【技术实现步骤摘要】
本专利技术属于变压器在线监测与故障诊断
，具体涉及一种基于遗传算法优化装袋算法的电力变压器故障诊断方法。
技术介绍
电力系统是一个复杂且联系紧密的系统，各个环节相互依存，互相影响。油浸式大型变压器是目前电力系统应用最为广泛的变压器，是重要的枢纽设备，在变电和配电环节扮演着重要角色，承担着转换电压等级、变换交流电能的作用。但由于变压器内部构造十分复杂，在运行过程中，内部故障、外部因素以及老化等都会造成绝缘油裂解乃至材质劣化，造成变压器瘫痪，给电网运行造成严重后果。油浸式变压器在运行时，绝缘油纸会裂解产生各种气体，这些气体和变压器状态有着相当紧密的联系。油中溶解气体分析(Dissolved Gas Analysis，简称DGA)技术因其科学合理性成为充油设备最常用的监测方法，该技术可为变压器故障诊断提供了数据基础。在该技术的基础上，衍生出一系列故障诊断方法。目前，传统变压器故障诊断方法存在编码不全，编码区间划分过于硬性，应用时需要丰富的工作经验等缺陷。而单一智能故障诊断方法存在初始参数设定困难，泛化能力较差等问题，制约了故障诊断准确率的提升。因此，对电力变压器进行深入的故障诊断研究，对指导变压器的运行维护和状态检修具有重要的理论和实际意义。
技术实现思路
本专利技术的目的是提供一种基于遗传算法优化装袋算法的电力变压器故障诊断方法，以此来对变压器故障状态进行更为精确有效的判定。本专利技术所采用的技术方案是，基于遗传算法优化装袋算法的电力变压器故障诊断方法，具体按照以下步骤实施：步骤1，对利用DGA技术获得的五种变压器油中溶解气体进行数据预处理，并构建输入样本...
【技术保护点】
基于遗传算法优化装袋算法的电力变压器故障诊断方法，其特征在于，具体按照以下步骤实施：步骤1，对利用DGA技术获得的五种变压器油中溶解气体进行数据预处理，并构建输入样本集，步骤2，利用训练样本集D’对Bagging‑CART算法进行训练，得到一系列CART基分类器，同时对待分类样本进行分类，步骤3，采用遗传算法对步骤2中的到的全部E个CART基分类器进行选择，由于全部CART基分类器中存在相似甚至相同，以及分类性能不好的基分类器，采用遗传算法选择出部分性能优越，差异性大的基分类器，步骤4，得到待分类样本的最终分类结果，即变压器故障类别。
【技术特征摘要】
1.基于遗传算法优化装袋算法的电力变压器故障诊断方法，其特征在于，具体按照以下步骤实施：步骤1，对利用DGA技术获得的五种变压器油中溶解气体进行数据预处理，并构建输入样本集，步骤2，利用训练样本集D’对Bagging-CART算法进行训练，得到一系列CART基分类器，同时对待分类样本进行分类，步骤3，采用遗传算法对步骤2中的到的全部E个CART基分类器进行选择，由于全部CART基分类器中存在相似甚至相同，以及分类性能不好的基分类器，采用遗传算...
【专利技术属性】
技术研发人员：黄新波，李文君子，魏雪倩，徐冠华，王玉鑫，吴孟魁，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。