[发明专利]基于粗糙集与回答集的变压器故障诊断方法和系统

说明书

本发明公开一种基于粗糙集与回答集的变压器故障诊断方法和系统，通过故障编码对应相应的故障类型，从而构成故障诊断知识库，通过气体采样器采集特征气体含量与知识库中的知识匹配，最终自动产生诊断结果。本发明是以知识表示为基础，以实用化为目的，可以轻松的处理庞大的未加整理的知识，能够与知识的追加、修正和清除进行简单地对应，适用于规则和数据具有模糊度的场合。本发明将粗糙集理论与ASP程序相结合，构建了基于粗糙集理论与ASP的变压器故障诊断专家系统‑‑RS‑ASP，该方法对三比值法的临界值进行处理，使原三比值法更加完整，准确率更高。

技术领域

本发明涉及电力变压器故障诊断技术领域，具体涉及一种基于粗糙集理论的变压器故障诊断方法和系统。

背景技术

维护变压器正常运行是保证整个电力系统可靠供电的基础。但随着城市化的发展，用电量不断增大，变压器出现故障的可能性也随之增大，如果不能及时发现并处理这些故障，将会对电网的安全可靠性造成很大的威胁，因此如何快速准确的诊断变压器故障是当前学术界研究的一个重点。

目前，诊断电力变压器故障的方法主要有两大类，电气试验法和油中溶解气体分析法(Disssolved Gas Analysis，简称DGA)。其中，DGA方法中的三比值法是综合判断变压器故障的重要手段之一，在变压器故障诊断中应用最广。相对于传统的电气试验方法，三比值法在变压器故障诊断中更加有效，尤其是对某些局部故障和发热缺陷。但经长期的实践和大量的故障诊断数据显示，三比值法也存在一定的不足，如缺少编码、编码区间过于绝对化，以及在一些情况下会出现无法判断或判断失误的可能，有较大的局限性。

为此，国内外学者在DGA的基础上充分结合各种人工智能技术判断变压器故障类型，主要方法有三类：基于集合论的方法，基于智能程序系统的方法以及基于机器学习的方法。1)基于集合论的方法，如模糊集理论、粗糙集理论等。模糊集理论无需建立精确的数学模型，且诊断速度快，但是模糊理论对变压器故障诊断的设计缺乏系统性，无法定义控制目标；粗糙集理论可以处理各种缺省信息，较大程度的提高了原有变压器故障诊断的准确率，但该方法离散化以后约简程度不高。2)基于智能程序系统的方法，如专家系统。专家系统可以使各领域专家的经验很好地结合在一起，解决复杂问题，但如果知识库获取不完备，则会导致推理的不严谨甚至得出错误的结论。3)基于机器学习的方法，如人工神经网络，贝叶斯网络等。该方法有很强的自学能力，但需要获取大量历史数据且运算速度较慢，限制了该方法的实用性。

发明内容

本发明所要解决的是现有变压器故障诊断方法所存在的问题，提供一种基于粗糙集理论的变压器故障诊断方法和系统。

为解决上述问题，本发明是通过以下技术方案实现的：

基于粗糙集理论的变压器故障诊断方法，包括如下步骤：

步骤1、将变压器故障时所产生的特征气体从变压器油中分离出来；

步骤2、对分离出的特征气体进行检测，获得特征气体的组分类型和各组分的含量；

步骤3、将特征气体中各组分含量进行比值，通过粗糙集理论将比值的大小进行编码并分类，从而生成相对应的谓词，最后构成ASP知识库中的事实集；

步骤4、将电力专家的知识转换成规则集：

步骤5、由步骤4的规则集构成推理机，并对故障3的事实集进行推理，由此获得故障诊断结果；

步骤6、对故障诊断结果进行显示。

步骤1中，利用聚四氟乙烯高分子膜使变压器油气分离。

步骤2的具体过程为：

步骤2.1、将分离出的特征气体，由载气带入色谱柱；

步骤2.2、通过对特征气体中不同组分有不同保留性能的色谱柱，使特征气体中的各组分分离；