电力变压器的故障诊断方法及诊断装置与流程

本发明涉及电力变压器技术领域，特别涉及一种电力变压器的故障诊断方法及诊断装置。

背景技术：

电力变压器作为电力网的枢纽设备，连接不同电压等级的输电线路，承担电压变换、电能分配的功能。由于电力变压器内部结构复杂，电场分布不均匀，同时运行过程中承受着电、热、机械、化学、环境等方面应力，导致其不可避免的出现各类缺陷与故障。当电力变压器因故障导致非计划停电时，不仅给电力生产单位带来巨大经济损失，也将严重破坏人们日常生活、社会正常秩序。

DGA(Dissolved Gas Analysis，油中溶解气分析)方法是一种简单有效的变压器故障诊断技术。但DGA方法存在编码边界绝对、比值盲区、诊断率有待提高及应用前提等局限性。随着故障诊断技术的发展，目前主要有专家系统、人工神经网络、petri网络、模糊理论、支持向量机等方法。但专家系统以大量的历史经验及专家知识，当知识库不完备时容易出现错误诊断；面对多故障类型，支持向量机需要构造多分类器、分类效率不高等问题，ANN容易陷入局部最优值且依赖训练集等问题，而模糊理论存在忽略属性相关性的问题等。

利用模糊聚类及IEC三比值法的故障诊断方法能充分客观、有效的实现基于大量变压器样本数据的故障诊断方法。但是由于模糊聚类方法对聚类簇做超球面假设，所以仅适用于对凸集聚类分析，导致故障诊断精度有待进一步提高；此外IEC三比值法所无法判断多重故障类型，实际使用中无法确定所有故障类型。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种电力变压器的故障诊断方法，该方法可以有效提高电力变压器内部潜伏性故障诊断的准确率，简单方便。

本发明的另一个目的在于提出一种电力变压器的故障诊断装置。

为达到上述目的，本发明一方面实施例提出了一种电力变压器的故障诊断方法，包括以下步骤：采集故障类型明确油中溶解气样本，以建立故障标准序列；综合标准故障序列和改良三比值法建立含待测样本的样本矩阵；确定核函数类型，并初始化核模糊聚类算法对应参数；通过所述核模糊聚类算法迭代求解隶属度矩阵；根据所述隶属度矩阵得到所述待测样本的隶属度值，通过隶属度值比较以确定所述待测样本的最终故障类型。

本发明实施例的电力变压器的故障诊断方法，通过核函数的聚类方法将故障数据映射到高维特征空间进行聚类分析，从而突出样本特性，提高了样本划分簇的准确性和可靠性，适用范围更广，并且基于核模糊聚类的故障诊断可以避免比值法编码缺失、编码边界绝对等缺陷，从而有效提高电力变压器内部潜伏性故障诊断的准确率，简单便捷。

另外，根据本发明上述实施例的电力变压器的故障诊断方法还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述通过核模糊聚类算法迭代求解隶属度矩阵进一步包括：根据所述核模糊聚类算法迭代求解所述隶属度矩阵与聚类中心矩阵，直至满足迭代停止条件。

进一步地，在本发明的一个实施例中，所述根据所述隶属度矩阵分析所述待测样本的隶属度值进一步包括：根据所述待测样本的隶属度值与各标准序列的隶属度值确定所述最终故障类型。

进一步地，在本发明的一个实施例中，所述根据改良三比值法建立含待测样本的样本矩阵进一步包括：根据所述改良三比值法计算所述样本矩阵中各参量比值，以构成所述样本矩阵。

可选地，在本发明的一个实施例中，所述核函数类型为高斯核函数，所述对应参数包括聚类类别数、平滑参数、迭代停止阈值、初始化聚类中心、迭代次数和核函数宽度中的一种或多种。

为达到上述目的，本发明另一方面实施例提出了一种电力变压器的故障诊断装置，包括：采集模块，用于采集故障类型明确油中溶解气样本，以建立故障标准序列；建立模块，用于综合标准故障序列和改良三比值法建立含待测样本的样本矩阵；获取模块，用于确定核函数类型，并初始化核模糊聚类算法对应参数；计算模块，用于通过所述核模糊聚类算法迭代求解隶属度矩阵；诊断模块，用于根据所述隶属度矩阵得到所述待测样本的隶属度值，通过隶属度值比较以确定所述待测样本的最终故障类型。

本发明实施例的电力变压器的故障诊断装置，通过核函数的聚类方法将故障数据映射到高维特征空间进行聚类分析，从而突出样本特性，提高了样本划分簇的准确性和可靠性，适用范围更广，并且基于核模糊聚类的故障诊断可以避免比值法编码缺失、编码边界绝对等缺陷，从而有效提高电力变压器内部潜伏性故障诊断的准确率，简单便捷。

另外，根据本发明上述实施例的电力变压器的故障诊断装置还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述计算模块还用于根据所述核模糊聚类算法迭代求解所述隶属度矩阵与聚类中心矩阵，直至满足迭代停止条件。

进一步地，在本发明的一个实施例中，所述诊断模块还用于根据所述待测样本的隶属度值与各标准序列的隶属度值确定所述最终故障类型。

进一步地，在本发明的一个实施例中，所述建立模块还用于根据所述改良三比值法计算所述样本矩阵中各参量比值，以构成所述样本矩阵。

可选地，在本发明的一个实施例中，所述核函数类型为高斯核函数，所述对应参数包括聚类类别数、平滑参数、迭代停止阈值、初始化聚类中心、迭代次数和核函数宽度中的一种或多种。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明一个实施例的电力变压器的故障诊断方法的流程图；

图2为根据本发明一个具体实施例的电力变压器的故障诊断方法的流程图；

图3为根据本发明一个实施例的电力变压器的故障诊断装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参照附图描述根据本发明实施例提出的电力变压器的故障诊断方法及诊断装置，首先将参照附图描述根据本发明实施例提出的电力变压器的故障诊断方法。

图1是本发明一个实施例的电力变压器的故障诊断方法的流程图。

如图1所示，该电力变压器的故障诊断方法以下步骤：

在步骤S101中，采集故障类型明确油中溶解气样本，以建立故障标准序列。

可以理解的是，如图2所示，首先可以基于故障类型明确的油中溶解气样本建立故障标准谱。

在步骤S102中，综合故障标准序列和改良三比值法建立含待测样本的样本矩阵。

也就是说，如图2所示，其次可以结合改良三比值法建立含待测样本的样本矩阵。

进一步地，在本发明的一个实施例中，根据改良三比值法建立含待测样本的样本矩阵进一步包括：根据改良三比值法计算样本矩阵中各参量比值，以构成样本矩阵。

在步骤S103中，确定核函数类型，并初始化核模糊聚类算法对应参数。

可以理解的是，如图2所示，首先选择核函数类型，其次初始化模糊聚类算法相关参数。

举例而言，核函数类型为高斯核函数，对应参数包括聚类类别数、平滑参数、迭代停止阈值、初始化聚类中心、迭代次数和核函数宽度中的一种或多种。

在步骤S104中，通过核模糊聚类算法迭代求解隶属度矩阵。

可以理解的是，通过核聚类算法迭代求解隶属度矩阵；比较分析样本隶属度值并确定待测样本故障类型。

进一步地，在本发明的一个实施例中，通过核模糊聚类算法迭代求解隶属度矩阵进一步包括：根据核模糊聚类算法迭代求解隶属度矩阵与聚类中心矩阵，直至满足迭代停止条件。

也就是说，如图2所示，利用核模糊聚类算法迭代计算隶属度矩阵与聚类中心矩阵，直至满足迭代条件。

在步骤S105中，根据隶属度矩阵得到待测样本的隶属度值，通过隶属度值比较以确定待测样本的最终故障类型。

进一步地，在本发明的一个实施例中，根据隶属度矩阵分析待测样本的隶属度值进一步包括：根据待测样本的隶属度值与各标准序列的隶属度值确定最终故障类型。

也就是说，如图2所示，分析隶属度矩阵，比较待测样本隶属度值与各故障标准序列隶属度值并确定最终故障类型。

在本发明的实施例中，首先对变压器故障样本数据进行数据清洗及标准化处理，然后采用均值法确定变压器标准故障序列，再通过建立综合改良三比值法与标准故障序列的初始矩阵，再利用核模糊聚类法分析含待测样本的初始矩阵，基于聚类分析结果确定变压器故障类型，不仅适用范围广，同时还有效的提高变压器故障诊断准确率。

下面以一个具体实施例对本发明实施例的诊断方法进行详细描述。

在本发明的一个具体实施例中，包括以下步骤：

步骤S1：搜集故障类型明确的油中溶解气气体样本建立故障样本库。

步骤S2：利用标准化公式对所述故障样本库进行规范化处理，建立故障标准序列S。

其中，在步骤S2中，可以通过以下公式进行所述规范化处理：

其中，n为油中溶解气气体样本的个数，m为油中溶解气气体组份总数。

步骤S3：综合待测样本与故障标准序列，建立样本矩阵M；基于改良三比值法计算样本矩阵各参量比值，构成样本矩阵R。

其中，在步骤S3中，故障类型可以依照《DLT 722-2000变压器油中溶解气体分析和判断导则》计算方法求解样本矩阵M中各参量比值，构成矩阵R。

举例而言，故障类型可以包括低能放电、高能放电、局部放电、低温过热、中温过热、高温过热、低能放电兼过热、高能放电兼过热，再加上无故障类型共计9类；

通过采用均值法建立电力变压器故障标准序列，如下式所示：

其中，k为第a种故障的样本总数(a＝1,2，…9)，m为油中溶解气气体组份总数。

进一步地，在步骤S3中，建立综合故障标准序列和改良三比值法的初始矩阵，其中标准故障序列中各气体组份比值参照改良三比值法，其比值具体如表所示，其中，

表1为气体比值及编码表，表2为故障类型判断方法表。

表1

表2

步骤S4：选择聚类方法核函数类型，初始化聚类算法相关参数；利用核函数聚类算法求解样本矩阵M的隶属度矩阵U和聚类中心矩阵V。

具体地，在步骤S4中，核函数类型包括多项式核函数、样条核函数、高斯径向基函数、柯西核函数等。由于高斯径向基核函数具有较强的非线性逼近能力，因此可以利用该函数进行聚类分析。

举例而言，在步骤S4中，选择高斯核函数，初始化模糊聚类算法中的各参数，包括聚类类别数C、平滑参数m、迭代停止阈值ε、初始化聚类中心V、迭代次数b、核函数宽度σ等。

其中，高斯核函数为：

进一步地，在步骤S4中，进一步包括：利用核模糊聚类方法计算聚类中心矩阵和隶属度矩阵时，需要初始模糊聚类算法中的各参数，包括聚类类别数c、平滑参数m、迭代停止阈值ε、初始化聚类中心V、迭代次数b、核函数宽度σ等，其目标函数为：

并且，

其中，J表示目标函数，c表示样本分类数，n表示样本总数，m∈[1,+∞]为平滑参数；U＝[μij]为模糊隶属度矩阵，V＝[ν1,ν2…νn]为聚类中心矩阵，uij表示第j个数据属于第i类的模糊隶属度，||K(xk)-K(υi)||²dij表示映射后的样本xj与聚类中心νi之间的距离。

进一步地地，可以运用拉格朗日乘子法求目标函数最小值，可得隶属度uij和聚类中心vi分别为：

步骤S5：分析待测样本与各故障标准序列在矩阵Z中的隶属度值，并确定待测样本最终故障类型。

其中，在步骤S5中，根据样本xj对每个类的隶属度uij来确定所属类别。当则判定待测样本数据第i*类故障。

根据本发明实施例的电力变压器的故障诊断方法，通过核函数的聚类方法将故障数据映射到高维特征空间进行聚类分析，从而突出样本特性，提高了样本划分簇的准确性和可靠性，适用范围更广，并且基于核模糊聚类的故障诊断可以避免比值法编码缺失、编码边界绝对等缺陷，从而有效提高电力变压器内部潜伏性故障诊断的准确率，简单便捷。

其次参照附图描述根据本发明实施例提出的电力变压器的故障诊断装置的结构示意图。

图3是本发明一个实施例的电力变压器的故障诊断装置的结构示意图。

如图3所示，该电力变压器的故障诊断装置10包括：采集模块100、建立模块200、获取模块300、计算模块400和诊断模块500。

其中，采集模块100用于采集故障类型明确油中溶解气样本，以建立故障标准序列。建立模块200用于综合标准故障序列和改良三比值法建立含待测样本的样本矩阵。获取模块300用于确定核函数类型，并初始化核模糊聚类算法对应参数。计算模块400用于通过核模糊聚类算法迭代求解隶属度矩阵。诊断模块500用于根据隶属度矩阵得到待测样本的隶属度值，通过隶属度值比较以确定待测样本的最终故障类型。本发明实施例的故障诊断装置10可以提高样本划分簇的准确性和可靠性，适用范围更广，并且有效提高电力变压器内部潜伏性故障诊断的准确率。

其中，在本发明的实施例中，使用综合核模糊聚类方法与改良三比值法的诊断模型，不仅具有更广泛的适用范围，具备多重故障诊断能力，同时能有效提高变压器故障诊断准确率。

进一步地，在本发明的一个实施例中，计算模块400还用于根据核模糊聚类算法迭代求解隶属度矩阵与聚类中心矩阵，直至满足迭代停止条件。

进一步地，在本发明的一个实施例中，诊断模块500还用于根据待测样本的隶属度值与各标准序列的隶属度值确定最终故障类型。

进一步地，在本发明的一个实施例中，建立模块200还用于根据改良三比值法计算样本矩阵中各参量比值，以构成样本矩阵。

可选地，在本发明的一个实施例中，核函数类型为高斯核函数，对应参数包括聚类类别数、平滑参数、迭代停止阈值、初始化聚类中心、迭代次数和核函数宽度中的一种或多种。

需要说明的是，前述对电力变压器的故障诊断方法实施例的解释说明也适用于该实施例的电力变压器的故障诊断装置，此处不再赘述。

根据本发明实施例的电力变压器的故障诊断装置，通过核函数的聚类方法将故障数据映射到高维特征空间进行聚类分析，从而突出样本特性，提高了样本划分簇的准确性和可靠性，适用范围更广，并且基于核模糊聚类的故障诊断可以避免比值法编码缺失、编码边界绝对等缺陷，从而有效提高电力变压器内部潜伏性故障诊断的准确率，简单便捷。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。