[发明专利]一种变压器状态评估方法在审
申请号: | 201910181566.1 | 申请日: | 2019-03-11 |
公开(公告)号: | CN110618340A | 公开(公告)日: | 2019-12-27 |
发明(设计)人: | 罗伟明;吴杰康;覃炜梅;张博 | 申请(专利权)人: | 广东工业大学 |
主分类号: | G01R31/02 | 分类号: | G01R31/02;G01R31/12;G01N30/02 |
代理公司: | 44102 广州粤高专利商标代理有限公司 | 代理人: | 林丽明 |
地址: | 510006 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 变压器状态评估 输入样本 预处理 变压器状态 密度聚类 算法处理 产气率 数据集 总烃 变压器 模糊神经网络算法 模糊神经网络 绕组直流电 击穿电压 极化指数 介质损耗 评估参数 评估模型 实际状态 数据通过 铁心接地 构建 微水 向量 样本 评估 | ||
1.一种变压器状态评估方法,其特征在于,所述的方法包括以下步骤:
S1:确定不同变压器样本的评估参数,所述评估参数包括以下参数中的任意一种或多种:C2H2气体含量、H2含量、总烃绝对产气率、总烃含量、CO绝对产气率、极化指数、绕组直流电阻、绕组介质损耗、铁心接地电流、酸值、油中微水含量、油击穿电压、油介损;依据上述评估参数构建输入样本数据集;
S2:对输入样本进行预处理;
S3:对经S2预处理过的输入样本向量进行局部密度聚类算法处理;
S4:通过局部密度聚类算法处理,得到变压器状态结果;
S5:结合变压器状态结果和数据集搭建基于模糊神经网络算法的变压器状态评估模型;
S6:输入新变压器状态评估数据通过模糊神经网络评估模型进行变压器状态评估。
2.根据权利要求1所述的变压器状态评估方法,其特征在于,步骤S1所述的变压器状态评估输入样本用向量v表示:
v=(v1,v2,v3…v13)
其中v1,v2,v3…v13分别对应C2H2气体含量,H2含量,总烃绝对产气率,总烃含量,CO绝对产气率,极化指数,绕组直流电阻,绕组介质损耗,铁心接地电流,酸值,油中微水含量,油击穿电压,油介损这13个特征指标量。
3.根据权利要求2所述的变压器状态评估方法,其特征在于,步骤S2的预处理公式为:
式中,v′表示经过正则化处理的输入样本向量,Zp表示与输入向量v的p范数,其中p表示输入向量的维度;a,b表示输入向量中的各个特征指标量的注意值,i∈[1,13]。
4.根据权利要求1所述的变压器状态评估方法,其特征在于,步骤S3包括以下步骤:
S3.1:计算输入向量的欧式距离并确定截断距离Dc,Dc的距离为所有输入向量之间相互距离由小到大排列占总数2%的位置的距离大小;
S3.2:计算连续局部密度σi,连续局部密度的计算公式为:
Dij=||v′i-v′j||
式中,Dij表示第i个样本点到j点的距离;Dc表示截断距离;σi表示第i个样本的局部密度,表示对于i点其距离Dij小于截断距离Dc的点的个数,v′i为第i个样本点的指标向量,v'j为第j个样本点的指标向量;
S3.3:根据局部密度确定距离偏量δi;求解距离偏量时,要根据该点i是否是连续局部密度聚类最大点来计算每个点的距离偏量;
若i不为密度最大点:
若i为密度最大点:
式中,距离偏量δi定义为:对于i点,比i点的局部密度大的点j中的最小距离;并定义局部密度最大的点的距离偏量也为最大,保证局部密度最大点为聚类中心,σi表示第i个样本的局部密度,σj表示第j个样本的局部密度;
S3.4:根据距离偏量δi和连续局部密度σi,确定心选择指标γi并标记聚类中心;
S3.5:根据聚类中心对非聚类中心点进行遍历得到聚类结果;
S3.6:在对子类进再聚类,直到中心选择指标γi无法在区分为止,得到n类聚类结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东工业大学,未经广东工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910181566.1/1.html,转载请声明来源钻瓜专利网。