[发明专利]一种基于OneclassSVM算法的变压器故障诊断方法

说明书

本发明公开了一种基于OneclassSVM算法的变压器故障诊断方法，该方法首先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；然后使用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；接着建立分类器模型，得到油浸式变压器的XGBoost故障诊断模型；最后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。本发明通过建立分类器模型，并进行训练，获得能够识别变压器故障的分类模型，通过对数据使用OneclassSVM算法识别并剔除离群点，能够提高变压器故障检测的效率和准确度。

技术领域

本发明属于变压器故障诊断技术领域，尤其涉及一种基于OneclassSVM算法的变压器故障诊断方法。

背景技术

油浸式变压器是输变电系统的关键设备之一，其运行状态决定电力系统能否安全可靠运行。然而，我国目前尚在投运的油浸式变压器中，有很大一部分运行年限较长，存在绝缘裂化等故障隐患。为了保障电力系统运行的可靠性和经济性，能够实时准确地评估变压器的运行状态的诊断模型是不可或缺的。在油浸式变压器绝缘老化的过程中会产生少量气体溶解在绝缘油中，油中气体的组成成分以及各种成分之间的比例关系能够反映变压器不同的故障状态。溶解气体分析(DissolvedGasAnalysis,DGA)方法是最为重要的变压器状态检测和故障诊断方法之一。但目前缺乏能够快速准确的根据油中气体成分诊断变压器故障的技术手段。

中国专利CN102662113B，公开日2014年6月11日，一种利用故障树的油浸式变压器综合诊断方法，该方法步骤：(1)实时采集变压器的油中溶解气体、油中微水、局部放电、铁芯接地电流、顶层油温、绕组光纤测温相关状态特征参量值；(2)通过油中溶解气体诊断的故障类型规格化；(3)对各类诊断方法诊断故障正确率进行统计；(4)获取测得的油中溶解气体状态量分别进行诊断；(5)获取故障置信数组；(6)综合上述得出变压器的故障诊断结果。其技术方案结合各种油色谱、油中微水、局部放电、铁芯接地电流、顶层油温、绕组光纤测温相关状态特征参量过多，检测效率低下，且容易出现震荡。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于OneclassSVM算法的变压器故障诊断方法。本发明以油中气体的成分特征为依据，能够快速简洁地获得诊断变压器故障结果，且兼顾准确度。

本发明的目的是通过以下技术方案来实现的：一种基于OneclassSVM算法的变压器故障诊断方法，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。