[发明专利]一种变压器故障组合诊断模型建立方法及诊断方法

权利要求书

1.一种变压器故障组合诊断模型建立方法，其特征在于：包括如下步骤：采用朴素贝叶斯诊断模型、RVM诊断模型和物元诊断模型中的至少两种诊断模型对油中溶解气体分析数据进行初步诊断；

将上述初步诊断的诊断结果进行加权平均，经二次RVM诊断模型进行二次诊断，从而得到组合诊断模型。

2.根据权利要求1所述的变压器故障组合诊断模型建立方法，其特征在于：所述朴素贝叶斯诊断模型、所述RVM诊断模型和所述物元诊断模型中的至少两种诊断模型构成初步诊断模型群，并在对油中溶解气体分析数据进行初步诊断前进行训练。

3.根据权利要求1或者2所述的变压器故障组合诊断模型建立方法，其特征在于：所述朴素贝叶斯诊断模型和所述RVM诊断模型通过对一次样本数据的训练学习生成；所述物元诊断模型是在IEC三比值的数据基础上建立，或者通过训练学习建立。

4.根据权利要求1或者2所述的变压器故障组合诊断模型建立方法，其特征在于：所述物元诊断模型在对油中溶解气体分析数据进行初步诊断之前，采用以下方法构建模型：确定变压器故障的物元表示方法；确定变压器故障物元表示中的特征及其对应的标准云；确定待评油色谱样本的物元表示及关联度的计算方法；分析得出变压器的故障类型。

5.根据权利要求4所述的变压器故障组合诊断模型建立方法，其特征在于：构建基于朴素贝叶斯分类器的变压器故障诊断模型，确定模型的结构参数和概率参数。

6.根据权利要求1所述的变压器故障组合诊断模型建立方法，其特征在于：将变压器的状态划分为正常、低能放电、高能放电、中低温过热和高温过热。

7.根据权利要求6所述的变压器故障组合诊断模型建立方法，其特征在于：采用RVM分类器来辨识变压器的状态。

8.根据权利要求1所述的变压器故障组合诊断模型建立方法，其特征在于：将初次诊断结果以及原始油色谱数据组织成二次训练样本，对所述二次RVM诊断模型进行训练，调整相关的参数通过学习和测试使不同的输入向量得到相应的输出值。

9.一种变压器故障诊断方法，其特征在于：

依次将DGA数据输入到通过权利要求1-8任一方法训练的RVM诊断模型和朴素贝叶斯模型和改进的物元诊断模型，得到初次诊断结果(f1,f2,...fn)，其中n为诊断模型群中诊断模型的个数，fn为第n个模型对所述DGA数据的初次诊断结果；

将初次诊断结果(f1,f2,...fn)以及原始油色谱数据组织二次诊断模型的输入数据(f1,f2,...fn,x1,…,xm)；

利用二次诊断模型，得出故障诊断结果。