[发明专利]一种基于决策树和随机森林的变压器故障诊断装置及方法

权利要求书

1.一种基于决策树和随机森林的变压器故障诊断装置，其特征在于，包括：

系列数据输入接口，用于适配电力系统的通信接口，整合历史状态数据和历史环境数据；

决策树持续机器学习模型实现模块，用于调用内部封装的决策树算法对所述系列数据输入接口模块输入的整合后的历史状态数据和历史环境数据进行处理，自动化更新训练机器学习模型，并生成变压器故障标识数据预测结果；

随机森林持续机器学习模型实现模块，用于调用内部封装的随机森林算法对所述系列数据输入接口模块输入的整合后的历史状态数据和历史环境数据进行处理，自动化更新训练机器学习模型，并生成变压器故障标识数据预测结果；

择优数据输出选择器，用于接收所述决策树持续机器学习模型实现模块和随机森林持续机器学习模型实现模块输出的变压器故障标识数据预测结果，对预测结果的预测命中率进行评估，选择预测命中率较高模型作为诊断模型，并自动调整预测命中率较低模型参数；

预测数据输出模块，用于将所述择优数据输出选择器选择的预测结果进行输出。

2.根据权利要求1所述的基于决策树和随机森林的变压器故障诊断装置，其特征在于，所述系列数据输入接口具体用于输入因变量和多列自变量数据，所述因变量数据包括状态因子，所述自变量数据包括环境数据、油色谱采集数据和运行状态数据。

3.根据权利要求1所述的基于决策树和随机森林的变压器故障诊断装置，其特征在于，所述择优数据输出选择器具体用于对所述决策树持续机器学习模型实现模块和随机森林持续机器学习模型实现模块在设定周期内输出的变压器故障标识数据预测结果的预测命中率进行评估，选择预测命中率较高模型作为诊断模型；同时接收下一周期的变压器故障标识数据预测结果后，重新评估两个模型的预测命中率，动态调整模型优先级。

4.根据权利要求3所述的基于决策树和随机森林的变压器故障诊断装置，其特征在于，所述预测数据输出模块具体包括显示单元和/或HTTP接口，所述显示单元用于向用户展示所述择优数据输出选择器选择的诊断模型输出的变压器故障诊断结果，所述HTTP接口用于将所述择优数据输出选择器选择的诊断模型输出的变压器故障诊断结果传输至外部系统。

5.根据权利要求1至4任一所述的基于决策树和随机森林的变压器故障诊断装置，其特征在于，还包括标准嵌入式计算支撑硬件模块，所述标准嵌入式计算支撑硬件模块用于提供支撑所述决策树持续机器学习模型实现模块和随机森林持续机器学习模型实现模块运行所需的外部计算资源。

6.一种基于决策树和随机森林的变压器故障诊断方法，其特征在于，包括以下步骤：

S1、利用系列数据输入接口适配电力系统的通信接口，整合历史状态数据和历史环境数据；

S2、利用决策树持续机器学习模型实现模块调用内部封装的决策树算法对步骤S1整合后的历史状态数据和历史环境数据进行处理，自动化更新训练机器学习模型，并生成变压器故障标识数据预测结果；

S3、利用随机森林持续机器学习模型实现模块调用内部封装的随机森林算法对步骤S1整合后的历史状态数据和历史环境数据进行处理，自动化更新训练机器学习模型，并生成变压器故障标识数据预测结果；

S4、利用择优数据输出选择器接收步骤S2和步骤S3生成的变压器故障标识数据预测结果，对预测结果的预测命中率进行评估，选择预测命中率较高模型作为诊断模型，并自动调整预测命中率较低模型参数；

S5、利用预测数据输出模块将步骤S4选择的预测结果进行输出。

7.根据权利要求6所述的基于决策树和随机森林的变压器故障诊断方法，其特征在于，所述步骤S1具体利用系列数据输入接口输入因变量和多列自变量数据，所述因变量数据包括状态因子，所述自变量数据包括环境数据、油色谱采集数据和运行状态数据。