[发明专利]一种变压器故障诊断方法、装置及存储介质

权利要求书

1.一种变压器故障诊断方法，其特征在于，包括：

获取变压器油色谱故障历史数据，并对所述变压器油色谱故障历史数据进行属性划分；

利用Relief-F算法计算各个属性的权重，进行特征选取；

采用K-means算法对选取出的特征进行聚类分析，生成变压器故障诊断模型；

获取变压器油色谱故障实时数据，将所述变压器油色谱故障实时数据输入到所述变压器故障诊断模型中，利用K-means算法得到对变压器故障的实时诊断结果。

2.根据权利要求1所述的变压器故障诊断方法，其特征在于，所述获取变压器油色谱故障历史数据，并对所述变压器油色谱故障历史数据进行属性划分，具体包括：

将变压器发生故障时生成的特征气体作为划分的属性，所述特征气体包括H₂、CH₄、C₂H₆、C₂H₄、C₂H₂，一种属性表示一种气体。

3.根据权利要求1所述的变压器故障诊断方法，其特征在于，所述利用Relief-F算法计算各个属性的权重，进行特征选取，具体包括：

根据各个属性和变压器故障类别的相关性赋予特征不同的权重，赋予和变压器故障类别相关性高的特征较高的权重，而权重小于某个阈值的特征将被移除；

所述变压器故障类型包括正常、放电、过热、放电兼过热。

4.根据权利要求3所述的变压器故障诊断方法，其特征在于，所述采用K-means算法对选取出的特征进行聚类分析，生成变压器故障诊断模型，具体包括：

初始随机给定多个聚类中心初始点，按照最邻近原则把所述各个属性构成的向量分到各个聚类中，然后按平均法重新计算各个聚类中心，一直迭代，直到聚类中心的移动距离小于给定的阈值；

经过聚类分析后，生成对所述变压器油色谱故障历史数据中的分类结果，得到所述变压器故障诊断模型。

5.一种变压器故障诊断装置，其特征在于，包括：

历史数据获取模块，用于获取变压器油色谱故障历史数据，并对所述变压器油色谱故障历史数据进行属性划分；

特征选取模块，用于利用Relief-F算法计算各个属性的权重，进行特征选取；

聚类分析模块，用于采用K-means算法对选取出的特征进行聚类分析，生成变压器故障诊断模型；

诊断结果生成模块，用于获取变压器油色谱故障实时数据，将所述变压器油色谱故障实时数据输入到所述变压器故障诊断模型中，利用K-means算法得到对变压器故障的实时诊断结果。

6.根据权利要求5所述的变压器故障诊断装置，其特征在于，所述历史数据获取模块用于获取变压器油色谱故障历史数据，并对所述变压器油色谱故障历史数据进行属性划分，具体包括：

将变压器发生故障时生成的特征气体作为划分的属性，所述特征气体包括H₂、CH₄、C₂H₆、C₂H₄、C₂H₂，一种属性表示一种气体。

7.根据权利要求5所述的变压器故障诊断装置，其特征在于，所述特征选取模块用于利用Relief-F算法计算各个属性的权重，进行特征选取，具体包括：

根据各个属性和变压器故障类别的相关性赋予特征不同的权重，赋予和变压器故障类别相关性高的特征较高的权重，而权重小于某个阈值的特征将被移除；

所述变压器故障类型包括正常、放电、过热、放电兼过热。