一种基于化学反应算法的RVM变压器故障诊断方法技术

本发明专利技术公开了一种基于化学反应算法的RVM变压器故障诊断方法，步骤包括：1)从待诊断变压器的DGA原始特征数据中选择能够反应故障类型的多种DGA故障特征气体的浓度值进行归一化处理后构建训练输入向量，得到训练样本；2)建立基于RVM的二叉树多分类模型；3)采用化学反应算法对所述基于RVM的二叉树多分类模型进行参数寻优，得到基于RVM的二叉树多分类模型的最佳核函数参数；4)利用训练样本训练基于RVM的二叉树多分类模型；5)将待诊断变压器的DGA测试特征数据中选择能够反应故障类型的多种DGA故障特征气体的浓度值进行归一化处理后构建测试输入向量，将测试输入向量输入训练好的基于RVM的二叉树多分类模型，得到待诊断变压器的故障诊断结果。

【技术实现步骤摘要】

本专利技术涉及变压器故障诊断技术，具体涉及一种基于化学反应算法的RVM变压器故障诊断方法，用于针对油浸式变压器，通过对其使用过程中油箱内的气体含量比值进行分析，结合相关向量机(RVM)以及化学反应(CRO)算法对变压器进行智能诊断。
技术介绍
电力变压器对于电力系统的正常运转至关重要，其运行状态正常与否直接关系到电力系统的安全水平。尽管变压器的结构十分稳定，经过多年的发展改进其机械性能以及电气强度都已经达到较高的水平，然而由于制造时局部缺陷难以完全杜绝，再加上变压器在长期运行过程中，由于自身的热、电条件变化再加上复杂的外部运行环境影响，容易出现绝缘老化以及材质劣化的现象，进而引发故障。所以有必要对变压器的故障进行有效监测，及时应对。目前大型电力变压器主要是油浸式电力变压器，实践证明变压器油中溶解气体的组分和含量可以在很大程度上变压器的运行状态，并且由于油中气体的检测不受电磁波的干扰，检测结果具有复现性和可靠性。所以在现行的《电力设备预防性试验规程》中已经将变压器油中气相色谱分析方法放在首要的位置。基于DGA数据的变压器故障诊断方法能及时发现变压器潜在故障,可在变压器运行过程中进行故障分析,并能发现电气试验方法很难发现的故障基于DGA数据的变压器故障诊断方法已成为变压器故障诊断的一种有效方法,形成了特征气体组分法、特征气体含量法、特征气体含量比值法等传统诊断方法。电力变压器故障产气机理复杂,油中气体含量之间的分布特性很难推测,油中溶解气体含量及含量比值与故障类型之间的映射关系复杂，仅靠人为试验总结难以归纳出故障征兆与故障类型之间的关系。于是支持向量机、人工神经网络和贝叶斯分类器等人工智能方法被引入变压器故障诊断,并取得了较好的效果。尽管上述几种人工智能诊断方法，相对于传统诊断方式已经有了极大的提高，但是各项技术诊断都还存在不足，灵敏度和准确度要求都差强人意。人工神经网络、支持向量机和贝叶斯分类器的变压器故障诊断方法都是通过搜集到的变压器样本数据进行模型学习,从而确定故障征兆与故障类别之间的映射关系。这些诊断方法的特征变量通常都是选用特征气体含量或特征气体含量比值。三种诊断方法都以全局诊断正确率最高为目标,默认故障误诊为正常和正常误诊为故障、高危故障误诊为低危故障和低危故障误诊为高危故障等各种误诊造成的损失代价相同。相关向量机(Relevancevectormachine,RVM)具有支持向量机可有效解决小样本、高维、非线性分类问题等优点,克服了贝叶斯分类器需要大量样本数据,支持向量机规则化系数确定困难、核函数受Mercer条件限制的问题；RVM还兼有贝叶斯分类器可以以概率的形式输出诊断结果的优点,克服了支持向量机和神经网络诊断输出为硬分类间隔的问题。RVM已在电力系统暂态稳定评估、电力负荷预测齿轮早期故障智能诊断、轴承故障检测等预测和分类领域并取得了很好的应用效果。故此，针对变压器可训练数据少的特点，将其引入变压器故障诊断领域，可使得在相同的诊断时间下，诊断的准确率有了明显的提升。
技术实现思路
本专利技术要解决的技术问题：针对现有技术的上述问题，提供一种能够有效提升变压器故障诊断准确率，所需数据少、诊断速度快的基于化学反应算法的RVM变压器故障诊断方法。为了解决上述技术问题，本专利技术采用的技术方案为：一种基于化学反应算法的RVM变压器故障诊断方法，步骤包括：1)从待诊断变压器的DGA原始特征数据中选择能够反应故障类型的多种DGA故障特征气体的浓度值进行归一化处理后构建训练输入向量，得到训练样本；2)建立基于RVM的二叉树多分类模型；3)采用化学反应算法对所述基于RVM的二叉树多分类模型进行参数寻优，得到基于RVM的二叉树多分类模型的最佳核函数参数；4)利用训练样本训练基于RVM的二叉树多分类模型；5)将待诊断变压器的DGA测试特征数据中选择能够反应故障类型的多种DGA故障特征气体的浓度值进行归一化处理后构建测试输入向量，将测试输入向量输入训练好的基于RVM的二叉树多分类模型，得到待诊断变压器的故障诊断结果。优选地，所述步骤1)中的DGA故障特征气体包括H2、CH4、C2H4、C2H6及C2H2五种气体；所述步骤5)中的故障诊断结果包括中低温过热状态、高温过热状态、低能放电状态、高能放电状态、正常状态共五种结果。优选地，所述步骤1)中进行归一化处理的函数表达式如式(1)所示；式(1)中，xi′代表DGA故障特征气体的归一化处理后的数据，xi代表DGA故障特征气体的浓度值原始数据，xmin代表DGA故障特征气体的浓度值最小值，xmax代表DGA故障特征气体的浓度值最大值。优选地，所述步骤2)中基于RVM的二叉树多分类模型包括RVM分类器RVM1～RVM4，其中RVM分类器RVM1的分类结果包括正常状态和故障状态，故障状态对应分类器RVM2，RVM分类器RVM2的分类结果包括过热故障和放电故障，过热故障对应分类器RVM3，RVM分类器RVM3的分类结果包括中低温过热状态和高温过热状态，放电故障对应分类器RVM4，RVM分类器RVM4的分类结果包括低能放电状态和高能放电状态。优选地，所述步骤2)中基于RVM的二叉树多分类模型的核函数采用如式(2)所示径向基核函数；式(2)中，K(x,y)表示核函数的值，σ表示核函数的高宽参数。优选地，所述步骤3)的详细步骤包括：3.1)初始化基于RVM的二叉树多分类模型的核函数参数作为化学反应算法的分子，确定目标函数，所述目标函数为实际输出和期望输出的误差平均值，计算各个分子动能及势能的初始值；3.2)判断是否存在分子间碰撞，如果存在分子间碰撞，则跳转执行步骤3.3)，否则跳转步骤3.4)；3.3)选中分子，且被选中的分子数量为多个，判断选中的多个分子是否满足合成条件，如果不满足合成条件，则发生分子间碰撞，跳转执行步骤3.2)；否则，将选中的多个分子合成，跳转执行步骤3.5)；3.4)选中分子，且被选中的分子数量为一个，判断选中的分子是否满足分解条件，如果不满足分解条件，则发生分子间碰撞，跳转执行步骤3.5)；否则，将选中的多个分子分解，跳转执行步骤3.2)；3.5)计算分子的势能，选取势能PE最小的分子；3.6)判断势能PE最小的分子是否满足化学反应算法预设的停止条件，如果不满足化学反应算法的停止条件，则跳转执行步骤3.2)；否则，将势能PE最小的分子对应的核函数参数作为基于RVM的二叉树多分类模型的最佳核函数参数。本专利技术基于化学反应算法的RVM变压器故障诊断方法具有下述优点：本专利技术通过从待诊断变压器的DGA原始特征数据中选择能够反应故障类型的多种DGA故障特征气体的浓度值进行归一化处理后构建训练输入向量，得到训练样本，建立基于RVM的二叉树多分类模型，采用化学反应算法对所述基于RVM的二叉树多分类模型进行参数寻优，得到基于RVM的二叉树多分类模型的最佳核函数参数，利用训练样本训练基于RVM的二叉树多分类模型，将待诊断变压器的DGA测试特征数据中选择能够反应故障类型的多种DGA故障特征气体的浓度值进行归一化处理后构建测试输入向量，将测试输入向量输入训练好的基于RVM的二叉树多分类模型，得到待诊断变压器的故障诊断结果，解决了基于DGA采用传统的三比值法进行变压器故障诊断时由本文档来自技高网...

【技术保护点】
一种基于化学反应算法的RVM变压器故障诊断方法，其特征在于步骤包括：1)从待诊断变压器的DGA原始特征数据中选择能够反应故障类型的多种DGA故障特征气体的浓度值进行归一化处理后构建训练输入向量，得到训练样本；2)建立基于RVM的二叉树多分类模型；3)采用化学反应算法对所述基于RVM的二叉树多分类模型进行参数寻优，得到基于RVM的二叉树多分类模型的最佳核函数参数；4)利用训练样本训练基于RVM的二叉树多分类模型；5)将待诊断变压器的DGA测试特征数据中选择能够反应故障类型的多种DGA故障特征气体的浓度值进行归一化处理后构建测试输入向量，将测试输入向量输入训练好的基于RVM的二叉树多分类模型，得到待诊断变压器的故障诊断结果。

【技术特征摘要】
1.一种基于化学反应算法的RVM变压器故障诊断方法，其特征在于步骤包括：1)从待诊断变压器的DGA原始特征数据中选择能够反应故障类型的多种DGA故障特征气体的浓度值进行归一化处理后构建训练输入向量，得到训练样本；2)建立基于RVM的二叉树多分类模型；3)采用化学反应算法对所述基于RVM的二叉树多分类模型进行参数寻优，得到基于RVM的二叉树多分类模型的最佳核函数参数；4)利用训练样本训练基于RVM的二叉树多分类模型；5)将待诊断变压器的DGA测试特征数据中选择能够反应故障类型的多种DGA故障特征气体的浓度值进行归一化处理后构建测试输入向量，将测试输入向量输入训练好的基于RVM的二叉树多分类模型，得到待诊断变压器的故障诊断结果。2.根据权利要求1所述的基于化学反应算法的RVM变压器故障诊断方法，其特征在于，所述步骤1)中的DGA故障特征气体包括H2、CH4、C2H4、C2H6及C2H2五种气体；所述步骤5)中的故障诊断结果包括中低温过热状态、高温过热状态、低能放电状态、高能放电状态、正常状态共五种结果。3.根据权利要求1所述的基于化学反应算法的RVM变压器故障诊断方法，其特征在于，所述步骤1)中进行归一化处理的函数表达式如式(1)所示；xi′=xi-xminxmax-xmin---(1)]]>式(1)中，x′i代表DGA故障特征气体的归一化处理后的数据，xi代表DGA故障特征气体的浓度值原始数据，xmin代表DGA故障特征气体的浓度值最小值，xmax代表DGA故障特征气体的浓度值最大值。4.根据权利要求1所述的基于化学反应算法的RVM变压器故障诊断方法，其特征在于，所述步骤2)中基于RVM的二叉树多分类模型包括RVM分类器RVM1～RVM4，其中RVM分类器RVM1的分类结果包括正常状态和故障状态，故障状态对应分类器RVM2...

【专利技术属性】
技术研发人员：万勋，叶会生，刘赟，彭敏放，罗伟，赵世华，谢耀恒，
申请(专利权)人：国家电网公司，国网湖南省电力公司，国网湖南省电力公司电力科学研究院，湖南大学，
类型：发明
国别省市：北京;11