[發明專利]分類器創建方法及變壓器局部放電故障模式識別方法

在審

• 申請號: 201710697454.2
• 申請日: 2017-08-15
• 公開（公告）號: CN107516108A
• 公開（公告）日: 2017-12-26
• 發明（設計）人: 馮運;陳凌;甘德剛;張宗喜;蔣偉
• 申請（專利權）人: 國網四川省電力公司電力科學研究院;國家電網公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01R31/12
• 代理公司: 成都行之專利代理事務所(普通合伙)51220
• 代理人: 梁田

技術領域

本發明涉及電力設備狀態診斷領域，具體涉及一種基于隨機森林算法的分類器創建方法及變壓器局部放電故障模式識別方法。

背景技術

變壓器局部放電是造成變壓器絕緣老化、損傷，引起電力事故的主要原因之一。因此，完善運行中變壓器局部放電的診斷方法，對提高電力變壓器運行的可靠性和安全性具有重要意義。

目前，變壓器局部放電的故障診斷主要以閾值診斷為主，即當放電量超過某一設定的最小放電量預警值時則由系統進行預警，然后由運行試驗人員進行判斷后處理。但閾值法相對單一、能夠提供的信息量少，無法提供局部放電放電性質、類型等更豐富的信息。因此，大量的科學研究者們將目光放在了局部放電放電模式的識別上，并取得了一定的進展。目前局部放電模式識別的主要方法是首先將放電劃分為幾種已知類型，然后對每種類型的局部放電進行大量的試驗，從中提取出代表該類放電模式的特征參數，并對得到的特征參量建立圖譜庫，最后采用智能算法對得到的幾類圖譜數據進行訓練，最終達到分類的效果。在分類的過程中最常采用的智能算法包括神經網絡、支持向量機、遺傳算法等。這些算法都能取得比較好的效果，但值得注意的是，局部放電的模式識別往往在準確率和時間上難以同時兼顧。想要取得比較好的訓練效果往往需要大量的訓練數據和訓練時間。

發明內容

本發明為了解決上述技術問題提供一種分類器創建方法及變壓器局部放電故障模式識別方法，其在保證準確率的同時，大大縮短了時間。

本發明通過下述技術方案實現：

分類器創建方法，包括以下步驟：

分別選取電暈放電、氣隙放電、沿面放電三類局部放電的多組特征數據作為訓練集和測試集，每個特征數據包括N個屬性，其中，N為大于1的自然數；

對訓練集采用Bootstrap方法進行重采樣，隨機產生訓練集；

利用每個訓練集生成對應的決策樹，在每個非葉子節點上選擇屬性前，從N個屬性中隨機抽取m個屬性作為當前節點的分裂屬性集，并以這m個屬性中分類準確率最高的分裂方式對該節點進行分裂，其中，m小于N；

利用決策樹對測試集進行測試，得到對應的類別，將決策樹中輸出最多的類別作為該測試集所屬的類別。

隨機森林在每一棵決策樹分類的過程中都是完全分裂，雖然隨機森林中的每一棵數都很弱，但大家組合起來投票選擇眾數作為測試集的輸出類別，就使得分類準確率大大提高。訓練中適量的數據即可產生較多的決策樹，實現其分類的準確率。隨機森林能夠直接產生多類別的分類結果且每棵樹都是獨立生長，因此可以進行并行化加速，不需要太多的訓練數據和訓練時間。

作為優選，每個特征數據包括24個屬性，所述24個屬性包括和的不對稱度Asy和互相關系數Cc，和的偏斜度Sk、陡峭度Ku、峰值Peak。其中，表示平均放電量相位分布二維譜圖，表示最大放電量相位分布二維譜圖，表示放電次數相位分布譜圖。和分別表示正半周平均放電量相位分布二維譜圖、負半周平均放電量相位分布二維譜圖。表示正半周最大放電量相位分布二維譜圖，表示正負半周最大放電量相位分布二維譜圖，表示正半周放電次數相位分布譜圖，表示負半周放電次數相位分布譜圖。

作為優選，所述分類準確率最高的分裂方式的確認方法為：

將m個屬性劃分為n類，其中每一類的比例Pi為Pi＝第i類的個數/m，i＝1、2、3、……、n；

計算訓練集的熵Info(D)，

分別計算m個屬性劃分樣本集后訓練集的熵Info_y(D)，其中，V為各屬性將訓練集劃分類的數量，y＝1、2、3、……、m；

計算信息增益Gain(A)：Gain(A)＝Info(D)-Info_A(D)，

根據信息增益Gain(A)判斷分類準確率最高的分裂方式。

變壓器局部放電故障模式識別方法，包括以下步驟：

將特征數據輸入到采用由上述方法創建的分類器中，以輸出識別類別。

由于采用上述方法創建的分類器其決策樹節點采用分類準確率最高的分裂方式進行分裂的，可有效地提高分類的準確性；且分類器采用隨機森林算法能夠直接產生多類別的分類結果，且隨機森林中的每棵樹都是獨立生長，因此可以進行并行化加速，大大提高分類識別速度。

本發明與現有技術相比，具有如下的優點和有益效果：

1、本發明采用隨機森林算法對分類器進行創建，其分類樹的創建以分類準確率最高的分裂方式進行分裂，且分類樹的獨立成長，可并行運行，其在保證準確率的同時，大大縮短了識別時間。

附圖說明