一种基于邻域粗糙集和ANFIS的变压器诊断方法和系统技术方案

技术编号：41211906 阅读：16 留言：0更新日期：2024-05-09 23:35

本发明专利技术公开了一种基于邻域粗糙集和ANFIS的变压器诊断方法，所述方法包括以下步骤：S1、将DGA样本进行数据预处理；S2、对故障数据的特征量数值进行归一化；S3、利用邻域粗糙集约简的方法，将Y个特征量约简至重要度最高的X个；S4、搭建初始的ANFIS模型，将训练样本输入初始的ANFIS模型，对ANFIS模型参数进行学习，得到变压器故障诊断模型；S5、将采集的DGA数据输入变压器故障诊断模型，进行故障诊断。解决了传统变压器故障诊断过程中故障数据和故障类型关系不确定，诊断精度不高的问题。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术属于诊断，具体涉及一种基于邻域粗糙集和自适应神经模糊推理系统(anfis)的变压器诊断方法。

技术介绍

1、变压器在绝缘油数据分析工作中，存在检测数据分析智能化水平较低、数据展示不直观影响趋势判断等问题。这就要求当变电站油品进行检测时，能够通过检测准确判断运行状态，以便将其隔离并给予后续的运维工作提供可靠的依据，从而保证设备正常运行，增强供电的可靠性和连续性。

2、当变压器处在一些故障状态下时，绝缘油和绝缘材料可能会产生一些故障特征气体，可以根据这些特征气体的成分和含量来对此时电力变压器的运行状态进行判断，这种叫作基于变压器油中溶解气体分析的变压器故障诊断方法，一般有特征气体法、iec三比值法、大卫三角形法等。这些方法虽然易于实现，但需要依赖经验知识，有一定的主观性和不确定性。近年来，随着智能电网的发展，各种智能算法被应用于变压器故障诊断问题中，比如人工神经网络、支持向量机、模糊理论等等。人工神经网络的权值优化算法相异时，收敛速度有很大差异，且容易陷入局部极小值。支持向量机采取的分类策略对超平面的寻找提出了较高要求...

【技术保护点】

1.一种基于邻域粗糙集和ANFIS的变压器诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于邻域粗糙集和ANFIS的变压器诊断方法，其特征在于，所述步骤S1中，特征量包括以下气体比值：CH4/C、C2H2/C、C2H4/C、C2H6/C、H2/(C+H2)、CH4/H2、C2H2/C2H4、C2H4/C2H6、CH4/C2H2、CH4/C2H6、CH4/C2H4、C2H2/C2H6、C2H2/H2、C2H4/H2、C2H6/H2、CH4/D、C2H2/D和C2H4/D，其中C代表碳氢化合物的总量，D＝CH4+C2H2+C2H4。