[發(fā)明專利]基于集成學(xué)習(xí)Bagging算法的變壓器故障診斷方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201110129133.5
• 申請(qǐng)日: 2011-05-18
• 公開(kāi)（公告）號(hào): CN102289682A
• 公開(kāi)（公告）日: 2011-12-21
• 發(fā)明（設(shè)計(jì)）人: 徐茹枝;王宇飛;安睿;耿嘯風(fēng);周凡雅
• 申請(qǐng)（專利權(quán)）人: 華北電力大學(xué)
• 主分類號(hào): G06K9/66
• 分類號(hào): G06K9/66
• 代理公司: 北京眾合誠(chéng)成知識(shí)產(chǎn)權(quán)代理有限公司 11246
• 代理人: 黃家俊

1.基于集成學(xué)習(xí)Bagging算法的變壓器故障診斷方法，其特征是所述方法包括以下步驟：

步驟1：數(shù)據(jù)采集及數(shù)據(jù)預(yù)處理，得到初始?xì)v史數(shù)據(jù)樣本集S；

步驟2：將初始?xì)v史數(shù)據(jù)樣本集S構(gòu)造成集成學(xué)習(xí)Bagging算法中弱學(xué)習(xí)算法可讀的數(shù)據(jù)集S_sample；

步驟3：選定球向量機(jī)BVM作為集成學(xué)習(xí)Bagging算法中的弱學(xué)習(xí)算法并對(duì)該弱學(xué)習(xí)算法循環(huán)調(diào)用，完成樣本集S_sample的訓(xùn)練，從而得到弱學(xué)習(xí)機(jī)序列，序列中包含各代弱學(xué)習(xí)機(jī)h_i，該序列即為強(qiáng)學(xué)習(xí)機(jī)H；

步驟4：將強(qiáng)學(xué)習(xí)機(jī)H作為故障診斷模型，并將當(dāng)前待故障診斷的數(shù)據(jù)樣本輸入到強(qiáng)學(xué)習(xí)機(jī)H，強(qiáng)學(xué)習(xí)機(jī)H利用其各個(gè)弱學(xué)習(xí)機(jī)h_i做初步故障診斷，進(jìn)而以投票的方式判定當(dāng)前待測(cè)數(shù)據(jù)樣本的故障類別，得票數(shù)多的故障類別即為強(qiáng)學(xué)習(xí)機(jī)H的最終診斷結(jié)果；

2.根據(jù)權(quán)利要求1所述基于集成學(xué)習(xí)Bagging算法的變壓器故障診斷方法，其特征是所述步驟1包括以下步驟：

步驟1.1：數(shù)據(jù)采集：采集目標(biāo)變壓器各個(gè)時(shí)間監(jiān)測(cè)點(diǎn)的氣體含量及運(yùn)行狀態(tài)；

步驟1.2：數(shù)據(jù)預(yù)處理：設(shè)定時(shí)間監(jiān)測(cè)點(diǎn)的氣體含量及運(yùn)行狀態(tài)的特征屬性，構(gòu)成初始?xì)v史數(shù)據(jù)樣本集S。

3.根據(jù)權(quán)利要求2所述基于集成學(xué)習(xí)Bagging算法的變壓器故障診斷方法，其特征是所述步驟1.1中數(shù)據(jù)采集的方法為油中溶解氣體分析技術(shù)DGA。

4.根據(jù)權(quán)利要求2所述基于集成學(xué)習(xí)Bagging算法的變壓器故障診斷方法，其特征是所述步驟1.1中氣體包括氫氣H₂、一氧化碳CO、甲烷CH₄、乙烯C₂H₄、乙烷C₂H₆、乙炔C₂H₂和二氧化碳CO₂。

5.根據(jù)權(quán)利要求1所述基于集成學(xué)習(xí)Bagging算法的變壓器故障診斷方法，其特征是所述步驟2包括以下步驟：

步驟2.1：數(shù)據(jù)歸一化：將初始?xì)v史數(shù)據(jù)樣本集S中氣體的含量值按照各自的取值范圍全部歸一化到[0，1]區(qū)間；

步驟2.2：數(shù)值化處理：將變壓器運(yùn)行的運(yùn)行狀態(tài)設(shè)定為數(shù)值型類別標(biāo)號(hào)；

步驟2.3：將初始?xì)v史數(shù)據(jù)樣本集S中的氣體含量作為故障診斷模型的輸入向量；將初始?xì)v史數(shù)據(jù)樣本集S中的變壓器的運(yùn)行狀態(tài)作為故障診斷模型的輸出向量，故障診斷模型的輸入向量和輸出向量構(gòu)成了數(shù)據(jù)集S_sample。

6.根據(jù)權(quán)利要求1所述基于集成學(xué)習(xí)Bagging算法的變壓器故障診斷方法，其特征是所述步驟3具體包括下列步驟：

步驟3.1：對(duì)集成學(xué)習(xí)Bagging算法初始化，設(shè)定Bagging算法最大迭代次數(shù)t，并設(shè)定弱學(xué)習(xí)算法的訓(xùn)練參數(shù)；

步驟3.2：以指定概率從數(shù)據(jù)集S_sample中有放回地選取樣訓(xùn)練本子集S_i，i∈[1，…t]，作為弱學(xué)習(xí)算法的訓(xùn)練樣本子集S_i；

步驟3.3：將訓(xùn)練樣本子集S_i輸入到弱學(xué)習(xí)算法訓(xùn)練，得到對(duì)應(yīng)的弱學(xué)習(xí)機(jī)h_i；

步驟3.4：檢查當(dāng)前集成學(xué)習(xí)Bagging算法是否達(dá)到算法的最大迭代次數(shù)t，若已達(dá)到，則執(zhí)行步驟3.5；否則，返回步驟3.2；

步驟3.5：輸出弱學(xué)習(xí)機(jī)序列，即強(qiáng)學(xué)習(xí)機(jī)H。

7.根據(jù)權(quán)利要求6所述基于集成學(xué)習(xí)Bagging算法的變壓器故障診斷方法，其特征是所述步驟3.1中弱學(xué)習(xí)算法的訓(xùn)練參數(shù)包括核函數(shù)類型、核函數(shù)參數(shù)和懲罰因子。

8.根據(jù)權(quán)利要求6所述基于集成學(xué)習(xí)Bagging算法的變壓器故障診斷方法，其特征是所述步驟3.2中的指定概率為50％。