【技术实现步骤摘要】
本专利技术涉及变压器故障诊断，具体涉及一种基于鲸鱼优化算法改进模糊聚类的变压器故障诊断的方法。
技术介绍
1、随着电力系统的发展，变压器作为输变电系统中的重要组成部分，其运行状态对电力系统的稳定和安全具有重要的影响。然而，由于各种因素的影响，变压器容易出现各种故障，常见的故障类型有低温故障、中温故障、高温故障、局部放电、低能放电和电弧放电，因此，及时准确地诊断出变压器的故障类型对于保障电力系统的稳定运行具有重要意义。
2、利用变压器油中溶解气体分析(dissolved gas analysis,dga)可以及时发现变压器的潜在故障风险，避免因变压器故障导致严重事故。判断变压器内部故障类型常用的气体主要是五种：氢气(h2)、甲烷(ch4)、乙烷(c2h6)、乙烯(c2h4)、乙炔(c2h2)，在研究领域，常用的有三比值法、特征气体法、大卫三角形法等方法来判断变压器的故障类型，但这些方法存在边界过于绝对，故障识别正确率不高等问题。以dga数据为特征参量挖掘的机器学习模型中，如人工神经网络、支持向量机等优化模型被用于变压器的故障诊断，但这些方法需要训练大量的样本，通常较为复杂，在实际应用中受到限制。模糊聚类分析方法在dga数据分析中有着良好的应用前景,但是模糊聚类分析方法存在初值敏感、局部极值点等问题，限制dga数据的分析效果。
技术实现思路
1、为了解决模糊聚类分析方法在dga数据分析存在初值敏感、局部极值点等问题。本专利技术提供了一种基于鲸鱼优化算法改进模糊聚类的变压器故
2、本专利技术采取的技术方案为：
3、基于鲸鱼优化算法改进模糊聚类的变压器故障诊断的方法，包括以下步骤：
4、步骤s1：收集变压器油中溶解气体的数据，作为初始数据集；
5、步骤s2：对初始数据集进行初始化处理；
6、步骤s3：构建鲸鱼优化算法改进模糊聚类模型，获得聚类中心；
7、步骤s4：对变压器故障类型进行诊断，确定故障结果。
8、所述步骤s1中，变压器的dga初始数据集包括：变压器发生故障时油中溶解的氢气(h2)、甲烷(ch4)、乙烷(c2h6)、乙烯(c2h4)、乙炔(c2h2)气体含量，数据包括低温故障、中温故障、高温故障、局部放电、火花放电和电弧放电六种类型。
9、所述步骤s2中，同种故障类型的dga数据的相似性，主要体现在气体成分的相似，即各种气体所占的比例相似，需对dga数据进行初始化，求取气体所占比重；初始化处理包括：
10、如式(1)所示，计算氢气占氢烃的百分比；
11、
12、其中，为氢气的占比；为氢气(h2)的含量；为甲烷(ch4)的含量；为乙烷(c2h6)的含量；为乙烯(c2h4)的含量；为乙炔(c2h2)的含量。
13、如式(2)所示，计算各种烃类气体占总烃的百分比；
14、
15、其中，pi表示四种烃类气体占总烃的百分比；下标i表示ch4、c2h6、c2h4、c2h2中的任意一种。
16、氢气含量相近的故障类型则被归为一类，氢气含量差别较大的故障类型则被归为不同的类。
17、所述步骤s3包括以下步骤：
18、s3.1：给定聚类中心数c，模糊指数m，种群规模n，最大迭代次数t、最大速度vmax及误差值ε；
19、s3.2：计算每个鲸鱼的适应度，表达式为：
20、
21、其中，fitness(i)鲸鱼的适应度；jm(u,v)表示引入模糊参数后的聚类目标函数；i为迭代次数，jm为目标函数，u表示隶属度矩阵，v表示聚类中心向量；
22、s3.3：更新每一条鲸鱼的位置，产生下一代鲸鱼，位置更新表达式为：
23、d1＝|cx*(t)-x(t)| (4)；
24、x(t+1)＝x*(t)-ad1 (5)；
25、a＝2ar-a (6)；
26、c＝2r2 (7)；
27、a＝2-2t/tmax (8)；
28、其中，d1为鲸鱼与当前最优个体的距离；a和c为系数向量，用于调整个体的位置更新；t是迭代次数；x*(t)是当前最优解的位置向量；x(t)是鲸鱼个体的位置，r1、r2是[0,1]之间的随机生成的数，a是收敛因子，随着迭代次数的增加从2减小到0；tmax是最大迭代次数。
29、x(t+1)表示迭代t+1次后的鲸鱼位置。
30、自适应权重ω调整的设计如式(9)所示：
31、
32、其中，ωinitial、ωfinal分别是惯性权重的初值、终值；m为变化速度的影响因子。
33、引入自适应权重ω后鲸鱼的位置更新公式如下：
34、
35、其中，d2是鲸鱼与当前最优个体的距离；b为约束螺旋形状的常数；l是[-1,1]之间的随机生成的数,p为[0,1]之间的随机生成的数,drand是其他鲸鱼到目标鲸鱼的距离；xrand是向量，表示随机鲸鱼个体的位置。
36、学习因子c1和c2的设计如式(11)和式(12)所示：
37、c1＝rand()×e (11)；
38、c2＝e-rand() (12)；
39、式(11)和式(12)中，rand()是在范围[0,1]内变化的随机函数,e是自然常数；
40、s3.4：不断对鲸鱼进行更新迭代，寻找个体最优适应度值和群体最优适应度值；
41、对于每个鲸鱼，通过式(3)，将它的更新后的个体适应度值fitnessid(i+1)与它的上一代的个体适应度值fitnessid(i)比较，如果鲸鱼更新后的个体适应度值fitnessid(i+1)大于上一代的个体适应度值fitnessid(i)，则将其作为此时个体最优适应度值fitnessid(i+1)，否则保持原样，个体最优适应度值如式(13)所示；
42、fitnessid(i+1)＝max{fitnessid(i),fitnessid(i+1)} (13)；
43、式(13)中，i为迭代次数，fitnessid(i+1)为鲸鱼更新后的个体适应度值，fitnessid(i)为鲸鱼更新前的个体适应度值；
44、对于每个鲸鱼，通过式(3)，将它的更新后的个体适应度值fitnessid(i+1)与群体最优适应度值fitnessgd(i)比较，如果更新后的适应度值fitnessid(i+1)大于群体最优适应度值fitnessgd(i)，则将其作为此时群体最优适应度值fitnessgd(i+1)，否则保持原样，群体最优适应度值如式(14)所示：
45、fitnessgd(i+1)＝max{fitnessgd(i),fitnessid(i+1)} (14)；
46、其中，i本文档来自技高网...
【技术保护点】
1.基于鲸鱼优化算法改进模糊聚类的变压器故障诊断的方法，其特征在于包括以下步骤：
2.根据权利要求1所述基于鲸鱼优化算法改进模糊聚类的变压器故障诊断的方法，其特征在于：所述步骤S2中，同种故障类型的DGA数据的相似性，体现在气体成分的相似，即各种气体所占的比例相似，对DGA数据进行初始化，求取气体所占比重；初始化处理包括：
3.根据权利要求1所述基于鲸鱼优化算法改进模糊聚类的变压器故障诊断的方法，其特征在于：所述步骤S3包括以下步骤：
4.根据权利要求3所述基于鲸鱼优化算法改进模糊聚类的变压器故障诊断的方法，其特征在于：所述步骤S4中，将步骤S3获得的DGA数据集的聚类中心vj对变压器进行故障诊断，确定待诊断变压器的故障类型，包括以下分布步骤：
【技术特征摘要】
1.基于鲸鱼优化算法改进模糊聚类的变压器故障诊断的方法，其特征在于包括以下步骤：
2.根据权利要求1所述基于鲸鱼优化算法改进模糊聚类的变压器故障诊断的方法，其特征在于：所述步骤s2中，同种故障类型的dga数据的相似性，体现在气体成分的相似，即各种气体所占的比例相似，对dga数据进行初始化，求取气体所占比重；初始化处理包括：
...【专利技术属性】
技术研发人员：龙兵，陈军，张晓成，邹彦，匡一雷，陈曦，阎晓铭，
申请(专利权)人：国网湖北省电力有限公司宜昌供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。