[发明专利]一种基于模型融合的变压器故障类型检测方法

说明书

本发明公开了一种基于模型融合的变压器故障类型检测方法，包括：步骤1、获取变压器绝缘油中故障气体浓度数据；步骤2、利用SOM算法，LOF算法，iForest算法分别根据故障气体浓度数据进行故障类型检测；步骤3、利用层次分析法获得SOM算法，LOF算法，iForest算法各自所占的决策权重值，建立故障决策模型；步骤4、根据决策结果值判定故障类型；本发明创造的方法融合了SOM算法，LOF算法，iForest算法，从而提高了故障类型检测的辨识度，相对于现有的电力变压器故障类型检测方法具有检测精度高的优势。可用于故障类型检测领域。

技术领域

本发明涉及设备故障检测技术领域，特别涉及一种基于模型融合的变压器故障类型检测方法。

背景技术

电力变压器是电力系统的重要设备，由于变压器内部结构复杂，电场分布不均匀，且随着电压水平增高，事故率成上升趋势。作为电力系统的主要设备的变压器，其故障除给本身带来重大损失外，还对电力系统安全产生造成很大的影响。

目前电力变压器故障类型检测算法应用比较广的有：SOM算法(Self-organizingMaps，自组织映射)，LOF算法(Local Outlier Factor，局部离群因子检测方法)，iForest算法(Isolation Forest，孤立森林)。但是这些算法均存在自身无法覆盖的短板，辨识度不高，从而造成现有电力变压器故障类型检测方法检测精度不高。

发明内容

本发明的目的是：提供一种精度高的变压器故障类型检测方法。

本发明解决其技术问题的解决方案是：一种基于模型融合的变压器故障类型检测方法，包括：

步骤1、获取变压器绝缘油中故障气体浓度数据；

步骤2、利用SOM算法，LOF算法，iForest算法分别根据故障气体浓度数据进行故障类型检测，分别得到基于SOM算法的各故障类型检测结果D_SOM(x)，基于LOF算法的各故障类型检测结果D_LOF(x)，基于iForest算法的各故障类型检测结果D_iForest(x)；

步骤3、利用层次分析法获得SOM算法，LOF算法，iForest算法各自所占的决策权重值，建立故障决策模型；

所述故障决策模型的表达式为：

S(x)＝a×D_SOM(x)+b×D_LOF(x)+c×D_iForest(x)

其中，a为基于SOM算法的各故障类型检测结果的决策权重值，b为基于LOF算法的各故障类型检测结果的决策权重值，c为基于iForest算法的各故障类型检测结果的决策权重值，S(x)为决策结果值；

步骤4、根据决策结果值判定故障类型；

其中，故障气体包括：氢气、甲烷、乙烷、乙烯、乙炔，故障类型包括：高能击穿、低能击穿、过热、正常运行。

进一步，基于SOM算法的各故障类型检测结果的决策权重值为0.23，基于LOF算法的各故障类型检测结果的决策权重值为0.37，基于iForest算法的各故障类型检测结果的决策权重值为0.4。

本发明的有益效果是：本发明创造的方法融合了SOM算法，LOF算法，iForest算法，从而提高了故障类型检测的辨识度，相对于现有的电力变压器故障类型检测方法具有检测精度高的优势。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本发明的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。