[发明专利]诱导有序加权证据推理的变压器故障诊断方法及系统

说明书

本发明公开了一种诱导有序加权证据推理的变压器故障诊断方法及系统，属于变压器故障诊断领域，包括：加载变压器扫频响应分析的典型数据样本，将诊断标签设置为识别框架；加载待诊断设备的检测数据；计算基本可信度分配，构建信度决策矩阵；根据数据样本来源计算诱导有序加权平均算子及其诱导向量；计算指标权重向量；通过诱导有序加权的证据理论融合所有证据，计算综合评价信度，从而确定诊断结果。本发明通过解释检测波形，实现电力设备故障辨识、故障类型判别以及故障定位，能综合处理包括仿真、历史、测试数据等多种来源的信息，考虑不完全信息，为建立数字电网提供支持。还能通过诱导有序加权因子调整诊断结果，实现人机交互与控制优化。

技术领域

本发明属于变压器故障诊断领域，更具体地，涉及一种将诱导有序加权证据推理的多源信息融合理论运用于变压器FRA的故障诊断方法及系统。

背景技术

电力变压器是电力系统最重要的设备之一，其结构复杂，在实际运行中面临着各种类型的危险。其中绕组机械故障造成的损坏是最常见的电力变压器故障原因。具体来说，短路电流与电磁力的作用可能会导致机械轴向/径向位移变形。机械故障检测中使用最广泛的方法是频率响应分析(Frequence Response Analysis，FRA)，其思路是获取变压器的传递函数，并与该设备的标准值进行比对来辨识故障。然而，进行比较的过程与结果解释都要取决于专家经验的判断，目前尚无统一的故障辨别标准。专家经验与研究专长的差异可能导致分析结果的不准确，这是基于FRA方法的共同缺点。常见方法是通过研究计算出扫频响应曲线的统计指标，并设置一定范围的设备健康阈值，但该方法的适应性较差，设定好的指标只针对特定设备有效。目前的研究还尝试采用机器学习的分类算法实现扫频响应曲线的故障辨识，但该方法所需数据量较大，在部分实践场景中可能较难实现。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提出了一种诱导有序加权证据推理的变压器故障诊断方法及系统，其目的是为提高电力设备故障诊断方法的智能化程度及诊断准确率，并能够适用于数据信息不完全、故障样本缺乏及样本来源可靠性多样化的情形。

为实现上述目的，按照本发明的一个方面，提供了一种诱导有序加权证据推理的变压器故障诊断方法，包括：

(1)加载变压器FRA的典型数据样本，将诊断标签设置为识别框架；

(2)加载待诊断设备的检测数据；

(3)计算待诊断设备的检测数据曲线与识别框架内所有特征数据曲线的基本可信度分配，构建信度决策矩阵；

(4)根据待诊断设备的检测数据样本来源，计算诱导有序加权平均算子及其诱导向量；

(5)计算指标权重向量；

(6)通过诱导有序加权的证据理论融合所有证据，计算综合评价信度，从而确定诊断结果。

在一些可选的实施方案中，步骤(1)中加载的变压器FRA的典型数据样本包括以下类型：实测样本：该设备的历史检测数据或是厂商检测数据，该数据样本类型是最准确的参考数据；同型号设备样本：其他同型号设备的检测数据，该数据是较准确的参考数据；精确仿真样本：针对该设备建立详细仿真模型后得到各类标签的样本；快速仿真样本：考虑到硬件、时效性的各种限制，针对该设备建立简化模型，并通过仿真获取各类标签的样本。