[發明專利]一種基于混合采樣和集成學習的變壓器狀態識別方法

有效

• 申請號: 202010117648.2
• 申請日: 2020-02-25
• 公開（公告）號: CN111275204B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 黃新波;蔣衛濤;朱永燦;曹雯;田毅
• 申請（專利權）人: 西安工程大學
• 主分類號: G06N20/10
• 分類號: G06N20/10;G06N20/20;G06F18/214;G06F18/2411
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 張皎

本發明公開了一種基于混合采樣和集成學習的變壓器狀態識別方法，具體為：步驟1：將收集到的變壓器油中溶解氣體數據分為兩個數據集；步驟2：對步驟1得到的訓練集進行SMOTE過采樣，將進行SMOTE過采樣后的數據集記為新故障訓練數據集；步驟3：將得到的新正常訓練數據集與步驟2得到的新故障訓練數據集組合產生新的均衡數據集；步驟4：以最小二乘支持向量機為基分類器，利用步驟3生成的q組均衡子數據集訓練q個基分類器；步驟5：將步驟4訓練得到的q個基分類器進行集成得到強分類器對變壓器進行狀態識別；通過組合得到的強分類器即為變壓器狀態識別最優模型，對模型進行測試。該方法能夠對變壓器狀態進行準確的識別。

技術領域

本發明屬于變壓器在線監測與故障診斷領域，具體涉及一種基于混合采樣和集成學習的變壓器狀態識別方法。

背景技術

變壓器作為電網的關鍵性設備，其安全穩定運行是保證電力正常供應和電力系統安全的基礎，一旦變壓器發生狀態對周圍的經濟和生活將產生巨大的影響。因此，變壓器的狀態識別問題已經成為了國內外學者研究的熱點問題。

隨著人工智能技術的飛速發展，傳統的以DGA為基礎的例如三比值法、大衛三角形、羅杰斯比值法等方法已經不能滿足目前人們對變壓器狀態識別精度要求了。因此出現了一系列的智能識別方法，如：支持向量機、神經網絡、模糊聚類等等。但是這些智能識別方法都有一個共同的特點就是需要大量的訓練數據來訓練網絡，通過訓練好的網絡來對狀態進行識別，因此，智能方法網絡訓練的效果決定著該方法的最終對變壓器的識別準確率。變壓器作為重要的設備，其狀態的發生概率很低，在變壓器的運行過程中狀態的數據很少，也會存在大量的正常數據，如果將這種正常數據與狀態數據不均衡的數據集作為訓練網絡的訓練數據集，那么在訓練的過程中，就會導致分類模型的偏差，會對識別模型的識別準確率產生很大的影響。

因此，本發明提出了一種基于混合采樣和集成學習的變壓器狀態識別方法，該方法能夠很好地處理變壓器訓練數據不均衡的情況，最大限度的提高變壓器狀態識別準確率。

發明內容

本發明的目的是提供一種基于混合采樣和集成學習的變壓器狀態識別方法，該方法能夠解決數據不平衡的問題，提高變壓器狀態識別準確率。

本發明所采用的技術方案是，一種基于混合采樣和集成學習的變壓器狀態識別方法，具體按照以下步驟實施：

步驟1：將收集到的變壓器油中溶解氣體數據分為兩個數據集，正常數據集S₁和故障數據集S₂，S₂數據集中包括：低溫過熱數據集S₂₁、中溫過熱數據集S₂₂、高溫過熱數據集S₂₃、高能放電數據集S₂₄、低能放電數據集S₂₅；

分別將收集得到的6個數據集S₁、S₂₁、S₂₂、S₂₃、S₂₄、S₂₅中的數據個數按5:1的比例分為訓練集S₁¹、S₂₁¹、S₂₂¹、S₂₃¹、S₂₄¹、S₂₅¹和測試集S₁²、S₂₁²、S₂₂²、S₂₃²、S₂₄²、S₂₅²；