[发明专利]一种变压器故障诊断方法

说明书

本发明公开一种变压器故障诊断方法，包括数据预处理、差分变异头脑风暴优化算法(DBSO)优化CatBoost模型和故障诊断。首先对变压器油中溶解气体分析法(DGA)的数据进行数据预处理：引入比值法对原始数据添加特征，对异常数据进行处理，利用沙普利加和解释法(SHAP)进行特征提取，利用核主成分分析(KPCA)法进行数据降维，归一化后将数据进行序列划分；再将预处理后的数据输入CatBoost模型进行训练，用DBSO算法对该模型进行参数寻优，得到最优模型；最后利用得到的DBSO‑CatBoost模型进行故障诊断，输出故障类型。实例结果表明：基于DBSO‑Catboost模型的变压器故障诊断准确率可达93.71％，比CatBoost模型提高了3.95％，明显高于一些模型；与其他预处理方法相比，采用本发明方法故障诊断准确率也明显提升。

技术领域

本发明属于电网安全运行和保障供电质量领域，具体涉及一种变压器故障诊断方法。

背景技术

随着人工智能的迅速发展，智能算法越来越多地应用于变压器故障诊断，其能准确地诊断出变压器的故障，对维护电网安全运行、保证供电质量有着重要的意义。

目前我国的电网多采用油中溶解气体分析的DGA法：变压器在过热、放电等状态下，其绝缘油会产生气体，并溶解在油中；DGA法通过分析溶解气体的情况，得到变压器的运行状况，利用溶解气体的相对含量来判断故障类型。该方法计算简单，但对阈值附近的数据分类效果不好，常出现“缺码”或“超码”现象。

针对这一现状，本发明提出一种基于DBSO-CatBoost模型的变压器故障诊断方法，可以精确地检测变压器故障，从而保障整个电网的安全和供电质量，有着重要的理论和实际意义。

发明内容

针对现有技术的不足，本发明的目的在于提供一种变压器故障诊断方法，解决现有技术中变压器故障诊断精确不高、分类效果不佳的问题，提高变压器故障检出的精度。

本发明的目的可以通过以下技术方案实现：

基于DBSO-CatBoost模型的变压器故障诊断，首先对变压器绝缘油中溶解气体数据进行特征提取、降维、归一化等预处理，接着建立DBSO算法优化的CatBoost模型，然后将处理后的数据进行DBSO-CatBoost模型的训练和测试，最终判断变压器的运行状态，实现电力变压器故障的精准诊断。

其具体实现步骤如下：

Step1、将采集到的DGA样本数据进行特征提取，特征提取采用交互式比值形式提取DGA数据特征：选取H2、CH4、C2H6、C2H4、C2H2的浓度值为变压器故障诊断的属性，因此数据属性的交互式比值形式有以下这四种：N1/N2、N1/(N3+N4)、N1/(N3+N4+N5)、N1/(N3+N4+N5+N6)，其中N1、N2、N3、N4、N5、N6为DGA数据任意不同的属性(N1≠N2)，采用枚举算法，遍历四组形式的全部排列组合得到数据特征变量。采用沙普利加和解释法(SHAP)对交互比值法后的数据进行特征提取：SHAP法构建一个加性的解释模型，核心思想是计算特征对模型输出的边际贡献，再从全局和局部两个层面对“黑盒模型”进行解释。所有的特征都视为“贡献者”，对于每个预测样本，模型都产生一个预测值，SHAP值就是该样本中每个特征所分配到的数值。

Step2、对数据进行降维处理，使用KPCA法进行数据降维。KPCA是通过将原数据映射到更高维空间，实现数据的非线性映射，再利用主成分分析将数据从高维线性降维。

Step3、对数据就行归一化处理，归一化在于采用区间值化法对数据进行归一化处理，以此将数据按比例缩放特定区间，避免数值之间的相互影响。