一种计及重要等级划分的变压器代价敏感故障诊断方法技术

本发明专利技术公开了一种计及重要等级划分的变压器代价敏感故障诊断方法，包括：(1)特征选取与数据预处理；(2)故障诊断模型的构建；(3)划分电网变压器重要等级；(4)代价敏感故障诊断；本发明专利技术主要介绍了一种计及电网层面信息的变压器代价敏感故障诊断方法，将变压器在电网中的重要性等级划分引入代价敏感故障诊断中，因为不同重要等级变压器的误诊代价不同，所以依据重要等级分级构建代价敏感矩阵，并以最终误诊代价最小为目标分别进行故障诊断模型的参数优化，实现计及重要等级划分的变压器代价敏感故障诊断，对于合理安排变压器检修运维，降低电网运行风险等具有重要意义。低电网运行风险等具有重要意义。低电网运行风险等具有重要意义。

【技术实现步骤摘要】
一种计及重要等级划分的变压器代价敏感故障诊断方法


[0001]本专利技术涉及电力设备故障诊断
，具体涉及一种计及重要等级划分的变压器代价敏感故障诊断方法。

技术介绍

[0002]随着我国国民经济的发展，电力需求越来越大，促使电网规模不断扩大。变压器作为现代电力系统中的重要电力设备，在远距离输电与电能分配等领域起到巨大的作用。但是变压器的本体故障不仅会造成大规模电网停电，而且会严重影响当地人民正常生产生活秩序，对当地社会的维稳工作造成一定的挑战。因此及时发现变压器故障征兆并确定故障类型，是有着重大意义的。目前在变压器故障诊断方面，油中溶解气体分析(DGA)是主要的方法，该方法通过对油中溶解气体的含量或比值进行分析，进而判断变压器的运行状态，发现其潜在的故障。常用的DGA比值方法有着IEC三比值法、Rogers比值法、Dornenburg比值法、无编码比值法等，但是由于比值边界过于绝对化，在边界值附近容易产生误诊，因此现在广泛应用智能诊断方法来进行变压器的故障诊断。
[0003]但目前的变压器故障诊断往往只追求全局诊断准确率，而忽略了实际情况下误诊代价存在不同的问题。将正常状态诊断为故障状态的代价是损失一定的设备检修费用，但是若是将故障状态诊断为正常状态则会导致故障处理不及时，引发连锁故障等风险，给电力系统的安全稳定运行带来巨大的隐患，并且对于越重要的变压器，其误诊代价越大。因此引入代价敏感的概念，并将变压器在电网中的重要等级引入，可以克服传统诊断方法未考虑误诊代价、未考虑电网层面信息的缺点，对于合理安排变压器检修运维，降低电网运行风险等具有重要意义。

技术实现思路

[0004]本专利技术要解决的技术问题为：通过将代价敏感的方法引入变压器故障诊断中，克服了在故障诊断过程中主要关注全局准确率而忽略误诊代价的局限性，并通过变压器重要等级划分，分级建立变压器代价敏感矩阵，克服了现有故障诊断方法往往只针对具体的设备信息，未考虑不同设备的故障对电网层面的影响存在差异的问题。
[0005]为了实现上述专利技术目的，本专利技术采取的技术方案具体为：一种计及重要等级划分的变压器代价敏感故障诊断方法，包括以下步骤：
[0006]步骤1：通过输入变压器的编码比值和油气浓度特征建立样本特征集；对样本特征集中输入特征进行归一化处理并划分成训练集与测试集；
[0007]步骤2：通过引入正则化项的方法构建故障诊断模型，所述故障诊断模型为：
[0008][0009]其中：β2表示结构风险，ε2为N个训练样本的总误差，表示经验风险，C为正则化系数，平衡经验风险和结构风险；
[0010]步骤3：所述故障诊断模型对训练集与测试集中参数分析输出变压器故障类型；
[0011]步骤4：以变压器退出运行后对电网造成的风险为依据划分变压器重要性等级；
[0012]步骤5：根据变压器故障类型和变压器重要等级通过误诊代价最低为目标构建变压器代价敏感故障诊断模型，其中：所述变压器代价敏感故障诊断模型构建过程：
[0013]根据不同变压器重要等级分别建立代价敏感矩阵Cost(i,j)；
[0014]根据不同的代价敏感矩阵分别构建代价函数，所述代价函数的构建为计算所有变压器误诊类型的代价和，如下公式所示：
[0015][0016]式中:Cost
act
为总体的误诊代价，Cost
m
(i,j)为第m个样本的误诊代价，n为样本数，i代表样本的真实类别，j代表样本的预测类别；
[0017]以代价函数作为故障诊断模型的总体误诊代价最小优化目标进行优化输出变压器的代价敏感故障诊断类型。
[0018]进一步，所述故障诊断模型还包括用于对变压器故障诊断过程精准率的优化模块，包括如下步骤：
[0019]所述优化模块通过自适应差分进化方法对故障诊断模型的权重向量和偏置进行参数优化；
[0020]所述优化模块通过如下公式对故障诊断模型搜索、开发能力进行优化；
[0021][0022][0023]其中：F为变异因子，CR为交叉因子，F
max
为设置的变异因子最大值，F
min
为设置的变异因子最小值，CR
max
为设置的交叉因子最大值，CR
min
为设置的交叉因子最小值，T为当前迭代次数，T
m
为最大迭代次数；
[0024]所述变压器代价敏感故障诊断模型通过代价函数作为误诊代价最小对优化模块进行目标优化。
[0025]有益效果
[0026]1、本专利技术将代价敏感机制引入变压器故障诊断，以误诊代价最低为目标，建立了代价敏感故障诊断模型，该方法可以提高高误诊代价类别的诊断准确率，克服了传统故障诊断方法只关注全局准确率忽略误诊代价的局限性。
[0027]2、本专利技术提出的方案考虑不同重要程度变压器误诊代价的差异性，对变压器重要程度进行等级划分并分别建立代价敏感故障诊断模型，可以进一步提升高重要等级变压器的高误诊代价类别的诊断准确率，符合工程应用实际，对于合理安排变压器检修运维，降低电网运行风险等具有重要意义。
附图说明：
[0028]图1为本专利技术的流程图。
具体实施方式
[0029]下面结合附图对本专利技术作出详细说明。
[0030]如图1所示，本专利技术提供一种计及重要等级划分的变压器代价敏感故障诊断方法，包括以下步骤：
[0031]步骤1：通过输入变压器的编码比值和油气浓度特征建立样本特征集；对样本特征集中输入特征进行归一化处理并划分成训练集与测试集；其中：
[0032]特征选取与数据预处理。油中溶解气体的含量和其比例关系可以反映变压器的运行状态，为变压器故障诊断提供依据。提取油中溶解气体H2、CH4、C2H6、C2H4、C2H2的浓度数据，并依据IEC三比值法、Rogers比值法、Dornenburg比值法、无编码比值法等选取比值，将编码比值和油气浓度作为输入特征，以故障类型(正常、中低温过热、高温过热、局部放电、低能放电、高能放电)编码为输出特征，然后将输入特征数据进行最大最小归一化，并划分成训练集与测试集；
[0033]步骤2：通过引入正则化项的方法构建故障诊断模型，所述故障诊断模型为：
[0034][0035]其中：β2表示结构风险，ε2为N个训练样本的总误差，表示经验风险，C为正则化系数，平衡经验风险和结构风险；
[0036]故障诊断模型的构建。搭建极限学习机的故障诊断模型，但是由于标准极限学习机是一种经验风险最小化的学习方法，模型的泛化能力较差，容易产生过拟合的现象，因此通过引入正则化项的方法来对极限学习机进行改进，降低极限学习机的结构风险，提高泛化能力。
[0037]所述故障诊断模型还包括用于对变压器故障诊断过程精准率的优化模块，包括如下步骤：
[0038]所述优化模块通过自适应差分进化方法对故障诊断模型的权重向量和偏置进行参数优化；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计及重要等级划分的变压器代价敏感故障诊断方法，其特征在于，包括以下步骤：步骤1：通过输入变压器的编码比值和油气浓度特征建立样本特征集；对样本特征集中输入特征进行归一化处理并划分成训练集与测试集；步骤2：通过引入正则化项的方法构建故障诊断模型，所述故障诊断模型为：其中：||β||2表示结构风险，||ε||2为N个训练样本的总误差，表示经验风险，C为正则化系数，平衡经验风险和结构风险；步骤3：所述故障诊断模型对训练集与测试集中参数分析输出变压器故障类型；步骤4：以变压器退出运行后对电网造成的风险为依据划分变压器重要性等级；步骤5：根据变压器故障类型和变压器重要等级通过误诊代价最低为目标构建变压器代价敏感故障诊断模型，其中：所述变压器代价敏感故障诊断模型构建过程：根据不同变压器重要等级分别建立代价敏感矩阵Cost(i,j)；根据不同的代价敏感矩阵分别构建代价函数，所述代价函数的构建为计算所有变压器误诊类型的代价和，如下公式所示：式中:Cost
act
为总体的误诊代价，Cost
m
(i,j)为第m个样...

【专利技术属性】
技术研发人员：曾沅，张文旭，孙冰，
申请(专利权)人：天津大学，
类型：发明
国别省市：