[發明專利]電力變壓器的故障診斷方法及診斷裝置

有效

• 申請號: 201610920266.7
• 申請日: 2016-10-21
• 公開（公告）號: CN106569056B
• 公開（公告）日: 2019-05-31
• 發明（設計）人: 覃煜;黃慧紅;方健;陳雁;高文勝;吐松江·卡日
• 申請（專利權）人: 廣州供電局有限公司;清華大學
• 主分類號: G01R31/00
• 分類號: G01R31/00
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 張大威

本發明公開了一種電力變壓器的故障診斷方法及診斷裝置，其中，方法包括以下步驟：采集故障類型明確油中溶解氣樣本，以建立故障標準序列；綜合故障標準序列和改良三比值法建立含待測樣本的樣本矩陣；確定核函數類型，并初始化核模糊聚類算法對應參數；通過核模糊聚類算法迭代求解隸屬度矩陣；根據隸屬度矩陣得到待測樣本的隸屬度值，通過隸屬度值比較以確定待測樣本的最終故障類型。該診斷方法可以提高樣本劃分簇的準確性和可靠性，適用范圍更廣，并且有效提高電力變壓器內部潛伏性故障診斷的準確率。

技術領域

本發明涉及電力變壓器技術領域，特別涉及一種電力變壓器的故障診斷方法及診斷裝置。

背景技術

電力變壓器作為電力網的樞紐設備，連接不同電壓等級的輸電線路，承擔電壓變換、電能分配的功能。由于電力變壓器內部結構復雜，電場分布不均勻，同時運行過程中承受著電、熱、機械、化學、環境等方面應力，導致其不可避免的出現各類缺陷與故障。當電力變壓器因故障導致非計劃停電時，不僅給電力生產單位帶來巨大經濟損失，也將嚴重破壞人們日常生活、社會正常秩序。

DGA(Dissolved Gas Analysis，油中溶解氣分析)方法是一種簡單有效的變壓器故障診斷技術。但DGA方法存在編碼邊界絕對、比值盲區、診斷率有待提高及應用前提等局限性。隨著故障診斷技術的發展，目前主要有專家系統、人工神經網絡、petri網絡、模糊理論、支持向量機等方法。但專家系統以大量的歷史經驗及專家知識，當知識庫不完備時容易出現錯誤診斷；面對多故障類型，支持向量機需要構造多分類器、分類效率不高等問題，ANN容易陷入局部最優值且依賴訓練集等問題，而模糊理論存在忽略屬性相關性的問題等。

利用模糊聚類及IEC三比值法的故障診斷方法能充分客觀、有效的實現基于大量變壓器樣本數據的故障診斷方法。但是由于模糊聚類方法對聚類簇做超球面假設，所以僅適用于對凸集聚類分析，導致故障診斷精度有待進一步提高；此外IEC三比值法所無法判斷多重故障類型，實際使用中無法確定所有故障類型。

發明內容

本發明旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本發明的一個目的在于提出一種電力變壓器的故障診斷方法，該方法可以有效提高電力變壓器內部潛伏性故障診斷的準確率，簡單方便。

本發明的另一個目的在于提出一種電力變壓器的故障診斷裝置。

為達到上述目的，本發明一方面實施例提出了一種電力變壓器的故障診斷方法，包括以下步驟：采集故障類型明確油中溶解氣樣本，以建立故障標準序列；綜合標準故障序列和改良三比值法建立含待測樣本的樣本矩陣；確定核函數類型，并初始化核模糊聚類算法對應參數；通過所述核模糊聚類算法迭代求解隸屬度矩陣；根據所述隸屬度矩陣得到所述待測樣本的隸屬度值，通過隸屬度值比較以確定所述待測樣本的最終故障類型。

本發明實施例的電力變壓器的故障診斷方法，通過核函數的聚類方法將故障數據映射到高維特征空間進行聚類分析，從而突出樣本特性，提高了樣本劃分簇的準確性和可靠性，適用范圍更廣，并且基于核模糊聚類的故障診斷可以避免比值法編碼缺失、編碼邊界絕對等缺陷，從而有效提高電力變壓器內部潛伏性故障診斷的準確率，簡單便捷。

另外，根據本發明上述實施例的電力變壓器的故障診斷方法還可以具有以下附加的技術特征：

進一步地，在本發明的一個實施例中，所述通過核模糊聚類算法迭代求解隸屬度矩陣進一步包括：根據所述核模糊聚類算法迭代求解所述隸屬度矩陣與聚類中心矩陣，直至滿足迭代停止條件。

進一步地，在本發明的一個實施例中，所述根據所述隸屬度矩陣分析所述待測樣本的隸屬度值進一步包括：根據所述待測樣本的隸屬度值與各標準序列的隸屬度值確定所述最終故障類型。