一种基于梯度提升决策树的配电变压器故障识别方法技术

本发明专利技术涉及配电变压器故障识别领域，为解决如何更加精确的完成配电变压器故障识别的技术问题，提供一种基于梯度提升分类算法的配电变压器内部故障识别方法，实时采样获取配电变压器出口处以及入口处的三相电流瞬时值信号；根据所述三相电流瞬时值信号，分别计算相应的三相瞬时异常判断值、短周期内的三相故障特征值以及长周期内的三相故障特征值；配电变压器出口处或入口处的三相瞬时异常判断值中的任意单相瞬时异常判断值大于异常判断阈值时，则判断为发生异常；若未发生内部故障，再通过外部扰动类型分类器辨识具体的外部扰动类型；若发生内部故障，则通过内部故障类型分类器辨识具体的内部故障类型；从而能够精确的完成配电变压器故障识别。成配电变压器故障识别。成配电变压器故障识别。

【技术实现步骤摘要】
一种基于梯度提升决策树的配电变压器故障识别方法


[0001]本专利技术涉及配电变压器故障识别领域，具体涉及一种基于梯度提升分类算法的配电变压器内部故障识别方法。

技术介绍

[0002]梯度提升算法以弱分类器集合的形式产生预测模型，思想借鉴于梯度下降法，其基本原理是根据当前模型损失函数的负梯度信息来训练新加入的弱分类器，然后将训练好的弱分类器以累加的形式结合到现有模型中。采用决策树作为弱分类器的Gradient Boosting算法被称为梯度提升决策树GBDT(Gradient Boosting Decision Tree)。
[0003]配电变压器是电网的重要组成设备，配电变压器保护系统的精确稳定运行也是保障电力系统安全运行的关键。配电变压器保护系统的一个重要前提是可靠的故障识别。根据故障发生位置配电变压器上的异常状态可分为内部故障与外部扰动。由于暂态特性类似，励磁涌流等部分外部扰动与内部故障难以区分。
[0004]现有配电变压器故障识别方法主要包含常规方法与智能方法。常规方法中二次谐波抑制法较为常见，此类方法通过对比二次谐波分量，能够区分一般情况下的内部故障和励磁涌流，但无法准确识别电流互感器饱和造成的外部扰动。智能算法中较为常见的包含人工神经网络法、支持向量机法、森林分类器法等。这类算法能够通过机器学习掌握大量故障样本的特征，实现准确的内部故障与励磁涌流识别。但现有基于智能算法的配电变压器故障识别方法未综合考虑内部故障、电容器切换、非线性负载切换、励磁涌流、交感涌流、CT饱和、铁磁谐振等多种综合故障，无法实现配电变压器故障的精准识别判断。

技术实现思路

[0005]本专利技术的目的在于解决上述现有技术中存在的难题，提供一种基于梯度提升分类算法的配电变压器内部故障识别方法，解决如何更加精确的完成配电变压器故障识别的技术问题。
[0006]本专利技术是通过以下技术方案实现的：一种基于梯度提升决策树的配电变压器故障识别方法，包括以下步骤：
[0007]实时采样获取配电变压器出口处以及入口处的三相电流瞬时值信号；
[0008]根据所述三相电流瞬时值信号，分别计算相应的三相瞬时异常判断值、短周期内的三相故障特征值以及长周期内的三相故障特征值；
[0009]配电变压器出口处或入口处的三相瞬时异常判断值中的任意单相瞬时异常判断值大于异常判断阈值时，则判断为发生异常；
[0010]在判断为发生异常后，将所述短周期内的三相故障特征值输入内部故障检测分类器中以判断是否发生内部故障；所述内部故障检测分类器是指采用发生内部故障时对应的短周期内的三相故障特征值集合作为第一训练样本集来完成训练的第一梯度提升决策树；
[0011]若判断为发生内部故障，则将长周期内的三相故障特征值输入内部故障类型分类
器中以识别具体的内部故障类型；所述内部故障类型分类器是指采用发生各种内部故障时对应的长周期内的三相故障特征值集合作为第二训练样本集来完成训练的第二梯度提升决策树；
[0012]若判断为未发生内部故障，则将长周期内的三相故障特征值输入外部扰动类型分类器中以识别具体的外部扰动类型；所述外部扰动类型分类器是指采用发生各种外部扰动时对应的长周期内的三相故障特征值集合作为第三训练样本集来完成训练的第三梯度提升决策树。
[0013]进一步的，单相瞬时异常判断值的计算公式如下：
[0014][0015]式中，n
c
代表信号的半倍周期时长；j代表配电变压器出入口标记，通过j的不同赋值来区分配电变压器出入口；代表相序编号，t代表当前时刻，代表当前时刻的相瞬时异常判断值；x
′
代表t
‑
n
c
时刻，代表x
′
时刻的相电流有效值，代表x
′‑
n
c
时刻在配电变压器出口处或入口处的相电流有效值；
[0016]根据单相电流瞬时值信号计算配电变压器的单相电流有效值的计算通式如下：
[0017][0018]式中，代表x时刻在配电变压器出口处或入口处的相电流瞬时值信号；代表x时刻在配电变压器出口处或入口处的相电流有效值；M代表用于平滑的数据窗长度。
[0019]进一步的，短周期内的三相故障特征值与长周期内的三相故障特征值均包括相应周期内的样本变化平均值、相应周期内的样本快速傅里叶变换二次系数与相应周期内的样本线性回归标准误差。
[0020]进一步的，λ倍周期内的样本变化均值的计算通式如下：
[0021][0022]式中，x
c
代表λ倍周期内判断为发生异常的时刻；代表λ倍周期内配电变压器出口处或入口处的相样本变化均值；
[0023]λ倍周期内的样本快速傅里叶变换二次系数的计算通式如下：
[0024][0025]式中，L
λ
代表λ倍周期内以电流有效值作为样本的采样样本数；
[0026]λ倍周期内的样本线性回归标准误差的计算通式如下：
[0027][0028]式中，代表λ倍周期内电流有效值作为样本进行线性回归计算后得到的系数。
[0029]与现有技术相比，本专利技术的有益效果是：。
[0030]进一步的，所述第一训练样本集与第二训练样本集对应的内部故障类型均包括单相接地、相间短路、三相接地与匝间短路故障；所述第一训练样本集与第三训练样本集对应的外部扰动类型包括电容器异常切换、非线性负载切换、励磁涌流、CT饱和与铁磁谐振扰动。
[0031]进一步的，通过配电变压器故障仿真平台进行数据仿真以获得异常状态仿真样本：在不同负荷、不同异常位置、不同异常严重程度的条件下仿真模拟配电变压器的不同异常状态，异常状态包括内部故障与外部扰动，分别记录不同异常状态下的三相短周期内故障特征值与三相长周期内故障特征值，从而获得用于构建各个训练样本集的异常状态仿真样本集，所述异常状态仿真样本集中包括内部故障仿真样本集与外部扰动仿真样本集。
[0032]与现有技术相比，本专利技术包括以下有益效果：
[0033]1、本专利技术首先判断是否发生异常，在判断发生异常后，再通过内部故障检测分类器判断是否发生内部故障，在发生异常的条件下，若未发生内部故障，则说明发生了外部扰动，从而克服了由于暂态特性类似，难以直接通过故障特征来区分内部故障与外部扰动的难题。若未发生内部故障，再通过外部扰动类型分类器辨识具体的外部扰动类型；若发生内部故障，则通过内部故障类型分类器辨识具体的内部故障类型；从而能够精确的完成配电变压器故障识别。
[0034]2、本专利技术的分类器通过训练梯度提升决策树得到，梯度提升决策树可以灵活处理包括连续值和离散值的各种类型的数据，并且相对于如支持向量机等智能算法而言调参时间更少、分类精准度更高，而配电变压器的暂态特征数据种类多样、故障种类及发生位置因果关系复杂，采用梯度提升决策树进行配电变压器故障识别能够保证快速性与精确性。
[0035]3、本专利技术考虑了电容器异常切换、非线本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于梯度提升决策树的配电变压器故障识别方法，其特征在于，包括以下步骤：实时采样获取配电变压器出口处以及入口处的三相电流瞬时值信号；根据所述三相电流瞬时值信号，分别计算相应的三相瞬时异常判断值、短周期内的三相故障特征值以及长周期内的三相故障特征值；配电变压器出口处或入口处的三相瞬时异常判断值中的任意单相瞬时异常判断值大于异常判断阈值时，则判断为发生异常；在判断为发生异常后，将所述短周期内的三相故障特征值输入内部故障检测分类器中以判断是否发生内部故障；所述内部故障检测分类器是指采用发生内部故障时对应的短周期内的三相故障特征值集合作为第一训练样本集来完成训练的第一梯度提升决策树；若判断为发生内部故障，则将长周期内的三相故障特征值输入内部故障类型分类器中以识别具体的内部故障类型；所述内部故障类型分类器是指采用发生各种内部故障时对应的长周期内的三相故障特征值集合作为第二训练样本集来完成训练的第二梯度提升决策树；若判断为未发生内部故障，则将长周期内的三相故障特征值输入外部扰动类型分类器中以识别具体的外部扰动类型；所述外部扰动类型分类器是指采用发生各种外部扰动时对应的长周期内的三相故障特征值集合作为第三训练样本集来完成训练的第三梯度提升决策树。2.根据权利要求1所述的基于梯度提升决策树的配电变压器故障识别方法，其特征在于，单相瞬时异常判断值的计算公式如下：式中，n
c
代表信号的半倍周期时长；j代表配电变压器出入口标记，通过j的不同赋值来区分配电变压器出入口；代表相序编号，t代表当前时刻，代表当前时刻的相瞬时异常判断值；x
′
代表t
‑
n
c
时刻，代表x
′
时刻的相电流有效值，代表x
′‑
n
c
时刻在配电变压器出口处或入口处的相电流有效值；根据单相电流瞬时值信号计算配电变压器的单相电流有效值的计算通式如下：式中，代表x时刻在配电变压器出口处或入口处的相电流瞬时值信号；代表x时刻在配电变压器出口处或入口处的相电流有效值；M代表用于平滑的数据窗长度。3.根据权利要求2所述的基于梯度提升决策树的配电变压器故障识别方法，其特征在于，短周期内的三相故障特征值与长周期内的三相故障特征值均包括相应周期内的样本变化平均值、相应周期内的样本快速傅里叶变换二次系数与相应周期内的样本线性回归标准误差。4.根据权利要求3所述的基于梯度提升决策树的配电变压器故障识别方法，其特征在
于，λ倍周期内的样本变化均值的计算通式如下：式中，x
c
代表λ倍周期内判断为发生异常的时刻；代表λ倍周期内配电变压器出口处或入口处的相...

【专利技术属性】
技术研发人员：方健，张敏，莫文雄，王勇，黄青丹，何嘉兴，杨帆，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：