一种基于数据均衡及GBDT的油浸式变压器故障诊断方法技术

本发明专利技术公开了一种基于数据均衡及GBDT的油浸式变压器故障诊断方法，该方法基于Borderline‑SMOTE数据均衡模型和Optuna‑GBDT故障诊断模型实现变压器故障诊断；针对变压器故障类型数据样本量较少，不利于梯度提升决策树分类器拟合故障特征的问题，本方案采用Borderline‑SMOTE算法对收集的不平衡数据集均衡化处理，增强少数故障类别样本的特征；考虑到梯度提升决策树集成学习算法的超参数选取决定了分类结果，采用Optuna超参数自动优化器搜索梯度提升决策树的最佳参数，提高故障诊断模型诊断性能。

【技术实现步骤摘要】

本专利技术涉及变压器故障诊断，特别涉及一种基于数据均衡及gbdt的油浸式变压器故障诊断方法。

技术介绍

1、随着电网规模的扩大，对电力系统的安全可靠运行提出更高要求。油浸式变压器作为电力系统的关键核心设备，其稳定运行对电力系统的安全起着关键作用，因此对油浸式变压器故障状态进行精确高效的诊断研究具有重要实际意义。目前，关于油浸式变压器故障诊断方法主要采用油中溶解气体分析(dissolved gas analysis，dga)方法。该方法能够通过运维人员周期检验油中溶解的特征气体组分及含量对变压器故障状态进行早期判断，具有准确性、快速性和便捷性等优点。

2、但是，随着电力系统的发展，运维数据呈指数增长，传统人工定期油化实验分析变压器运行状态的模式，较难满足运维要求。传统基于dga的故障诊断方法主要有特征气体法和三比值法，由于特征气体法只考虑气体种类，不测量气体浓度；三比值法的编码存在一定盲区，造成传统dga故障诊断方法在面对复杂的故障时不能充分反应油浸式变压器故障类型，具有一定的局限性。人工智能技术的发展，实现了机器学习等智能算法在信息处理、特征提本文档来自技高网...

【技术保护点】

1.一种基于数据均衡及GBDT的油浸式变压器故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的一种基于数据均衡及GBDT的油浸式变压器故障诊断方法，其特征在于，步骤S1中，收集变电站运维记录和在线监测记录的油浸式变压器DGA数据，包括特征气体种类、特征气体含量和变压器状态记录；统计特征气体类型，筛选出现频次较高的气体种类；构建筛选出的特征气体含量序列，用实际状态类型标签做出标记，形成原始数据集。

3.根据权利要求1所述的一种基于数据均衡及GBDT的油浸式变压器故障诊断方法，其特征在于，步骤S2中，使用Borderline-SMOTE算法对数据集进行均衡化处...

【技术特征摘要】

1.一种基于数据均衡及gbdt的油浸式变压器故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的一种基于数据均衡及gbdt的油浸式变压器故障诊断方法，其特征在于，步骤s1中，收集变电站运维记录和在线监测记录的油浸式变压器dga数据，包括特征气体种类、特征气体含量和变压器状态记录；统计特征气体类型，筛选出现频次较高的气体种类；构建筛选出的特征气体含量序列，用实际状态...

【专利技术属性】
技术研发人员：鲁玲，高诚，李明良，苑涛，陈邦进，蒲秋平，张鑫，鲁洋，许鸿卫，卜得利，
申请(专利权)人：三峡大学，
类型：发明
国别省市：