[发明专利]一种电力变压器故障诊断方法

权利要求书

1.一种电力变压器故障诊断方法，其特征在于，按照以下步骤实施：

步骤1、第一层融合：对第一训练数据进行预处理、归一化，分别构建第一DBN网络和第一SAE网络，并对两个网络进行训练，分别得到第一DBN网络和第一SAE网络训练好的第一训练参数；

其中，第一训练数据为变压器的历史故障部位数据样本集，包括两类：一是油中溶解的气体体积分数、局部放电量、套管介质耗损因数九组影响电力变压器运行的运行参数；二是与运行参数相对应的电力变压器的故障部位的标签数据集，包括绕组故障、油纸绝缘故障、铁芯故障三种故障；

步骤2、基于两个所述第一训练参数，将第一待测数据分别经过第一DBN网络和第一SAE网络计算得到两个第一网络输出结果；

其中，第一待测数据为电力变压器的九种运行参数真实值的数据矩阵m×9，第一网络输出结果为对应第一待测数据的三种故障部位的数据矩阵m×3；m为待测数据的个数；

步骤3、将两个所述第一网络输出结果、视为电力变压器故障部位的类别概率，将这两个类别概率作为两个不同证据用于D-S证据理论的融合，最后根据融合后得到的新的证据的基本概率分配函数的最大值，判定得到第一待测数据中所有数据对应的故障部位；

步骤4、对步骤3中确定出的每个故障部位分别进行第二层融合：

选取第二训练数据进行预处理、归一化，分别构建第二DBN网络和第二SAE网络，并对两个网络进行训练，分别得到第二DBN网络和第二SAE网络训练好的第二训练参数；

其中，第二训练数据包括两类：一是油中溶解的气体体积分数、局部放电量、套管介质耗损因数九组影响电力变压器运行的运行参数；二是与故障部位相对应的故障原因的标签数据集；

步骤5，基于两个所述第二训练参数，将第二待测数据分别经过第二DBN网络和第二SAE网络计算得到两个第二网络输出结果；

其中，根据第一待测数据经过第一层融合得到的故障部位的不同，将第一待测数据分为三类，此时分类后的第一待测数据即为第二待测数据；第二网络输出结果为对应第二待测数据的故障原因的矩阵；

步骤6，将步骤5得到的两个第二网络输出结果视为电力变压器第一层融合得到的故障下的故障原因的类别概率，将这两个类别概率作为两个不同证据用于D-S证据理论的融合，最后根据融合后得到的新的证据的基本概率分配函数的最大值，判定得到第二待测数据中每个故障部位对应的故障原因。

2.如权利要求1所述的一种电力变压器故障诊断方法，其特征在于，所述步骤3中，对于故障部位的D-S融合过程为：设e₁为第一DBN网络模型的网络输出结果，e₂为第一SAE网络模型的网络输出结果，分别计算关于证据e₁和e₂对三个故障部位F₁，F₂，F₃的基本概率分配函数，分别计算关于证据e₁和e₂的不确定度；对e₁,e²两个证据进行融合得到证据ε，计算融合后的基本概率分配函数，进而根据最大值确定出第一待测数据中的m个数据所对应的故障部位。

3.如权利要求1或2所述的一种电力变压器故障诊断方法，其特征在于，所述步骤6中，对于第一层融合得到的故障下的故障原因的D-S融合过程：

设e₃为第二DBN网络模型的网络输出结果，e₄为第二SAE网络模型的网络输出结果，分别计算关于证据e₃和e₄对第一层融合得到的故障下的故障原因的基本概率分配函数，对e₃,e₄两个证据进行融合得到证据α，计算融合后的基本概率分配函数，则由基本概率分配函数的最大值得到第二待测数据分别属于第一层融合得到的故障下的某个故障原因。

4.如权利要求1或2所述的一种电力变压器故障诊断方法，其特征在于，所述步骤4中，所述运行参数分为三类，第一类为与绕组故障对应的运行参数，第二类为与油纸绝缘故障对应的运行参数，第三类为与铁芯故障对应的运行参数；标签数据集分为三类：第一类为与绕组故障对应的标签数据集，第二类为与油纸绝缘故障对应的标签数据集，第三类为与铁芯故障对应的标签数据集。

5.如权利要求1或2所述的一种电力变压器故障诊断方法，其特征在于，所述步骤4中，与故障部位相对应的故障原因的标签数据集包括：

故障部位为绕组故障的故障原因分别用(1，0，0，0)、(0,1，0，0)、(0，0，1，0)、(0，0，0，1)表示绕组过热、绕组变形、绕组断线、绕组匝间短路；

故障部位为油纸绝缘故障的故障原因分别用(1，0)、(0,1)表示液体绝缘油故障、固体绝缘纸故障；

故障部位为铁芯故障的故障原因分别用(1，0，0，0)、(0,1，0，0)、(0，0，1，0)、(0，0，0，1)表示铁芯过热、铁芯片短路、铁芯松动及噪声、铁芯多点接地。