[发明专利]基于SVM和DGA的变压器在线故障诊断方法

摘要

本发明公开了一种基于SVM和DGA的变压器在线故障诊断方法，属变压器故障诊断领域。该方法首先用气相色谱分析法采集故障特征气体H2、CH4、C2H2、C2H4、C2H6在变压器绝缘油中的浓度，然后通过预处理系统对数据进行归一化，将数据按照决策流程送至由集成学习法组装的六个SVM分类器构成的分类诊断系统，通过计算将测量数据分类，进而对变压器运行状态做出判断，最后输出诊断结果。本方法采用了人工智能技术中的支持向量机(SVM)对油中气体进行分析，能够对气体组分和变压器运行状态之间的关系做出更客观、本质的反映，有效地提高了故障诊断的准确率。

主权项

1.一种基于SVM和DGA的变压器在线故障诊断方法，其特征在于包括如下步骤：(1)数据采集采用气相色谱分析法，以固定抽样频率对变压器绝缘油中的故障气体H₂、CH₄、C₂H₂、C₂H₄、C₂H₆进行浓度实时检测，然后将所测数据送至PC机进行预处理；(2)数据预处理步骤(1)所得采集样本原始数据X＝{x₁，x₂，x₃，x₄，x₅}，令按如下公式进行数据预处理：X′={x1/c1,x2/c1,x3/c1,x4/c1,x5/c1,16log10(c2)}={Xc1,16log10(c2)}]]>其中：x₁、x₂、x₃、x₄、x₅分别为故障气体H₂、CH₄、C₂H₂、C₂H₄、C₂H₆在绝缘油中的绝对浓度；c₁、c₂分别为绝缘油中溶解的故障气体的总浓度和总烃绝对浓度；X′为预处理后所得数据；i为故障气体在绝缘油中绝对浓度的编号；(3)数据诊断采用六个SVM分类器：SVM1用于判断变压器的正常状态与低能放电状态，SVM2用于判断变压器的正常状态与高能放电状态，SVM3用于判断变压器的正常状态与过热状态，SVM4用于判断变压器的过热状态与低能放电状态，SVM5用于判断变压器的过热状态与高能放电状态，SVM6用于判断变压器的低能放电状态与高能放电状态，六个SVM分类器采用集成学习法进行组装，其中：SVM1～SVM6分别表示六个SVM分类器，下同；诊断流程分如下8条路径：路径1：将步骤(2)所得数据送至SVM1，当SVM1诊断结果为“正常”，则将数据进一步送至SVM2；当SVM2诊断结果为“正常”，则将数据再进一步送至SVM3；当SVM3诊断结果为“正常”，则最终诊断结果为“正常”；路径2：将步骤(2)所得数据送至SVM1，当SVM1诊断结果为“正常”，则将数据进一步送至SVM2；当SVM2诊断结果为“正常”，则将数据再进一步送至SVM3；当SVM3诊断结果为“过热”，则最终诊断结果为“过热”；路径3：将步骤(2)所得数据送至SVM1，当SVM1诊断结果为“正常”，则将数据进一步送至SVM2；当SVM2诊断结果为“高能放电”，则将数据再进一步送至SVM5；当SVM5诊断结果为“高能放电”，则最终诊断结果为“高能放电”；路径4：将步骤(2)所得数据送至SVM1，当SVM1诊断结果为“正常”，则将数据进一步送至SVM2；当SVM2诊断结果为“高能放电”，则将数据再进一步送至SVM5；当SVM5诊断结果为“过热”，则最终诊断结果为“过热”；路径5：将步骤(2)所得数据送至SVM1，当SVM1诊断结果为“低能放电”，则将数据进一步送至SVM4；当SVM4诊断结果为“低能放电”，则将数据再进一步送至SVM6；当SVM6诊断结果为“低能放电”，则最终诊断结果为“低能放电”；路径6：将步骤(2)所得数据送至SVM1，当SVM1诊断结果为“低能放电”，则将数据进一步送至SVM4；当SVM4诊断结果为“低能放电”，则将数据再进一步送至SVM6；当SVM6诊断结果为“高能放电”，则最终诊断结果为“高能放电”；路径7：将步骤(2)所得数据送至SVM1，当SVM1诊断结果为“低能放电”，则将数据进一步送至SVM4；当SVM4诊断结果为“过热”，则将数据再进一步送至SVM5；当SVM5诊断结果为“过热”，则最终诊断结果为“过热”；路径8：将步骤(2)所得数据送至SVM1，当SVM1诊断结果为“低能放电”，则将数据进一步送至SVM4；当SVM4诊断结果为“过热”，则将数据再进一步送至SVM5；当SVM5诊断结果为“高能放电”，则最终诊断结果为“高能放电”；(4)输出显示诊断数据结果。