基于遺傳規劃和邏輯語言回歸的油浸式變壓器故障診斷方法技術

本發明專利技術公開了一種基于遺傳規劃和邏輯語言回歸的油浸式變壓器故障診斷方法，包括：(1)選取故障變壓器的帶電檢測數據作為故障變壓器數據集C

【技術實現步驟摘要】
基于遺傳規劃和邏輯語言回歸的油浸式變壓器故障診斷方法
本專利技術涉及油浸式變壓器故障診斷領域，具體涉及一種基于遺傳規劃和邏輯運算的油浸式變壓器故障診斷方法。
技術介紹
油浸式變壓器內的絕緣油是由許多不同分子量的碳氫化合物分子組成的混合物，電或熱故障可以使某些C-H鍵和C-C鍵斷裂，伴隨生成少量活潑的氫原子和不穩定的碳氫化合物的自由基，這些氫原子或自由基通過復雜的化學反應迅速重新化合，形成H2和低分子烴類氣體，比如CH4、C2H6、C2H4和C2H2等，也可能生成碳的固體顆粒級碳氫聚合物。油的氧化還會生成少量的CO和CO2，長時間的累積可達到顯著數量。因此，油浸式變壓器油內溶解特征氣體的含量與油浸式變壓器的故障息息相關。利用油浸式變壓器絕緣油內溶解特征氣體的濃度及各特征氣體比例等信息，可以對油浸式變壓器目前的運行狀態是否處于故障狀態進行診斷。目前在油浸式變壓器領域并沒有專門的方法來衡量油浸式變壓器是否處于故障狀態，判斷是否處于故障狀態通常與故障類型結合起來。比如我國的變壓器判斷是否處于故障狀態主要依靠國家能源局2014年發布的《中華人民共和國電力行業標準--變壓器油中溶解氣體分析與判斷導則》(DL/T722-2014)中所提及的特征氣體含量三比值法。特征氣體三比值法是在特征氣體濃度超過注意值時，通過計算C2H2/C2H4、CH4/H2和C2H4/C2H6三組特征氣體濃度比值，得到對應的編碼，進而通過編碼類型來判斷變壓器故障。三比值法將故障類型分為低溫過熱(低于150℃)、低溫過熱(150℃-300℃)、中溫過熱(300℃-700℃)、高溫過熱(高于700℃)、局部放電、低能放電、低能放電兼過熱、電弧放電和電弧放電兼過熱九種。國際上存在一些類似與特征氣體三比值的方法，也是利用若干特征氣體的比值或相對濃度來對故障進行編碼，從而判斷故障類型。比如Duval法、Rogers法和Doernenburg法。Duval法是用CH4，C2H4和C2H2的相對濃度為三個坐標，構建了一個三角行區域，某種氣體的相對濃度只的是該種氣體濃度占三種氣體濃度之和的比值。根據CH4，C2H4和C2H2三種氣體相對濃度的值，將三角形區域劃分為了7塊，從而將故障類型分為了7類。分別為低溫過熱、中溫過熱、高溫過熱、低能電弧放電、高能電弧放電、局部放電和放電兼過熱。Rogers法類似與特征氣體三比值法，區別是使用了不同與特征氣體三比值法的比值且沒有使用條件的限制。Rogers法使用了C2H2/C2H4、CH4/H2和C2H4/C2H6三種比值，根據三種比值取值的不同，將油浸式變壓器狀態分為了正常、局部放電、電弧放電、低溫過熱、中溫過熱和高溫過熱六類。Doernenburg法也類似與特征氣體三比值法，并對方法的使用設定了一系列的限制條件，包括H2、CH4、CO、C2H2、C2H4和C2H6等特征氣體的濃度。與特征氣體三比值法不同的是，Doernenburg法使用了四種比值，分別為CH4/H2、C2H2/C2H4、C2H2/CH4和C2H6/C2H2，并將油浸式變壓器的故障類型分為了過熱故障、局部放電和電弧放電三種。目前來看，將上述故障類型診斷方法作為故障判斷方法仍存在一些問題，主要是由于上述故障類型診斷方法對所有故障類型使用了相對固定的特征氣體指標，而且特征氣體指標利用量少，只有三四個指標，對于剩余大量的可用特征氣體指標并未予以考慮。因而故障診斷的正確率較低，一般只有80％左右。因此在油浸式變壓器領域，迫切的需要一種更精確的專門用來判斷變壓器是否處于故障狀態的故障診斷方法。
技術實現思路
基于上述，本專利技術提出了一種基于遺傳規劃和邏輯語言回歸的油浸式變壓器故障診斷方法，該方法是通過算法找到故障變壓器與正常變壓器各指標間區分度最大的分隔點，將特征氣體濃度或比值變量轉化為0，1變量。然后通過基于遺傳規劃的邏輯語言回歸得到診斷變壓器是否故障的回歸方程。該故障診斷方法客觀公正，簡單易行。一種基于遺傳規劃和邏輯語言回歸的油浸式變壓器故障診斷方法，具體包括以下步驟：(1)選取故障變壓器的帶電檢測數據作為數據集C1，選取正常變壓器的帶電檢測數據作為數據集C2；(2)選取若干預設與變壓器是否故障相關的特征氣體指標Xi，i表示特性氣體指標的類型；(3)利用選取的分隔閾值，將特征氣體指標Xi在數據集C1和數據集C2中的數據轉化為0或1，得到轉化數據集C′1和轉化數據集C′2；(4)利用遺傳規劃，使用邏輯語言對轉化數據集C′1和轉化數據集C′2進行回歸處理，得到變壓器故障診斷的回歸方程，從而確定與變壓器故障相關的特征氣體指標Xi。所述步驟(3)的具體步驟為：(3-1)對于特征氣體指標Xi，選取該特征氣體指標Xi在數據集C1與C2中的最大數據值和最小數據值(3-2)將特征氣體指標Xi在數據集C1與C2中的數據平均分為n份，每份間隔為(3-3)以為分隔閾值時，求取特征氣體指標Xi于數據集C1中的數據在區間內概率密度函數和ai,j，特征氣體指標Xi于數據集C2中的數據在區間內概率密度函數和bi,j，以MAX(|ai,j-bi.j|,j＝0,1,2,…,n)時的作為分隔閾值，此時，分隔閾值記為(3-4)根據分隔閾值所對應的與的差c的正負判斷特征氣體指標Xi在故障變壓器下在分隔閾值上的趨勢，若為正值，表示數據集C1趨向于小于分隔閾值，將檢驗故障數據集C1和C2在區間內的數據轉化為1，在區間內的數據轉化為0；若為負值，表示數據集C1趨向于大于分隔閾值，將檢驗故障數據集C1和C2在區間內的數據轉化為0，在區間內的數據轉化為1；其中，1表示變壓器趨于故障狀態，0表示變壓器趨于正常狀態；(3-5)利用步驟(3-1)～步驟(3-2)，對所有預設特征氣體指標在數據集C1與C2中的數據進行轉化，得到轉化數據集C′1和轉化數據集C′2。所述步驟(4)的具體步驟為：(4-1)以轉化數據集C′1和轉化數據集C′2中相鄰的10條數據為一個時間單位，選取每個時間單位內前9條數據組成訓練樣本數據集，剩下1條數據組成檢驗樣本數據集；所述每條數據為任意變壓器在任意時刻的帶電檢測數據；每條數據對應的變壓器故障與否的真值組成真值集，真值用0或1表示，1表示該條數據對應的變壓器處于故障狀態，0表示該條數據對應的變壓器處于正常狀態；其中，與訓練樣本數據集相對應的為訓練樣本真值集，與檢驗樣本數據集相對應的為檢驗樣本真值集；(4-2)將訓練樣本數據集、訓練樣本真值集作為遺傳規劃gplab4.02matlab工具包的輸入，使用邏輯語言and和or，利用遺傳規劃對訓練樣本數據集進行回歸，得到變壓器故障診斷的回歸方程，確定與變壓器故障相關的特征氣體指標Xi；(4-3)利用檢驗樣本數據集、檢驗樣本真值集對變壓器故障診斷的回歸方程進行檢驗，確定衡量故障診斷精度的指標k1,k2,k3,k4：其中：k1＝真實狀態為故障且診斷為故障變壓器數/真實狀態為故障變壓器數；k2＝真實狀態為故障且診斷為正常變壓器數/真實狀態為故障變壓器數；k3＝真實狀態為正常且診斷為正常變壓器數/真實狀態為正常變壓器數；k4＝真實狀態為正常且診斷為故障變壓器數/真實狀態為正常變壓器數；k1,k3越高，表示回歸方程確定的與變壓器故障相關的特征氣體指標越精確本文檔來自技高網...

【技術保護點】
一種基于遺傳規劃和邏輯語言回歸的油浸式變壓器故障診斷方法，具體包括以下步驟：(1)選取故障變壓器的帶電檢測數據作為數據集C

【技術特征摘要】
1.一種基于遺傳規劃和邏輯語言回歸的油浸式變壓器故障診斷方法，具體包括以下步驟：(1)選取故障變壓器的帶電檢測數據作為數據集C1，選取正常變壓器的帶電檢測數據作為數據集C2；(2)選取若干預設與變壓器是否故障相關的特征氣體指標Xi，i表示特性氣體指標的類型；(3)利用選取的分隔閾值，將特征氣體指標Xi在數據集C1和數據集C2中的數據轉化為0或1，得到轉化數據集C′1和轉化數據集C′2；(4)利用遺傳規劃，使用邏輯語言對轉化數據集C′1和轉化數據集C′2進行回歸處理，得到變壓器故障診斷的回歸方程，從而確定與變壓器故障相關的特征氣體指標Xi。2.如權利要求1所述的基于遺傳規劃和邏輯語言回歸的油浸式變壓器故障診斷方法，其特征在于，所述步驟(3)的具體步驟為：(3-1)對于特征氣體指標Xi，選取該特征氣體指標Xi在數據集C1與C2中的最大數據值和最小數據值(3-2)將特征氣體指標Xi在數據集C1與C2中的數據平均分為n份，每份間隔為(3-3)以為分隔閾值時，求取特征氣體指標Xi于故障檢測數據集C1中的數據在區間內概率密度函數和ai,j，特征氣體指標Xi于故障檢測數據集C2中的數據在區間內概率密度函數和bi,j，以MAX(|ai,j-bi.j|,j＝0,1,2,…,n)時的作為分隔閾值，此時，分隔閾值記為(3-4)根據分隔閾值所對應的與的差c的正負判斷特征氣體指標Xi在故障變壓器下在分隔閾值上的趨勢，若為正值，表示變壓器故障時氣體指標Xi的取值趨向于小于分隔閾值，將數據集C1和C2在區間內的數據轉化為1，在區間內的數據轉化為0；若為負值，表示變壓器故障時氣體指標Xi的取值趨向于大于分隔閾值，將數據集C1和C2在區間內的數據轉化為0，在區間內的數據轉化為1；其中，1表示變壓器趨于故障狀態，0表示變壓器趨于正常狀態；(3-5)利用步驟(3-1)～步驟(3-2)，對所有預設特征氣體指標在數據集C1與C2中的數據進行轉化，得到轉化數據集C′1和轉化數據集C′2。3.如權利要求2所述的基...

【專利技術屬性】
技術研發人員：華中生，周健，范逸文，
申請(專利權)人：浙江大學，
類型：發明
國別省市：浙江,33