[發明專利]電力變壓器故障診斷模型的建立方法在審
| 申請號: | 201710313314.0 | 申請日: | 2017-05-05 |
| 公開(公告)號: | CN107169514A | 公開(公告)日: | 2017-09-15 |
| 發明(設計)人: | 吐松江·卡日;高文勝;張紫薇;莫文雄;陸國俊;王紅斌;欒樂;崔屹平 | 申請(專利權)人: | 清華大學;廣州供電局有限公司 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;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: | 張潤 |
| 地址: | 10008*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 電力變壓器 故障診斷 模型 建立 方法 | ||
1.一種電力變壓器故障診斷模型的建立方法,其特征在于,包括以下步驟:
S1:基于故障類型明確的油中溶解氣樣本建立數據集,并根據所述故障類型明確的油中溶解氣樣本數據集建立對應的擴展特征集D,其中,所述擴展特征集D包括多個特征項;
S2:規范化所述擴展特征集D,采用Relief F算法對所述多個特征項求解特征權重并排序篩選,建立特征子集D1;
S3:根據Pearson積矩相關系數,對所述特征子集D1求解相關系數并篩選,構成特征子集D2;
S4:根據改進遺傳算法,基于所述特征子集D2綜合求解最優故障診斷模型參數,建立電力變壓器故障診斷模型。
2.根據權利要求1所述的電力變壓器故障診斷模型的建立方法,其特征在于,步驟S4具體包括:
選擇基于徑向基核函數的支持向量機作為電力變壓器故障診斷分類器,存在眾多關鍵參數組合(C,γ),其中,所述分類器的輸入項來自特征子集D2,對應故障類型作為所述分類器的輸出項;
根據改進遺傳算法優化所述多個關鍵參數組合(C,γ),得到故障診斷模型最優參數組合(Cbest,γbest);
根據故障診斷模型最優參數組合(Cbest,γbest),得到電力變壓器故障診斷模型。
3.根據權利要求2所述的電力變壓器故障診斷模型的建立方法,其特征在于,還包括:
利用所述電力變壓器故障診斷模型,診斷待測油中溶解氣的故障類型。
4.根據權利要求1所述的電力變壓器故障診斷模型的建立方法,其特征在于,在步驟S1中,故障類型已知的油中溶解氣包括:氫氣、甲烷、乙烷、乙烯、乙炔,所述擴展特征集D的多個特征項至少包括下列一個:氣體相對含量、相互比值組合、烴類氣體比值及總和。
5.根據權利要求2所述的電力變壓器故障診斷模型的建立方法,其特征在于,對應故障類型包括:正常狀態、局部放電、低能放電、高能放電、低溫過熱、中溫過熱、高溫過熱。
6.根據權利要求1所述的電力變壓器故障診斷模型的建立方法,其特征在于,在步驟S2中,利用ReliefF算法求解所述多個特征項權重并排序,保留滿足預定閾值ε1的特征項,構成特征子集D1。
7.根據權利要求1所述的電力變壓器故障診斷模型的建立方法,其特征在于,在步驟S3中,比較所述特征子集D1中多個特征項之間的相關系數,剔除超過預定閾值ε2的特征項,構建所述特征子集D2。
8.根據權利要求2所述的電力變壓器故障診斷模型的建立方法,其特征在于,在步驟S4中,根據改進遺傳算法,通過選擇、交叉、變異、求解適應度值、終止條件對比處理迭代優化求解支持向量機最優懲罰參數Cbest和最優徑向基函數參數γbest。
9.一種計算機程序產品,其特征在于,包括:根據權利要求1-8任一項所述的電力變壓器故障診斷模型的建立方法。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于清華大學;廣州供電局有限公司,未經清華大學;廣州供電局有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710313314.0/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種電動指甲修剪裝置
- 下一篇:一種多功能美容補水儀





