[發明專利]基于磷蝦群優化支持向量機的變壓器故障診斷方法

在審

• 申請號: 201910082795.8
• 申請日: 2019-01-23
• 公開（公告）號: CN109918720A
• 公開（公告）日: 2019-06-21
• 發明（設計）人: 張鐿議;鄭含博;劉捷豐;劉洋;彭鴻博;李昕;房加珂;王佳琪;黃武楓
• 申請（專利權）人: 廣西大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06K9/62
• 代理公司: 南寧東之智專利代理有限公司 45128
• 代理人: 汪治興

1.一種基于磷蝦群優化支持向量機的變壓器故障診斷方法，其特征在于，包括如下步驟：

1)采集變壓器故障樣本數據中變壓器的油中的DGA特征量，獲取DGA特征量以及典型氣體的三比值；

2)對所述DGA特征量以及典型氣體的三比值歸一化預處理，得到歸一化后的DGA特征量數據，利用二進制粒子群優化算法對所述DGA特征量數據進行優選得到優選DGA特征量數據；

3)構建非線性多分類的支持向量機模型，在滿足相應不等式約束下形成目標函數；

4)采用徑向基核函數作為所述支持向量機模型的核函數，通過所述目標函數和徑向基核函數建立所述支持向量機模型的決策函數；

5)采用磷蝦群優化算法優化所述支持向量機模型的核函數的核參數和懲罰因子以得到最優核參數和最優懲罰因子；

6)將所述優選DGA特征量數據作為支持向量機模型的輸入，將最優懲罰因子和最優核參數代入所述支持向量機模型的目標函數以構建診斷模型，獲取所述診斷模型的最優適應度；

7)采用所述診斷模型對變壓器的油中溶解氣體進行故障診斷，判斷所述變壓器的運行狀態。

2.根據要求1所述基于磷蝦群優化支持向量機的變壓器故障診斷方法，其特征在于，步驟1)中DGA特征量以及典型氣體的三比值為CH₄、C₂H₆、C₂H₄、C₂H₂、CO、CO₂、H₂、總烴以及CH₄/H₂、C₂H₄/C₂H₆、C₂H₂/C₂H₄的含量比值。

3.根據要求1所述基于磷蝦群優化支持向量機的變壓器故障診斷方法，其特征在于，步驟2)中歸一化預處理表達式為：

式中，x_sn為DGA特征量的歸一后計算量，x_n為DGA特征量的歸一前計算量，x_{n max}為DGA特征量的歸一前計算的最大值，x_{n min}為DGA特征量的歸一前計算的最小值。

4.根據要求1所述基于磷蝦群優化支持向量機的變壓器故障診斷方法，其特征在于，步驟3)中的目標函數為：

其中，ω為分類平面的法向量，C為罰函數因子，ξ_i為緩和變量，l為緩和變量個數；

同時滿足以下約束條件：

其中，設{(x₁,y₁),(x₂,y₂),...,(x_n,y_n)}是樣本，個數為n，樣本x_i(1,2,...,n)對應的類別y_i∈{-1,1}，為非線性映射，b為偏差量。

5.根據要求1所述基于磷蝦群優化支持向量機的變壓器故障診斷方法，其特征在于，步驟4)中徑向基核函數的數學式子為：

式中，σ為核函數的寬度參數。

6.根據要求5所述基于磷蝦群優化支持向量機的變壓器故障診斷方法，其特征在于，步驟4)中的分類決策函數為：

其中，α_i為拉格朗日乘子，b為偏差量。