[发明专利]一种变压器局部放电的模式识别方法

摘要

本发明公开了一种变压器局部放电模式的识别方法，是首先通过产生、研究局部放电PRPD模式的三维和二维谱图，再从谱图中提取分析局部放电特征参量，然后基于聚类分析而划分局部放电的特征参量类归属的模式，最后通过人工神经网络比较特征参量类的相异度而确定局部放电模式，并得到识别案例数据库。本发明通过聚类分析法和人工神经网络的结合，创新了局部放电特征参量识别库的构建方法，避免了识别分析时遗漏放电信息，大幅提升了诊断局部放电缺陷的准确性，从而能帮助及早发现变压器潜伏性缺陷，避免了电力安全事故的发生。

主权项

1.一种变压器局部放电模式的识别方法，其特征在于包括以下步骤：S1.通过不同的变压器放电模型产生不同的典型局部放电模式，并采集不同局部放电模式下的统计谱图，所述统计谱图包括三维统计谱图和二维统计谱图；S2.提取统计谱图的局部放电主要特征参量；S3.基于聚类分析方法，预选出各种典型局部放电模式下每个特征参量的类和聚类中心，根据聚类中心对应的特征参量划分局部放电的强度和模式，进而通过聚类中心确定其所在类中其他特征参量对应的局部放电模式；S31. 设有A种变压器放电模型，共产生A种典型局部放电模式，分别预选出A种典型局部放电模式的第一个特征参量的类Z₁和聚类中心：S311.将不同放电模式的第一组谱图数据的第一个特征参量样本X₁₁作为第一类的聚类中心D₁₁；S312.在剩余谱图数据的特征参量样本中选出距离X₁₁最远的第一个特征参量样本X_1i作为第二类的聚类中心D₁₂；S313.分别计算剩余谱图数据的第一个特征参量样本X_1n距离D₁₁、D₁₂的最小者min(||X_1n－D₁₁||，|| X_1n－D₁₂||)，并取这些距离的最大值max，若max＞C×|| D₁₁－D₁₂||，则X_1n为第三类的聚类中心D₁₃，C为常量；若max<C×|| D₁₁－D₁₂||，则特征参量样本X_1n不是第三类的聚类中心D₁₃，则按照步骤S311、S312、S313的规则继续查找新的类Z₁和聚类中心D₁₃；S314. 按照步骤S313的规则查找第一个特征参量的其他类，直至找到A个第一个特征参量的类Z₁和聚类中心D₁₁至D_1A，将剩余的非聚类中心的第一个特征参量样本分配至最相近的类；S32.设步骤S2提取的局部放电主要特征参量共有B个，按照步骤S31的规则继续预选出所有特征参量分别具有的类和聚类中心，即获得类Z₁至Z_B；S33.根据聚类中心对应的特征参量划分局部放电的强度和模式，进而通过聚类中心确定其所在类中其他特征参量对应的局部放电模式；S4.构建人工神经网络，并输入步骤S3所获得的特征参量的类，通过人工神经网络比较变压器放电实例与各种变压器放电模型特征参量的相异度，进而得到识别结果；S41.构建人工神经网络，在人工神经网络的输入层节点分别输入图谱数据中特征参量的类Z₁至Z_B；S42. 将变压器放电实例的特征参量在人工神经网络的隐层节点分别与特征参量类Z₁至Z_B进行比对，获得权值及相异度，并按相异度划分出变压器放电实例的局部放电模式；S43. 将划分确定放电模式后的结果数据输出至输出层节点Y₁至Y_A。