基于高斯变换与全局寻优SVM的变压器故障诊断方法技术

本发明专利技术公开了基于高斯变换与全局寻优SVM的变压器故障诊断方法，属于变压器故障诊断领域，包括以下步骤：S10、根据变压器故障特征气体的DGA数据计算相应的三比值特征量；S20、对所述三比值特征量进行归一化预处理，得到预处理后的样本分为训练样本和测试样本；S30、构建SVM故障诊断模型，结合交叉验证原理与遗传算法，建立基于GA优化的SVM故障诊断模型；S40、根据基于GA优化的SVM故障诊断模型对测试样本进行诊断，得到故障诊断结果。与传统的标准支持向量机法、IEC三比值法、神经网络算法进行变压器故障诊断准确率相比，本发明专利技术获得的变压器故障诊断结果准确率更高。

【技术实现步骤摘要】
基于高斯变换与全局寻优SVM的变压器故障诊断方法
本专利技术属于变压器故障诊断领域，尤其涉及基于高斯变换与全局寻优SVM的变压器故障诊断方法。
技术介绍
电力变压器是电力系统中最重要的电气设备之一，其安全可靠运行对保证电网的安全稳定性具有重要意义。因此研究变压器故障诊断技术，提高变压器的运行维护水平，具有重要的现实意义。变压器油中溶解气体分析(DGA)是油浸变压器故障诊断的重要手段，变压器油中H2，CH4，C2H2，C2H4、C2H6、CO等特征气体的组分含量与故障类型有着密切关系，大量研究表明，变压器故障诊断不能只依赖于油中溶解气体的组分含量，还应取决于气体的相对含量，通过分析溶解于变压器绝缘油中C2H2/C2H4、CH4/H2、C2H4/C2H6这三对气体比值，能为及时发现变压器内部的绝缘潜伏性故障提供重要依据。IEC三比值法是目前广泛应用于变压器故障诊断的一种有效方法，该方法虽然简单实用，但存在缺编码和编码界限过于绝对等问题，可能导致出现漏判或误判的情况。因此，针对传统三比值法的不足之处，专家学者研究了大量的人工智能故障诊断方法，例如专家系统、BP神经网络(BPNN)等，这些方本文档来自技高网...

【技术保护点】
1.一种基于高斯变换与全局寻优SVM的变压器故障诊断方法，其特征在于：包括以下步骤：S10、根据变压器故障特征气体的DGA数据计算相应的三比值特征量；S20、对所述三比值特征量进行归一化预处理，得到预处理后的样本分为训练样本和测试样本；S30、构建SVM故障诊断模型，结合交叉验证原理与遗传算法，建立基于GA优化的SVM故障诊断模型；S40、根据基于GA优化的SVM故障诊断模型对测试样本进行诊断，得到故障诊断结果。

【技术特征摘要】
1.一种基于高斯变换与全局寻优SVM的变压器故障诊断方法，其特征在于：包括以下步骤：S10、根据变压器故障特征气体的DGA数据计算相应的三比值特征量；S20、对所述三比值特征量进行归一化预处理，得到预处理后的样本分为训练样本和测试样本；S30、构建SVM故障诊断模型，结合交叉验证原理与遗传算法，建立基于GA优化的SVM故障诊断模型；S40、根据基于GA优化的SVM故障诊断模型对测试样本进行诊断，得到故障诊断结果。2.根据权利要求1所述的变压器故障诊断方法，其特征在于：所述变压器故障特征气体包括：H2、CH4、C2H2、C2H4、C2H6、CO、CO2和总烃。3.根据权利要求1所述的变压器故障诊断方法，其特征在于：所述步骤S20中的归一化预处理公式为：式(1)中，xi为归一化前的数值；ximax、ximin分别为归一化前数据的最大值和最小值，xsi为归一化后的数值。4.根据权利要求1所述的变压器故障诊断方法，其特征在于：构建所述SVM故障诊断模型的步骤为：S301、采用高斯径向基核函数作为SVM的核函数K(xi,xj)，SVM非线性分类模型的优化形式为：式(2)中，参数C为惩罚因子，ω为超平面的法线，ξ为松弛变量，minΦ(ω,ξ)为最小经验风险，yi为输出值，为超平面上第i个特征向量，b为偏移量，ωT为ω的转置，l是特征空间的维数；S302、构建拉格朗日函数为：式(3)中，L(ω,b,ξ,α,β)为拉格朗日函数，α和β为拉格朗日乘子，α＝(α1,α2…αM)T，β＝(β1,β2…βM...

【专利技术属性】
技术研发人员：邬蓉蓉，张玉波，黎大健，张炜，赵坚，张磊，
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