[發明專利]一種結合PNN和SVM的油浸式變壓器的故障診斷方法

有效

• 申請號: 202011078963.5
• 申請日: 2020-10-10
• 公開（公告）號: CN112257335B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 謝樂;蔣啟龍;劉俐廷;李松枟;鄒昀廷;任曉旋;劉東
• 申請（專利權）人: 西南交通大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F18/2411;G06N3/0464;G06N3/08;G06N20/10;G06Q10/20
• 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: 李夢蝶

本發明公開了一種結合PNN和SVM的油浸式變壓器的故障診斷方法，包括S1、采集故障變壓器5種DGA特征氣體數據；S2、對采集的5種DGA特征氣體數據進行預處理；S3、將5種DGA特征氣體數據作為輸入特征向量代入訓練好的PNN模型中進行初步故障診斷，并輸出診斷結果；S4、將診斷結果中能夠100％正確診斷的故障類型標記為易區分故障類型，并結束故障診斷；將剩余的故障類型標記為易混淆故障類型，并進入步驟S5；S5、建立SVM故障診斷模型，并采用訓練樣本數據對SVM故障診斷模型進行訓練，并根據訓練的結果對SVM故障診斷模型的參數進行優化求解；S6、將易混淆故障類型對應的樣本數據作為輸入帶入訓練好的SVM故障診斷模型中，輸出故障類型。

技術領域

本發明屬于變壓器故障診斷的技術領域，具體涉及一種結合PNN和SVM的油浸式變壓器的故障診斷方法。

背景技術

電力變壓器是電力系統中的重要設備之一，其安全運行保障了電力系統的安全穩定。油浸式變壓器又是被廣泛采用的變壓器類型，因此，對油浸式電力變壓器的故障能夠準確診斷，從而才能針對故障類型進行精準地維修，進而保障電力系統穩定性和減小對社會的損害。

傳統油浸式電力變壓器診斷方法主要是IEC三比值法。該方法通過計算三組DGA氣體比值，然后根據比值進行編碼，通過查表法來找到對應的編碼故障。這種方法由于編碼不全等原因，存在無法識別某些故障和誤判率過高的缺陷。目前隨著人工智能的進步，單一神經網絡(NN)和支持向量機(SVM)逐漸被用來診斷油浸式變壓器故障。由于單一神經網絡容易陷入局部最優和單一支持向量機結構復雜的原因，此類方法存在著診斷精度不高和診斷效率低下的缺陷。

發明內容

本發明的目的在于針對現有技術中的上述不足，提供一種結合PNN和SVM的油浸式變壓器的故障診斷方法，以解決現有方法存在著診斷準確率不高和診斷效率低下的問題。

為達到上述目的，本發明采取的技術方案是：

一種結合PNN和SVM的油浸式變壓器的故障診斷方法，其包括：

S1、采集故障變壓器5種DGA特征氣體數據；

S2、對采集的5種DGA特征氣體數據進行歸一化處理，并將歸一化后的數據隨機劃分為測試樣本數據和訓練樣本數據；

S3、將歸一化處理后的5種DGA特征氣體數據作為輸入特征向量代入訓練好的PNN模型中進行初步故障診斷，并輸出診斷結果；

S4、將診斷結果中能夠100％正確診斷的故障類型標記為易區分故障類型，并結束故障診斷；將剩余未能100％正確診斷的故障類型標記為易混淆故障類型，并進入步驟S5；

S5、建立SVM故障診斷模型，并采用訓練樣本數據對SVM故障診斷模型進行訓練，并根據訓練的結果對SVM故障診斷模型的參數進行優化求解；

S6、將易混淆故障類型對應的樣本數據作為輸入帶入訓練好的SVM故障診斷模型中，輸出故障類型。

優選地，S1中5種DGA特征氣體數據，包括：

低溫過熱T1、中溫過熱T2、高溫過熱T3、低能放電D1、高能放電D2和局部放電PD六種典型故障類型；且每種故障類型數據不少于30組，共200組故障數據。

優選地，S2中將歸一化后的5種DGA特征氣體數據投影到[0，1]區間內。

優選地，S3中的PNN模型結構包括4層：輸入層、模式層、求和層和決策層。

優選地，輸入層將接收到的值傳遞給模式層的神經元，輸入層的神經元數量與輸入值的維度相同，模式層的神經元計算輸入值與每個模式之間的對應關系，每個模式層單元的輸出Φ_ij(x)為：