【技术实现步骤摘要】
一种基于半监督自训练模型的变压器故障诊断方法及装置
[0001]本申请涉及变压器故障诊断
，尤其涉及一种基于半监督自训练模型的变压器故障诊断方法及装置。
技术介绍
[0002]电力变压器是电力系统中最为重要的设备之一，其运行可靠性直接影响着电力系统的安全与稳定。变压器的状态检测及故障诊断成为了目前研究的主要方向。在众多的检测方法中，油中溶解气体分析(Dissolved gas analysis，简称DGA)技术能有效地诊断油浸电力变压器的潜伏性故障，其通过分析变压器油中溶解气体的成分及含量来对变压器的运行状态进行诊断。由于DGA是一种在线监测的方法，所以成为了充油式电力设备的主流故障诊断方法。
[0003]目前，绝大部分利用DGA数据进行分析的诊断方法都是监督方法。所利用的信息仅仅局限于少有的标签数据部分。在实际生活中标签数据不仅难以获得，而且费时间、费精力才能获得少量的标签数据，这样情况下的分类器训练出来的效果往往不理想。因此，传统的监督算法无法有效的进行变压器故障诊断。
技术实现思路
[00...
【技术保护点】
【技术特征摘要】
1.一种基于半监督自训练模型的变压器故障诊断方法，其特征在于，所述方法包括：获取变压器多种运行状态下特征气体的含量数据作为样本数据生成初始故障诊断样本集，并对所述样本数据进行线性归一化，使得所述样本数据映射到[0,1]之间，形成归一化样本数据；对所述归一化样本数据进行特征提取，生成第一故障诊断样本集；将所述第一故障诊断样本集中的归一化样本数据分为标签数据集、无标签数据集、验证集以及测试集；将所述标签数据集和无标签数据集中的归一化样本数据输入到半监督自训练SMOTE模型中，基于标签数据点和与所述标签数据点最近的同类标签数据点以及最近的无标签数据点合成人工合成点；将所述标签数据点的标签分配给所述人工合成点以及与所述标签数据点最近的无标签数据点，并生成第一标签数据集；将所述第一标签数据集输入至分类器模型进行训练，并用所述验证集对所述分类器模型性能进行验证，得到最佳分类器模型；将所述测试集输入至所述最佳分类器模型中，得到分类结果。2.根据权利要求1所述的方法，其特征在于，所述获取变压器多种运行状态下特征气体的含量数据作为样本数据生成初始故障诊断样本集，具体包括：实时采集各种运行状态下变压器油中所述特征气体的含量构成故障诊断样本集；参照相关比值法构造故障特征气体的规则，选取所述特征气体的相关比率以及气体之间的总体占比作为候选特征集，其中，通过单位CH表征总烃含量。3.根据权利要求2所述的方法，其特征在于，其中，所述特征气体包括氢气H2、甲烷CH4、乙烷C2H6、乙烯C2H4、乙炔C2H2，所述故障特征气体的组分包括H2、CH4、C2H6、C2H4、C2H2、CH、C2H2/H2、C2H2/C2H4、C2H2/C2H6、C2H2/CH4、C2H4/C2H6、C2H4/CH4、C2H4/H2、C2H6/CH4、C2H6/H2、CH4/H2、C2H2/CH、H2/CH、C2H4/CH、CH4/CH、C2H6/CH、CH4+C2H4/CH。4.根据权利要求1所述的方法，其特征在于，所述基于标签数据点和与所述标签数据点最近的同类标签数据点以及最近的无标签数据点合成人工合成点，具体包括：通过所述分类器筛选选定的标签数据点；将所述标签数据点和与所述标签数据点最近的同类标签数据点以及最近的无标签数据点输入到人工合成点合成算法中：X
syn
＝x+0.5
×
(rand
·
(x
nearest
‑
x)+rand
·
(x
nearest
‑
un
‑
x)
·
θ)(1)其中，X
syn
表征人工合成点，x表征选定的标签样本点，x
nearest
为x的最近邻同类标签样本点，x
nearest
‑
un
为x的最近邻无标签点，θ为衰减因子，rand表征随机因子，r表征标签数据集与无标签数据集的数量之比。5.根据权利要求1所...
【专利技术属性】
技术研发人员：胡克林，张靖，杨镓荣，何宇，严儒井，包金山，
申请(专利权)人：贵州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。