[發明專利]一種變壓器狀態評估方法在審
| 申請號: | 201910181566.1 | 申請日: | 2019-03-11 |
| 公開(公告)號: | CN110618340A | 公開(公告)日: | 2019-12-27 |
| 發明(設計)人: | 羅偉明;吳杰康;覃煒梅;張博 | 申請(專利權)人: | 廣東工業大學 |
| 主分類號: | G01R31/02 | 分類號: | G01R31/02;G01R31/12;G01N30/02 |
| 代理公司: | 44102 廣州粵高專利商標代理有限公司 | 代理人: | 林麗明 |
| 地址: | 510006 廣東*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 變壓器狀態評估 輸入樣本 預處理 變壓器狀態 密度聚類 算法處理 產氣率 數據集 總烴 變壓器 模糊神經網絡算法 模糊神經網絡 繞組直流電 擊穿電壓 極化指數 介質損耗 評估參數 評估模型 實際狀態 數據通過 鐵心接地 構建 微水 向量 樣本 評估 | ||
1.一種變壓器狀態評估方法,其特征在于,所述的方法包括以下步驟:
S1:確定不同變壓器樣本的評估參數,所述評估參數包括以下參數中的任意一種或多種:C2H2氣體含量、H2含量、總烴絕對產氣率、總烴含量、CO絕對產氣率、極化指數、繞組直流電阻、繞組介質損耗、鐵心接地電流、酸值、油中微水含量、油擊穿電壓、油介損;依據上述評估參數構建輸入樣本數據集;
S2:對輸入樣本進行預處理;
S3:對經S2預處理過的輸入樣本向量進行局部密度聚類算法處理;
S4:通過局部密度聚類算法處理,得到變壓器狀態結果;
S5:結合變壓器狀態結果和數據集搭建基于模糊神經網絡算法的變壓器狀態評估模型;
S6:輸入新變壓器狀態評估數據通過模糊神經網絡評估模型進行變壓器狀態評估。
2.根據權利要求1所述的變壓器狀態評估方法,其特征在于,步驟S1所述的變壓器狀態評估輸入樣本用向量v表示:
v=(v1,v2,v3…v13)
其中v1,v2,v3…v13分別對應C2H2氣體含量,H2含量,總烴絕對產氣率,總烴含量,CO絕對產氣率,極化指數,繞組直流電阻,繞組介質損耗,鐵心接地電流,酸值,油中微水含量,油擊穿電壓,油介損這13個特征指標量。
3.根據權利要求2所述的變壓器狀態評估方法,其特征在于,步驟S2的預處理公式為:
式中,v′表示經過正則化處理的輸入樣本向量,Zp表示與輸入向量v的p范數,其中p表示輸入向量的維度;a,b表示輸入向量中的各個特征指標量的注意值,i∈[1,13]。
4.根據權利要求1所述的變壓器狀態評估方法,其特征在于,步驟S3包括以下步驟:
S3.1:計算輸入向量的歐式距離并確定截斷距離Dc,Dc的距離為所有輸入向量之間相互距離由小到大排列占總數2%的位置的距離大小;
S3.2:計算連續局部密度σi,連續局部密度的計算公式為:
Dij=||v′i-v′j||
式中,Dij表示第i個樣本點到j點的距離;Dc表示截斷距離;σi表示第i個樣本的局部密度,表示對于i點其距離Dij小于截斷距離Dc的點的個數,v′i為第i個樣本點的指標向量,v'j為第j個樣本點的指標向量;
S3.3:根據局部密度確定距離偏量δi;求解距離偏量時,要根據該點i是否是連續局部密度聚類最大點來計算每個點的距離偏量;
若i不為密度最大點:
若i為密度最大點:
式中,距離偏量δi定義為:對于i點,比i點的局部密度大的點j中的最小距離;并定義局部密度最大的點的距離偏量也為最大,保證局部密度最大點為聚類中心,σi表示第i個樣本的局部密度,σj表示第j個樣本的局部密度;
S3.4:根據距離偏量δi和連續局部密度σi,確定心選擇指標γi并標記聚類中心;
S3.5:根據聚類中心對非聚類中心點進行遍歷得到聚類結果;
S3.6:在對子類進再聚類,直到中心選擇指標γi無法在區分為止,得到n類聚類結果。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于廣東工業大學,未經廣東工業大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910181566.1/1.html,轉載請聲明來源鉆瓜專利網。





