[發明專利]一種基于NBC模型的變壓器故障診斷方法

在審

• 申請號: 202010691137.1
• 申請日: 2020-07-17
• 公開（公告）號: CN111709495A
• 公開（公告）日: 2020-09-25
• 發明（設計）人: 許瑾;劉炫均;馮冠欽
• 申請（專利權）人: 西南石油大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 李林合

本發明公開了一種基于NBC模型的變壓器故障診斷方法，包括：S1、采集歷史變壓器故障數據，對變壓器絕緣油裂解產生的特征氣體進行編碼；S2、構建NBC模型；S3、將待測試變壓器故障數據對應的編碼數據輸入到NBC模型中，輸出變壓器各故障類型的預測概率；S4、根據待測試變壓器各故障類型的預測概率，確定最終的故障類型。本發明將NBC模型和改良三比值法結合起來進行變壓器的故障診斷，既保證了樸素貝葉斯模型在診斷結構、學習能力、分類效率等優勢，也能保證故障診斷方法在實際工程中的適應性；能夠有效地避免絕對化診斷方式和外部客觀因素的影響，提高變壓器故障診斷效率準確率的同時能有效防止漏判的情況出現。

技術領域

本發明屬于變壓器故障診斷技術領域，具體涉及一種基于NBC模型的變壓器故障診斷方法。

背景技術

隨著電力系統不斷的發展擴大，作為電力系統核心設備的電力變壓器也隨之朝著大容量、高電壓、高負荷的方向發展，其結構也越發復雜，故障逐漸增加。變壓器作為電力系統中的核心設備，一旦發生故障，不僅會對電網正常供電造成嚴重影響，甚至會導致災難性的后果。對電力變壓器故障展開研究是電力系統安全可靠運行的前提，經過多年的發展，按照診斷方式可將變壓器故障診斷方法分為傳統診斷方法和智能診斷方法兩大類。

傳統診斷方法主要是以改良三比值法、杜威三角法等以油中溶解氣體分析(Dissolved Gas Analysis,DGA)技術為基礎的離線診斷方法為主，雖然此類診斷方法因其簡單的診斷原理得到了大范圍的應用，但診斷結果受到自身過于絕對化的診斷模式和多種客觀因素的影響，導致其對某些故障的診斷分類存在較大的問題。隨著計算機技術的發展，專家系統(Expert System,ES)、人工神經網絡(Artific-aial Neural Network,ANN)、貝葉斯網絡(Bayesian Network,BN)等智能診斷方法也是應運而生，這些智能診斷方法在得到廣泛應用的同時，也暴露出了其自身存在的不足之處。例如，專家系統存在知識庫建立復雜困難、診斷時間長、學習能力差等缺陷，在診斷時效性和準確性上都很難有保證。單純的人工神經網絡對診斷信息完整度要求高，大數據處理速度慢，易陷入局部最優，不能適應變壓器故障診斷，現有的一些基于神經網絡改進的電力變壓器故障診斷方法雖然取得了較好的診斷效果，但門檻高，難以大面積使用。貝葉斯網絡在使用過程中屬性條件過多，節點關系復雜，不利于實際運用。鑒于此，樸素貝葉斯網絡分類器(Naive Bayesian Classifier,NBC)被引入到變壓器故障診斷中，該分類器結構簡單、時效性好、學習能力強、數據要求低，熊衛紅等人將樸素貝葉斯網絡(Naive Bayesian Network,NBN)用于變壓器潛在故障的預測診斷中，取得了較為理想的診斷效果，診斷準確率達到了90％以上，但是該模型涉及的節點屬性復雜，在實際工程中難以實現。

發明內容

針對現有技術中的上述不足，本發明提供的基于NBC模型的變壓器故障診斷方法避免了絕對化診斷方式和外部客觀因素的影響，提高了變壓器故障診斷準確率的同時有效的防止漏判情況的出現。

為了達到上述發明目的，本發明采用的技術方案為：一種基于NBC模型的變壓器故障診斷方法，包括以下步驟：

S1、采集歷史變壓器故障數據，對變壓器絕緣油裂解產生的特征氣體進行編碼；

S2、通過構建的NBC模型對特征氣體的編碼數據進行學習，得到用于故障診斷的NBC模型；

S3、將待測試變壓器故障數據對應的編碼數據輸入到用于故障診斷的NBC模型中，輸出變壓器各故障類型的預測概率；

S4、根據待測試變壓器各故障類型的預測概率，確定最終的故障類型，實現變壓器故障診斷。