一种基于变压器相关运行数据的变压器故障辨识方法技术

本发明专利技术公开了一种基于变压器相关运行数据的变压器故障辨识方法，该方法包括以下步骤：1)读入变压器故障信息；2)将变压器故障信息的数据按数据名称编号；3)对数据进行预处理；4)利用主成分分析法得到权重系数；5)利用加权支持向量机方法训练数据，获得分类器模型；6)对支持向量机进行加权；7)将训练分类器的相关运行数据和故障种类输入到步骤6)中得到分类器，继续输入测试数据进行参数调整和改进，最终输入所需要预测的数据对其进行故障预测；本发明专利技术加入更多相关运行数据，并根据数据对故障辨识的影响权重而对分类器进行合理的训练，还根据需求输入相关的训练数据来调整分类器的参数和精确度，辨识变压器故障更精确。

A Transformer Fault Identification Method Based on Transformer Related Operation Data

【技术实现步骤摘要】
一种基于变压器相关运行数据的变压器故障辨识方法
本专利技术属于电力变压器状态评估
，具体涉及一种基于变压器相关运行数据的变压器故障辨识方法。
技术介绍
电气设备的可靠性直接影响电力系统的安全运行。然而由于变压器是综合了机械、电气、化学、热力学等多学科技术的一个封闭整体，影响其故障的原因错综复杂，故障诊断需要多方面的数据和知识，单凭某一方面或几方面就主观地下结论必然导致误判或漏判。目前常见的故障诊断方法为三比值判断法、过热放电图判断法、HAE三角图判断法、特征气体法等。每种单一的诊断方法，虽然对某些特定的故障识别率较高，但是也存在着一些不足。这些不足主要体现在考虑因素单一，降低了准确率，此外还存在设置的阈值会因为运行因素的不同而不够准确的情况，这些都不利于变压器故障的辨识。因此一种能够考虑多种影响因素、能够根据运行条件而调整参数的变压器故障辨识方法是现阶段变压器运维及故障诊断工作所需要的。
技术实现思路
本专利技术要解决的技术问题是：提供一种基于变压器相关运行数据的变压器故障辨识方法，以解决现有技术中存在的问题。本专利技术采取的技术方案为：一种基于变压器相关运行数据的变压器故障辨识方法，该方法包括以下步骤：步骤一、从数据库服务器中读入变压器故障诊断的信息，包括变压器油试验数据、绝缘试验数据、绝缘油数据和故障数据；具体数据内容如表1：步骤二、将变压器油试验数据、绝缘试验数据和绝缘油数据的数据类型按数据名称进行编号，将变压器油试验数据、绝缘试验数据、绝缘油数据分别设置为A、B、C，其中所包含的数据类型分别按A1～An、B1～Bm、C1～Ck进行编号；将变压器故障类型设置为F，对其按F1～Ft进行编号；步骤三、对编号A、B、C的数据进行数据预处理，即对其进行缺失值填充、去噪声处理，然后对其按类进行归一化处理；步骤四、利用主成分分析法对不同数据类型数据其进行权重分析并得到权重系数，根据协方差矩阵求特征根Evalue和特征向量Evector，其中特征根归一化后的值即为各变压器相关运行数据的权重ωji，即每个特征根的贡献率，同理适用与不同类型(A、B、C)的多种数据(A1、A2…An)；步骤五、利用加权支持向量机方法训练数据，获得分类器模型；步骤六、对步骤五中支持向量机进行加权；步骤七、将训练分类器所用的变压器相关运行数据(A、B、C)以及其所对应的故障种类(F)输入到步骤六中所获得的加权支持向量机，得到分类器，并继续输入测试数据对该分类器进行参数调整和改进，最终输入所需要预测的数据对其进行故障预测。本专利技术的有益效果：与现有技术相比，本专利技术的变压器故障识别方法加入更多相关运行数据，并根据数据对故障辨识的影响权重而对分类器进行合理的训练，还可以根据需求输入相关的训练数据来调整分类器的参数和精确度，最终起到合理辨识变压器故障的作用。附图说明图1是基于变压器相关运行数据的变压器故障辨识方法流程图；图2是主成分分析获取权重方法流程图；图3是支持向量机原理图；图4是基于加权支持向量机的分类器流程图。具体实施方式下面结合附图及具体的实施例对本专利技术进行进一步介绍。实施例：如图1-4所示，一种基于变压器相关运行数据的变压器故障辨识方法，该方法包括以下步骤：步骤一、从数据库服务器中读入变压器故障诊断的信息，包括变压器油试验数据、绝缘试验数据、绝缘油数据和故障数据；具体数据内容如表1：表1变压器相关数据步骤二、将变压器油试验数据、绝缘试验数据和绝缘油数据的数据类型按数据名称进行编号，将变压器油试验数据、绝缘试验数据、绝缘油数据分别设置为A、B、C，其中所包含的数据类型分别按A1～An、B1～Bm、C1～Ck进行编号；将变压器故障类型设置为F，对其按F1～Ft进行编号，如表2所示；表2变压器数据编号情况步骤三、对编号A、B、C的数据进行数据预处理，即对其进行缺失值填充、去噪声处理，然后对其按类进行归一化处理；归一化处理过程以A1数据进行说明，设有n条数据；A1＝∑A1i/n，i＝1,2，…，nA'1i＝A1i-A1，n＝1,2，…，ni为所采集的每种数据的数据个数，A1为A1中数据的平均值，A'1i为A1进行归一化处理后的数据；步骤四、利用主成分分析法对不同数据类型数据其进行权重分析并得到权重系数，主成分分析获取权重的方法流程图如图2，主成分分析方法定义如下：(1)将原始数据按行排列组成矩阵M；(2)对M进行数据标准化，使其均值变为零；(3)求M的协方差矩阵Cov；(4)利用Cov求得其特征向量T和特征根M；用下式计算每个特征根的贡献率Vi；Vi＝Mi/(M1+M2+........)，该贡献率即为每个数据类型的权重系数。其中M为所有A、B、C所有样本数据组合的原始数据矩阵：M＝{A1，A2，…，A5，B1，B2，…，B8，C1，C2，…，C6}由上述内容可知，步骤(3)完成了步骤(4)中的前两步，然后求该数据组成的M矩阵的协方差矩阵Cov，其方法如下(假设有A1、A2、A3三组数据)：该矩阵对角线为A1、A2、A3的方差，而非对角线为协方差。协方差是衡量两个变量同时变化的变化程度。协方差大于0表示两个量若一个增，另一个也增；小于0表示一个增，一个减。如果两个量是统计独立的，那么二者之间的协方差就是0；但是协方差是0，并不能说明两个量是独立的。协方差绝对值越大，两者对彼此的影响越大，反之越小；根据协方差矩阵求特征根M和特征向量T，其中特征根归一化后的值即为各变压器相关运行数据的权重ωji，即每个特征根的贡献率，同理适用与不同类型(A、B、C)的多种数据(A1、A2…An)；步骤五、利用加权支持向量机方法训练数据，获得分类器模型，其中支持向量机定义如下：支持向量机原理图如图3，支持向量机(supportvectormachines)是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题来求解。当训练样本线性可分时，通过硬间隔最大化，学习一个线性可分支持向量机；当训练样本线性不可分时，通过核技巧和软间隔最大化，学习一个非线性支持向量机，分类器模型如下：式中：ki为超平面法向量；C为惩罚因子；n为样本数量；ξi为松弛因子，代表线性不可分情况下的允许错分率；yi为样本输出量，且yi∈{-1,1}；xi为样本输入量；b为阈值；引入拉格朗日乘子算法对上述问题求解，得到优化目标函数：上式中αi、αj为拉格朗日乘子，xi、xj为样本输入量，yi、yj为样本输出量，下式为约束条件。SVM通过引入非线性映射Rn→H，将样本映射为一个新的数据集可将优化目标函数变换为式中为核函数，经过对比测试，选用核函数如下：K(xi,xj)＝exp(-γ||xi-xj||2)式中xi、xj为样本输入量，γ为径向基核函数向量，其取值决定了该支持向量机分类的精准度。步骤六、对步骤五中支持向量机进行加权，其中加权支持向量机定义及对其k加权步骤如下：依据准则对数据集中的各个特征赋予一定的权重称为特征加权，应用特征加权可以提高算法性能，利用特征权重向量ω扩充标准欧式距离的公式如下：其中dω(xi,xj)表示两个样本xi和xj的加权欧氏距离，xik表示样本xi的第个特征的值，ω＝(ω1，ω2…ωn)是权重向量，ωk≥0(k＝本文档来自技高网...

【技术保护点】
1.一种基于变压器相关运行数据的变压器故障辨识方法，其特征在于：该方法包括以下步骤：步骤一、从数据库服务器中读入变压器故障诊断的信息，包括变压器油试验数据、绝缘试验数据、绝缘油数据和故障数据；步骤二、将变压器油试验数据、绝缘试验数据和绝缘油数据的数据类型按数据名称进行编号，将变压器油试验数据、绝缘试验数据、绝缘油数据分别设置为A、B、C，其中所包含的数据类型分别按A1～An、B1～Bm、C1～Ck进行编号；将变压器故障类型设置为F，对其按F1～Ft进行编号；步骤三、对编号A、B、C的数据进行数据预处理，即对其进行缺失值填充、去噪声处理，然后对其按类进行归一化处理；步骤四、利用主成分分析法对不同数据类型数据进行权重分析并得到权重系数，根据协方差矩阵求特征根Evalue和特征向量Evector，其中特征根归一化后的值即为各变压器相关运行数据的权重ωji，即每个特征根的贡献率，同理适用与不同类型的多种数据；步骤五、利用加权支持向量机方法训练数据，获得分类器模型；步骤六、对步骤五中支持向量机进行加权；步骤七、将训练分类器所用的变压器相关运行数据以及其所对应的故障种类输入到步骤六中所获得的加权支持向量机，得到分类器，并继续输入测试数据对该分类器进行参数调整和改进，最终输入所需要预测的数据对其进行故障预测。...

【技术特征摘要】
1.一种基于变压器相关运行数据的变压器故障辨识方法，其特征在于：该方法包括以下步骤：步骤一、从数据库服务器中读入变压器故障诊断的信息，包括变压器油试验数据、绝缘试验数据、绝缘油数据和故障数据；步骤二、将变压器油试验数据、绝缘试验数据和绝缘油数据的数据类型按数据名称进行编号，将变压器油试验数据、绝缘试验数据、绝缘油数据分别设置为A、B、C，其中所包含的数据类型分别按A1～An、B1～Bm、C1～Ck进行编号；将变压器故障类型设置为F，对其按F1～Ft进行编号；步骤三、对编号A、B、C的数据进行数据预处理，即对其进行缺失值填充、去噪声处理，然后对其按类进...

【专利技术属性】
技术研发人员：李诗勇，姜龙，薛静，张霖，丁健，谢荣斌，张丽娟，杨超，施艳，汪德军，靳斌，申峻，杨俊秋，吴冕之，李俊文，何愈杰，余鹏程，张英，赵世钦，潘云，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：贵州,52