【技术实现步骤摘要】
本专利技术涉及到电力系统设备状态评估领域，尤其涉及到一种电力变压器故障诊断方法、系统及存储介质。
技术介绍
1、电力变压器是重要的电气设备之一，承担着电力传输和电压变换的重要任务。随着电力系统的不断扩大，变压器故障率越来越高，监测变压器状态和故障诊断以确保不间断供电极为重要。应用故障诊断技术对变压器故障进行早期识别，从而采取有效的措施，可降低事故发生的几率，但也对变压器故障诊断精度提出了更高的要求。
2、目前油中解气体分析(dissolved gases analysis,dga)技术发展已较为成熟，以油中解气体分析(dga)技术为基础，一些传统的诊断方法如iec三比值法、改良三比值法、四比值法及图解法等被应用在实际变压器故障诊断中，但这些传统的诊断方法也不可避免地存在某些缺陷，如使用条件受限、比值编码不全及诊断精度低。随着智能算法的发展，大多数学者开始采用油中解气体分析(dga)诊断结果与智能诊断方法相结合的方式来提高变压器故障的预测准确率。
技术实现思路
1、本专利技术的目的在于克服现有变电站电力变压器故障诊断方法中的诊断精度低，提供一种电力变压器故障诊断方法、系统及存储介质。
2、一种电力变压器故障诊断方法，其特征在于，包括：
3、输入电力变压器故障历史诊断数据；
4、利用电力变压器故障历史诊断数据训练基于改进的引力搜索算法的概率神经网络(igsa-pnn)的电力变压器故障诊断模型；
5、应用训练好的igsa-pnn
6、进一步的，电力变压器故障历史诊断数据为油浸式变压器中油色谱数据5种主要特征气体体积分和7种变压器故障类型标签。
7、进一步的，5种主要特征气体体积分数包括氢气(h2)甲烷(ch4)、乙烷(c2h6)、乙炔(c2h2)，乙烯(c2h4)；变压器故障类型标签为7种包括正常、低温过热、中温过热、高温过热、局部放电、低能放电、高能放电，依次表示为1，2，3，4，5，6，7。
8、进一步的，训练igsa-pnn的电力变压器故障诊断模型包括：
9、步骤1：建立pnn模型，pnn模型由输入层、模式层、求和层和输出层共4层组成；
10、步骤2：利用igsa算法更新平滑因子参数；
11、步骤3：判断是否达到设定迭代次数，达到设定迭代次数则终止更新，得到igsa-pnn的电力变压器故障诊断模型。
12、进一步的，设定迭代次数≥500次。
13、进一步的，利用igsa算法更新平滑因子参数包括：
14、步骤1：设置igsa算法的最大迭代次数、群体中粒子总数目及待求解的个数与维度；
15、步骤2：利用混沌序列初始化重力群体粒子；
16、步骤3：检查种群中粒子越界情况并按照目标函数计算各粒子的适应度值；
17、步骤4：计算各粒子的万有引力及质量；
18、步骤5：计算各粒子所受总引力，更新粒子加速度和位置；
19、步骤6：判断是否满足终止要求，若满足则输出最优解，若不满足则返回步骤3；
20、步骤7：根据最优解，更新pnn模型的平滑因子值。
21、进一步的，利用混沌序列对引力搜索算法初始化群体粒子，混沌初始化群体粒子位置，包括：
22、步骤1：随机产生1组t维序列作为一个初始混沌重力粒子x0；
23、步骤2：将初始混沌重力粒子x0代入logistic方程中进行迭代，直至到达最大迭代次数时停止；最终产生k个混沌粒子，分别计算其适应值；logistic方程如下式：
24、xt＝μxt-1(1-xt-1),i＝1,2,…m
25、式中：μ为混沌状态的控制参量，本实施例中取值为4；xt-1为t-1维的混沌重力粒子；
26、步骤3：从步骤2中所产生的k个混沌粒子中选出最优的k个粒子构成kb集合，作为算法的初始群体粒子。
27、一种电力变压器故障诊断方法的系统，包括：
28、历史诊断数据输入模块，用于输入电力变压器故障历史诊断数据；
29、电力变压器故障诊断训练模块，用电力变压器故障历史诊断数据训练得到基于改进的引力搜索算法的概率神经网络的电力变压器故障诊断模型；
30、变压器故障诊断模块，用于变压器故障数据输出。
31、一种存储有计算机程序的可读计算机存储介质，其特征在于，该程序被处理器执行程序时实现上述的电力变压器故障诊断方法。
32、本专利技术的有益效果：
33、通过利用混沌序列来增加重力粒子的多样性，避免传统引力搜索算法(gsa)训练时陷入局部最优，然后利用改进的引力搜索算法(igsa)来优化概率神经网络模型(pnn)的平滑因子,提升该模型的预测准确率，提高电力变压器故障诊断精度，进而有助于电力系统运维人员针对电力变压器故障制定相应的检修计划。
本文档来自技高网...【技术保护点】
1.一种电力变压器故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的电力变压器故障诊断方法，其特征在于，电力变压器故障历史诊断数据为油浸式变压器中油色谱数据5种主要特征气体体积分和7种变压器故障类型标签。
3.根据权利要求2所述的电力变压器故障诊断方法，其特征在于，5种主要特征气体体积分数包括氢气(H2)甲烷(CH4)、乙烷(C2H6)、乙炔(C2H2)，乙烯(C2H4)；变压器故障类型标签为7种包括正常、低温过热、中温过热、高温过热、局部放电、低能放电、高能放电，依次表示为1，2，3，4，5，6，7。
4.根据权利要求1所述的电力变压器故障诊断方法，其特征在于，训练基于改进的引力搜索算法的概率神经网络的电力变压器故障诊断模型包括：
5.根据权利要求4所述的电力变压器故障诊断方法，其特征在于，设定迭代次数≥500次。
6.根据权利要求4所述的电力变压器故障诊断方法，其特征在于，利用IGSA算法更新平滑因子参数包括：
7.根据权利要求6所述的电力变压器故障诊断方法，其特征在于，利用混沌序列对引力搜索算法
8.一种如权利要求1所述的电力变压器故障诊断方法的系统，其特征在于，包括：
9.一种存储有计算机程序的可读计算机存储介质，其特征在于，该程序被处理器执行程序时实现如权利要求1-7任一项所述的方法。
...【技术特征摘要】
1.一种电力变压器故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的电力变压器故障诊断方法，其特征在于，电力变压器故障历史诊断数据为油浸式变压器中油色谱数据5种主要特征气体体积分和7种变压器故障类型标签。
3.根据权利要求2所述的电力变压器故障诊断方法，其特征在于，5种主要特征气体体积分数包括氢气(h2)甲烷(ch4)、乙烷(c2h6)、乙炔(c2h2)，乙烯(c2h4)；变压器故障类型标签为7种包括正常、低温过热、中温过热、高温过热、局部放电、低能放电、高能放电，依次表示为1，2，3，4，5，6，7。
4.根据权利要求1所述的电力变压器故障诊断方法，其特征在于，训练基于改进的引力...
【专利技术属性】
技术研发人员：王彦宇，李忠伟，王铎，王顺江，刘杨，郭祎珅，
申请(专利权)人：国网辽宁省电力有限公司锦州供电公司，
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。