【技术实现步骤摘要】
本申请涉及变压器检测领域，尤其涉及一种变压器故障诊断方法。
技术介绍
1、电力变压器是电力系统中的关键设备，负责电压的升降。变压器故障会影响电力系统的正常运行，因此提高变压器故障诊断的准确率对电力系统的稳定性和可靠性至关重要。变压器的油中溶解气体分析(dga)是变压器故障诊断的常用方法，但存在编码缺失导致诊断准确率不高的问题。为了提高准确率，提出了基于数学模型和理论的诊断方法，如灰色关联理论、模糊理论等，但这些方法的分类正确率有待提高。
2、近年来，随着人工智能的发展，出现了以油中溶解气体浓度为特征量的智能诊断方法。其中，人工神经网络和专家系统虽然有各自的不足。支持向量机(svm)是另一种方法，但其惩罚因子和核函数参数的选择对分类精度有很大影响。
3、极限学习机(elm)和三比值法结合的方法在一定程度上提高了诊断准确率，但其学习能力和泛化能力仍有待提高。核极限学习机模型和深度核极限学习机预测模型在分类和特征提取方面有所改进，但单核学习方法在处理高维复杂数据时仍存在问题。
技术实现思路
1、本申请的目的在于克服上述现有技术中的问题，提供一种变压器故障诊断方法。
2、本申请提供一种变压器故障诊断方法，包括：
3、将变压器的油中溶解的h2，ch4，c2h2，c2h4，c2h6以及th这6种气体数据两两配对，生成用于变压器故障诊断的dga比值；
4、根据所述dga比值生成训练数据集；
5、将由高斯核函数和多项式核函数组
6、将所述训练数据集输入到所述深度混合核极限学习机进行训练，生成变压器故障诊断模型进行变压器故障诊断。
7、可选地，将所述训练数据集输入到所述深度混合核极限学习机进行训练，包括：
8、采用dot算法对所述深度混合核极限学习机的参数进行优化，优化步骤包括：
9、使用tent混沌映射对doa算法的参数种群进行初始化；
10、根据doa个体的平均适应度值，生成含有n个doa算法的劣质群体，然后进行迭代，包括：在每次迭代中生成变异向量，通过二项式交叉将目标向量与变异向量结合，然后采用贪婪算法选择进入下一代种群的个体；
11、迭代完成后，将输出的参数作为所述深度混合核极限学习机的优化参数。
12、可选地，采用dot算法对所述深度混合核极限学习机的参数进行优化，包括：
13、在所述dot算法中融入反向学习策略和柯西变异。
14、可选地，所述混合核函数的表达式如下：
15、k(x,xi)＝ν·krbf+(1-ν)·kpoly,ν∈[0,1]；
16、其中，ν是混合函数的权重系数，给局部核函数和全局核函数分配不同的线性权值。
17、可选地，所述深度混合核极限学习机，当训练样本数大于隐层节点数时，计算式为：
18、
19、可选地，所述深度混合核极限学习机包括编码器和解码器；
20、所述编码器包括输入层、多个隐含层、核映射层和全连接层；
21、所述解码器包括所述全连接层和输出层。
22、可选地，所述编码器通过对所述隐含层和核映射层的压缩来初始化隐含层的权值，并根据所述权值将所得出的隐含层堆叠起来。
23、可选地，将所述训练数据集输入到所述深度混合核极限学习机进行训练，包括：
24、将差分进化算法、反向学习策略和柯西变异融入到传统野狗算法对参数进行优化。
25、本申请的有益效果是：
26、本申请提供一种变压器故障诊断方法，包括：将变压器的油中溶解的h2，ch4，c2h2，c2h4，c2h6以及th这6种气体数据两两配对，生成用于变压器故障诊断的dga比值；根据所述dga比值生成训练数据集；将由高斯核函数和多项式核函数组成的混合核函数通过自动编码器接入到深度混合学习机中，构建深度混合核极限学习机；将所述训练数据集输入到所述深度混合核极限学习机进行训练，生成变压器故障诊断模型进行变压器故障诊断。本申请引入了混合核函数和自动编码器，以提高分类精度。此外，将差分进化算法、反向学习策略和柯西变异融入传统野犬算法中，形成改进的野犬优化算法(idoa)。通过测试典型的测试函数，验证了idoa在搜索能力和寻优精度方面具有显著优势。
本文档来自技高网...【技术保护点】
1.一种变压器故障诊断方法，其特征在于，包括：
2.根据权利要求1所述变压器故障诊断方法，其特征在于，将所述训练数据集输入到所述深度混合核极限学习机进行训练，包括：
3.根据权利要求2所述变压器故障诊断方法，其特征在于，采用DOT算法对所述深度混合核极限学习机的参数进行优化，包括：
4.根据权利要求1所述变压器故障诊断方法，其特征在于，所述混合核函数的表达式如下：
5.根据权利要求1所述变压器故障诊断方法，其特征在于，所述深度混合核极限学习机，当训练样本数大于隐层节点数时，计算式为：
6.根据权利要求1所述变压器故障诊断方法，其特征在于，所述深度混合核极限学习机包括编码器和解码器；
7.根据权利要求6所述变压器故障诊断方法，其特征在于，所述编码器通过对所述隐含层和核映射层的压缩来初始化隐含层的权值，并根据所述权值将所得出的隐含层堆叠起来。
8.根据权利要求1所述变压器故障诊断方法，其特征在于，将所述训练数据集输入到所述深度混合核极限学习机进行训练，包括：
【技术特征摘要】
1.一种变压器故障诊断方法，其特征在于，包括：
2.根据权利要求1所述变压器故障诊断方法，其特征在于，将所述训练数据集输入到所述深度混合核极限学习机进行训练，包括：
3.根据权利要求2所述变压器故障诊断方法，其特征在于，采用dot算法对所述深度混合核极限学习机的参数进行优化，包括：
4.根据权利要求1所述变压器故障诊断方法，其特征在于，所述混合核函数的表达式如下：
5.根据权利要求1所述变压器故障诊断方法，其特征在于，所述深...
【专利技术属性】
技术研发人员：王力，刘英，张晓明，曹文斌，孙宇航，万澄泽，张俊刚，李宏涛，孙徐，任立阳，孙俭，孙艳辉，曹英明，柴琦，赵雁，孙守泽，秦海宇，门娇，王天宇，刘双旭，
申请(专利权)人：国网辽宁省电力有限公司朝阳供电公司，
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。