[发明专利]基于IMABC优化支持向量机的变压器故障诊断方法

说明书

技术领域

本发明属于变压器故障在线监测技术领域，具体涉及一种基于IMABC优化支持向量机的变压器故障诊断方法。

背景技术

随着电网建设的高速发展，全国联网的格局基本形成。电力系统是一个由众多发、送、输、配的用电设备连接而成的大系统，这些设备直接决定整个系统的稳定性和安全性。变压器在电力系统中应用广泛，其安全稳定的运行状态关系着电网与人民的安全，发生故障将会给人们的生活带来极大的不便，因此对变压器进行故障诊断尤为重要。变压器的主要故障包括高温过热、中低温过热、局部放电和火花放电等。

目前针对上述故障已经提出了多种监测方法，如：油中溶解气体分析技术、铁芯接地电流检测技术以及红外热像检测技术；其中油中溶解气体分析技术含有丰富的运行状态信息，可作为变压器故障诊断的依据，但由于太过于依赖人工经验且无法直接通过阈值判断，需要通过人工智能算法，如模糊理论、BP神经网络等进行故障诊断。然而，模糊控制则存在隶属函数和模糊规则的确定过程存在一定的人为因素，基于BP神经网络算法的故障诊断存在一定程度的收敛速度慢，容易陷入局部极小值的缺点。

发明内容

本发明的目的在于提供一种基于IMABC优化支持向量机的变压器故障诊断方法，能有效优化支持向量机的参数，提高了进行二分类时的准确率。

本发明所采用的技术方案是，基于IMABC优化支持向量机的变压器故障诊断方法，具体按照以下步骤实施：

步骤1、将采集的油浸式变压器带有类标签的样本集S＝{(x₁,y₂),(x₂,y₂)...(x_n,y_n)}分为训练样本和测试样本；x_i代表样本属性，包含氢气、甲烷、乙烷、乙烯、乙炔五种属性；y_i代表类别标签，1、2、3、4、5、6分别对应正常状态、中温过热、高温过热、局部放电、火花放电、电弧放电；

步骤2、提出一种改进人工蜂群算法，将种群分类和基因突变融入该人工蜂群算法，优化支持向量机的参数；

步骤3、将步骤2中得到的C_i和σ_i作为支持向量机的优化参数，建立多级支持向量机故障诊断模型，利用步骤1中的数据进行变压器的故障诊断。

本发明的特点还在于：

步骤1中：将采集的油浸式变压器带有类标签的样本集S＝{(x₁,y₂),(x₂,y₂)...(x_n,y_n)}按3：1的比例分为训练样本和测试样本。

步骤2具体按照以下步骤实施：

步骤a、初始化，预先设定搜索次数上限为limit，最大迭代次数为max cycle，初始迭代cycle＝1；用式(1)产生NP个解，每个解X_i是一个二维向量(C_i，σ_i)，第j维取值X_ij如下：

式(1)中，rand表示在[0，1]上的随机数；任何一个采蜜蜂的任何一个维度都完全随机生成，即采蜜蜂将随机放在解空间中的任何一点上；

步骤b、待步骤a完成后，进行采蜜蜂阶段，对每个蜜源X_i在其附近产生一个随机的扰动，生成一个候选解V_i，具体算法如下：

式(2)中：X_i为搜索空间中第i个蜜源，X_k为在其领域内随机选取的不同于X_i的另一个蜜源，为服从均匀分布的随机数，差值X_i-X_k为当前蜜源X_i的扰动项；

当搜索过程接近最优解时，扰动项X_i-X_k会自适应减小，能提高算法的局部开采能力；对候选解V_i计算相应的适应度值，根据贪婪规则在V_i和X_i中选出更优解，以确保种群向更优的方向发展；

步骤c、经步骤b后，进入观察蜂阶段，自适应度函数如下：

第i个蜜源的自适应度值在整个蜂群中所占的百分比P_i如下所示：