[发明专利]基于支持向量机多分类概率输出的变压器故障诊断方法

权利要求书

1.一种基于支持向量机多分类概率输出的变压器故障诊断方法，其特征在于，包括如下步骤：

步骤(1)，故障特征量的选取和故障分类：

选取了油中溶解的H₂、CH₄、C₂H₆、C₂H₄、C₂H₂作为气体特征参数；

SVM模型输入的样本(x,y)的特征向量x是这5类气体的含量构成的向量(x₁,x₂,x₃,x₄,x₅)，y为样本的故障类型；

步骤(2)，收集已知故障类型的变压器油中溶解气体数据，形成训练样本集；

步骤(3)，SVM模型核函数和惩罚参数C的选择：SVM模型核函数采用径向基函数；核函数中的参数γ和SVM的惩罚参数C的确定是采用网格搜索的方法，对训练样本集进行交叉验证，选择其中准确率最高的一组(C,γ)作为模型的参数；

步骤(4)，采用训练样本集使用步骤(3)选择的准确率最高的一组(C,γ)训练出SVM模型；所述的SVM模型的输入为训练样本集，输出为故障类型；

步骤(5)，将每一个SVM的训练样本(x_i,y_i)对应的(f_i,y_i)作为Sigmoid函数的训练集，进行训练，得出Sigmoid函数中的参数A、B，从而得到Sigmoid函数；

其中f_i为SVM决策函数计算得出的值；

其中，K(x_i,x_gus)为SVM模型核函数，x_gus表示变量，α_i是拉格朗日乘子，可极大似然估计算法求解；x_i为样本数据；y_i为样本标签值，即样本的故障类型；b为常数；

将SVM决策函数f_i的输出值映射成到区间[0,1]，从而实现概率输出，如式(10)：

其中，f_i＝f_i(x)是分类决策函数输出，A、B是Sigmoid函数的待定参数；P_A,B(f_i)表示各类输出故障类型对应的概率；

步骤(6)，基于步骤(4)的故障诊断模型，结合步骤(5)得到的各类故障发生时的P_A,B(f_i)值和样本标准差的值，进行故障诊断。

2.根据权利要求1所述的基于支持向量机多分类概率输出的变压器故障诊断方法，其特征在于，惩罚参数C的取值范围为[10^-6,10^-5,...,10⁵,10⁶]，径向基函数的参数γ的取值范围为[10^-5,10^-4,...,10⁴,10⁵]。

3.根据权利要求1所述的基于支持向量机多分类概率输出的变压器故障诊断方法，其特征在于，b取值为1.02。

4.根据权利要求1所述的基于支持向量机多分类概率输出的变压器故障诊断方法，其特征在于，步骤(1)中，故障类型分为六种：低温过热T₁，即绝缘油温度≤300℃；中温过热T₂，即绝缘油温度高于300℃并低于等于700℃；高温过热T₃，即绝缘油温度高于700℃；局部放电PD；低能放电D₁；高能放电D₂。

5.根据权利要求1所述的基于支持向量机多分类概率输出的变压器故障诊断方法，其特征在于，步骤(6)中，具体诊断方法为：

故障样本标准差计算公式如下：

其中，σ表示样本的标准差的值，表示样本的平均值，n表示样本的个数；

(1)当max(P_A,B(f_i))60％且σ0.25时，则认为变压器故障特征明确，SVM模型输出故障类型为变压器实际故障类型；

(2)若不满足上述条件时，则认为变压器的故障特征不明确，SVM模型输出的故障类型可能是变压器实际故障；然后按照概率从大到小进行排序，选择概率排序前两到三个故障类型，对设备进行有针对性的人工校正。