技术特征：
1.一种油浸变压器故障诊断方法，其特征在于，包括：s10：构建变压器故障数据集，所述变压器故障数据集包括多组故障样本，所述故障样本为特征参数与故障类型的对应关系；s20：根据变压器故障数据集，分别建立基于多分类相关向量机的第一变压器故障诊断模型、基于多分类支持向量机的第二变压器故障诊断模型和基于反向传播神经网络的第三变压器故障诊断模型；s30：将待诊断的特征参数分别输入第一变压器故障诊断模型、第二变压器故障诊断模型和第三变压器故障诊断模型，获取三种诊断结果数据，将三种诊断结果数据通过ds证据理论进行证据融合，输出最终诊断结果。2.如权利要求1所述的油浸变压器故障诊断方法，其特征在于，所述变压器故障数据集分为用于对变压器故障诊断模型进行训练的训练集和用于对训练后的变压器故障诊断模型进行验证的测试集。3.如权利要求1所述的油浸变压器故障诊断方法，其特征在于，所述步骤s20包括：根据训练集中故障样本的特征参数以及与该特征参数对应的故障类型，分别建立基于多分类相关向量机的第一变压器故障诊断模型、基于多分类支持向量机的第二变压器故障诊断模型和基于反向传播神经网络的第三变压器故障诊断模型；通过测试集分别对第一变压器故障诊断模型、第二变压器故障诊断模型和第三变压器故障诊断模型进行验证。4.如权利要求3所述的油浸变压器故障诊断方法，其特征在于，所述步骤s20还包括：通过粒子群算法的对各个变压器故障诊断模型中的参数进行寻优。5.如权利要求4所述的油浸变压器故障诊断方法，其特征在于，参数寻优通过粒子群算法的算法适应度函数进行，算法适应度函数为：其中，n为训练样本集的总数；为第i个样本的第j个输出节点的理想输出值；y
ij
为第i个样本的第j个输出节点的实际输出值；c为输出节点的个数。6.如权利要求5所述的油浸变压器故障诊断方法，其特征在于，当算法适应度函数输出值满足误差时，则将当前的参数作为寻优结果，代入各个变压器故障诊断模型。7.如权利要求1所述的油浸变压器故障诊断方法，其特征在于，所述特征参数包括h2含量，ch4含量，c2h6含量，c2h4含量和c2h2含量，所述故障类型包括温度故障、放电故障、局部放电故障和正常运行。8.如权利要求1所述的油浸变压器故障诊断方法，其特征在于，所述第一变压器故障诊断模型与第二变压器故障诊断模型采用高斯核函数，公式为：其中，x
i
为第i个样本数据集；x
j
为第j个样本数据集；γ为平滑因子。9.如权利要求1所述的油浸变压器故障诊断方法，其特征在于，所述第三变压器故障诊断模型的输出层采用softmax激活函数构建。
10.如权利要求1所述的油浸变压器故障诊断方法，其特征在于，所述的步骤s30还包括：根据ds证据理论所建立的决策标准，对证据融合的结果进行判定。
技术总结
本发明涉及主要油浸式变压器故障诊断领域，尤其涉及一种油浸变压器故障诊断方法，包括构建变压器故障数据集；根据变压器故障数据集，分别建立基于多分类相关向量机、基于多分类支持向量机和基于反向传播神经网络的变压器故障诊断模型；将待诊断的特征参数分别输入第一变压器故障诊断模型、第二变压器故障诊断模型和第三变压器故障诊断模型，获取三种诊断结果数据；将三种诊断结果数据通过DS证据理论进行证据融合，输出最终诊断结果。本发明利用DS证据理论对三种算法输出结果进行融合，相较单一算法，本发明诊断精确度、连续性和可靠性进一步提升。进一步提升。进一步提升。
技术研发人员：华越 史春旻 承超 王天序 沈心怡
受保护的技术使用者：国网江苏省电力有限公司无锡供电分公司
技术研发日：2022.11.24
技术公布日：2023/3/21