[發(fā)明專利]一種變壓器的故障診斷方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201711233114.0
• 申請日: 2017-11-30
• 公開（公告）號: CN108663582A
• 公開（公告）日: 2018-10-16
• 發(fā)明（設計）人: 胡斌;周愛華;鄭曉崑;史宇超;梁瀟;陳其鵬
• 申請（專利權）人: 全球能源互聯(lián)網(wǎng)研究院有限公司;國網(wǎng)山東省電力公司青島供電公司;國家電網(wǎng)公司
• 主分類號: G01R31/00
• 分類號: G01R31/00
• 代理公司: 北京安博達知識產(chǎn)權代理有限公司 11271
• 代理人: 徐國文

1.一種變壓器的故障診斷方法，其特征在于，包括：

隨機抽取變壓器故障案例庫中的案例，構成訓練樣本集；

基于所述訓練樣本集建立故障判別決策樹，并對所述故障判別決策樹進行訓練，得到變壓器故障診斷分析模型；

根據(jù)所述變壓器故障診斷分析模型對變壓器進行故障診斷；

所述變壓器故障案例庫中的案例包括：變壓器油中溶解特征氣體的類型、數(shù)值及變壓器的設備狀態(tài)類型。

2.根據(jù)權利要求1所述的故障診斷方法，其特征在于，在所述隨機抽取變壓器故障案例庫中的案例，構成訓練樣本集之前，還包括：

選取包含變壓器油中溶解特征氣體的變壓器故障案例，建立所述變壓器的故障案例庫。

3.根據(jù)權利要求1所述的故障診斷方法，其特征在于，所述基于所述訓練樣本集建立故障判別決策樹，并對所述故障判別決策樹進行訓練，得到變壓器故障診斷分析模型，包括：

基于所述訓練樣本集，利用IBM SPSS Modeler建模工具提供的C5.0分類決策樹算法，進行機器學習，建立所述故障判別決策樹；

基于所述訓練樣本集，對所述故障判別決策樹進行訓練，得到所述變壓器故障診斷分析模型。

4.根據(jù)權利要求1或3所述的故障診斷方法，其特征在于，在基于所述訓練樣本集建立故障判別決策樹，并對所述故障判別決策樹進行訓練，得到變壓器故障診斷分析模型之后，還包括：

隨機抽取變壓器故障案例庫中的案例，構成測試數(shù)據(jù)集；

通過所述測試數(shù)據(jù)集，對所述變壓器故障診斷分析模型進行優(yōu)化。

5.根據(jù)權利要求4所述的故障診斷方法，其特征在于，所述通過所述測試數(shù)據(jù)集，對所述變壓器故障診斷分析模型進行優(yōu)化，包括：

將測試數(shù)據(jù)集代入所述變壓器故障診斷分析模型中，得到變壓器的設備狀態(tài)類型預測值，分別比較所有變壓器的設備狀態(tài)類型預測值與故障案例變壓器的設備狀態(tài)類型實際值；

對于所述變壓器的設備狀態(tài)類型預測值的準確率未達到預設閾值，則對所述變壓器故障診斷分析模型進行優(yōu)化。

6.根據(jù)權利要求5所述的故障診斷方法，其特征在于，對所述變壓器故障診斷分析模型進行優(yōu)化，包括：

基于所述測試數(shù)據(jù)集，利用所述C5.0分類決策樹的后修剪算法，對所述變壓器故障診斷分析模型進行修剪優(yōu)化。

7.根據(jù)權利要求1所述的故障診斷方法，其特征在于，所述根據(jù)變壓器故障診斷分析模型對變壓器進行故障診斷，包括：

將采集到超過預設告警值的變壓器設備油中溶解氣體時，輸入所述變壓器故障診斷分析模型，輸出變壓器的故障類型。

8.根據(jù)權利要求1或6所述的故障診斷方法，其特征在于，

所述變壓器油中的溶解特征氣體包括H₂、CH₄、C₂H₆、C₂H₄和C₂H₂；

所述變壓器的設備狀態(tài)類型包括：正常狀態(tài)、局部放電故障、低能放電故障、高能放電故障、低溫過熱故障、中溫過熱故障、高溫過熱故障、高能放電兼過熱故障和低能放電兼過熱故障。

9.一種變壓器的故障診斷系統(tǒng)，其特征在于，包括：

訓練樣本集構成模塊，用于隨機抽取變壓器故障案例庫中的案例，構成訓練樣本集；

變壓器故障診斷分析模型確定模塊，用于通過所述訓練樣本集建立故障判別決策樹，并對所述故障判別決策樹進行訓練，得到變壓器故障診斷分析模型；

故障診斷分析模塊，用于根據(jù)所述變壓器故障診斷分析模型對變壓器進行故障診斷；

所述變壓器故障案例庫中的案例包括：變壓器油中溶解特征氣體的類型、數(shù)值及變壓器的設備狀態(tài)類型。