[发明专利]基于耦合隐马尔可夫模型的变压器故障诊断方法

权利要求书

1.一种基于耦合隐马尔可夫模型的变压器故障诊断方法，其特征在于，包括以下步骤：

1）根据获得的油色谱数据，训练耦合隐马尔可夫模型，具体过程如下：

1-1）获得用于训练耦合隐马尔可夫模型的油色谱数据，该数据要求为已明确故障类型或正常状态的数据，在训练各类的模型参数时使用对应状态的数据；

上述数据内容为油中溶解的氢气、甲烷、乙烷、乙烯和乙炔这五种气体的测量值；

1-2）对步骤1-1）获得的五种气体的测量值进行数据处理，包括根据五种气体的测量值得到气体测量值的比值和对五种气体的测量值进行量化处理；

对五种气体的测量值进行量化处理的具体过程为：先进行归一化处理，降低测量值的幅值，使测量值归一化在0-1范围内，方法为以各特征气体除以特征气体总和的方式对数据归一化；然后进行标量量化处理，将测量值转化为离散型耦合隐马尔可夫模型要求观测值为有限的离散数值，处理方法为根据特征气体幅值等分为多个区域并升序排列，将各区域映射为各个离散值，在此基础上确定测量值对应的离散数值；

1-3）初始化耦合隐马尔可夫模型，该模型选用左右型隐马尔可夫链，隐马尔可夫链1隐状态数设定为4，用于输入五种气体的测量值，隐马尔可夫链2隐状态数设定为3，用于输入五种气体的测量值的比值，均匀选取或者任意选取模型的参数π、A和B；

1-4）利用维特比Viterbi算法求取模型的状态序列；

1-5）根据步骤1-4）求得的状态序列求取模型的观测值概率矩阵；

1-6）对模型进行参数重估使得模型产生观测序列的概率最大；

1-7）判断是否达到设定的收敛条件，若未收敛则转到步骤1-4）进入下一循环，若收敛则完成训练，得到模型的参数；所述收敛条件为连续两次重估的模型参数对应的概率增量小于给定的阈值；

2）根据测量的数据，对变压器故障进行诊断，具体过程如下：

2-1）获得用于故障诊断的数据，数据为油中溶解的氢气、甲烷、乙烷、乙烯和乙炔这五种气体的测量值，按照步骤1-2）的方法对测量值进行数据处理，将数据处理后得到的相应的气体测量值的比值以及五种气体的测量值输入相应的隐马尔可夫链；

2-2）根据步骤1）完成训练后得到的模型参数，得到对应变压器各状态的耦合隐马尔可夫模型；

2-3）根据对应变压器各状态的耦合隐马尔可夫模型，比较各个状态的耦合隐马尔可夫模型的概率输出值；

2-4）将概率输出值最大的模型的对应状态确定为变压器所处状态，从而完成故障诊断。

2.根据权利要求1所述的基于耦合隐马尔可夫模型的变压器故障诊断方法，其特征在于，所述用于训练耦合隐马尔可夫模型的油色谱数据，可以是在线监测数据，也可以是离线测试数据。

3.根据权利要求1所述的基于耦合隐马尔可夫模型的变压器故障诊断方法，其特征在于，所述气体测量值的比值为5种，分别是 CH₄/H₂，C₂H₂/C₂H₄，C₂H₂/CH₄，C₂H₆/C₂H₂，C₂H₆/C₂H₄  。