[发明专利]一种电力变压器最优集总分类故障诊断方法

摘要

本发明公开了一种电力变压器最优集总分类故障诊断方法，属于变压器状态评估与故障诊断领域。包括如下步骤首先，进行DGA输入样本归一化以及自适应样本过采样融合；然后，进行最优子集选择并优化最优特征数量，构造Pareto最优空间上的非支配特征向量可行解集；在此基础上，对分类器性能参数进行优化训练，并对Pareto特征非劣子集求解最优特征子集；在对最优特征向量以及最优分类器集合的综合性能进行测试验证之后，对最优分类器集合的输出故障类型概率结果进行信息融合，得到最终对应所述电力变压器故障类型的综合诊断结果，最终提高电力变压器故障的泛化性能、诊断精度及可靠性。

主权项

一种电力变压器最优集总分类故障诊断方法，其特征在于，具体包括以下步骤：步骤1：进行DGA样本数据进行归一化以及自适应样本过采样融合处理、对测试集合与非测试集合进行划分，以及对非测试集合中训练集合和验证集合进行划分；步骤2：对每种电力变压器的正常/故障类型，以最小化故障分类误差和最小特征数量为目标，基于特征指标进行最优子集选择并对最优特征指标数量进行优化，构造Pareto最优空间上的非支配特征向量可行解集；步骤3：对每种电力变压器的正常/故障类型，构造通过单一分类算法筛选得到的分类器集合，基于非支配特征向量可行解集，对每一可行解以误分类率最小和算法分类差异性最大为目标，结合训练集合对分类器集合中的分类器性能参数进行优化训练，并基于参数优化后的分类器集合对Pareto最优空间上的非支配特征向量可行解集的最优特征子集进行求解；步骤4：通过验证集合得到非支配特征向量可行解集对应的分类器集合的性能验证，结合此性能验证，搜索综合性能最优的分类器集合可行解，将其作为最优分类器集合向量，并结合测试集合对最优特征向量以及最优分类器集合的综合性能进行测试验证；步骤5：对每种电力变压器的正常/故障类型对应的优化训练并测试验证后的最优分类器集合的输出故障类型概率结果进行信息融合，得到对应电力变压器正常/故障类型的综合分类结果，将其作为最终决策结果。