基于支持向量机多分类概率输出的变压器故障诊断方法技术

本发明专利技术涉及一种基于支持向量机多分类概率输出的变压器故障诊断方法，属于变压器故障诊断技术领域。本发明专利技术首先收集整理大量已知故障类型的变压器油中溶解气体数据，形成训练样本集和测试样本集。然后，在训练集中使用交叉验证确定最佳的参数

【技术实现步骤摘要】
基于支持向量机多分类概率输出的变压器故障诊断方法
本专利技术属于变压器故障诊断
，具体涉及一种基于支持向量机多分类概率输出的变压器故障诊断方法。
技术介绍
油浸变压器是电力系统中的关键设备，其安全稳定运行意义重大。在众多物理检测手段和化学检测手段中，油中溶解气体分析(dissolvedgasanalysis，DGA)通过分析气体的组分和含量来检测设备状态，可及时发现内部潜伏故障，因其不影响变压器正常运行而成为最广泛应用的油浸电气设备故障探测和诊断手段。基于DGA发展出了很多不同故障诊断方法，比如IEC-60599中推荐的三比值法、Rogers法、Dornerburg法、Duval三角形法等。在这些方法的基础上，研究人员还将各种智能技术引入变压器故障诊断中，例如专家系统、模糊算法、人工神经网络、证据理论等等。其中支持向量机理论(supportvectormachine，SVM)通过优化结构风险来构造分类器，较好地解决了小样本、非线性等问题，可以达到较好的诊断效果，基于支持向量机的变压器故障诊断已有较多研究。有学者使用分层决策SVM解本文档来自技高网...

【技术保护点】
1.一种基于支持向量机多分类概率输出的变压器故障诊断方法，其特征在于，包括如下步骤：/n步骤(1)，故障特征量的选取和故障分类：/n选取了油中溶解的H

【技术特征摘要】
1.一种基于支持向量机多分类概率输出的变压器故障诊断方法，其特征在于，包括如下步骤：
步骤(1)，故障特征量的选取和故障分类：
选取了油中溶解的H2、CH4、C2H6、C2H4、C2H2作为气体特征参数；
SVM模型输入的样本(x,y)的特征向量x是这5类气体的含量构成的向量(x1,x2,x3,x4,x5)，y为样本的故障类型；
步骤(2)，收集已知故障类型的变压器油中溶解气体数据，形成训练样本集；
步骤(3)，SVM模型核函数和惩罚参数C的选择：SVM模型核函数采用径向基函数；核函数中的参数γ和SVM的惩罚参数C的确定是采用网格搜索的方法，对训练样本集进行交叉验证，选择其中准确率最高的一组(C,γ)作为模型的参数；
步骤(4)，采用训练样本集使用步骤(3)选择的准确率最高的一组(C,γ)训练出SVM模型；所述的SVM模型的输入为训练样本集，输出为故障类型；
步骤(5)，将每一个SVM的训练样本(xi,yi)对应的(fi,yi)作为Sigmoid函数的训练集，进行训练，得出Sigmoid函数中的参数A、B，从而得到Sigmoid函数；
其中fi为SVM决策函数计算得出的值；



其中，K(xi,xgus)为SVM模型核函数，xgus表示变量，αi是拉格朗日乘子，可极大似然估计算法求解；xi为样本数据；yi为样本标签值，即样本的故障类型；b为常数；
将SVM决策函数fi的输出值映射成到区间[0,1]，从而实现概率输出，如式(10)：



其中，fi＝fi(x)是分类决策函数输出，A、B是Sigmoid函数的待定参数；PA,B(fi)表示各类输出故障类型...

【专利技术属性】
技术研发人员：陈仕骄，姚小龙，黄建涛，吴国天，杨昌隆，苏克勇，罗巍，周嘉璐，宁嘉，王一，
申请(专利权)人：云南电网有限责任公司普洱供电局，
类型：发明
国别省市：云南;53