一种双类混合特征选取的电力变压器故障诊断方法及系统技术方案

本发明专利技术提出了一种双类混合特征选取的电力变压器故障诊断方法。本发明专利技术的另一个技术方案是提供了一种基于上述电力变压器故障诊断方法的电力变压器故障诊断系统，其特征在于，包括：气敏传感器，用于获取H2、CH4、C2H2、C2H4、C2H6的浓度；双类混合特征计算模型，用于获取二类混合特征组成的特征向量；双类混合特征选取的电力变压器故障诊断模型，用于对电力变压器故障进行诊断，其中采用二进制粒子群优化算法选取二类混合特征组成特征向量中的特征以及确定相关向量机核参数，从而获取每个相关向量机的样本特征集以及相关向量机核参数。本发明专利技术对电力变压器的故障进行准确诊断，以确保电力变压器故障及时排除。

【技术实现步骤摘要】
一种双类混合特征选取的电力变压器故障诊断方法及系统
本专利技术涉及一种双类混合特征选取的电力变压器故障诊断方法及系统，属于电力系统故障诊断领域。
技术介绍
电力变压器属电力系统中的重要设备，其内部潜伏性故障的准确诊断对于保障电力系统安全可靠运行有着非常重要的意义。溶解气体分析技术已成为对油浸变压器早期潜伏性故障诊断的重要手段，研究表明，变压器油中特征气体H2、CH4、C2H2、C2H4、C2H6含量及其比值关系与故障类型有着密切关系，通过分析溶解于变压器绝缘油中这5种特征气体含量或其比值关系，就能找出变压器内部存在的潜伏性故障。通常，电力变压器诊断模型的特征只采用电力变压器油中特征气体含量以及其比值关系中的一种，而不是电力变压器油中特征气体含量以及其比值关系的组合，从而不利于电力变压器故障准确诊断。
技术实现思路
本专利技术的目的是：对电力变压器的故障进行准确诊断，以确保电力变压器故障及时排除。为了达到上述目的，本专利技术的技术方案是提供了一种双类混合特征选取的电力变压器故障诊断方法，其特征在于，包括以下步骤：步骤1、计算的相对值，分别为分别为H2、CH4、C2H2、C2H4、C2H6的浓度；计算的相对值，分别为步骤2、根据步骤1得到的二类混合特征组成特征向量步骤3、采用二进制粒子群优化算法选取双类混合特征组成特征向量中的特征以及确定相关向量机核参数，从而获取每个相关向量机的训练样本特征集以及其核参数，获取双类混合特征选取的电力变压器故障诊断模型；步骤4、利用步骤3得到的双类混合特征选取的电力变压器故障诊断模型对电力变压器的故障进行诊断。本专利技术的另一个技术方案是提供了一种基于上述电力变压器故障诊断方法的电力变压器故障诊断系统，其特征在于，包括：气敏传感器，用于获取H2、CH4、C2H2、C2H4、C2H6的浓度；双类混合特征计算模型，用于获取二类混合特征组成的特征向量；双类混合特征选取的电力变压器故障诊断模型，用于对电力变压器故障进行诊断，其中采用二进制粒子群优化算法选取二类混合特征组成特征向量中的特征以及确定相关向量机核参数，从而获取每个相关向量机的样本特征集以及相关向量机核参数。本专利技术专利采用上述设计，对电力变压器的故障进行准确诊断，以确保电力变压器故障及时排除。附图说明图1为本专利技术专利双类混合特征选取的电力变压器故障诊断系统示意图；图2为本专利技术专利的双类混合特征选取的电力变压器故障诊断流程图。具体实施方式为使本专利技术更明显易懂，兹以优选实施例，并配合附图作详细说明如下。如图1所述，本专利技术提供的一种电力变压器故障诊断系统，包括：气敏传感器，用于获取H2、CH4、C2H2、C2H4、C2H6的浓度；双类混合特征计算模型，用于获取二类混合特征组成的特征向量；双类混合特征选取的电力变压器故障诊断模型，用于对电力变压器故障进行诊断，其中采用二进制粒子群优化算法选取二类混合特征组成特征向量中的特征以及确定相关向量机核参数，从而获取每个相关向量机的样本特征集以及相关向量机核参数。如图2所示，本专利技术提供的一种双类混合特征选取的电力变压器故障诊断方法包括以下步骤：步骤1、计算的相对值，分别为分别为H2、CH4、C2H2、C2H4、C2H6的浓度；计算的相对值，分别为步骤2、根据步骤1得到的二类混合特征组成特征向量步骤3、采用二进制粒子群优化算法选取双类混合特征组成特征向量中的特征以及确定相关向量机核参数，从而获取每个相关向量机的训练样本特征集以及其核参数；步骤4、获取双类混合特征选取的电力变压器故障诊断模型；双类混合特征选取的电力变压器故障诊断模型中，采用5个相关向量机(RVM)分类器识别电力变压器的6种运行状态，即正常、过热兼放电、高能放电、低能放电、高温过热、中低温过热。RVM1用以分离正常状态和故障状态；RVM2用以分离并发故障和单个故障；RVM3用以分离放电故障和过热故障；RVM4用以分离高能放电故障和低能放电故障；RVM5用以分离高温过热故障和中低温过热故障。每个RVM分类器的训练样本特征集以及其核参数分别通过二进制粒子群优化算法确定。步骤5、利用步骤3得到的双类混合特征选取的电力变压器故障诊断模型对电力变压器的故障进行诊断。本文档来自技高网...

【技术保护点】
1.一种双类混合特征选取的电力变压器故障诊断方法，其特征在于，包括以下步骤：步骤1、计算

【技术特征摘要】
1.一种双类混合特征选取的电力变压器故障诊断方法，其特征在于，包括以下步骤：步骤1、计算的相对值，分别为分别为H2、CH4、C2H2、C2H4、C2H6的浓度；计算的相对值，分别为步骤2、根据步骤1得到的二类混合特征组成特征向量步骤3、采用二进制粒子群优化算法选取双类混合特征组成特征向量中的特征以及确定相关向量机核参数，从而获取每个相关向量机的训练样本特征集以及其核参数，获取双类混合特征选取的电力变压器故障诊断模型；步骤4、利用步骤3得到的双类混合特征选取的电力变压器故...

【专利技术属性】
技术研发人员：费胜巍，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海,31