[发明专利]一种基于帝国殖民竞争算法的优化SVM变压器故障诊断方法

摘要

本发明涉及电气设备故障诊断技术领域，具体涉及一种基于帝国殖民竞争算法的优化SVM变压器故障诊断方法，对所选变压器油中溶解气体（DGA）特征量的比值进行分析，由归一化预处理，得到DGA三比值特征量数据，实现了三比值特征量的有效性和简洁性；本发明采用OAO一对一对支持向量机进行了非线性和多分类变化，构建了k‑折平均分类准确率目标函数，结合交叉验证原理对变压器进行故障诊断，并采用帝国殖民竞争算法进行核函数的参数优化，提高了故障诊断的准确率；本发明将二分类SVM拓展为多分类SVM，能够对变压器的多种故障类型进行一次性的诊断识别，简单快捷，为判断变压器的运行状态、评估变压器的故障情况、保障变压器安全稳定运行提供了新方法。

主权项

1.一种基于帝国殖民竞争算法的优化SVM变压器故障诊断方法，其特征在于：包括以下步骤：(1)采集变压器故障样本数据，选取变压器油中溶解气体分析特征量，对变压器油中溶解气体分析特征量的比值进行分析；(2)对分析后的变压器油中溶解气体分析特征量的比值进行归一化预处理，得到归一化后的油中溶解气体分析特征量的三比值数据；(3)采用变压器油中溶解气体作为特征参量，收集特征量集和结果集形成变压器故障诊断的分类集，并形成故障样本集；其中特征量集为变压器油中溶解气体的溶解值的集合，结果集为对应的变压器的运行状况的集合；分类集为变压器运行状态的故障分类的集合；(4)构建支持向量机模型，对支持向量机进行非线性多分类变换；(5)采用高斯径向基核函数作为支持向量机模型的核函数，计算出非线性多分类时支持向量机模型的分类决策函数；(6)构建帝国殖民竞争算法来优化支持向量机模型的核函数的参数；(7)采用所述步骤(6)的帝国殖民竞争算法对支持向量机模型的核函数进行参数优化，构建帝国殖民竞争算法优化支持向量机的变压器故障诊断模型；(8)利用变压器油中溶解气体分析特征量、待定惩罚因子和核参数的支持向量机模型形成故障诊断目标函数，计算出目标函数的最优解，即为故障诊断的最优函数适应度；(9)计算所述步骤(8)中目标函数最优解所对应的支持向量机模型的惩罚因子和核参数，即为最优的支持向量机模型惩罚因子和核参数；(10)将所述步骤(9)中最优的支持向量机模型惩罚因子和核参数代入所述步骤(7)中的故障诊断目标函数，得到基于帝国殖民竞争算法优化支持向量机的变压器故障诊断模型，采用该诊断模型对电力变压器油中溶解气体进行故障诊断，判断变压器的运行状态。