[发明专利]一种基于生成概率模型的变压器故障检测方法

摘要

本发明提供了一种基于生成概率模型的变压器故障检测方法，其包括如下步骤：A、获取变压器状态样本数据；B、基于混合高斯模型的变压器状态模型学习；C、基于混合高斯模型的变压器状态特征提取；D、基于支持向量机的变压器故障检测。本发明解决了传统基于人工设置阈值对变压器参数进行离散化特征提取方法导致变压器故障检测对环境变化不鲁棒、对参数测量误差敏感，以及不同单位类别参数统一进行连续数值的特征描述问题。

主权项

1.一种基于生成概率模型的变压器故障检测方法，其特征在于，包括如下步骤：A、获取变压器状态样本数据；步骤A具体包括如下步骤：A1、定义变压器的状态为S_n，n∈{0,1,...,N}，其中正常运行状态为S₀，变压器的第n个故障状态为S_n；A2、对变压器的每个状态S_n采集M_n个训练数据样本，记为向量向量由变压器数据的不同参数构成，令C代表变压器数据中与故障检测相关的参数个数，则是一个C维的向量；B、基于混合高斯模型的变压器状态模型学习；步骤B具体包括如下步骤：B1、对每一个变压器状态S_n，n∈{0,1,...,N}，用训练数据样本向量估计S_n的混合高斯模型参数，混合高斯模型由五个高斯分布加权构成；B2、令训练数据样本向量服从公式(1)所示概率，其中表示随机变量向量为均值向量为μ_k，协方差矩阵为Σ_k的高斯分布，ε_j是每个高斯分布的加权因子，k＝[1,5]是五个高斯分布的标号，B3、使用最大似然估计方法估计一组混合高斯模型参数使训练数据样本的概率最大，其中该混合高斯模型用其参数Θ表示，定义似然函数如公式(2)所示；B4、通过期望最大算法求解公式(3)，得到估计的变压器状态S_n的混合高斯模型参数C、基于混合高斯模型的变压器状态特征提取；D、基于支持向量机的变压器故障检测。