[发明专利]基于CSO-ANN-EL算法的变压器故障诊断及状态预测方法

权利要求书

1.基于CSO-ANN-EL算法的变压器故障诊断及状态预测方法，其特征在于，包括以下步骤：

采集历史DGA样本数据并进行标准化预处理；

对标准化预处理后的DGA样本数据进行自采样，创建训练子样本，利用所述训练子样本对多个基分类器进行训练，构造一个集成分类器，得到EL模型；将所述标准化预处理后的DGA样本数据输入EL模型中通过集成学习进行训练；

通过DGA在线检测技术获取具有时间序列的DGA数据集并进行标准化预处理；

设置人工神经网络ANN的参数并构建ANN模型；采用CSO算法对ANN模型的参数进行优化，得到CSO-ANN算法模型；将所述标准化预处理后的DGA数据集输入CSO-ANN算法模型中进行训练并输出DGA数据预测结果；

将DGA数据预测结果及基分类器的输出结果输入完成训练的EL模型中进行变压器故障诊断，得到变压器故障诊断结果。

2.根据权利要求1所述的变压器故障诊断及状态预测方法，其特征在于，对DGA样本数据或DGA数据集进行标准化预处理的步骤包括：计算数据中在变压器油中溶解的各种气体的体积浓度百分比X_i，其计算公式如下：

式中，表示第i(i＝1,2,...,p)种气体的气体体积浓度，p表示DGA样本数据或DGA数据集中在变压器油中溶解的气体的类别数。

3.根据权利要求2所述的变压器故障诊断及状态预测方法，其特征在于，利用训练子样本对多个基分类器进行训练的步骤包括：将标准化预处理后的DGA样本数据分为训练集和测试集，从所述训练集中进行自采样，创建p种气体的训练子样本；将所述训练子样本分别输入采用CART模型的基分类器中进行训练，采用袋装法进行集成学习构造一个集成分类器，得到EL模型。

4.根据权利要求3所述的变压器故障诊断及状态预测方法，其特征在于，对所述EL模型通过集成学习进行训练的步骤包括：

采用p个袋装决策树对输入的DGA样本数据进行变压器故障类别分类；从完成训练的基分类器中得到所有输出，通过简单加权和叶贝斯投票对所有基分类器的输出进行投票，确定所述EL模型输出的最终诊断结果。

5.根据权利要求1所述的变压器故障诊断及状态预测方法，其特征在于，所述人工神经网络ANN的参数包括人工神经网络ANN的输入模式、输出模式、隐含层层数、隐含层神经元个数、隐含层传递函数、输出层层数、输出层神经元个数、输出层传递函数。