[发明专利]一种基于云模型和改进DS证据理论的变压器故障诊断方法

说明书

本发明公开了一种基于云模型和改进DS证据理论的变压器故障诊断方法，包括：步骤1、获取变压器油中溶解气故障样本，建立变压器的故障样本集；步骤2、采用故障样本集建立各类型故障的故障标准云模型；步骤3、计算待诊断样本与故障标准云模型间的最终隶属度矩阵；步骤4、根据最终隶属度矩阵确定不同故障下的基本概率分配；步骤5、利用Pignistic概率距离构建相似度并对基本概率分配进行修正，引入平均支持度加权优化证据融合规则，并使用改进D‑S证据理论对基本概率分配进行融合，以得到最终融合结果；步骤6、在最终融合结果中，选取基本概率最大值对应的变压器状态作为诊断结果。本发明有效地提高了变压器智能诊断方法的准确率。

技术领域

本发明涉及电气设备技术领域，尤其涉及一种基于云模型和改进DS证据理论的变压器故障诊断方法。

背景技术

在油浸式变压器故障诊断中，油中溶解气分析法是目前常用的方法之一，基于油中溶解气分析法的传统诊断方法，如IEC比值法、改良三比值法、Duval三角法等，上述方法使用简单、诊断快速，经常运用于工程现场，但是存在编码不完备、诊断边界过于绝对化的问题，导致其识别率不高。

随着人工智能在电网中广泛应用，学者们将智能诊断方法引入变压器故障诊断领域。由于变压器故障与其特征之间对应关系存在模糊性的问题，所以常规智能诊断方法应用在变压器故障诊断上效果不明显。支持向量机、相关向量机和神经网络等不能表示除诊断结果以为的故障信息，因此上述方法在表达变压器各个故障的模糊性和不确定性存在不足。

发明内容

本发明所要解决的技术问题在于，提供一种基于云模型和改进DS证据理论的变压器故障诊断方法，以解决由于变压器故障与其特征之间对应关系存在模糊性，而导致变压器智能诊断方法准确率不高的问题。

为了解决上述技术问题，本发明提供了一种基于云模型和改进DS证据理论的变压器故障诊断方法，包括：

步骤1、获取变压器油中溶解气故障样本，建立变压器的故障样本集D；

步骤2、采用所述故障样本集D建立各类型故障的故障标准云模型；

步骤3、计算待诊断样本与所述故障标准云模型间的最终隶属度矩阵；

步骤4、根据所述最终隶属度矩阵确定不同故障下的基本概率分配；

步骤5、利用Pignistic概率距离构建相似度Sim并对所述基本概率分配进行修正，引入平均支持度加权优化证据融合规则，并使用改进D-S证据理论对所述基本概率分配进行融合，以得到最终融合结果；

步骤6、在所述最终融合结果中，选取基本概率最大值对应的变压器状态作为诊断结果。

在一些实施方式中，所述故障样本集D包含有多种变压器故障类型的油色谱样本，所述油色谱样本由多种特征气体的含量特征构成。

在一些实施方式中，所述步骤2包括：

步骤21、针对所述故障样本集D，对原始数据进行归一化处理；

步骤22、通过分析所述故障样本集D计算变压器各状态下，各故障特征值的期望E_x、标准差E_n和离散程度H_e，进而构建所述故障标准云模型。

在一些实施方式中，所述步骤3包括：

步骤31、根据故障特征值的期望E_x、标准差E_n和离散程度H_e，计算所述待诊断样本的第i个故障特征下第j类故障的隶属度μ_ij；