[发明专利]一种基于支持向量机回归的避雷器状态诊断方法

摘要

本发明公开一种基于支持向量机回归的避雷器状态诊断方法，该方法首先对出厂前的避雷器进行一系列多变量组内试验，获取其在环境、电网变量逐一变化下的泄漏电流，该结果记为训练样本；在避雷器投运后，采集与出厂试验同样维度的在线监测量及泄漏电流记为测试样本；将得到的训练样本和测试样本归一化；将训练样本输入支持向量机建立回归模型并校验拟合效果；将测试样本代入回归模型中，得到避雷器受潮及老化程度的表征量，实现实时诊断。该方法可操作性强，诊断准确度高，能够应用于工程实际，且对新面世产品及有检修经历的避雷器同样有效。所采用的支持向量机算法适用于小样本问题，可在有限样本的情况下获得全局最优解。

主权项

一种基于支持向量机回归的避雷器状态诊断方法，其特征在于，具体步骤如下：1)通过试验，获取一组包含完备信息的训练样本；具体方法为：出厂前对避雷器进行多变量组内试验，运用高精度测量装置，在施加电压基波U1、施加电压三次谐波U3、阀片温度t、环境相对湿度RH和本体污秽水平(pollution level)逐一变化的情况下对避雷器的阻性泄漏电流基波分量Ir1及三次谐波分量Ir3进行测量并记录；假设试验中系统电压基波U1、系统电压三次谐波U3、温度t、相对湿度RH和污秽水平的变量梯度个数设置分别为NU1、NU3、Nt、NRH、Npl，则单个避雷器的试验总次数为：N＝NU1*NU3*Nt*NRH*Npl第i次试验的试验条件可用训练输入向量Xi,表示，试验结果可用训练输出向量Yi,表示；其中Xi=Ui1Ui3tiRHipliQj=ijr1ijr3,(i=1,2,...,N);]]>为了提高试验结果的准确度，可采用同一试验条件下多次测量取平均值的方法；2)在一定连续时间段内对目标避雷器进行等周期监测采样得到测试样本；具体采样信息包括避雷器所接电网的系统电压基波、系统电压三次谐波，所处环境的相对湿度，避雷器自身的阀片温度、本体污秽水平和避雷器的阻性泄漏电流基波分量及三次谐波分量；假设采样点共设置M个，则第j个采样点的采样信息可用测试输入向量Pj和测试输出向量Qj表示，即Pj=Uj1Uj3tjRHjpljQj=ijr1ijr3,(j=1,2,...,M);]]>3)对步骤1中的所有训练输入向量Xi、训练输出向量Yi及步骤2中的所有测试输入向量Pj、测试输出向量Qj中的所有元素进行数据预处理，得到归一化后的和；本方法采用将原始数据归算到[‑1,1]区间的线性归一化方式，其计算公式为：siG=si-min(s)max(s)-min(s)×2-1]]>其中，si分别为某数据归一化前后的数值，max(s)、min(s)分别为该类数据的最大值及最小值；4)应用ε—SVR型支持向量机回归算法，利用归一化后的训练输入向量和训练输出向量(I＝1,2,…,N)建立回归模型；再将代入该模型，得到相应的阻性泄漏电流基波分量及三次谐波分量的拟合值和，进而通过计算基波分量拟合系数FC1和三次谐波分量拟合系数FC3校验拟合效果；若相符合,则表明该回归模型有效，可以使用；反之则无效，需通过修改支持向量机中的损失误差ε、惩罚因子C和核函数参数使得；其中的计算公式为：FC1=(NΣi=1Niir1iir1*-Σi=1Niir1*Σi=1Niir1)2[NΣi=1Niir1*2-(Σi=1Niir1*)2][NΣi=1Niir12-(Σi=1Niir1)2]]]>FC3=(NΣi=1Niir3iir3*-Σi=1Niir3*Σi=1Niir3)2[NΣi=1Niir3*2-(Σi=1Niir3*)2][NΣi=1Niir32-(Σi=1Niir3)2]]]>其中，N为训练样本的个数，iir1和分别为第i个训练样本阻性泄漏电流基波分量的实际值和拟合值，iir3和分别为第i个训练样本阻性泄漏电流三次谐波分量的实际值和拟合值；5)应用回归模型对目标避雷器进行状态诊断；具体步骤为：将步骤3得到的归一化后的测试输入向量(j＝1,2,…M)代入回归模型进行求解，输出结果为避雷器在各采样点阻性泄漏电流基波分量及三次谐波分量的预测列向量，其可表示为：(M为测试样本的个数)进而可通过计算受潮偏移量MM及老化偏移量AM实现状态诊断；MM数值越大，表示该避雷器受潮程度越严重；AM数值越大，表示该避雷器阀片老化程度越严重；其中MM和AM的计算公式为：MM=1MΣj=1M(ijr1**-ijr1)2]]>AM=1MΣj=1M(ijr3**-ijr3)2]]>若MM、AM大于0.4，表明该避雷器偏离健康状态的程度已较为严重。