[發明專利]一種考慮不平衡數據樣本的變壓器故障診斷方法及系統

在審

• 申請號: 201910451726.X
• 申請日: 2019-05-28
• 公開（公告）號: CN110133146A
• 公開（公告）日: 2019-08-16
• 發明（設計）人: 蘇磊;徐鵬;黃華;陳璐;傅晨釗;司文榮;崔宇;侯慧娟;盛戈皞;江秀臣
• 申請（專利權）人: 國網上海市電力公司;上海交通大學
• 主分類號: G01N30/02
• 分類號: G01N30/02;G01R31/12;G06K9/62
• 代理公司: 上海東信專利商標事務所(普通合伙) 31228
• 代理人: 楊丹莉;李丹

本發明公開了一種考慮不平衡數據樣本的變壓器故障診斷方法，包括步驟：100：采集變壓器的油色譜樣本數據，并對其進行預處理得到經過預處理的油色譜樣本數據；200：構建并訓練第一級分類器，其中采用經過預處理的油色譜樣本數據對第一級分類器進行訓練；基于第一級分類器輸出的狀態特征與油色譜樣本數據得到特征融合向量；300：基于EasyEnsemble集成學習方法對第二級分類器進行訓練，基于若干個第二級子分類器的輸出合成第二級分類器；400：將需要診斷的變壓器油色譜數據輸入第一級分類器，則從第二級分類器的輸出端輸出該變壓器油色譜數據表征的變壓器狀態。該變壓器故障診斷方法相對于傳統方法取得更準確且平衡的效果。

技術領域

本發明涉及電力系統中的故障診斷方法及系統，尤其涉及一種變壓器故障診斷方法及系統。

背景技術

電力變壓器在電力系統中承擔著重要作用，其是否正常運行與電網能否可靠供電密切相關。雖然近年我國電氣設備研發制造技術已經躋身國際前列，但絕緣自然老化、環境條件惡劣、運行負荷過高等多種不良因素仍多次誘發電力變壓器故障，造成社會經濟損失，嚴重的還將導致大范圍斷電、電網瓦解等嚴重事故。

變壓器油中溶解氣體分析(dissolved gas anal-ysis，簡稱DGA)方法，通過絕緣油中氫氣、甲烷、乙烯、乙炔和乙烯等特征氣體在不同運行狀態下組分含量和產氣速率的差異分析，為變壓器運行狀態評估提供了重要依據，并具有支持帶電在線檢測的優點，在我國變壓器狀態監測和故障診斷領域得到了廣泛應用。

根據實際經驗和理論分析，研究學者在初期建立了三比值法、Rogers比值法和大衛三角形法等流程簡單的基礎方法體系，但受到編碼缺失、閾值絕對、現場勘察等限制，現已逐漸成為變壓器故障診斷的輔助手段。

隨著機器學習理論發展，基于人工智能故障診斷方法以其對變壓器運行狀態類型分類較高的準確率，成為了學界熱門的研究方向。然而由于變壓器實際運行中故障發生的頻率較低，且采集到的故障類型間樣本數量差距較大，最終采集到的油色譜數據故障案例庫為規模較小的不平衡數據集。在數據不平衡的情況下，支持向量機、決策樹、貝葉斯網絡、深度信念網絡等大部分較為基礎的模型容易在最大化全體準確率的目標過程中，偏向多數類樣本的參數更新而忽略少數類樣本的正確分類。

目前，欠采樣、過采樣方法，和集成學習方法，分別在數據采樣層面和算法優化層面，被廣泛用于緩解不平衡數據集的訓練問題。在油氣數據故障案例庫本身總樣本數不夠豐富的情況下，欠采樣算法減少多數類樣本的方式將喪失部分的潛在有用信息，因此不可以單獨在變壓器故障診斷問題中使用。

基于此，期望獲得一種新的變壓器故障診斷方法，其可以減小故障案例庫數據不平衡的不良影響，全面提升各故障類型的泛化能力。該變壓器故障診斷方法可以在提升全體樣本準確率的情況下，可以同時也保證少數類樣本的識別率與多數類樣本的識別率水平相近，相對于傳統方法可以取得更準確且平衡的效果。

發明內容

本發明的目的之一是提供一種考慮不平衡數據樣本的變壓器故障診斷方法，該變壓器故障診斷方法可以減小故障案例庫數據不平衡的不良影響，全面提升各故障類型的泛化能力。該變壓器故障診斷方法從層次分類和集成學習兩個方面對變壓器的故障診斷模型進行構建，通過利用多級類別間互相約束的關系和在訓練時平衡類別間信息，在提升全體樣本準確率的情況下，同時保證少數類樣本的識別率與多數類樣本的識別率水平相近，因而相對于傳統方法取得了更準確且平衡的效果。

根據上述發明目的，本發明提出一種考慮不平衡數據樣本的變壓器故障診斷方法，包括步驟：

100：采集變壓器的油色譜樣本數據，并對其進行預處理得到經過預處理的油色譜樣本數據；

200：構建并訓練第一級分類器，其中采用經過預處理的油色譜樣本數據對神經網絡構建的第一級分類器進行訓練；

基于第一級分類器輸出的狀態特征與油色譜樣本數據得到特征融合向量；