一种电力变压器故障诊断方法、装置、设备及存储介质与流程

本申请涉及电力变压器安全，尤其涉及一种电力变压器故障诊断方法、装置、设备及存储介质。

背景技术：

1、电力变压器是输变电系统中的枢纽设备，其运行状态关乎到电力系统的稳定性。当电力变压器发生故障时，若不能及时做出准确诊断，将会造成重大经济损失。因此，如何提升电力变压器故障诊断精度成为重点关注问题。

2、电力变压器在发生绝缘老化时，会产生h2、ch4、c2h6、c2h4、c2h2、co和co2等气体溶解在绝缘油中，通过绝缘油中溶解气体的浓度和组成成分能够反映电力变压器的当前运行状态以及电力变压器是否存在故障。目前，随着人工智能技术的发展，机器学习逐渐被应用到变压器故障诊断领域中，支持向量机、云模型、长短时记忆网络、决策树等模型可以通过绝缘油中溶解气体的浓度和组成成分对电力变压器的运用状态进行诊断，但这些诊断方法均存在诊断精度不高的问题。

技术实现思路

1、本申请提供一种电力变压器的故障诊断方法、装置、设备及存储介质，能够提高电力变压器的故障诊断精度。

2、为达到上述目的，本申请采用如下技术方案：

3、本申请实施例第一方面，提供了一种电力变压器的故障诊断方法，该方法包括：

4、获取样本集，样本集中包括历史时间段下多个不同类型的电力变压器的绝缘油中溶解的特征气体数据，每个特征气体数据包括对应的气体成分和气体浓度；

5、从样本集中划分出训练集，利用训练集对预设的梯度提升决策树模型进行训练，并利用预设的北方苍鹰优化算法对梯度提升决策树模型进行参数寻优；

6、对每次训练后的梯度提升决策树模型进行验证，并将通过验证的梯度提升决策树模型确定为中间梯度提升决策树模型；

7、利用中间梯度提升决策树模型对实时采集的目标特征气体数据进行预测，确定目标特征气体数据对应的电力变压器是否存在故障。

8、在一个实施例中，获取样本集之后，方法还包括：

9、对样本集中的特征气体数据进行归一化处理，得到归一样本集；

10、将归一样本集中的不同类型的电力变压器对应的特征气体数据的数据量进行平衡处理，得到平衡样本集；

11、对应的，从样本集中划分出训练集，包括：

12、从平衡样本集中划分出训练集。

13、在一个实施例中，将归一样本集中的不同类型的电力变压器对应的特征气体数据的数据量进行平衡处理，得到平衡样本集，包括：

14、利用预设的smote算法对归一样本集中不同类型的电力变压器对应的特征气体数据进行过采样，得到平衡样本集。

15、在一个实施例中，将归一样本集中的不同类型的电力变压器对应的特征气体数据的数据量进行平衡处理，得到平衡样本集之后，包括：

16、从平衡样本集中确定出候选特征集；

17、利用预设的lightgbm算法从候选特征集中确定出优选特征，得到优选特征集；

18、对应的，从平衡样本集中划分出训练集，包括：

19、从优选特征集中划分出训练集。

20、在一个实施例中，从平衡样本集中确定出候选特征集，包括：

21、利用预设的无编码比值法从平衡样本集中确定出候选特征集。

22、在一个实施例中，对每次训练后的梯度提升决策树模型进行验证，包括：

23、从优选特征集中划分出验证集，并利用验证集对每次训练后的梯度提升决策树模型的诊断准确率进行验证，若连续两次训练时的准确率相差不超过预设阈值，则得到中间梯度提升决策树模型。

24、在一个实施例中，将通过验证的梯度提升决策树模型确定为中间梯度提升决策树模型之后，方法还包括：

25、从优选特征集中划分出测试集，并利用测试集测试中间梯度提升决策树模型的模型精度，若中间梯度提升决策树模型的模型精度大于预设精度，则得到训练好的目标梯度提升决策树模型；

26、对应的，利用中间梯度提升决策树模型对实时采集的目标特征气体数据进行预测，包括：

27、利用目标梯度提升决策树模型对实时采集的目标特征气体数据进行预测。

28、本申请实施例第二方面，提供了一种电力变压器的故障诊断装置，该装置包括：

29、获取模块，用于获取样本集，样本集中包括历史时间段下多个不同类型的电力变压器的绝缘油中溶解的特征气体数据，每个特征气体数据包括对应的气体成分和气体浓度；

30、处理模块，用于从样本集中划分出训练集，利用训练集对预设的梯度提升决策树模型进行训练，并利用预设的北方苍鹰优化算法对梯度提升决策树模型进行参数寻优；

31、验证模块，用于对每次训练后的梯度提升决策树模型进行验证，并将通过验证的梯度提升决策树模型确定为中间梯度提升决策树模型；

32、预测模块，用于利用中间梯度提升决策树模型对实时采集的目标特征气体数据进行预测，确定目标特征气体数据对应的电力变压器是否存在故障。

33、本申请实施例第三方面，提供了一种电子设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时实现本申请实施例第一方面中的电力变压器的故障诊断方法。

34、本申请实施例第四方面，提供了一种计算机可读存储介质，其特征在于，其上存储有计算机程序，计算机程序被处理器执行时实现本申请实施例第一方面中的电力变压器的故障诊断方法。

35、本申请实施例提供的技术方案带来的有益效果至少包括：

36、本申请实施例提供的电力变压器的故障诊断方法，通过获取样本集，样本集中包括历史时间段下多个不同类型的电力变压器的绝缘油中溶解的特征气体数据，每个特征气体数据包括对应的气体成分和气体浓度；从样本集中划分出训练集，利用训练集对预设的梯度提升决策树模型进行训练，并利用预设的北方苍鹰优化算法对梯度提升决策树模型进行参数寻优；对每次训练后的梯度提升决策树模型进行验证，并将通过验证的梯度提升决策树模型确定为中间梯度提升决策树模型；利用中间梯度提升决策树模型对实时采集的目标特征气体数据进行预测，确定目标特征气体数据对应的电力变压器是否存在故障。由于用于电力变压器进行故障检测的模型为中间梯度提升决策树模型，且该模型利用北方苍鹰优化算法对梯度提升决策树模型进行参数寻优，并经过实验验证，可以提高电力变压器的故障诊断精度。

技术特征：

1.一种电力变压器的故障诊断方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取样本集之后，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，所述将所述归一样本集中的不同类型的电力变压器对应的特征气体数据的数据量进行平衡处理，得到平衡样本集，包括：

4.根据权利要求2所述的方法，其特征在于，所述将所述归一样本集中的不同类型的电力变压器对应的特征气体数据的数据量进行平衡处理，得到平衡样本集之后，包括：

5.根据权利要求4所述的方法，其特征在于，所述从所述平衡样本集中确定出候选特征集，包括：

6.根据权利要求4所述的方法，其特征在于，所述对每次训练后的梯度提升决策树模型进行验证，包括：

7.根据权利要求6所述的方法，其特征在于，所述将通过验证的梯度提升决策树模型确定为中间梯度提升决策树模型之后，所述方法还包括：

8.一种电力变压器的故障诊断装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现权利要求1-7任一项所述的电力变压器的故障诊断方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的电力变压器的故障诊断方法。

技术总结
本申请公开一种电力变压器故障诊断方法、装置、设备及存储介质，涉及电力变压器安全技术领域，能够提高电力变压器的故障诊断精度。具体方案包括：获取样本集，样本集中包括历史时间段下多个不同类型的电力变压器的绝缘油中溶解的特征气体数据，每个特征气体数据包括对应的气体成分和气体浓度；利用训练集对预设的梯度提升决策树模型进行训练，并利用预设的北方苍鹰优化算法对梯度提升决策树模型进行参数寻优；对每次训练后的梯度提升决策树模型进行验证，将通过验证的梯度提升决策树模型确定为中间梯度提升决策树模型；利用中间梯度提升决策树模型对实时采集的目标特征气体数据进行预测，确定目标特征气体数据对应的电力变压器是否存在故障。

技术研发人员：丁叶强,唐洪良,张宓璐
受保护的技术使用者：国网浙江省电力有限公司杭州市临平区供电公司
技术研发日：
技术公布日：2024/1/15