到的电力变压器的电气量和非电气量参数，其中N为不小于零的整数；

历史数据是指存储过的实时监测数据；

运维数据是指电力变压器的日常运维信息，包括巡检记录、制造信息、产品家族信息、历史故障信息等；

（2）对步骤（1）中的每个子类数据，采用预先配置在多源配置管理管理模块中的对应诊断方法对变压器运行状态进行诊断，所述诊断方法包括阈值法、人工神经网络法，模糊证据推理法等；

（3）确定步骤（2）中诊断方法的权重值，该权重值也是基于某一子类数据得出的诊断结果的权重值，权重值的初始值能够从多源配置管理管理模块中读取默认配置，或者人为设定；

（4）根据步骤（3）中的基于某一子类数据得到的诊断结果的权重值和步骤（2）中的基于某一子类数据得到的诊断结果利用预先配置在多源配置管理管理模块中的综合诊断方法对变压器进行综合诊断；

（5）将步骤（1）中的电力变压器数据、步骤（3）中的权重值、步骤（4）中的综合诊断结果，以及电力变压器的真实状态信息，都存储到知识库系统中；其中，电力变压器的真实状态信息是指变压器的实际状态；

（6）自学习模块根据知识库系统中的数据进行统计、分析、学习，重新生成各子类数据对应的诊断方法的权重值，供下次诊断过程使用；自学习模块获取知识库系统中的数据，统计、分析数据中的诊断结果与诊断方法的相关性，根据自学习算法按照相关性的强度大小调整诊断方法的权重值成新的权重值；

（7）通过多源配置管理模块将步骤（6）重新生成的权重值配置给各子类数据对应的诊断方法，对监测源和对应的诊断方法进行管理，返回步骤（2）-（4）得到最终的变压器综合诊断结果。

3.根据权利要求2所述的电力变压器综合诊断方法，其特征在于：

在步骤（5）中，所述知识库系统能够使用数据库，也能够使用文件系统，或者采用其他存储方式。

4.根据权利要求2所述的电力变压器综合诊断方法，其特征在于：

在步骤（6）中，所述自学习算法为排序法或模糊数学方法或人工神经网络方法。

5.根据权利要求4所述的电力变压器综合诊断方法，其特征在于：

当采用排序法时，将诊断结果与诊断方法的相关性强度按照从大到小排序，并赋给权重值，再将权重值做归一化处理，形成新的权重值，归一化处理的方式为，新的权重值等于旧的权重值除以所有旧的权重值之和，公式如下：

WNi=WOiΣi=1nWOi]]>

W_Oi,诊断方法的旧的权重值；

W_Ni，诊断方法的新的权重值；

诊断方法的旧的权重值之和，其中，n为参与诊断的诊断方法数量。

6.根据权利要求2所述的电力变压器综合诊断方法，其特征在于：

在步骤（7）中，多源配置管理模块可以增加或者删除监测源，可以修改监测源对应的诊断方法，可以对诊断方法的权重值进行修改，并提供对诊断方法诊断结果的修改接口。