[发明专利]一种基于油中气体检测技术的有载分接开关故障诊断方法

权利要求书

1.一种基于油中气体检测技术的有载分接开关故障诊断方法，其特征在于：包括以下步骤：

S1：油中特征气体数据获取与特征参量计算：搭建变压器有载分接开关故障模拟试验平台，通过试验获取样本数据，对原始的故障样本进行降噪、归一化处理，计算油中特征气体的特征参量；

S2：建立故障类型关联数据模型：基于粒子群优化最小二乘支持向量机方法，得到有载分接开关产生的气体与故障严重程度以及故障类型关联数据模型；

S3：故障分类和诊断：使用故障类型关联数据模型，对待检测的油样本进行诊断，得到有载分接开关故障特征气体诊断结果；

S4：数据库自更新，输出诊断结果：将LS-SVM模型未能诊断出的故障类型传输至后台，后台根据优选特征量构建新的训练集，结合最优参数组合带入支持向量机，建立新的故障诊断模型；根据建立新的故障诊断模型对测试集样本进行诊断，数据库进行自更新建立新特征样本；输出诊断结果，得到有载分接开关故障类型。

2.如权利要求1所述的一种基于油中气体检测技术的有载分接开关故障诊断方法，其特征在于：所述步骤S1具体包括：

S11：环境噪声及设备固有噪声大小的检测；模型起始放电电压的测量和放电剧烈程度检测；在进行试验前要进行预加电压，使试验电压处于安全范围内；

S12：搭建变压器有载分接开关故障模拟试验平台，放电故障包括有载分接开关触头放电、尖端放电、悬浮放电、沿面放电；

S13：通过试验获取样本数据，对原始的故障样本进行降噪、归一化处理，计算油中特征气体的特征参量，构建数据库。

3.如权利要求1所述的一种基于油中气体检测技术的有载分接开关故障诊断方法，其特征在于：所述步骤S2具体包括：

S21：基于有载分接开关样本数据对LS-SVM分类器进行训练，采用粒子群优化算法PSO进行参数优化计算，选取最优LS-SVM分类器参数组合；

S22：构建LS-SVM模型，建立有载分接开关故障诊断模型，为每一种有载分接开关故障类型建立分类器。

4.如权利要求1所述的一种基于油中气体检测技术的有载分接开关故障诊断方法，其特征在于：所述步骤S3具体包括：

输入故障的特征参数，得到有载分接开关故障特征气体诊断结果，输出判断故障所属类型，将诊断结果传输至后台。

5.如权利要求1所述的一种基于油中气体检测技术的有载分接开关故障诊断方法，其特征在于：所述步骤S4具体包括：

S41：若后台根据诊断结果判断为正常，则输出诊断结果，得到有载分接开关故障类型；

S42：若后台根据诊断结果判断为异常，则建立新的故障诊断模型，并对测试集样本进行诊断，数据库进行自更新建立新特征样本；输出诊断结果，得到有载分接开关故障类型。