[發明專利]一種基于改進模糊聚類算法的風電變壓器故障診斷方法

在審

• 申請號: 202011593035.2
• 申請日: 2020-12-29
• 公開（公告）號: CN112883539A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 趙建光;范建倫;康立欣;王興根
• 申請（專利權）人: 環宇集團（南京）有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06K9/62;G06K9/46;G01N33/28;G06F17/15
• 代理公司: 無錫蘇元專利代理事務所(普通合伙) 32471
• 代理人: 吳忠義

本發明公開了一種基于改進模糊聚類算法的風電變壓器故障診斷方法，包括如下步驟：1)收集故障樣本，2)數據集合歸一化處理并用作診斷模型的輸入，3)構造診斷模型，確定故障樣本的A_ij、B_i、I_i及v_j，構造拉格朗日函數求解目標函數的最小值，依據得出的迭代公式動態更新特征權重p_n，4)將實驗結果進行故障分類，5)從實驗結果中找出I_i值最大的數據點，這樣的數據點就是中智點，對預測故障的發展趨勢有很大的幫助，改進后的方法相比傳統的故障診斷方法精確性更高，不僅大幅提升了風電變壓器故障診斷的可靠性和故障診斷的速度，還能預測故障的發展趨勢，對及時發現故障有很大的指導作用。

技術領域

本發明涉及一種基于改進模糊聚類算法的風電變壓器故障診斷方法，屬于變壓器故障診斷技術領域。

背景技術

如今，風力發電已成為新能源發電的重要組成部分，風力發電技術規模日趨擴大，技術也愈加成熟。但是風力是不穩定的，當氣候變化，風力不穩定時，風電系統輸出的電壓也會不穩定，間接導致了風電變壓器出現各種故障，這些故障不僅影響系統的正常運行，甚至可能造成重大事故。因此，在建設風電站時不僅需要選用優良性能的變壓器，還需要研究一種快速診斷故障類型的方法，在故障初期精準地發現變壓器典型的故障并對典型故障進行分析，保障風電變壓器安全可靠的運行。

申請號為201610676845.1的中國專利公開了一種風力發電系統中變流器的一級故障診斷方法，其步驟為：(1)建立一級故障分類原則；(2)測量變流器正常運行和故障運行下的直流側輸出電壓信號，對所得的輸出信號進行小波包分析，重構小波包分解系數，提取并計算各頻帶信號的能量，確定原信號的能量主要集中在哪個頻段；(3)對該頻段的信號進行小波功率譜分析，確定故障特征頻率；(4)分析并對比變流器正常運行和各種故障運行狀態下的特征頻率和功率譜，得到變流器一級故障診斷結果。

但是，傳統的故障分類方法總是在不確定故障類別的情況下，就把故障樣本按照經驗歸為某一類，這樣是不合理的，對故障的分類也是不準確的。隨著技術的發展，應采用更科學的方法來進行故障分類，提升故障診斷的精度。因此，本發明提出了基于改進模糊聚類算法的風電變壓器故障診斷方法。

發明內容

本發明提供一種基于改進模糊聚類算法的風電變壓器故障診斷方法，用來在風電變壓器故障初期精準地診斷故障類型，并對典型故障進行分析，保障風力發電場安全可靠的運行。

為了解決上述技術問題，本發明提供了如下的技術方案：

本發明公開了一種基于改進模糊聚類算法的風電變壓器故障診斷方法，包括如下步驟：

1)收集故障樣本。收集變壓器油中溶解氣體的數據，以其作為初始數據集合。

2)數據預處理。對樣本數據集合采取歸一化處理方式，并將歸一化后的數據集用作診斷模型的輸入。采用如下歸一化方法，可以使樣本數據的數量級差異減少：

式中代表經歸一化處理后的數據，滿足i表示樣本數據個數編號；j表示特征維度序號，用1～5依次表示上述五種氣體。

3)構造診斷模型，確定故障樣本的A_ij、B_i、I_i及v_j和p_n。分為如下步驟：

31)設置相關參數，包括聚類中心個數C，模糊度m，用于控制噪聲的數量的正則化參數ξ，隸屬度特征常數ε₁,ε₂,ε₃。