【技术实现步骤摘要】
一种基于特征重要性排序的变压器故障辨识方法及系统
[0001]本专利技术涉及变压器故障检测
,具体为一种基于特征重要性排序的变压器故障辨识方法及系统
。
技术介绍
[0002]电力系统中,变压器是一种至关重要的设备,它的主要功能是实现电压的变换和功率的传输,以此来保证电力系统的安全稳定运行;然而,在变压器的运行过程中,可能会出现各种故障,这些故障可能会导致变压器油和绝缘材料老化
、
分解,在这个过程中,变压器油中会溶解出不同种类和含量的气体,虽然这些气体可以反映变压器的故障类型,但是如何准确地辨识这些故障仍然是一个挑战;为了解决这个问题,研究人员提出了一种基于油中溶解气体分析(
Dissolved Gas Analysis
,
DGA
)的故障辨识方法,这种方法主要通过对变压器油中溶解的气体进行分析,来确定变压器的故障类型,如果不能及时准确地辨识出变压器的故障,那么不仅会影响变压器本身的性能和寿命,还可能危及电力系统的安全和可靠性,甚至引发严重的社会和经济后果;因此,变压器的故障辨识被视为电力系统监测和维护的重要任务
。
为了提高
DGA
的辨识准确率,国内外的学者们对其进行了一系列的研究和改进,他们以
DGA
为基础,提出了
IEC
三比值法
、Rogers
四比值法
、
无编码比值法
、
大卫三角形法等新的故障辨识方法;然而,这些方法也存在一 ...
【技术保护点】
【技术特征摘要】
1.
一种基于特征重要性排序的变压器故障辨识方法,其特征在于,包括如下步骤:步骤
S1
:构建变压器故障辨识特征库;步骤
S2
:使用轻量梯度提升机对变压器故障辨识特征库中的特征进行特征重要性排序,筛选出有效特征;步骤
S3
:使用有效特征构建有效特征数据库,并将有效特征数据库划分为训练集和测试集,对训练集和测试集中的有效特征进行最大最小值归一化处理;步骤
S4
:使用改进蜘蛛蜂优化算法对支持向量机的惩罚因子和核参数寻优,设置改进蜘蛛蜂优化算法的种群数量
、
迭代次数
、
支持向量机的惩罚因子和核参数的上下界范围,设置支持向量机的目标函数为测试集的故障辨识的错误率,通过改进蜘蛛蜂优化算法不断迭代求得支持向量机的目标函数最小时的最优解,得到最优的故障辨识模型;所述改进蜘蛛蜂优化算法由蜘蛛蜂优化算法采用
Tent 混沌映射初始化蜘蛛蜂种群得来,其表达式为:;式中,为介于0和1之间的参数;为第
i
只雌性蜘蛛蜂第
j
次映射的位置;为第
i
只雌性蜘蛛蜂第
j+1
次映射的位置;步骤
S5
:使用归一化处理后的训练集对故障辨识模型进行训练,利用训练好的故障辨识模型对测试集进行故障辨识,输出故障辨识准确率
。2.
根据权利要求1所述的一种基于特征重要性排序的变压器故障辨识方法,其特征在于:所述步骤
S2
中特征重要性排序的公式如下:;式中,表示特征;是包含特征的所有树节点的集合;是节点的分裂增益;是特征在所有树中的总增益;分裂增益的计算公式与损失函数和正规化项有关,表达式为:;式中,是节点左子节点的梯度之和;是节点右子节点的梯度之和;是节点左子节点的二阶导数之和;是节点右子节点的二阶导数之和;是叶子权重的正规化系数;是叶子数量的正规化系数
。3.
根据权利要求1所述的一种基于特征重要性排序的变压器故障辨识方法,其特征在于:所述步骤
S3
中,最大最小值归一化的公式为:;式中,为归一化后的有效特征;为有效特征;为有效特征最大值,为有效特征最小值
。
4.
根据权利要求1所述的一种基于特征重要性排序的变压器故障辨识方法,其特征在于:使用改进蜘蛛蜂优化算法对支持向量机的惩罚因子和核参数寻优过程为:第1步,采用
Tent 混沌映射初始化蜘蛛蜂种群,并为初始化蜘蛛蜂种群每个个体分配随机支持向量机参数;第2步,计算每个个体的适应度值,评估其对目标函数的优劣程度,将目标函数设为支持向量机的分类故障辨识的错误率,作为每个个体适应度值;第3步,根...
【专利技术属性】
技术研发人员:李帆,傅闽豪,童超,华桦,梅宇聪,
申请(专利权)人:国家电网有限公司,
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。