[发明专利]一种基于OneclassSVM算法的变压器故障诊断方法

权利要求书

1.一种基于OneclassSVM算法的变压器故障诊断方法，其特征在于，包括步骤：

A)收集油浸式变压器故障数据，关联故障标签，获得样本数据集；

B)使用OneclassSVM算法识别并剔除样本数据集中的离群点，而后样本数据集划分为训练数据集和测试数据集；

C)建立分类器模型，使用训练数据集训练弱分类器，并使用测试数据集测试，直到预测正确率达到预设值，得到油浸式变压器的XGBoost故障诊断模型；

D)利用步骤C)获得的故障诊断模型对待测油浸式变压器数据进行预测，得到故障诊断结果，并给出诊断结果误差率。

2.根据权利要求1所述的一种基于OneclassSVM算法的变压器故障诊断方法，其特征在于，所述油浸式变压器故障数据包括ρ(CH₄)/ρ(H₂)、ρ(C₂H₄)/ρ(C₂H₂)、ρ(C₂H₄)/ρ(C₂H₆)、ρ(C₂H₂)/ρ(C₁+C₂)、ρ(H₂)/ρ(H₂+C₁+C₂)、ρ(C₂H₄)/ρ(C₁+C₂)、ρ(CH₄)/ρ(C₁+C₂)、ρ(C₂H₆)/ρ(C₁+C₂)以及ρ(CH₄+C₂H₄)/ρ(C₁+C₂)，其中ρ(-)表示气体浓度，C₁表示CH₄一阶碳氢化合物气体成分之和，C₂表示C₂H₆、C₂H₄、C₂H₂二阶碳氢化合物气体成分之和。

3.根据权利要求1或2所述的一种基于OneclassSVM算法的变压器故障诊断方法，其特征在于，所述步骤A)中故障标签包括低温过热、中温过热、高温过热、局部放电、低能放电、高能放电、低能放电兼过热、高能放电兼过热和正常状态。

4.根据权利要求3所述的一种基于OneclassSVM算法的变压器故障诊断方法，其特征在于，所述故障标签编码为：低温过热[00000001]、中温过热[00000010]、高温过热[00000100]、局部放电[00001000]、低能放电[00010000]、高能放电[00100000]、低能放电兼过热[01000000]、高能放电兼过热[10000000]和正常状态[00000000]。

5.根据权利要求1或2所述的一种基于OneclassSVM算法的变压器故障诊断方法，其特征在于，步骤B)中，使用OneclassSVM算法识别并剔除样本数据集中的离群点的方法为：

设定训练误差nu＝0.5，核函数kernel＝‘rbf’，gamma＝0.1，算法将返回异常数据预测值，+1表示正常样本，-1表示异常样本。

需要说明的是，预测值为-1的异常样本并不代表该样本数据在采集、传输、记录的过程中一定出现了错误，而是该样本数据并不能特征性地显示它所在类别的故障内在规律，若将其作为训练样本作为模型的输入，会对模型学习效果产生负面影响。