[發明專利]基于隨機森林的主變壓器故障診斷方法

在審

• 申請號: 201910243758.0
• 申請日: 2019-03-28
• 公開（公告）號: CN110287980A
• 公開（公告）日: 2019-09-27
• 發明（設計）人: 吳瓊;李紅云;張萬才;朱慶超;王興勛;胡軍;趙根;吳陽;何金良;莊池杰
• 申請（專利權）人: 清華大學;北京國網富達科技發展有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 天津市尚儀知識產權代理事務所(普通合伙) 12217
• 代理人: 高正方

1.一種基于隨機森林的主變壓器油色譜分析診斷方法，包括模型參數確定部分，實施預測部分，其特征在于，在參數確定部分中，獲得初始訓練集，所述訓練集中包括變壓器設備臺賬數據、油色譜歷史數據、故障分析報告，基于初始訓練集進行基于隨機森林方法的參數確定,在所述參數確定部分中，包括輸入特征數目，訓練集隨機抽樣，確定測試特征過程。

2.根據權利要求1中所述的隨機森林方法，在實施預測部分，對于少量分析數據，直接利用已有的隨機森林模型進行學習及預測，快速得到分析結果，對于大量分析數據，按照標準的隨機森林過程，經過參數確定部分進行學習及預測。

3.根據權利要求1中所述的基于隨機森林的主變壓器油色譜分析診斷方法，其特征在于，所述學習步驟中，先從訓練樣本集中隨機選出樣本，作為基決策樹的結點，對基決策樹的每個結點，從該結點的屬性集合中隨機選擇一個包含若干屬性的子集，

重復進行的第二次學習步驟中，再次從訓練樣本集中隨機選出樣本，作為第二次學習步驟中基決策樹的結點，對基決策樹的每個結點，從該結點的屬性集合中再次隨機選擇一個包含若干屬性的子集，

重復進行上述步驟T次，得到的多個包含若干屬性的子集構成決策樹，形成隨機森林，選擇一個最優屬性用于劃分。

4.根據權利要求1中所述的基于隨機森林的主變壓器故障診斷方法，其特征在于，所述設備臺賬數據的參數包括設備名稱、電壓等級、設備類型、設備型號、生產廠商、出廠日期、投運日期、設備型式。

5.根據權利要求1中所述的基于隨機森林的主變壓器故障診斷方法，其特征在于，所述色譜在線監測數據的參數包括單位、變電站、設備名稱、生產廠家、監測時間、一氧化碳、二氧化碳、氧氣、氫氣、甲烷、乙炔、乙烯、乙烷、總烴。

6.根據權利要求1中所述的基于隨機森林的主變壓器故障診斷方法，其特征在于，絕緣油試驗作業報告的參數包括作業任務、作業開始時間、作業結束時間、工作地點、氣溫、濕度、天氣、地點、間隔、功能位置、設備名稱、型號、廠家、出廠編號、出廠日期，氫氣、甲烷、乙炔、乙烯、乙烷、總烴、一氧化碳、二氧化碳、脫氣量，水分分析第一、二、三次記錄，上層油溫，介損測試第一、二、三次記錄，閃點測定第一、二次記錄、平均值、修正值、檢測結果，水溶性酸測試油樣體積、蒸餾水體積、指示劑選用、PH值（比色）數據，酸值測定記錄油重、KOH-C2H5OH溶液濃度、空白試驗Vs0、空白試驗Ve0、空白試驗V0、樣品試驗、Vs0、樣品試驗Ve0、樣品試驗V0、酸值X數據，界面張力測試水與空氣表面張力、油-水界面張力、檢測儀器數據，含氣量測試第一、二次、平均值數據，油顆粒度測試第一、二、三次、平均值數據，作業結論。

7.根據權利要求2中所述的基于隨機森林的主變壓器故障診斷方法，其特征在于，所述分析步驟中，使用所述分析算法在變壓器故障診斷實例中進行分析，并針對分析數據量的大小，通過不同的實施預測步驟得到預測結果。