一種采用參數(shù)尋優(yōu)支持向量機基于光聲光譜法的變壓器故障診斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于變壓器故障診斷領(lǐng)域，尤其涉及一種采用參數(shù)尋優(yōu)支持向量機基于光 聲光譜法的變壓器故障診斷方法。
【背景技術(shù)】
[0002] 電力變壓器的可靠運行是保障電力系統(tǒng)安全的關(guān)鍵，中華人民共和國電力行業(yè)標 準《變壓器油中溶解氣體分析和判斷導(dǎo)則DL/T 722-2000》推薦的改良三比值法是目前國內(nèi) 外分析變壓器潛伏性故障的最有效措施之一，它是通過測量變壓器油中特征氣體含量并根 據(jù)特征氣體比值C2H2/C2H4、CH4/H2、C2H4/C2H6確定變壓器故障類型。特征氣體檢測主要 使用氣相色譜法，但其存在操作繁瑣、要消耗待測氣體和載氣、檢測周期長等缺點。而光聲 光譜法是基于光聲效應(yīng)來檢測吸收物體積分數(shù)的一種光譜技術(shù)，陳偉根，云玉新，潘猻，孫 才新在文獻《電力系統(tǒng)自動化》中有如下說明：電脈沖紅外光源MIRL17-900構(gòu)成的光聲光 譜實驗裝置經(jīng)實驗驗證與氣相色譜儀對故障氣體各組分體積分數(shù)的測量結(jié)果差別不大；云 玉新，趙笑笑，陳偉根，李立生，趙富強在文獻《高電壓技術(shù)》中有如下說明：采用激光共振光 聲光譜技術(shù)檢測乙炔氣體達到了 10-6量級的檢測靈敏度；陳偉根，周恒逸，黃會賢，唐炬在 文獻《儀器儀表學(xué)報》中有如下說明：基于半導(dǎo)體激光器的乙炔氣體光聲光譜檢測偏差低于 4. 2%。大量研宄表明利用光聲光譜法替代氣相色譜法檢測變壓器油中溶解氣體是可行的， 檢測結(jié)果滿足變壓器故障診斷的精度要求。且光聲光譜法具有操作簡單、非接觸性測量、不 消耗氣體、檢測周期短、穩(wěn)定性和靈敏度高等優(yōu)點。
[0003] 在變壓器特征氣體的光譜分析中較多采用人工神經(jīng)網(wǎng)絡(luò)，常見的有BP神經(jīng)網(wǎng)絡(luò)、 概率神經(jīng)網(wǎng)絡(luò)等，BP神經(jīng)網(wǎng)絡(luò)往往收斂性差，容易陷入局部最優(yōu)，即使利用智能算法優(yōu)化 權(quán)值和閾值也不能完全改善這一問題；而概率神經(jīng)網(wǎng)絡(luò)模式層神經(jīng)元個數(shù)等于訓(xùn)練樣本個 數(shù)，勢必容易造成網(wǎng)絡(luò)規(guī)模巨大，計算量龐大等問題。
[0004] 支持向量機（SVM)的主要思想是建立一個分類超平面作為決策面，使得正例和反 例之間的隔離邊緣被最大化，它是結(jié)構(gòu)風險最小化的近似實現(xiàn)，在模式分類問題中其泛化 能力更強、全局尋優(yōu)能力更佳，更符合改良三比值法進行變壓器故障診斷的復(fù)雜情況。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明實施例的目的在于提供一種采用參數(shù)尋優(yōu)支持向量機基于光聲光譜法的 變壓器故障診斷方法，旨在解決變壓器氣相色譜分析法進行故障診斷中存在的操作繁瑣、 要消耗待測氣體和載氣、檢測周期長等問題。
[0006] 本發(fā)明是這樣實現(xiàn)的，一種采用參數(shù)尋優(yōu)支持向量機基于光聲光譜法的變壓器故 障診斷方法包括：
[0007] 步驟一、取160組不同制造廠生產(chǎn)的、運行在不同電壓等級下的、經(jīng)吊芯檢查有明 確結(jié)論的變壓器油樣，分別對應(yīng)改良三比值法中的8種變壓器故障類型，每種故障樣品數(shù) 量為20組；對160組樣品油進行編號，每組油樣取50ml注入檢測設(shè)備，檢測油樣故障氣體 及微水含量，記錄160組油樣的檢測數(shù)據(jù)，根據(jù)國際改良三比值法，計算每組實測數(shù)據(jù)的三 對特征氣體比值 C2H2/C2H4、CH4/H 2、C2H4/C2H6;
[0008] 步驟二、將每組油樣的改良三比值數(shù)值和對應(yīng)的故障類型標簽值保存到160X4 矩陣，矩陣的1到3列分別對應(yīng)C 2H2/C2H4、CH4/H 2、C2H4/C2H6三組特征氣體比值，第4列是故 障類別標簽值；
[0009] 步驟三、用mapminmax函數(shù)對每組油樣的改良三比值數(shù)據(jù)進行[0, 1]歸一化處理， 每一種故障類型提取15組樣本作為訓(xùn)練集，其余5組樣本作為測試集，S卩訓(xùn)練集有120組 數(shù)據(jù)，測試集有40組數(shù)據(jù)；
[0010]步驟四、將 5 種 SVM類型 C-SVC, nu-SVC, one-class SVM、spsilion-SVR、nu-SVR和 4種核函數(shù)線性核函數(shù)、多項式核函數(shù)、RBF核函數(shù)、sigmoid核函數(shù)采用交叉組合建立20 種不同的支持向量機類型，對于懲罰因子c和g的取值采用啟發(fā)式算法進行參數(shù)尋優(yōu)，通過 對比各實驗結(jié)果，找出最佳的SVM模型和懲罰因子c、g取值；
[0011] 步驟五、在實驗部分對比遺傳算法和粒子群算法兩種參數(shù)尋優(yōu)方法的效果。
[0012] 本發(fā)明利用光聲光譜法提取變壓器油中特征氣體建立基于改良三比值法的數(shù)據(jù) 文件作為輸入量，通過對SVM類型、核函數(shù)類型、參數(shù)尋優(yōu)算法進行交叉驗證建立了最佳 SVM模型，S卩CRGA尋優(yōu)，通過多次實驗對測試樣品集準確性可達97. 5%以上，對訓(xùn)練樣本集 準確性可到98. 3333%以上，實驗結(jié)果滿足變壓器故障診斷的實際工程需要。
[0013] 本發(fā)明的采用參數(shù)尋優(yōu)支持向量機基于光聲光譜法的變壓器故障診斷方法具有 操作簡單、非接觸性測量、不消耗載氣、檢測周期短、穩(wěn)定性和靈敏度高等優(yōu)點，光聲光譜儀 具有造價低、可靠性高、可維護性好等顯著的優(yōu)點，因此基于光聲光譜法的變壓器故障在線 監(jiān)測與診斷中具有良好的應(yīng)用前景。
【附圖說明】
[0014]圖1是本發(fā)明實施例提供的采用參數(shù)尋優(yōu)支持向量機基于光聲光譜法的變壓器 故障診斷方法流程圖；
[0015] 圖2是本發(fā)明實施例提供的160組樣本的三比值數(shù)據(jù)；
[0016] 圖3是本發(fā)明實施例提供的歸一化的160組樣本三比值數(shù)據(jù)；
[0017] 圖4是本發(fā)明實施例提供的CRGA模型的測試集分類結(jié)果；
[0018] 圖5是本發(fā)明實施例提供的CRGA模型的訓(xùn)練集分類結(jié)果。
【具體實施方式】
[0019] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合實施例，對本發(fā)明 進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于 限定本發(fā)明。
[0020] 下面結(jié)合附圖及具體實施例對本發(fā)明的應(yīng)用原理作進一步描述。
[0021] 本發(fā)明實施例考慮到變壓器型式、容量、運行環(huán)境等因素的影響，在北華大學(xué)變 壓器廠、豐滿發(fā)電廠、吉林省電科院共