[发明专利]一种基于机器学习的变压器故障诊断方法及终端机

说明书

本发明提供一种基于机器学习的变压器故障诊断方法及终端机，根据热与电导致绝缘受损导致的油浸变压器各部位出现的故障，进行故障分类；采用基于精英引导和混沌搜索的人工蜂群算法对小波神经网络的对分类后的故障数据进行优化；基于小波神经网络对油浸式变压器的故障进行诊断。本发明通过用改进的人工蜂群算法优化小波神经网络的参数，提升了诊断正确率。避免依赖工作人员的现场经验，当现场工作人员对相应变压器故障诊断的实际经验不足时，难以准确的诊断出故障的问题，本发明的变压器故障诊断方法可以保障变压器的稳定运行，降低故障率的发生。

技术领域

本发明涉及属于油浸变压器故障诊断技术领域，尤其涉及一种基于机器学习的变压器故障诊断方法及终端机。

背景技术

电力变压器作为电器网中重要的一次设备之一，兼具电压等级调整，能量输送和潮流控制等关键作用，一旦发生故障，其引发的事故可能导致巨额生命财产损失、，交通瘫痪，甚至造成社会的不稳定。

传统诊断方法的劣势显而易见，通过简单的计算和机械化的查表无法准确对故障进行分析和定位，依赖工作人员的现场经验，当现场工作人员对相应变压器故障诊断的实际经验不足时，往往难以准确的诊断出故障，影响变压器的稳定运行。

发明内容

本发明提供一种基于机器学习的变压器故障诊断方法，变压器故障诊断方法提升了诊断正确率，也提升运算速率和收敛能力。

基于机器学习的变压器故障诊断方法包括：

步骤1、根据热与电导致绝缘受损导致的油浸变压器各部位出现的故障，进行故障分类；

步骤2、采用基于精英引导和混沌搜索的人工蜂群算法对小波神经网络的对分类后的故障数据进行优化；

步骤3、基于小波神经网络对油浸式变压器的故障进行诊断。

本发明还提供一种实现基于机器学习的变压器故障诊断方法的终端机，包括：

存储器，用于存储终端机程序及基于机器学习的变压器故障诊断方法；

处理器，用于执行所述终端机程序及基于机器学习的变压器故障诊断方法，以实现基于机器学习的变压器故障诊断方法的步骤。

从以上技术方案可以看出，本发明具有以下优点：

本发明涉及基于机器学习的变压器故障诊断方法，是根据热与电导致绝缘受损进而导致油浸变压器各部位出现故障的理论，进行故障分类。在具体研究油中气体对变压器具体故障类型反应的基础上建立溶解气体与故障之间的联系。提出采用基于精英引导和混沌搜索的新颖的人工蜂群算法对小波神经网络的参数进行。基于改进的人工算法优化的小波神经网络对油浸式变压器进行故障诊断。再通过人工蜂群算法优化小波神经网络对参数进行处理，提升了诊断正确率，实现了自动对变压器故障诊断，提升运算速率和收敛能力，符合变压器安全的实际要求。避免依赖工作人员的现场经验，当现场工作人员对相应变压器故障诊断的实际经验不足时，难以准确的诊断出故障的问题，本发明的变压器故障诊断方法可以保障变压器的稳定运行，降低故障率的发生。

附图说明

为了更清楚地说明本发明的技术方案，下面将对描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为基于机器学习的变压器故障诊断方法流程图；

图2为小波神经网络示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。