[发明专利]一种干式电抗器的故障诊断方法

权利要求书

1.一种干式电抗器的故障诊断方法，其特征在于，包括：

分别统计干式电抗器在正常状态下的等效电阻以及故障状态下的等效电阻；

将所述干式电抗器在正常状态下的等效电阻以及故障状态下的等效电阻作为目标训练数据集和测试数据集；

分别对所述目标训练数据集和测试数据集进行基于微增量小波奇异熵算法的故障特征进行提取，得到微增量小波奇异熵；

将所述微增量小波奇异熵作为故障特征，并根据所述故障特征构造特征量；

根据聚类算法对所述特征量进行聚类，得到聚类结果；

根据所述聚类结果判断所述干式电抗器的故障状态；

所述聚类算法包括PSO-Kmeans聚类算法；

所述PSO-Kmeans聚类算法的计算步骤包括：

定义粒子群中第i个粒子在n维空间的位置表示为x_i＝(x_i1,x_i2,…,x_in)，速度表示为v_i＝(v_i1,v_i2,…,v_in)；

粒子群中第i个粒子在n维空间经历过的最优位置表示为p_i＝(p_i1,p_i2,…,p_in)；

整个粒子群中经历过的最优位置表示为g＝(g₁,g₂,…,g_n)；

粒子更新自身速度和位置的公式分别表示为：

v_i(t+1)＝ωv_i(t)+c₁×r₁×(p_i-x_i)+c₂×r₂×(g-x_i)；

x_i(t+1)＝x_i+v_i(t+1)；

其中，t表示迭代次数的变量，ω表示惯性权重系数，常数c₁和c₂均表示学习因子，r₁和r₂表示均匀分布在[0,1]范围中的随机数；

适应度函数计算公式表示为：

f(x)＝1/d_max(x_i,x_j)，

其中，d_max(x_i,x_j)表示点x_i与聚类点x_j之间的距离的最大值；

其中，所述分别统计干式电抗器在正常状态下的等效电阻以及故障状态下的等效电阻，包括：

分别模拟干式电抗器在正常状态下的阻抗矩阵以及故障状态下的阻抗矩阵。

2.根据权利要求1所述的干式电抗器的故障诊断方法，其特征在于，所述分别对所述目标训练数据集和测试数据集进行基于微增量小波奇异熵算法的故障特征进行提取，得到微增量小波奇异熵，包括：

构造目标训练数据集和测试数据集的n阶微增量小波奇异熵，得到微增量小波奇异熵，其中，所述微增量小波奇异熵的公式为：

其中，X_i表示λ_i的第i个微增量小波奇异熵。

3.根据权利要求2所述的干式电抗器的故障诊断方法，其特征在于，所述将所述微增量小波奇异熵作为故障特征，并根据所述故障特征构造特征量，包括：

以n阶微增量小波奇异熵构造特征向量X_s1，其中X_s1＝[X₁,X₂,…,X_n]。

4.根据权利要求1所述的干式电抗器的故障诊断方法，其特征在于，根据PSO-Kmeans聚类算法对所述特征量进行聚类，包括：

输入待聚类的数据集、聚类数目k以及最大迭代次数M；

输出聚类数据及的聚类中心不再变化的k个聚类划分。