基于遗传规划和逻辑语言回归的油浸式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遗传规划和逻辑语言回归的油浸式变压器故障诊断方法，包括：(1)选取故障变压器的带电检测数据作为故障变压器数据集C

【技术实现步骤摘要】
基于遗传规划和逻辑语言回归的油浸式变压器故障诊断方法
本专利技术涉及油浸式变压器故障诊断领域，具体涉及一种基于遗传规划和逻辑运算的油浸式变压器故障诊断方法。
技术介绍
油浸式变压器内的绝缘油是由许多不同分子量的碳氢化合物分子组成的混合物，电或热故障可以使某些C-H键和C-C键断裂，伴随生成少量活泼的氢原子和不稳定的碳氢化合物的自由基，这些氢原子或自由基通过复杂的化学反应迅速重新化合，形成H2和低分子烃类气体，比如CH4、C2H6、C2H4和C2H2等，也可能生成碳的固体颗粒级碳氢聚合物。油的氧化还会生成少量的CO和CO2，长时间的累积可达到显著数量。因此，油浸式变压器油内溶解特征气体的含量与油浸式变压器的故障息息相关。利用油浸式变压器绝缘油内溶解特征气体的浓度及各特征气体比例等信息，可以对油浸式变压器目前的运行状态是否处于故障状态进行诊断。目前在油浸式变压器领域并没有专门的方法来衡量油浸式变压器是否处于故障状态，判断是否处于故障状态通常与故障类型结合起来。比如我国的变压器判断是否处于故障状态主要依靠国家能源局2014年发布的《中华人民共和国电力行业标准--变压器油中溶解气体分析与判断导则》(DL/T722-2014)中所提及的特征气体含量三比值法。特征气体三比值法是在特征气体浓度超过注意值时，通过计算C2H2/C2H4、CH4/H2和C2H4/C2H6三组特征气体浓度比值，得到对应的编码，进而通过编码类型来判断变压器故障。三比值法将故障类型分为低温过热(低于150℃)、低温过热(150℃-300℃)、中温过热(300℃-700℃)、高温过热(高于700℃)、局部放电、低能放电、低能放电兼过热、电弧放电和电弧放电兼过热九种。国际上存在一些类似与特征气体三比值的方法，也是利用若干特征气体的比值或相对浓度来对故障进行编码，从而判断故障类型。比如Duval法、Rogers法和Doernenburg法。Duval法是用CH4，C2H4和C2H2的相对浓度为三个坐标，构建了一个三角行区域，某种气体的相对浓度只的是该种气体浓度占三种气体浓度之和的比值。根据CH4，C2H4和C2H2三种气体相对浓度的值，将三角形区域划分为了7块，从而将故障类型分为了7类。分别为低温过热、中温过热、高温过热、低能电弧放电、高能电弧放电、局部放电和放电兼过热。Rogers法类似与特征气体三比值法，区别是使用了不同与特征气体三比值法的比值且没有使用条件的限制。Rogers法使用了C2H2/C2H4、CH4/H2和C2H4/C2H6三种比值，根据三种比值取值的不同，将油浸式变压器状态分为了正常、局部放电、电弧放电、低温过热、中温过热和高温过热六类。Doernenburg法也类似与特征气体三比值法，并对方法的使用设定了一系列的限制条件，包括H2、CH4、CO、C2H2、C2H4和C2H6等特征气体的浓度。与特征气体三比值法不同的是，Doernenburg法使用了四种比值，分别为CH4/H2、C2H2/C2H4、C2H2/CH4和C2H6/C2H2，并将油浸式变压器的故障类型分为了过热故障、局部放电和电弧放电三种。目前来看，将上述故障类型诊断方法作为故障判断方法仍存在一些问题，主要是由于上述故障类型诊断方法对所有故障类型使用了相对固定的特征气体指标，而且特征气体指标利用量少，只有三四个指标，对于剩余大量的可用特征气体指标并未予以考虑。因而故障诊断的正确率较低，一般只有80％左右。因此在油浸式变压器领域，迫切的需要一种更精确的专门用来判断变压器是否处于故障状态的故障诊断方法。
技术实现思路
基于上述，本专利技术提出了一种基于遗传规划和逻辑语言回归的油浸式变压器故障诊断方法，该方法是通过算法找到故障变压器与正常变压器各指标间区分度最大的分隔点，将特征气体浓度或比值变量转化为0，1变量。然后通过基于遗传规划的逻辑语言回归得到诊断变压器是否故障的回归方程。该故障诊断方法客观公正，简单易行。一种基于遗传规划和逻辑语言回归的油浸式变压器故障诊断方法，具体包括以下步骤：(1)选取故障变压器的带电检测数据作为数据集C1，选取正常变压器的带电检测数据作为数据集C2；(2)选取若干预设与变压器是否故障相关的特征气体指标Xi，i表示特性气体指标的类型；(3)利用选取的分隔阈值，将特征气体指标Xi在数据集C1和数据集C2中的数据转化为0或1，得到转化数据集C′1和转化数据集C′2；(4)利用遗传规划，使用逻辑语言对转化数据集C′1和转化数据集C′2进行回归处理，得到变压器故障诊断的回归方程，从而确定与变压器故障相关的特征气体指标Xi。所述步骤(3)的具体步骤为：(3-1)对于特征气体指标Xi，选取该特征气体指标Xi在数据集C1与C2中的最大数据值和最小数据值(3-2)将特征气体指标Xi在数据集C1与C2中的数据平均分为n份，每份间隔为(3-3)以为分隔阈值时，求取特征气体指标Xi于数据集C1中的数据在区间内概率密度函数和ai,j，特征气体指标Xi于数据集C2中的数据在区间内概率密度函数和bi,j，以MAX(|ai,j-bi.j|,j＝0,1,2,…,n)时的作为分隔阈值，此时，分隔阈值记为(3-4)根据分隔阈值所对应的与的差c的正负判断特征气体指标Xi在故障变压器下在分隔阈值上的趋势，若为正值，表示数据集C1趋向于小于分隔阈值，将检验故障数据集C1和C2在区间内的数据转化为1，在区间内的数据转化为0；若为负值，表示数据集C1趋向于大于分隔阈值，将检验故障数据集C1和C2在区间内的数据转化为0，在区间内的数据转化为1；其中，1表示变压器趋于故障状态，0表示变压器趋于正常状态；(3-5)利用步骤(3-1)～步骤(3-2)，对所有预设特征气体指标在数据集C1与C2中的数据进行转化，得到转化数据集C′1和转化数据集C′2。所述步骤(4)的具体步骤为：(4-1)以转化数据集C′1和转化数据集C′2中相邻的10条数据为一个时间单位，选取每个时间单位内前9条数据组成训练样本数据集，剩下1条数据组成检验样本数据集；所述每条数据为任意变压器在任意时刻的带电检测数据；每条数据对应的变压器故障与否的真值组成真值集，真值用0或1表示，1表示该条数据对应的变压器处于故障状态，0表示该条数据对应的变压器处于正常状态；其中，与训练样本数据集相对应的为训练样本真值集，与检验样本数据集相对应的为检验样本真值集；(4-2)将训练样本数据集、训练样本真值集作为遗传规划gplab4.02matlab工具包的输入，使用逻辑语言and和or，利用遗传规划对训练样本数据集进行回归，得到变压器故障诊断的回归方程，确定与变压器故障相关的特征气体指标Xi；(4-3)利用检验样本数据集、检验样本真值集对变压器故障诊断的回归方程进行检验，确定衡量故障诊断精度的指标k1,k2,k3,k4：其中：k1＝真实状态为故障且诊断为故障变压器数/真实状态为故障变压器数；k2＝真实状态为故障且诊断为正常变压器数/真实状态为故障变压器数；k3＝真实状态为正常且诊断为正常变压器数/真实状态为正常变压器数；k4＝真实状态为正常且诊断为故障变压器数/真实状态为正常变压器数；k1,k3越高，表示回归方程确定的与变压器故障相关的特征气体指标越精确本文档来自技高网...

【技术保护点】
一种基于遗传规划和逻辑语言回归的油浸式变压器故障诊断方法，具体包括以下步骤：(1)选取故障变压器的带电检测数据作为数据集C

【技术特征摘要】
1.一种基于遗传规划和逻辑语言回归的油浸式变压器故障诊断方法，具体包括以下步骤：(1)选取故障变压器的带电检测数据作为数据集C1，选取正常变压器的带电检测数据作为数据集C2；(2)选取若干预设与变压器是否故障相关的特征气体指标Xi，i表示特性气体指标的类型；(3)利用选取的分隔阈值，将特征气体指标Xi在数据集C1和数据集C2中的数据转化为0或1，得到转化数据集C′1和转化数据集C′2；(4)利用遗传规划，使用逻辑语言对转化数据集C′1和转化数据集C′2进行回归处理，得到变压器故障诊断的回归方程，从而确定与变压器故障相关的特征气体指标Xi。2.如权利要求1所述的基于遗传规划和逻辑语言回归的油浸式变压器故障诊断方法，其特征在于，所述步骤(3)的具体步骤为：(3-1)对于特征气体指标Xi，选取该特征气体指标Xi在数据集C1与C2中的最大数据值和最小数据值(3-2)将特征气体指标Xi在数据集C1与C2中的数据平均分为n份，每份间隔为(3-3)以为分隔阈值时，求取特征气体指标Xi于故障检测数据集C1中的数据在区间内概率密度函数和ai,j，特征气体指标Xi于故障检测数据集C2中的数据在区间内概率密度函数和bi,j，以MAX(|ai,j-bi.j|,j＝0,1,2,…,n)时的作为分隔阈值，此时，分隔阈值记为(3-4)根据分隔阈值所对应的与的差c的正负判断特征气体指标Xi在故障变压器下在分隔阈值上的趋势，若为正值，表示变压器故障时气体指标Xi的取值趋向于小于分隔阈值，将数据集C1和C2在区间内的数据转化为1，在区间内的数据转化为0；若为负值，表示变压器故障时气体指标Xi的取值趋向于大于分隔阈值，将数据集C1和C2在区间内的数据转化为0，在区间内的数据转化为1；其中，1表示变压器趋于故障状态，0表示变压器趋于正常状态；(3-5)利用步骤(3-1)～步骤(3-2)，对所有预设特征气体指标在数据集C1与C2中的数据进行转化，得到转化数据集C′1和转化数据集C′2。3.如权利要求2所述的基...

【专利技术属性】
技术研发人员：华中生，周健，范逸文，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33