[发明专利]一种基于智能集成算法的变压器故障诊断方法及系统

说明书

本发明公开了一种基于智能集成算法的变压器故障诊断方法及系统，包括：对获取的油色谱数据进行预处理，并经过预处理的油色谱数据进行特征构建，以获取多个特征；分别确定不同类型的变压器故障诊断算法对应的输入特征；根据确定的不同类型的变压器故障诊断算法对应的输入特征，构建基于智能集成算法的变压器故障模式诊断模型；分别确定每个变压器故障模式诊断模型在每种故障模式下的故障诊断准确率，并根据故障诊断准确率确定每种故障模式对应的算法和各算法的权重；利用所述基于智能集成算法的变压器故障模式诊断模型对待诊断的油色谱数据进行诊断，确定故障模式结果，并根据所述故障模式结果中每种故障模式的优先级系数确定诊断结果。

技术领域

本发明涉及电力设备故障诊断技术领域，并且更具体地，涉及一种基于智能集成算法的变压器故障诊断方法及系统。

背景技术

近年来，电能在整个能源行业中的消耗比例逐年增长，保证电网的安全稳定运行是维持与促进经济发展的重要条件。变压器是电网中的重要装置，是实现电能变换、减少电能损耗的重要载体，及时发现其故障隐患、保证其安全运行可有效减少电网故障的发生概率。随着数据挖掘技术和机器学习技术的发展，配电变压器智能故障诊断技术开始逐步得到研究应用。采用支持向量机、神经网络和极限学习机等智能算法分析油色谱数据中的气体含量与故障类型的映射关系，模拟人类专家对变压器的运行状态和故障做出正确判断和决策。

但是现有的故障诊断方法的准确率不高。因此，为高效而准确地利用油色谱数据对变压器的故障模式进行诊断，需要一种基于智能集成算法的变压器故障诊断方法。

发明内容

本发明提出一种基于智能集成算法的变压器故障诊断方法及系统，以解决如何准确地确定变压器故障的问题。

为了解决上述问题，根据本发明的一个方面，提供了一种基于智能集成算法的变压器故障诊断方法，所述方法包括：

对获取的油色谱数据进行预处理，并经过预处理的油色谱数据进行特征构建，以获取多个特征；其中，所述油色谱数据包括：CH₄、C₂H₄、C₂H₆、C₂H₂、H₂、CO、CO₂和总烃；

分别确定不同类型的变压器故障诊断算法对应的输入特征；

根据确定的不同类型的变压器故障诊断算法对应的输入特征，构建基于智能集成算法的变压器故障模式诊断模型；

对基于智能集成算法的变压器故障模式诊断模型进行训练，分别确定每个变压器故障模式诊断模型在每种故障模式下的故障诊断准确率，并根据故障诊断准确率确定每种故障模式对应的算法和各算法的权重；

利用所述基于智能集成算法的变压器故障模式诊断模型对待诊断的油色谱数据进行诊断，确定故障模式结果，并根据所述故障模式结果中每种故障模式的优先级系数确定诊断结果。

优选地，其中所述对获取的油色谱数据进行预处理，包括：

采用相似样本对获取的油色谱数据中缺失值少于预设个数的数据进行插补，以及

将获取的油色谱数据中缺失值大于预设个数的数据直接剔除。

优选地，其中所述分别确定不同类型的变压器故障诊断算法对应的输入特征，包括：

根据预设的经验数据确定第一类型算法对应的输入特征；其中，所述第一类型算法包括：三比值法、大卫三角形法和大卫五边形法；

基于基尼不纯度的特征选择方法，确定机器学习类型算法中的以决策树为基学习器的算法对应的输入特征；其中，所述以决策树为基学习器的算法，包括：随机森林RandomForest算法、梯度提升树XGBoost算法和分类提升树CatBoost算法；