[發明專利]一種基于邏輯斯蒂回歸的變壓器涌流識別方法

有效

• 申請號: 201810741995.5
• 申請日: 2018-07-09
• 公開（公告）號: CN109031020B
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 白淑華;劉剛;焦邵華;張利強;葛亮;張天俠;王立敏;許翠娟;楊常府;謝曉冬;趙紀元;詹慶才;徐延明
• 申請（專利權）人: 北京四方繼保自動化股份有限公司
• 主分類號: G01R31/62
• 分類號: G01R31/62
• 代理公司: 北京智繪未來專利代理事務所(普通合伙) 11689
• 代理人: 張紅蓮

1.一種基于邏輯斯蒂回歸的變壓器涌流識別方法，其特征在于，所述方法包括如下步驟：

(1)采集變壓器發生涌流和內部故障時的三相差動電流錄波數據；

(2)對三相差動電流錄波數據進行離散小波變換，并在小波域內提取奇異熵、灰度矩和分形維數指標，構建表征涌流與故障特征的樣本集；

(3)將所述樣本集輸入至邏輯斯蒂回歸分類器中進行訓練，獲得分類器決策函數；

(4)將所述決策函數作為變壓器涌流與內部故障判別模型進行保存并進行變壓器涌流識別；

其中，邏輯斯蒂回歸分類器為機器學習中常用的分類模型，無約束、L1正則約束和L2正則約束條件下的優化問題分別表述為式(4)、(5)和(6)：

式中，x_i為第i個樣本的特征指標向量，y_i為第i個樣本的類別標簽，ω和c為分類器參數，n為樣本總數，C為正則化參數；

分類器決策函數為：

y＝sign(ω^Tx+c) (7)

式中，sign為符號函數，x為特征指標向量，與之對應的模型置信度為

2.根據權利要求1所述的基于邏輯斯蒂回歸的變壓器涌流識別方法，其特征在于：所述的表征涌流與故障特征的樣本集構建具體包括：

①對A相差動電流數據進行離散小波變換得到多尺度小波系數，cA₁、cA₂、……、cA_N、cA_N+1為小波系數，N為小波分解層數，cA_i(i＝1,2,……,N)為第i層細節分量的小波系數，cA_N+1為第N層近似分量的小波系數；

②對各層小波系數進行重構，使重構后各層小波系數等長，記與A相差動電流數據對應的重構小波系數為a_pq(p＝1,2,…,N+1,q＝1,2,…,L)，L為重構后各層小波系數的長度；

③采用式(1)-(3)分別計算與A相差動電流數據對應的奇異熵WSE_A、灰度矩WGM_A和分形維數指標CD_A

式中，s_k為重構小波系數矩陣[a_pq]的奇異值，β為細節分量方差的對數log₂[Var(a_p.)]關于細節分量層數p的線性擬合一次項系數；

④對B相、C相差動電流數據分別重復上述步驟①～③，得到與之對應的奇異熵WSE_B、WSE_C，灰度矩WGM_B、WGM_C和分形維數CD_B、CD_C指標。

3.根據權利要求1所述的基于邏輯斯蒂回歸的變壓器涌流識別方法，其特征在于：該方法還包括分類器自學習步驟，對于新產生的錄波數據，采用自學習框架模式進行判別模型的更新與保存，當新產生的錄波數據采用已保存判別模型預測的類別與真實類別相符，且達到限定的模型更新時間時，或者當采用已保存判別模型預測的類別與真實類別不符時，更新特征樣本集進行邏輯斯蒂回歸分類器的再學習，并將獲得的分類器決策函數作為新的變壓器涌流與內部故障判別模型進行保存。