电力变压器故障诊断方法及装置制造方法及图纸

本发明专利技术公开了一种电力变压器故障诊断方法和方法，该方法包括：基于故障类型明确的油中溶解气样本建立状态特征数据表；对状态特征数据表进行规范化处理建立规范化故障表；基于规范化故障表计算获得各故障类型聚类中心，基于聚类中心构建状态标准谱矩阵；通过改进型主成分分析方法，计算获得特征值、特征向量及主成分贡献率；设定阈值相应选择主成分；通过计算待测样本与状态特征样本主成分之间的欧拉距离，距离最小值对应的状态特征样本为诊断结果。本发明专利技术具有如下优点：使用模糊聚类计算状态标准谱，避免主观剔除数据和样本数量制约，同时能够降低数据维度，提炼表征故障类型的主要特征，有效提高电力变压器内部潜伏性故障诊断的准确率。

【技术实现步骤摘要】

本专利技术涉及电力变压器故障诊断
，具体涉及一种电力变压器故障诊断方法及装置。
技术介绍
随着我国经济的快速发展和电力技术水平的提高，电力工业朝高电压、大容量、智能化方向发展，电力设备数量增加的同时，设备故障率也呈现上升趋势。电力变压器作为电力系统的重要设备，承担电压变换、电能传输与分配的功能，其运行状态直接整个电力系统的安全性和稳定性。由于电力变压器内部结构复杂，其运行环境特殊，承受物理、化学、电气、机械、温度、环境等多方面的应力，再考虑制造、运输、安装、运行、操作等众多因素，电力变压器将不可避免的产生各类缺陷与故障。电力变压器由于意外一旦出现退出运行，轻则导致电网停电、设备损坏，重则设备爆炸、电网崩溃，造成经济损失、影响社会正常秩序，因此准确、可靠的对电力变压器潜伏性故障进行诊断对保障电力系统的安全、稳定运行有深远意义。油中溶解气分析(Dissolved Gas Analysis,DGA)技术作为一种电力变压器潜伏性故障的简单而重要的诊断技术而得到广泛应用。在众多学者与工程师的不断努力研究下，DGA技术进一步得到发展，基本满足对电力变压器故障诊断要求。而然，DGA中最常用的基于组成比值的方法则存在编码边界过于绝对、比值盲区、误诊及特定含量条件下才适用等问题。随着各类人工智能技术的发展，人工神经网络、模糊理论、支持向量机、数据融合等智能方法在电力变压器故障诊断领域的应用中获得一些应用成果，但是SVM存在需要构造分类器、分类效率低等问题，ANN易产生振荡并陷入局部最优值等问题，而模糊理论主观性及忽略属性相关性的问题等。由于故障信息存在冗余、标准故障类型确定受人为主观剔除数据制约、电力变压器绝缘故障类型与溶解气气体含量之间的关系存在模糊性与不确定性特征导致的诊断结果一致性与可靠性等问题并未能较好的处理，因此诊断效率与正确率有待进一步的提高。
技术实现思路
本专利技术旨在至少解决上述技术问题之一。为此，本专利技术的第一个目的在于提出一种电力变压器故障诊断方法。本专利技术的第二个目的在于提出一种电力变压器故障诊断装置。为了实现上述目的，本专利技术的第一方面的实施例公开了一种电力变压器故障诊断方法，包括以下步骤：S1：基于故障类型明确的油中溶解气气体样本建立状态特征数据表；S2：利用规范化公式对所述状态特征数据表进行规范化处理，建立规范化故障表；S3：基于模糊聚类方法对所述规范化故障表进行聚类分析，并计算获得各类的聚类中心，基于所述各类的聚类中心构建状态标准谱矩阵；S4：利用主成分分析方法计算所述状态标准谱矩阵的相关系数矩阵，根据所述状态标准谱矩阵的相关系数矩阵计算得到多个特征值与多个特征向量，根据所述多个特征值计算得到所述多个特征向量的贡献率，根据所述多个特征向量的贡献率和设定的阈值得到所述标准状态谱矩阵的多个主成分；以及S5：分别计算待诊断样本与所述标准故障谱矩阵的多个主成分之间的欧拉距离，以距离最小的主成分作为待诊断样本的故障类型。根据本专利技术实施例的电力变压器故障诊断方法，使用模糊聚类计算状态标准谱，避免主观剔除数据和样本数量制约，同时能够降低数据维度，提炼表征故障类型的主要特征，有效提高电力变压器内部潜伏性故障诊断的准确率。另外，根据本专利技术上述实施例的电力变压器故障诊断方法，还可以具有如下附加的技术特征：进一步地，在步骤S2中，通过以下公式进行所述规范化处理： x i * = x i j Σ j = 1 5 x i j , ( i = 1 , 2 , ... , n ) ]]>其中，n为油中溶解气气体样本的个数。进一步地，在步骤S3中，故障类型按照《DLT 722-2000变压器油中溶解气体分析和判断导则》选择，所述故障类型包括低能放电、高能放电、局部放电、低温过热、中温过热、高温过热及放电兼过热，结合无故障状态及所述故障状态构建所述状态标准谱矩阵。进一步地，在步骤S3中，利用模糊聚类方法计算聚类中心时，目标函数为：且其中，J(U,V)表示目标函数，c表示样本分类数，n表示样本总数，m∈[1,+∞]为平滑参数；U＝[μij]为模糊隶属度矩阵，V＝[ν1,ν2…νn]为聚类中心矩阵,uij表示第j个数据属于第i类的模糊隶属度,dij表示样本xj与聚类中心νi之间的距离。进一步地，步骤S4进一步包括：S401：利用均值化方式对所述状态标准谱矩阵进行规范化处理： x ‾ i j = x i j 1 n Σ 1 n x i j , ( i = 1 , 2 , ... , n ; j = 1 , 2 , ... , p ) ; ]]>S402：在对源数据实现规范化后，进行相关系数矩阵的建立，通过对特征方程的计算获得特征值与特征向量：其中，rij为样本标准化数据矩阵的相关系数，rij＝rji；为xi的均值；运用Jacobi法求解特征方程|λI-R|＝0，计算R的特征值：λ1≥λ2…≥λp≥0，并按大小顺序排列；同时得到与特征值相对应的特征向量a1、a2……ai……ap，ai＝[a1ia2i…api]T(i＝1,2,…p)；S403：通过下式分别计算贡献率与累积贡献率： T i = λ i Σ k = 1 本文档来自技高网...

【技术保护点】
一种电力变压器故障诊断方法，其特征在于，包括以下步骤：S1：基于故障类型明确的油中溶解气气体样本建立状态特征数据表；S2：利用规范化公式对所述状态特征数据表进行规范化处理，建立规范化故障表；S3：基于模糊聚类方法对所述规范化故障表进行聚类分析，并计算获得各类的聚类中心，基于所述各类的聚类中心构建状态标准谱矩阵；S4：利用主成分分析方法计算所述状态标准谱矩阵的相关系数矩阵，根据所述状态标准谱矩阵的相关系数矩阵计算得到多个特征值与多个特征向量，根据所述多个特征值计算得到所述多个特征向量的贡献率，根据所述多个特征向量的贡献率和设定的阈值得到所述标准状态谱矩阵的多个主成分；以及S5：分别计算待诊断样本与所述标准故障谱矩阵的多个主成分之间的欧拉距离，以距离最小的主成分作为待诊断样本的故障类型。

【技术特征摘要】
1.一种电力变压器故障诊断方法，其特征在于，包括以下步骤：S1：基于故障类型明确的油中溶解气气体样本建立状态特征数据表；S2：利用规范化公式对所述状态特征数据表进行规范化处理，建立规范化故障表；S3：基于模糊聚类方法对所述规范化故障表进行聚类分析，并计算获得各类的聚类中心，基于所述各类的聚类中心构建状态标准谱矩阵；S4：利用主成分分析方法计算所述状态标准谱矩阵的相关系数矩阵，根据所述状态标准谱矩阵的相关系数矩阵计算得到多个特征值与多个特征向量，根据所述多个特征值计算得到所述多个特征向量的贡献率，根据所述多个特征向量的贡献率和设定的阈值得到所述标准状态谱矩阵的多个主成分；以及S5：分别计算待诊断样本与所述标准故障谱矩阵的多个主成分之间的欧拉距离，以距离最小的主成分作为待诊断样本的故障类型。2.根据权利要求1所述的电力变压器故障诊断方法，其特征在于，在步骤S2中，通过以下公式进行所述规范化处理： x i * = x i j Σ j = 1 5 x i j , ( i = 1 , 2 , ... , n ) ]]>其中，n为油中溶解气气体样本的个数。3.根据权利要求1所述的电力变压器故障诊断方法，其特征在于，在步骤S3中，故障类型按照《DLT 722-2000变压器油中溶解气体分析和判断导则》选择，所述故障类型包括低能放电、高能放电、局部放电、低温过热、中温过热、高温过热及放电兼过热，结合无故障状态及所述故障状态构建所述状态标准谱矩阵。4.根据权利要求1所述的电力变压器故障诊断方法，其特征在于，在步骤S3中，利用模糊聚类方法计算聚类中心时，目标函数为：且其中，J(U,V)表示目标函数，c表示样本分类数，n表示样本总数，m∈[1,+∞]为平滑参数；U＝[μij]为模糊隶属度矩阵，V＝[ν1,ν2…νn]为聚类中心矩阵,uij表示第j个数据属于第i类的模糊隶属度,dij表示样本xj与聚类中心νi之间的距离。5.根据权利要求2所述的电力变压器故障诊断方法，其特征在于，步骤S4进一步包括：S401：利用均值化方式对所述状态标准谱矩阵进行规范化处理： x ‾ i j = x i j 1 n Σ i = 1 n x i j , ( i = 1 , 2 , ... , n ; j = 1 , 2 , ... , p ) ; ]]>S402：在对源数据实现规范化后，进行相关系数矩阵的建立，通过对特征方程的计算获得特征值与特征向量：其中，rij为样本标准化数据矩阵的相关系数，rij＝rji；为xi的均值；运用Jacobi法求解特征方程|λI-R|＝0，计算R的特征值：λ1≥λ2…≥λp≥0，并按大小顺序排列；同时得到与特征值相对应的特征向量a1、a2……ai……ap，ai＝[a1i a2i … api]T(i＝1,2,…p)；S403：通过下式分别计算贡献率Kr与累积贡献率Kt： K r = 100 % × λ r Σ i = 1 p λ i , i = 1 , 2 , ... , p ]]> K t = Σ i = 1 m λ i Σ i = 1 p λ i , i = 1 , 2 , ... , p ; m < p ]]>S404：设定阈值ε，使得Kt>ε，选择前m个特征向量作为所述标准状态谱矩阵的主成分。6.根据权利要求4所述的电力变压器故障诊断方法，其特征在于，在步骤S5中，欧拉距离计算公式为： d f = [ Σ i = 1 m ( F i - F f i ) 2 ] 1 / 2 ]...

【专利技术属性】
技术研发人员：刘育权，莫文雄，王勇，朱信红，蒋健，高文胜，吐松江·卡日，
申请(专利权)人：广州供电局有限公司，清华大学，
类型：发明
国别省市：广东;44