[发明专利]变压器油监测设备可靠性评估模型的构建方法、使用方法

权利要求书

1.一种变压器油监测设备可靠性评估模型的构建方法，其特征在于，包括以下步骤：

S11、使用分层抽样方法获取标准变压器油监测设备的可靠性评估用数据，以及匹配的气体浓度测量可靠性指数K，得到第一数据池；其中，所述气体浓度可靠性指数K根据气体测量浓度C₁和气体实际浓度C₀确定；

S12、使用所述第一数据池建立随机森林回归模型的训练集和测试集，所述随机森林回归模型的输入向量包括所述可靠性评估用数据，所述随机森林模型的输出向量包括气体浓度测量可靠性指数K'；

S13、使用所述训练集训练随机森林回归模型，得到随机森林回归器；

S14、使用所述测试集验证所述随机森林回归器的有效性，若所述随机森林回归器的输出精度符合要求，则所述随机森林回归器为变压器油监测设备可靠性评估模型。

2.如权利要求1所述的变压器油监测设备可靠性评估模型的构建方法，其特征在于，在所述步骤S11中，所述分层抽样方法为拉丁超立方抽样方法，采用拉丁超立方抽样方法抽取用于构造训练集的数据时，将参数空间分为18层，每层抽取10个样本构成变压器油色谱在线设备可靠性评测用数据，采用拉丁超立方抽样方法抽取用于构造测试集的数据时，将参数空间分为12层，每层抽取5个样本构成变压器油色谱在线设备可靠性评测用数据。

3.如权利要求1所述的变压器油监测设备可靠性评估模型的构建方法，其特征在于，在所述步骤S11中，所述变压器油监测设备可靠性评估用数据包括变压器油温度、静电干扰电压、工作环境射频场频率、设备运行年限、CH₄测量浓度、C₂H₂测量浓度、C₂H₄测量浓度、C₂H₆测量浓度和H₂测量浓度；所述气体浓度可靠性指数K为CH₄浓度可靠性指数、C₂H₂浓度可靠性指数、C₂H₄浓度可靠性指数、C₂H₆浓度可靠性指数或H₂浓度可靠性指数。

4.如权利要求1所述的变压器油监测设备可靠性评估模型的构建方法，其特征在于，在所述步骤S11中，

5.如权利要求1所述的变压器油监测设备可靠性评估模型的构建方法，其特征在于，在所述步骤S12中，还使用所述分层抽样方法补充获取标准变压器油监测设备的可靠性评估用数据，使用K预测模型输出匹配的气体浓度测量可靠性指数K，补入所述训练集后，得到扩充训练集，在所述步骤S13中，使用所述扩充训练集训练随机森林回归模型，得到随机森林回归器；

获取所述K预测模型的方法是：

建立神经网络预测初始模型，所述神经网络预测初始模型的输入向量包括所述可靠性评估用数据，所述神经网络预测初始模型的输出向量包括气体浓度测量可靠性指数K，

使用所述训练集训练所述神经网络预测初始模型，得到神经网络预测模型；

使用所述预测集验证所述神经网络预测模型，若所述神经网络预测模型满足精度要求，则神经网络预测模型为所述K预测模型。

6.如权利要求5所述的变压器油监测设备可靠性评估模型的构建方法，其特征在于，所述神经网络预测初始模型的隐藏层层数为2，隐藏层神经元个数均为50，在验证所述神经网络预测模型时，所述神经网络预测模型的容忍度设为0.1。

7.如权利要求1所述的变压器油监测设备可靠性评估模型的构建方法，其特征在于，在所述步骤S13中，建立随机森林回归模型时，超参数为弱学习决策树的个数，以及弱学习决策树的深度，使用网格搜索的方式优化随机森林回归模型。

8.如权利要求7所述的变压器油监测设备可靠性评估模型的构建方法，其特征在于，所述弱学习决策树的个数为10，所述弱学习决策树的深度为20。

9.一种变压器油监测设备输出的气体测量浓度可靠性估测方法，其特征在于，包括以下步骤：

S21、使用分层抽样方法获取待评测变压器油监测设备的可靠性评估用数据；

S22、将所述可靠性评估用数据输入使用如权利要求1-8中任一项所述的变压器油监测设备可靠性评估模型的构建方法构建的变压器油监测设备可靠性评估模型，所述变压器油监测设备可靠性评估模型输出气体浓度测量可靠性指数K'；

S23、比较K'和气体浓度测量可靠性阈值ε的大小，若K'≥ε，则变压器油监测设备输出的气体浓度是可靠的；若K'ε，则变压器油监测设备输出的气体浓度是存疑的。