[发明专利]融合多种智能诊断模型的变压器故障分层诊断方法

说明书

本发明提供一种融合多种智能诊断模型的变压器故障分层诊断方法，基于变压器的DGA数据，分别采用三比值法、CBR1法和RST1法对变压器进行第一层级的故障诊断，识别以下三种故障类型之一：放电故障、过热故障和其他故障；然后，对于放电故障，分别采用比值法1、CBR2法和RST2法对变压器进行第二层级的故障诊断；对于过热故障，分别采用比值法2、CBR3法和RST3法对变压器进行第二层级的故障诊断；采用RST4‑7进行第三层级的诊断。具有以下优点：本发明将粗糙集、范例推理及比值法有机地结合融合,以构建分层式故障综合诊断模型，从而提高变压器故障类型识别的准确度。本发明还具有计算速度快、结果直观等优点。

技术领域

本发明属于变压器故障诊断技术领域，具体涉及一种融合多种智能诊断模型的变压器故障分层诊断方法。

背景技术

电力变压器作为电力系统中的核心设备之一，其良好可靠的运行保证了电力系统的安全稳定，及时有效的掌握电力变压器的运行状态，并对电力变压器的故障进行精确诊断，对电力变压器运行维护具有重要意义。电力变压器故障诊断是确保电力系统安全可靠运行的关键技术之一,一直受到广泛关注。

近年来，神经网络、专家系统、模糊数学等多种智能诊断方法已被广泛研究,但由于变压器故障的复杂性，使这些单一的智能诊断方法往往呈现出自身的局限性，导致变压器故障诊断结果的精确性受限。

发明内容

针对现有技术存在的缺陷，本发明提供一种融合多种智能诊断模型的变压器故障分层诊断方法，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种融合多种智能诊断模型的变压器故障分层诊断方法，包括以下步骤：

步骤1，对于被诊断分析的变压器，获取变压器的DGA数据和电气试验数据；其中，所述DGA数据为变压器油中溶解的特征气体的组分类型和各组分的含量；

步骤2，基于所述变压器的DGA数据，分别采用三比值法、CBR1法和RST1法对变压器进行第一层级的故障诊断；其中，采用所述三比值法诊断到的变压器故障类型、采用所述CBR1法诊断到的变压器故障类型、以及采用所述RST1法诊断到的变压器故障类型均为以下三种故障类型之一：放电故障、过热故障和其他故障；

步骤3，基于少数服从多数的原则,判断是否满足以下情况：

情况3.1)如果三比值法、CBR1法和RST1法诊断到的变压器故障类型中，至少存在2个故障类型为放电故障类型，则确定第一层级的故障诊断结果为放电故障类型，然后执行步骤4；

情况3.2)如果三比值法、CBR1法和RST1法诊断到的变压器故障类型中，至少存在2个故障类型为过热故障类型，则确定第一层级的故障诊断结果为过热故障类型，然后执行步骤8；

情况3.3)如果情况3.1)和情况3.2)均没有满足，则返回步骤2，扩大三比值法、CBR1法和RST1法在进行故障诊断时采用的样本数据的数量，重新计算；

步骤4，分别采用比值法1、CBR2法和RST2法对变压器进行第二层级的故障诊断；其中，采用所述比值法1诊断到的变压器故障类型、采用所述CBR2法诊断到的变压器故障类型、以及采用所述RST2法诊断到的变压器故障类型均为以下两种故障类型之一：涉及固体绝缘放电故障、不涉及固体绝缘放电故障；然后执行步骤5；

步骤5，基于少数服从多数的原则,判断是否满足以下情况：

情况5.1)如果比值法1、CBR2法和RST2法诊断到的变压器故障类型中，至少存在2个故障类型为涉及固体绝缘放电故障类型，则确定第二层级的故障诊断结果为涉及固体绝缘放电故障类型，然后执行步骤6；