[发明专利]电力变压器故障诊断方法与电力变压器故障诊断装置

权利要求书

1.一种电力变压器故障诊断方法，其特征在于，包括以下步骤：

根据电力变压器油中溶解气体分析得到的特征气体组分体积分数的原始数据，提取特征向量，输入待诊断数据样本数目m和特征变量数目n，建立原始数据矩阵X_m×n，作为故障诊断数据库；

将原始数据矩阵中的样本数据作去噪处理和标准化处理，得到标准化矩阵；

根据所述标准化矩阵，运用改进量子粒子群算法训练和调整自适应模糊神经推理系统的系统参数，建立变压器故障诊断模型；

采用所述变压器故障诊断模型对测试数据进行诊断；

其中，根据所述标准化矩阵，运用改进量子粒子群算法训练和调整自适应模糊神经推理系统的系统参数，建立变压器故障诊断模型，包括：

S1，对改进量子粒子群的每一粒子进行编码，生成初始种群，粒子向量由自适应模糊神经推理系统的系统参数组成，所述系统参数包括前件参数a,b,c,d和后件参数p,q,r；得到MQPSO粒子结构如下：

x＝[a,b,c,d,p,q,r]

S2，根据所述标准化矩阵计算初始种群中每个粒子的适应度函数f，记录个体历史最优值p_id与种群全局最优值p_gd；适应度函数f表示为ANFIS实际输出值和期望输出值之间的均方根误差，公式如下：

式中，Y、T分别为ANFIS模型的实际输出值和期望输出值；M为MQPSO种群规模；

S3，判断当前迭代次数是否大于最大设定迭代次数N_max，是则执行步骤S4，否则执行步骤S5；

S4，将改进量子粒子群算法的全局最优解作为自适应模糊神经推理系统网络的系统参数，运用改进量子粒子群算法优化的自适应模糊神经推理系统对所述标准化矩阵进行训练学习，并判断是否满足精度，是则建立变压器故障诊断模型，否则返回执行步骤S1；

S5，将改进量子粒子群算法的所有粒子根据个体历史最优位置和种群全局最优位置进行位置更新，其中，更新公式如下：

p_id(t+1)＝a·p_id(t)+(1-a)·p_gd(t)

式中，p_id为粒子i的历史最优位置；p_gd为种群全局最优位置；M_best为种群中所有粒子的平均最优位置；x_id为第i个粒子的位置；M为种群规模；t为当前迭代代数；α为QPSO的收缩扩张系数；a和b为[0,1]区间上均匀分布的随机数；

对位置更新后的改进量子粒子群算法的所有粒子重新计算适应度函数f，统计改进量子粒子群算法每迭代预设次数N_c中的种群全局最优连续停滞的累积代数N_pla，0＜N_c≤N_max且0＜N_pla≤N_c，并判断累积代数N_pla是否大于连续停滞门槛N_pla0，否则返回执行步骤S3，是则按照变异概率P_m执行变异算子扰动种群全局最优p_gd和平均最优位置M_best，返回执行步骤S3；其中，按照变异概率P_m执行变异算子扰动种群全局最优p_gd和平均最优位置M_best采用如下计算公式实现：

p_gd(t)＝p_gd(t)+μD₁(g)

M_best(t)＝M_best(t)+γD₂(g)

式中，P_m为种群当前变异概率；P₀为[0,1]范围内的常数；μ、γ均为[0,1]区间上均匀分布的随机数，D₁(g)、D₂(g)为服从Cauchy分布的随机变量。

2.根据权利要求1所述电力变压器故障诊断方法，其特征在于，所述去噪处理包括高斯滤波去噪处理。