[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

本發明公開了一種基于磷蝦群優化支持向量機的變壓器故障診斷方法，與電力變壓器故障診斷技術領域有關。該發明通過對采集到的變壓器油中溶解氣體(DGA)全數據以及典型氣體的比值進行歸一化，并通過BPSO對DGA特征量進行優選，得到新的DGA特征量組合；然后采用KH優化算法優化SVM的懲罰因子C及核函數參數σ，構建能夠穩定使用的支持向量機診斷模型，并采用該模型對電力變壓器的油中溶解氣體進行診斷，從而與專家經驗得到的故障結果進行比較，進而得出最終的故障類型，實現了對變壓器的運行狀態的初步判斷。

技術領域

本發明屬于電氣設備故障診斷方法技術領域，具體涉及一種基于磷蝦群優化支持向量機的變壓器故障診斷方法。

背景技術

變壓器特別是油浸式變壓器，是電網的核心設備，承擔著電力行業中電能變換和電力輸送等重要使命。變壓器部分一旦發生故障可能導致電網嚴重故障，進而造成大停電等巨大損失。因此，如何準確判斷變壓器的運行狀態，評估變壓器的故障情況，降低變壓器的故障風險，是電力企業急需解決的關鍵問題，也是保障電力系統穩定運行的重中之重。

溶解氣體分析法作為電力行業中應用最廣泛的故障診斷方法之一，可對變壓器內部存在的潛在故障進行有效診斷甚至區分。其原理主要是：變壓器在運行時，由于受到電、熱、化學三重作用而導致的機械應力和電動力的影響，其油紙絕緣能力逐漸下降甚至喪失，進而分解產生H₂、C₂H₄等低分子烴類及其相關產物。根據產生的不同氣體含量和種類造成不同類型故障的原理，我們能夠根據變壓器油中溶解氣體的特征來判斷故障類型。常用的故障表征氣體包括：H₂、CH₄、C₂H₂、 C₂H₄、C₂H₆、CO和CO₂。油中溶解氣體分析法不僅能夠有效診斷變壓器內部的電力癌細胞，而且具有無損檢測、在線檢測等諸多優點。但是原始的油中溶解氣體診斷方法涉及特征量較多，且一些化學特征量如油中溶解CO、CO₂和糠醛含量等作為評估變壓器故障診斷的參考依據時容易受到現場換濾油過程、溫度、濕度等因素影響，很難保證這些特征量的有效性。

在實際工程應用中多采用氣體體積分數相對比值的方法進行診斷，即所謂的比值法。比值法計算簡單，能夠直觀判斷,非常適合工程應用。它不需要太高的操作水平，現場工作人員非常容易上手，且使用起來很方便。基于此，我們引入三比值法對采集到的DGA特征量進行處理和歸一變換，以保證其有效性。但我們需要知道，比值法存在編碼邊界過于絕對，編碼不全等問題。

目前變壓器故障診斷的研究主要集中在基于已有的油中溶解氣體特征量(即 DGA比值，如Roger比值、IEC比值等)。隨著信息技術的飛速發展，計算機運算速度的飛速提高，本世紀關于故障診斷如變壓器故障研究中越來越多人通過人工智能中的機器學習方法，比如采用支持向量機(SVM)等數學手段建立變壓器故障診斷模型。然而，不同文獻中SVM診斷模型采用的特征量有明顯的區別，且部分油中溶解氣體特征量并不能反映甚至與故障診斷的能力無關，因此單純的采用這些原始特征量反而會影響故障診斷的效果。由此看來，亟需綜合應用三比值法和SVM模型的優點，通過算法進行特征量優選，并且通過改進后的支持向量機進行變壓器的故障診斷，提高變壓器故障診斷的準確率和泛化能力。

發明內容

本發明針對上述技術和手段中的問題，提供一種基于磷蝦群優化支持向量機的變壓器故障診斷方法。

為實現上述發明，本發明提供了一種基于磷蝦群優化支持向量機的變壓器故障診斷方法，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；