【技术实现步骤摘要】
本专利技术涉及变压器故障诊断，尤其涉及一种基于鸡群算法优化ls-tsvm和dga的变压器故障诊断方法及系统。
技术介绍
1、电力变压器作为电力系统的核心设备，其健康水平和运行状况决定着整个电力系统安全性和供电可靠性。因此，能否对变压器的运行状态及其潜伏性故障进行判断，并及时发现故障类型及其发展趋势，对整个电力系统的安全稳定运行具有重要的意义。传统的变压器故障诊断方法主要是基于油中溶解气体分析(dissolved gas analysis,dga)实现，比较经典的方法有iec三比值法和罗杰斯比值法，这些方法在以往的变压器故障诊断及降低电力系统的事故率中起到了巨大作用。然而iec三比值法所提供的编码并不完备，在实际故障诊断中有部分dga结果不在此编码范围内涵盖，由此导致对此类故障的诊断没有依据，且传统变压器故障诊断方法诊断精度低且局限性强。
2、近年来随着人工智能技术的发展，人工神经网络、专家系统、贝叶斯网络和免疫算法等被逐渐应用到变压器故障诊断中，并取得了较好的诊断效果。但上述方法均存在一定的不足，如人工神经网络遵循统计学理论基于大数定律，要求训练样本接近无穷大时，统计规律才能精确，而现实中变压器的故障样本数量有限，该方法训练时间长、存在局部极值的问题；模糊聚类技术对初值较敏感、易陷入局部最优且对样本数据分布要求严格，仅适用于类球体类型数据，因此诊断精度也受到影响。人工智能方法普遍对训练样本中影响其诊断精度的错误数据或噪声比较敏感。此外变压器故障诊断属于多分类问题，决定其要需要不断引入新方法和新技术进行深入研究。>
3、双支持向量机(twin support vector machine,tsvm)及其最小二乘版本(ls-tsvm)是近年来由svm衍生而来的一种非平行超平面分类方法，其优秀的分类性能受到学者们广泛的关注。但ls-tsvm仍面向二分类问题设计，而变压器故障诊断是多分类问题，为此将ls-tsvm应用于变压器故障诊断首先需要构造基于ls-tsvm的多分类模型，提高其在多分类问题中的适用性。
4、传统方法是通过遗传算法建立多个二分类器，通过两两组合进行决策。基于遗传算法的变压器故障诊断，虽然取得了较好识别效果，但其运算量大，存在误分和拒分区域，且存在因正负样本不对称导致的过拟合现象。常用的多分类构造方法有决策二叉树。但决策二叉树存在误差积累的缺陷，如果上层某个节点发生误判，则二叉树会把这个错误传递到对应的下层节点最终会产生很大的误差，严重影响整体的分类结果。
技术实现思路
1、有鉴于此，本专利技术提供一种基于鸡群算法优化ls-tsvm和dga的变压器故障诊断方法及系统，利用鸡群算法优化ls-tsvm的核函数和惩罚因子参数，以提高ls-tsvm的分类性能，从而提高变压器故障诊断模型精度。
2、本专利技术实施例解决其技术问题所采用的技术方案是：
3、一种基于鸡群算法优化ls-tsvm和dga的变压器故障诊断方法，包括：
4、步骤s1，以训练集为基础，利用类间相异度的概念自下而上构建基于ls-tsvm的哈夫曼决策树多分类模型；其中，所述训练集中的一组样本数据包括发生变压器故障时变压器内部的7种气体特征量以及对应的故障类型，所述训练集中的数据包括6类故障类型；所述7种气体特征量包括氢气h2、一氧化碳co、二氧化碳co2、甲烷ch4、乙烷c2h6、乙烯c2h4、乙炔c2h2；所述6类故障类型包括中低温过热t12、高温过热t3、局部放电pd、低能放电d1和高能放电d2五种单一故障类型，包括放电兼过热(dt)复合型故障；
5、步骤s2，利用鸡群算法优化所述多分类模型中的ls-tsvm的核函数参数σ以及惩罚因子参数c1、c2；
6、步骤s3，利用参数优化后的多分类模型进行变压器故障诊断，并进一步分析故障诊断的准确率。
7、较优地，所述步骤s1包括：
8、步骤s11，建立所述训练集；所述样本数据中7种气体特征量为变压器在发生过热或放电故障时引起的变压器油分解产生特征气体；
9、步骤s12，以6类故障类型为六个类，计算所述训练集中六个类之间的相异度，构造相异度矩阵d1，并找出d1中最小值所对应的类别xi和xj作为决策树的叶子节点；
10、步骤s13，合并相异度最小的类xi和xj为一个类簇，并采用合并后的样本集训练ls-tsvm分类器，构成非叶子节点；
11、步骤s14，对类xi和xj合并之后的k-1个类别，计算这k-1类两两间的相异度；
12、步骤s15，同步骤s13，合并相异度最小的类簇，训练ls-tsvm分类器，构成一个新节点；
13、步骤s16，对当前的类别数k进行判断，若k>2，则转至步骤s14，否则转至步骤s17；
14、步骤s17，利用余下两类的训练样本训练ls-tsvm分类器，构成根节点；
15、步骤s18，训练结束。
16、较优地，i类样本与j类样本之间的相异度dij的计算公式为：
17、
18、i,j＝1,2,…，k
19、式中，dij表示i类中所有样本到j类样本对应超球体球心的欧氏距离的平均值，nij(dij)表示i类中到j类样本对应超球体球心欧氏距离大于dij的样本数量，d(i,j)为两超球体球心的欧氏距离，ni和nj为i类样本和j类样本的样本数量。
20、较优地，所述步骤s2包括：
21、步骤s21，初始化鸡群个体位置和相关参数，初始化鸡群个体为三维向量，三维向量的每一维属性分别代表σ、c1、c2三个参数；需要初始化的参数包括鸡群大小n、公鸡rn、母鸡hn、小鸡cn和母代母鸡的数目mn、以及迭代次数maxgen；
22、步骤s22，计算鸡群中个体的适应值，并初始化个体的最佳位置pbest和全局最佳位置gbest；此时迭代次数t＝1；
23、步骤s23，如果满足t％g＝1，则对鸡群的适应值进行排序，根据排序结果将鸡群分为若干个子群并建立鸡群的等级秩序；其中参数g为决定鸡群等级制度更新频率的参数；
24、步骤s24，按照各类个体的位置变化表达式更新相应个体的位置，并同时更新它的适应值；
25、步骤s25，更新个体的最佳位置pbest以及整个鸡群运动中出现的全局最佳位置gbest；
26、步骤s26，如果不满足迭代中止条件t≤maxgen，继续迭代，转到步骤s24；否则停止迭代，优化过程结束；
27、步骤s27，输出最优解，其中，所述最优解对应的c1、c2和σ的值用于作为最优参数构造ls-tsvm分类器。
28、较优地，鸡群算法相关参数设置为：种群规模n＝30，搜索空间维数dim＝3，最大迭代次数maxgen＝150，公鸡比例rpercent＝20％，母鸡比例hpercent＝60％，母代母鸡比例mpercent＝10％，σ、c1、c2∈[2-10,210]，本文档来自技高网...
【技术保护点】
1.一种基于鸡群算法优化LS-TSVM和DGA的变压器故障诊断方法，其特征在于，包括：
2.如权利要求1所述的基于鸡群算法优化LS-TSVM和DGA的变压器故障诊断方法，其特征在于，所述步骤S1包括：
3.如权利要求2所述的基于鸡群算法优化LS-TSVM和DGA的变压器故障诊断方法，其特征在于，i类样本与j类样本之间的相异度Dij的计算公式为：
4.如权利要求3所述的基于鸡群算法优化LS-TSVM和DGA的变压器故障诊断方法，其特征在于，所述步骤S2包括：
5.如权利要求4所述的基于鸡群算法优化LS-TSVM和DGA的变压器故障诊断方法，其特征在于，鸡群算法相关参数设置为：种群规模N＝30，搜索空间维数dim＝3，最大迭代次数Maxgen＝150，公鸡比例Rpercent＝20％，母鸡比例Hpercent＝60％，母代母鸡比例Mpercent＝10％，参数G影响鸡群等级制度的更新频率，取为10。
6.一种基于鸡群算法优化LS-TSVM和DGA的变压器故障诊断系统，其特征在于，包括：
7.如权利要求6所述的基于
8.如权利要求7所述的基于鸡群算法优化LS-TSVM和DGA的变压器故障诊断系统，其特征在于，i类样本与j类样本之间的相异度Dij的计算公式为：
9.如权利要求8所述的基于鸡群算法优化LS-TSVM和DGA的变压器故障诊断系统，其特征在于，所述参数优化模块，用于：
10.如权利要求9所述的基于鸡群算法优化LS-TSVM和DGA的变压器故障诊断系统，其特征在于，鸡群算法相关参数设置为：种群规模N＝30，搜索空间维数dim＝3，最大迭代次数Maxgen＝150，公鸡比例Rpercent＝20％，母鸡比例Hpercent＝60％，母代母鸡比例Mpercent＝10％，σ、c1、c2∈[2-10,210]，参数G影响鸡群等级制度的更新频率，取为10。
...【技术特征摘要】
1.一种基于鸡群算法优化ls-tsvm和dga的变压器故障诊断方法，其特征在于，包括：
2.如权利要求1所述的基于鸡群算法优化ls-tsvm和dga的变压器故障诊断方法，其特征在于，所述步骤s1包括：
3.如权利要求2所述的基于鸡群算法优化ls-tsvm和dga的变压器故障诊断方法，其特征在于，i类样本与j类样本之间的相异度dij的计算公式为：
4.如权利要求3所述的基于鸡群算法优化ls-tsvm和dga的变压器故障诊断方法，其特征在于，所述步骤s2包括：
5.如权利要求4所述的基于鸡群算法优化ls-tsvm和dga的变压器故障诊断方法，其特征在于，鸡群算法相关参数设置为：种群规模n＝30，搜索空间维数dim＝3，最大迭代次数maxgen＝150，公鸡比例rpercent＝20％，母鸡比例hpercent＝60％，母代母鸡比例mpercent＝10％，参数g影响鸡群等级制度的更新频率，取为10。
6.一种基于鸡群算法...
【专利技术属性】
技术研发人员：池翔，张科，马向林，张作宇，王勤，武芳，
申请(专利权)人：国网宁夏电力有限公司银川供电公司，
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。