一种油浸式变压器故障诊断方法、系统、电子设备及介质

本发明属于变压器故障诊断领域，具体涉及一种油浸式变压器故障诊断方法、系统、电子设备及介质。

背景技术：

1、在电力系统中，油浸式变压器是关键设备之一，其故障可能导致电力系统的故障和事故。为了提高电力系统的可靠性和稳定性，及时准确地进行油浸式变压器故障诊断具有重要意义。

2、目前，针对油浸式变压器故障诊断已经有了一些研究成果。随着机器学习技术的发展，研究者采用人工智能模型诊断油浸式变压器的早期故障提高了诊断速度，然而，单一的机器学习诊断模型性能在许多情况下都存在准确性和可靠性不高的问题，因为它没有充分利用不同机器学习方法之间的多样性学习能力。

3、d-s证据理论是一种不确定性推理理论，也是贝叶斯理论的推广，可以有效地处理先验概率未知的不确定信息，弥补了单一机器学习诊断模型的不足。传统的d-s证据理论可以融合非高冲突的证据，然而当存在高冲突证据时，冲突因子为1，传统的d-s证据理论融合规则失效。在实际问题中，机器学习算法的输出结果间可能存在高冲突，因而传统的d-s证据理论可能会产生违反直觉的结果，降低故障诊断精度和可靠性。

技术实现思路

1、本发明目的在于提供一种油浸式变压器故障诊断方法、系统、电子设备及介质，解决了现有方法中对油浸式变压器故障诊断可靠性和预测精度低的问题。

2、本发明的技术方案如下：

3、一种油浸式变压器故障诊断方法，所述方法包括：

4、步骤一：获取故障数据集并对数据集进行归一化处理，所述数据集包括故障特征和故障类别；

5、步骤二：基于所述数据集通过不同的机器学习算法得到证据，所述证据为基本概率分配函数bpa；

6、步骤三：采用改进的d-s证据融合算法对所述证据进行权重分配，得到加权平均证据；

7、步骤四：利用d-s融合规则计算融合所述加权平均证据，从而得出最终的诊断结果。

8、进一步地，所述步骤一具体包括：

9、采集历史记录中的油浸式变压器故障样本数据，对样本数据做进行去除噪声、异常值检测和归一化处理。

10、进一步地，所述步骤二具体包括：

11、将所述数据集分成训练集和测试集，使用不同的机器学习算法分别在训练集中预训练，得到训练好的机器学习算法，将测试集输入到训练好的机器学习算法中，将其输出转化为后验概率，从而构建基本概率分配函数bpa。

12、进一步地，所述步骤三具体包括：

13、根据由步骤二得到的证据，基于改进的置信海林格距离，首先计算出每个证据的距离，构造距离矩阵，再由距离矩阵，计算每个证据的第一个权重因子；

14、采用置信jensen–shannon散度，测量每两个证据之间的散度，得到散度矩阵，基于散度矩阵，确定每个证据的平均距离，再由每个证据的平均距离确定相互支持度，最终得到每个证据的第二个权重因子；

15、通过两个权重因子确定每个证据的可信度；

16、通过可信度对每个证据体的权重进行调整，得到加权平均证据。

17、进一步地，所述步骤四具体包括：

18、利用传统d-s证据理论的组合规则对加权平均证据进行自身与自身的融合，融合n-1次，得到一个一行n列的矩阵，waen-1(e1)、waen-1(e2)…waen-1(ei)…waen-1(en)分别代表属于故障类型e1、e2…ei…en的可信度，取可信度最大的故障类型作为输出结果；所述n为步骤二中得到的证据的个数。

19、本发明还提供一种油浸式变压器故障诊断系统，所述系统包括：

20、数据获取模块，用于获取故障数据集并对数据集进行归一化处理，所述数据集包括故障特征和故障类别；

21、证据构造模块，用于基于所述数据集通过不同的机器学习算法得到证据，所述证据为基本概率分配函数bpa；

22、权重分配模块：采用改进的d-s证据融合算法对所述证据进行权重分配，得到加权平均证据；

23、结果生成模块：利用d-s融合规则计算融合所述加权平均证据，从而得出最终的诊断结果。

24、本发明还提供一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据上述的油浸式变压器故障诊断方法。

25、本发明还提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的油浸式变压器故障诊断方法。

26、本发明的技术效果：

27、本发明采用一种基于新的证据度量方法和置信jensen–shannon散度改进的d-s证据理论融合方法实现油浸式变压器故障诊断，针对单一模型学习不充分、预测精度低的局限，在传统d-s证据理论融合算法的基础上，实现了多个机器学习模型的信息融合并解决了多种模型预测结果不一致的问题，进而提高故障诊断的可靠性和精度。

技术特征：

1.一种油浸式变压器故障诊断方法，其特征在于，所述方法包括：

2.根据权利要求1所述的油浸式变压器故障诊断方法，其特征在于，所述步骤一具体包括：

3.根据权利要求1所述的油浸式变压器故障诊断方法，其特征在于，所述步骤二具体包括：

4.根据权利要求1所述的油浸式变压器故障诊断方法，其特征在于，所述步骤三具体包括：

5.根据权利要求1所述的油浸式变压器故障诊断方法，其特征在于，所述步骤四具体包括：

6.一种油浸式变压器故障诊断系统，其特征在于，所述系统包括：

7.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1-5中所述的油浸式变压器故障诊断方法。

8.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5中所述的油浸式变压器故障诊断方法。

技术总结
本发明提供一种油浸式变压器故障诊断方法、系统、电子设备及介质，所述方法包括：步骤一：获取故障数据集并对数据集进行归一化处理，所述数据集包括故障特征和故障类别；步骤二：基于所述数据集通过不同的机器学习算法得到证据，所述证据为基本概率分配函数BPA；步骤三：采用改进的DS证据融合算法对所述证据进行权重分配，得到加权平均证据；步骤四：利用D‑S融合规则计算融合所述加权平均证据，从而得出最终的诊断结果。本发明通过多个机器学习模型的信息融合并解决了多种模型预测结果不一致的问题，进而提高故障诊断的可靠性和精度。

技术研发人员：陈存,任景莉,韩晓丽
受保护的技术使用者：郑州大学
技术研发日：
技术公布日：2024/1/22