[發明專利]結合RVM和DBN的變壓器故障診斷方法及系統

在審

• 申請號: 201811090244.8
• 申請日: 2018-09-18
• 公開（公告）號: CN109298258A
• 公開（公告）日: 2019-02-01
• 發明（設計）人: 周步祥;鄒家惠;袁岳;陳實;羅燕萍;陳鑫;張致強;劉治凡
• 申請（專利權）人: 四川大學
• 主分類號: G01R31/00
• 分類號: G01R31/00;G06K9/62;G06N3/04
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

1.一種結合RVM和DBN的變壓器故障診斷方法，其特征在于，包括：

初始化RVM參數和DBN參數；

輸入DGA樣本數據，所述DGA樣本數據覆蓋所需診斷的各類故障；

根據輸入的DGA樣本數據計算與各類故障對應的期望輸出；

基于所述期望輸出，訓練結合RVM和DBN的故障診斷模型，所述故障診斷模型包括四個子模型：兩個線性分類RVM模型和兩個用于具體故障診斷的DBN模型；

利用所述故障診斷模型對變壓器進行故障診斷。

2.如權利要求1所述的結合RVM和DBN的變壓器故障診斷方法，其特征在于，利用所述故障診斷模型對變壓器進行故障診斷的步驟包括：

獲取待診斷變壓器中的DGA檢測數據；

其中一個RVM模型根據所述DGA檢測數據判斷所述變壓器處于正常狀態還是故障狀態；

當所述變壓器處于故障狀態時，另一個RVM模型根據所述DGA檢測數據判斷所述變壓器出現的是放電故障還是過熱故障，還是放電故障和過熱故障都有；

當所述變壓器出現了放電故障時，其中一個DBN模型根據所述DGA檢測數據判斷所述變壓器出現的放電故障的具體類型；

當所述變壓器出現了過熱故障時，另一個DBN模型根據所述DGA檢測數據判斷所述變壓器出現的過熱故障的具體類型；

結合兩個DBN模型的判斷結果，輸出所述變壓器的故障診斷結果。

3.如權利要求2所述的結合RVM和DBN的變壓器故障診斷方法，其特征在于，放電故障的具體類型包括局部放電、低能放電和高能放電，所述過熱故障的具體類型包括低溫過熱、中溫過熱和高溫過熱；

以PD、D1、D2、T1、T2、T3分別表示局部放電、低能放電、高能放電、低溫過熱、中溫過熱、高溫過熱，DT表示放電兼過熱，則所述故障診斷結果P表示為P＝{[P_PD P_D1 P_D2]^T,[P_T1 P_T2P_T3]^T}，其中，[P_PD P_D1 P_D2]^T為放電故障診斷結果，[P_T1 P_T2 P_T3]^T為過熱故障診斷結果，P_PD、P_D1、P_D2、P_T1、P_T2、P_T3分別表示局部放電、低能放電、高能放電、低溫過熱、中溫過熱和高溫過熱的概率，當放電故障診斷結果和過熱故障診斷結果中的一個當中包含大于設定閾值的概率時，另一個診斷結果中的所有概率均賦為零。

4.如權利要求3所述的結合RVM和DBN的變壓器故障診斷方法，其特征在于，所述設定閾值為0.8。

5.如權利要求1所述的結合RVM和DBN的變壓器故障診斷方法，其特征在于，初始化RVM參數和DBN參數時：

對于RVM，超參數設置為1/(N+1)2,N為DGA樣本數據中訓練樣本的個數，噪聲方差的初始值設置為0，最大迭代值設置為1000次；

對于DBN，網絡參數W、a、b初始化為服從高斯分布的隨機較小的數值，連接權重為服從正態分布N(0,0,01)的隨機數。

6.一種結合RVM和DBN的變壓器故障診斷系統，其特征在于，包括：

初始化模塊，用于初始化RVM參數和DBN參數；

DGA樣本數據輸出模塊，用于輸入DGA樣本數據，所述DGA樣本數據覆蓋所需診斷的各類故障；

期望輸出計算模塊，用于根據輸入的DGA樣本數據計算與各類故障對應的期望輸出；

模型訓練模塊，用于基于所述期望輸出，訓練結合RVM和DBN的故障診斷模型，所述故障診斷模型包括四個子模型：兩個線性分類RVM模型和兩個用于具體故障診斷的DBN模型；

故障診斷模塊，用于利用所述故障診斷模型對變壓器進行故障診斷。