[发明专利]一种基于逻辑斯蒂回归的变压器涌流识别方法

权利要求书

1.一种基于逻辑斯蒂回归的变压器涌流识别方法，其特征在于，所述方法包括如下步骤：

(1)采集变压器发生涌流和内部故障时的三相差动电流录波数据；

(2)对三相差动电流录波数据进行离散小波变换，并在小波域内提取奇异熵、灰度矩和分形维数指标，构建表征涌流与故障特征的样本集；

(3)将所述样本集输入至逻辑斯蒂回归分类器中进行训练，获得分类器决策函数；

(4)将所述决策函数作为变压器涌流与内部故障判别模型进行保存并进行变压器涌流识别；

其中，逻辑斯蒂回归分类器为机器学习中常用的分类模型，无约束、L1正则约束和L2正则约束条件下的优化问题分别表述为式(4)、(5)和(6)：

式中，x_i为第i个样本的特征指标向量，y_i为第i个样本的类别标签，ω和c为分类器参数，n为样本总数，C为正则化参数；

分类器决策函数为：

y＝sign(ω^Tx+c) (7)

式中，sign为符号函数，x为特征指标向量，与之对应的模型置信度为

2.根据权利要求1所述的基于逻辑斯蒂回归的变压器涌流识别方法，其特征在于：所述的表征涌流与故障特征的样本集构建具体包括：

①对A相差动电流数据进行离散小波变换得到多尺度小波系数，cA₁、cA₂、……、cA_N、cA_N+1为小波系数，N为小波分解层数，cA_i(i＝1,2,……,N)为第i层细节分量的小波系数，cA_N+1为第N层近似分量的小波系数；

②对各层小波系数进行重构，使重构后各层小波系数等长，记与A相差动电流数据对应的重构小波系数为a_pq(p＝1,2,…,N+1,q＝1,2,…,L)，L为重构后各层小波系数的长度；

③采用式(1)-(3)分别计算与A相差动电流数据对应的奇异熵WSE_A、灰度矩WGM_A和分形维数指标CD_A

式中，s_k为重构小波系数矩阵[a_pq]的奇异值，β为细节分量方差的对数log₂[Var(a_p.)]关于细节分量层数p的线性拟合一次项系数；

④对B相、C相差动电流数据分别重复上述步骤①～③，得到与之对应的奇异熵WSE_B、WSE_C，灰度矩WGM_B、WGM_C和分形维数CD_B、CD_C指标。

3.根据权利要求1所述的基于逻辑斯蒂回归的变压器涌流识别方法，其特征在于：该方法还包括分类器自学习步骤，对于新产生的录波数据，采用自学习框架模式进行判别模型的更新与保存，当新产生的录波数据采用已保存判别模型预测的类别与真实类别相符，且达到限定的模型更新时间时，或者当采用已保存判别模型预测的类别与真实类别不符时，更新特征样本集进行逻辑斯蒂回归分类器的再学习，并将获得的分类器决策函数作为新的变压器涌流与内部故障判别模型进行保存。