[發明專利]一種基于XGBoost算法的變壓器油中溶解氣體分析方法

在審

• 申請號: 202010157314.8
• 申請日: 2020-03-09
• 公開（公告）號: CN111175458A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 陸敏安;傅銘;沈曉峰;徐友剛;方祺;許鐵峰;顧華;沈偉;陳敬德;肖遠兵;任堂正;曹基南;劉勇業;顧冬霞;顧一帆;任晟;劉丹鳳
• 申請（專利權）人: 國網上海市電力公司
• 主分類號: G01N33/00
• 分類號: G01N33/00;G01N33/28
• 代理公司: 上海兆豐知識產權代理事務所(有限合伙) 31241
• 代理人: 章蔚強

本發明公開了一種基于XGBoost算法的變壓器油中溶解氣體分析方法，基于設備正常運行和故障時所對應的變壓器油六種氣體濃度數據，建立機器學習模型，然后再將實時檢測到的變壓器油六種氣體濃度數據輸入模型，模型可以準確的識別測試集數據特征，判斷故障類別，以及給出潛在故障概率圖。

技術領域

本發明涉及電力變壓器領域，具體涉及一種基于XGBoost算法的變壓器油中溶解氣體分析方法。

背景技術

電力變壓器在電力系統中扮演著電壓、電流轉換的重要角色，它的穩定運行是整個系統的安全保證。提高變壓器的故障診斷正確率，快速、準確的評估其運行狀況，對電力系統安全運行有著關鍵而長遠的意義。

目前較為成熟并被廣泛認可的故障診斷方法是油中溶解氣體分析(dissolvedgas analysis，DGA)。在油中氣體在線監測裝置逐步部署的背景下，如何利用幾種氣體數據準確地診斷變壓器故障，以及判斷潛伏性故障的可能性，是目前電力運檢工作的重點。考慮氣體種類及特征，氣體法需要豐富的機理經驗，國際電工委員會提出的三比值法在國際上的認可度較高，但也會隨著時間不斷迭代更新。我國電力研究人員改良了三比值法，提出了故障編碼法和無編碼比值法。然而這些方法在本質上屬于閾值分析和線性分類，無法對靠近閾值邊界的故障數據進行有效分析，并且當氣體濃度整體較低時，對故障特征的判斷誤差較大。聚類和支持向量機等方法可以改善閾值分類過于絕對的缺陷，但是由于算法難以實現多層特征提取，故其所提高的分類正確率有限。

近年來，專家系統、模糊理論、神經網絡等人工智能技術均被已應用于變壓器故障診斷雖然分析方法的革新使故障診斷的精確度得以提升，但上述算法自身的缺陷也阻礙了其在實際應用中的推廣。例如，應用專家系統所需要的機理知識儲備難以準確獲取，故障推理的邏輯性也不夠嚴謹；模糊理論的應用具有“內涵明確，外延不確定”的特點，對變壓器內部機理理解和故障原因分析的要求較高；BP神經網絡收斂速度慢，容易出現過擬合現象，數據量較少時預測誤差較大，推廣性較差。

發明內容

本發明的目的是為了克服現有技術的不足，提供一種一種基于XGBoost算法的變壓器油中溶解氣體分析方法，能夠提高對于變壓器故障識別準確率，優化智能運檢效率。

實現上述目的的一種技術方案是：一種基于XGBoost算法的變壓器油中溶解氣體分析方法，其特征在于包括如下步驟：

步驟1，通過油中氣體在線監測裝置收集過往的電力變壓器正常運行和發生故障時所對應的變壓器油中溶解氣體的濃度數據；

步驟2，應用XGBoost算法訓練故障識別模型；

步驟3，通過油中氣體在線監測裝置手收集實時變壓器油中溶解氣體的濃度數據；

步驟4，對實時變壓器油中溶解氣體的濃度數據進行數據清洗，清除異常數據；

步驟5，將實時變壓器油中溶解氣體的濃度數據輸入故障識別模型，分析設備狀態和潛在故障概率。

進一步的，所述故障的類別包括低溫過熱(300℃以下)、中溫過熱(300-700℃)、高溫過熱(700℃以上)、低能量放電、高能量放電和局部放電。

進一步的，所述變壓器油中溶解氣體的種類包括氫氣，甲烷，乙炔，乙烯，乙烷和一氧化碳。

本發明的一種基于XGBoost算法的變壓器油中溶解氣體分析方法，基于設備正常運行和故障時所對應的六種氣體濃度數據，建立機器學習模型，模型可以準確的識別測試集數據特征，判斷故障類別，以及給出潛在故障概率圖。

附圖說明

圖1為本發明的一種基于XGBoost算法的變壓器油中溶解氣體分析方法的XGBoost算法示意圖；