一种油浸变压器故障诊断方法技术

本发明专利技术涉及主要油浸式变压器故障诊断领域，尤其涉及一种油浸变压器故障诊断方法，包括构建变压器故障数据集；根据变压器故障数据集，分别建立基于多分类相关向量机、基于多分类支持向量机和基于反向传播神经网络的变压器故障诊断模型；将待诊断的特征参数分别输入第一变压器故障诊断模型、第二变压器故障诊断模型和第三变压器故障诊断模型，获取三种诊断结果数据；将三种诊断结果数据通过DS证据理论进行证据融合，输出最终诊断结果。本发明专利技术利用DS证据理论对三种算法输出结果进行融合，相较单一算法，本发明专利技术诊断精确度、连续性和可靠性进一步提升。进一步提升。进一步提升。

【技术实现步骤摘要】
一种油浸变压器故障诊断方法


[0001]本专利技术涉及主要油浸式变压器故障诊断领域，尤其涉及一种油浸变压器故障诊断方法。

技术介绍

[0002]油浸式变压器是电力系统的关键设备，其安全稳定运行意义重大。然而，电网运行环境给电力变压器高可靠性运行带来了严峻挑战。热应力、电应力、机械应力和环境因素的多重影响会加剧变压器绝缘材料老化，并进一步诱发多种故障，这些故障的发生将严重威胁电力正常供应。
[0003]经研究证明，多重应力造成的绝缘劣化或变压器故障会加快绝缘材料的化学反应，产生多种气体溶解于变压器油中，典型气体包括氢气(H2)、甲烷(CH4)、一氧化碳(CO)、二氧化碳(CO2)、乙炔(C2H2)、乙烯(C2H4)、乙烷(C2H6)。基于溶解气体分析目前已形成了改良三比值法、戴维三角形等一系列传统油浸式变压器故障诊断方法。但电力变压器故障产气机理复杂，油中气体含量的分布特性很难推测；油中溶解气体含量或含量比值与故障类型之间的映射关系复杂，仅靠人为经验难以归纳。于是支持向量机、人工神经网络等人工智能方法被广泛应用于电力变压器的故障诊断。...

【技术保护点】

【技术特征摘要】
1.一种油浸变压器故障诊断方法，其特征在于，包括：S10：构建变压器故障数据集，所述变压器故障数据集包括多组故障样本，所述故障样本为特征参数与故障类型的对应关系；S20：根据变压器故障数据集，分别建立基于多分类相关向量机的第一变压器故障诊断模型、基于多分类支持向量机的第二变压器故障诊断模型和基于反向传播神经网络的第三变压器故障诊断模型；S30：将待诊断的特征参数分别输入第一变压器故障诊断模型、第二变压器故障诊断模型和第三变压器故障诊断模型，获取三种诊断结果数据，将三种诊断结果数据通过DS证据理论进行证据融合，输出最终诊断结果。2.如权利要求1所述的油浸变压器故障诊断方法，其特征在于，所述变压器故障数据集分为用于对变压器故障诊断模型进行训练的训练集和用于对训练后的变压器故障诊断模型进行验证的测试集。3.如权利要求1所述的油浸变压器故障诊断方法，其特征在于，所述步骤S20包括：根据训练集中故障样本的特征参数以及与该特征参数对应的故障类型，分别建立基于多分类相关向量机的第一变压器故障诊断模型、基于多分类支持向量机的第二变压器故障诊断模型和基于反向传播神经网络的第三变压器故障诊断模型；通过测试集分别对第一变压器故障诊断模型、第二变压器故障诊断模型和第三变压器故障诊断模型进行验证。4.如权利要求3所述的油浸变压器故障诊断方法，其特征在于，所述步骤S20还包括：通过粒子群算法的对各个变压器故障诊断...

【专利技术属性】
技术研发人员：华越，史春旻，承超，王天序，沈心怡，
申请(专利权)人：国网江苏省电力有限公司无锡供电分公司，
类型：发明
国别省市：