[发明专利]变压器故障率预测模型获取方法及系统、可读存储介质

权利要求书

1.一种变压器故障率预测模型获取方法，其特征在于，包括：

根据变压器的油色谱数据，提取出变压器的关键溶解气体；

使用变压器经历维护操作之前的关键溶解气体含量数据以及对应的状态持续时间作为训练样本进行训练，获得状态持续时间修正模型，所述状态持续时间修正模型描述了变压器的关键溶解气体含量数据与修正状态持续时间之间的映射关系，所述修正状态持续时间表示在变压器经历维护操作之前的状态持续时间基础上统计获得的状态持续时间；

使用变压器的关键溶解气体含量数据以及对应的修正状态持续时间，获得变压器的故障率关于修正状态持续时间的解析表达式，对应的修正状态持续时间为根据变压器的关键溶解气体含量数据以及所述状态持续时间修正模型对应获得的修正状态持续时间；

根据变压器的油色谱数据，提取出变压器的关键溶解气体包括：

选取变压器的多组油色谱数据作为样本，每组油色谱数据包括L种溶解气体的含量数据；

将L种溶解气体的每一种溶解气体构建为一个聚类集合，根据样本获得任意两种溶解气体之间的相关度，根据各种溶解气体之间的相关度计算任意两个聚类集合之间的距离，将距离最小的两个聚类集合合并为一个聚类集合，将L种溶解气体聚类；

对于属于同一聚类集合的各种溶解气体，根据各种溶解气体之间的相关度提取出主成分，选取出累积贡献率满足第二预设要求的主成分，对选取出的主成分分析，获得属于本聚类集合的各种溶解气体的权重，根据各种溶解气体的权重选取出关键溶解气体。

2.根据权利要求1所述的变压器故障率预测模型获取方法，其特征在于，根据样本获得任意两种溶解气体之间的相关度，根据各种溶解气体之间的相关度将L种溶解气体聚类包括：

判断合并聚类集合的数量是否符合第一预设要求，若是，则将当前得到的各个聚类集合作为聚类结果，若否，则再次根据各种溶解气体之间的相关度计算任意两个聚类集合之间的距离并进行后续过程。

3.根据权利要求2所述的变压器故障率预测模型获取方法，其特征在于，根据以下公式计算第q种溶解气体和第r种溶解气体之间的相关系数：

其中，第q种溶解气体含量数据归一化后表示为X_q＝{x_1q，x_2q，……，x_Nq}，第r种溶解气体含量数据归一化后表示为X_r＝{x_1r，x_2r，……，x_Nr}，d_u,v＝x_uq-x_vr，|X_q|表示第q种溶解气体含量数据归一化后的绝对值，|X_r|表示第r种溶解气体含量数据归一化后的绝对值，1≤q≤L，1≤r≤L；

根据以下公式计算聚类集合G_A和聚类集合G_B之间的距离：

dis_a,b＝1-rel_a,b；

其中，G_A、G_B分别表示两个聚类集合，Dis(G_A、G_B)表示聚类集合G_A和聚类集合G_B之间的距离。

4.根据权利要求1-3任一项所述的变压器故障率预测模型获取方法，其特征在于，所述状态持续时间修正模型包括输入层、隐含层和输出层，输入层的节点数为α，输出层的节点数为β，输入层的输入表示为：

输出层的输出表示为：

输出层第η个神经元网络的输出表示为：

其中，γ表示隐含层的节点数，ω_iη表示隐含层第i个神经元与输出层第η个神经元的连接权值，表示隐含层第i个神经元的作用函数，η＝1,2,…,β。

5.根据权利要求1-3任一项所述的变压器故障率预测模型获取方法，其特征在于，获得变压器的故障率关于修正状态持续时间的解析表达式包括：基于变压器多状态马尔科夫转移过程，使用变压器的关键溶解气体含量数据以及对应的修正状态持续时间，获得变压器的故障率关于修正状态持续时间的解析表达式。