[发明专利]一种基于LOF算法与混合采样的变压器故障诊断方法

权利要求书

1.一种基于LOF算法与混合采样的变压器故障诊断方法，其特征在于，包括如下步骤：

S1、收集数据样本；收集油中溶解气体中的故障数据D₁，D₂，T₁，T₂和正常数据NC，得到初始的非平衡数据集；

S2、数据预处理；

S3、采用LOF算法分别去除故障数据和正常数据样本集中的异常值；

S4、扩充少数类故障样本数据；

S5、提取多数类正常样本数据；

S6、训练模型；将二次采样过后的正常样本和故障样本整合，得到新的平衡样本集，将新的平衡样本集输入随机森林模型中训练，建立故障诊断模型，

S7、对变压器的故障类型进行分类。

2.根据权利要求1所述的一种基于LOF(Local Outlier Factor)算法与混合采样的变压器故障诊断方法，其特征在于，所述S2中预处理包括对非平衡数据集进行归一化处理，以此缩小数据集的数值范围，归一化方法如下：

将初始数据集带入归一化公式计算，公式如下：

式中z_ij表示原始数据，代表经归一化处理后的数据；i表示样本数据个数编号；j表示特征维度序号，1～5分别表示五种气体类型数据。

3.根据权利要求1所述的一种基于LOF算法与混合采样的变压器故障诊断方法，其特征在于，所述S3的过程包括：

S3.1计算样本点间距：对于n个待测样本，采用马氏距离来计算任意两个样本点之间的距离，马氏距离公式如下：

计算待测样本点O与其第k个局部集群点的可达距离，公式如下：

dist_k(O,P)＝MAX{dist_k(O),dist(O,P)}

等式右边表示结果取该点与点O的距离和第k个集群点P与点O距离的最大值；

S3.2计算待测样本点O的局部可达密度lrd(O)：

式中N_k(O)表示点O的第k距离领域，即点O的第k距离及以内的所有点，包括第k距离，|N_k(O)|表示为点O的第k个领域点的个数，d_k(O,P)表示待测样本点O和第k个集群点P的距离；

S3.3计算局部离群因子LOF，LOF的值反应了某一点的可达密度与其他领域点密度之间的差异，用来作为判断待测点O是否为异常值的依据：

4.根据权利要求3所述的一种基于LOF算法与混合采样的变压器故障诊断方法，其特征在于，公式中lrd(P)和lrd(O)分别表示点P和点O的局部可达密度，若LOF的值越接近1，说明点O的可达密度与其领域点密度相似，若LOF值小于1，说明点O的可达密度高于其领域点密度，若LOF值大于1，则说明点O的可达密度低于其领域点密度，即被认为是异常值。

5.根据权利要求1所述的一种基于LOF算法与混合采样的变压器故障诊断方法，其特征在于，所述S4采用SMOTE算法进行过采样；具体如下：

S4.1设置故障样本数量为T，利用欧式距离计算样本间距，从故障样本中得到k个近邻样本x_i(near),near∈{1,...,k}。

S4.2根据不平衡比例设定一个采样倍率N，对于每一个原故障样本x_i，在其k个近邻样本中随机挑选一个样本x_i(nn)，将原故障样本和近邻故障样本按照如下公式合成新故障样本：

x_new＝x_i+rand(0,1)*|x_i-x_i(nn)|

S4.3重复上述两步步骤N次，即可合成N个新故障样本x_i(new),new∈{1,...,N}，此时的样本集即为新故障样本集。