基于三比值特征量的小波PSO‑SVM变压器故障诊断方法技术

本发明专利技术公开了基于三比值特征量的小波PSO‑SVM变压器故障诊断方法，涉及电力变压器故障诊断技术领域，通过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；采用粒子群优化算法优化支持向量机的核函数参数，构建小波核函数支持向量机诊断模型，并采用该模型对电力变压器的油中溶解气体进行诊断，从而判断变压器的运行状态并分析出相应的故障类型。

Transformer fault diagnosis method of wavelet PSO SVM three ratio based on characteristic vector

The invention discloses a fault diagnosis method for power transformer wavelet PSO SVM three ratio based on characteristic vector, relates to the field of power transformer fault diagnosis technology, based on the selected gas dissolved in transformer oil (DGA) ratio characteristics were analyzed by normalization pretreatment, DGA three ratio characteristic data, realize the validity of three the ratio of characteristic quantity and simplicity; using particle swarm optimization algorithm to optimize the parameters of kernel function of support vector machine, constructing wavelet kernel function support vector machine model, and the model of power transformer oil dissolved gas in the body for diagnosis, so as to judge the running state of transformer and the analysis of the corresponding fault types.

【技术实现步骤摘要】
基于三比值特征量的小波PSO-SVM变压器故障诊断方法
本专利技术属于电气设备故障诊断方法
，具体涉及一种基于三比值特征量的小波PSO-SVM变压器故障诊断方法。
技术介绍
油浸式变压器是电网的核心设备，承担着电压变换和电能传输等重任。变压器部分一旦发生故障可能导致电网严重故障，进而造成大停电等巨大损失。因此，如何准确判断变压器的运行状态，评估变压器的故障情况，降低变压器的故障风险，是电力企业急需解决的关键问题，也是保障电力系统稳定运行的重中之重。溶解气体分析法(DGA)作为应用最广泛、最可靠的缺陷类型诊断方法之一，可有效区分变压器内部存在的缺陷类型。其原理主要是：变圧器在运行过程中，主要受到热应力及电应力的影响，变压器中的油纸绝缘系统逐渐受到破坏，进而分解产生CO、CO2及低分子烃类等相关产物，这些特征气体溶解于油中。因为不同性质故障所产生的气体含量和种类有所差异，所以能够根据变压器油中溶解气体的特征来判断故障类型。常用的故障表征气体包括：H2、CH4、C2H2、C2H4、C2H6、CO和CO2。DGA油中溶解气体分析法不仅可有效诊断变压器内部的潜伏性故障，且方便在线监测。但本文档来自技高网...

【技术保护点】
基于三比值特征量的小波PSO‑SVM变压器故障诊断方法，其特征在于，包括如下步骤：(1)采集变压器故障样本数据，选取变压器油中DGA特征量，对DGA特征量的比值进行分析；(2)对所述步骤(1)分析后的DGA特征量的比值进行归一化预处理，得到归一化后的溶解气体分析三比值特征量数据；(3)构建非线性多分类的支持向量机模型，并求解优化函数；(4)采用小波核函数作为所述步骤(3)中支持向量机模型的核函数，通过所述步骤(3)的优化函数和小波核函数，计算出非线性多分类时支持向量机模型的分类决策函数；(5)构建粒子群优化算法以优化支持向量机核函数的参数；(6)采用所述步骤(5)的粒子群优化算法对所述步骤(4...

【技术特征摘要】
1.基于三比值特征量的小波PSO-SVM变压器故障诊断方法，其特征在于，包括如下步骤：(1)采集变压器故障样本数据，选取变压器油中DGA特征量，对DGA特征量的比值进行分析；(2)对所述步骤(1)分析后的DGA特征量的比值进行归一化预处理，得到归一化后的溶解气体分析三比值特征量数据；(3)构建非线性多分类的支持向量机模型，并求解优化函数；(4)采用小波核函数作为所述步骤(3)中支持向量机模型的核函数，通过所述步骤(3)的优化函数和小波核函数，计算出非线性多分类时支持向量机模型的分类决策函数；(5)构建粒子群优化算法以优化支持向量机核函数的参数；(6)采用所述步骤(5)的粒子群优化算法对所述步骤(4)中的核函数进行参数优化，构建小波PSO-SVM故障诊断模型；(7)利用DGA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的目标函数，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；(8)计算所述步骤(7)中目标函数最优解所对应的支持向量机模型惩罚因子和核参数，即为最优的支持向量机模型惩罚因子和核参数；(9)将所述步骤(8)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，构建小波核函数支持向量机诊断模型，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。2.根据权利要求1所述的基于三比值特征量的小波PSO-SVM变压器故障诊断方法，其特征在于：所述步骤(1)中DGA特征量的比值包括C2H2/C2H4、CH4/H2和C2H4/C2H6三组气体的浓度比。3.根据权利要求1所述的基于三比值特征量的小波PSO-SVM变压器故障诊断方法，其特征在于，所述步骤(2)中归一化预处理表达式为：式中，xsn为归一化计算后的溶解气体分析三比值特征量数据，xn为归一化前的溶解气体分析特征量比值，xnmax为归一化前溶解气体分析特征量比值的最大值，xnmin为归一化前溶解气体分析特征量比值的最小值。4.根据权利要求1所述的基于三比值特征量的小波PSO-SVM变压器故障诊断方法，其特征在于...

【专利技术属性】
技术研发人员：马虹哲，杨春燕，张炜，邬蓉蓉，黎新，宾冬梅，李俊，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
类型：发明
国别省市：广西,45