[发明专利]基于主成分分析法和支持向量机的变压器状态评估方法及系统

摘要

本公开公开了一种基于主成分分析法和支持向量机的变压器状态评估方法及系统，首先采用主成分分析法(PCA)对变压器数量繁杂的状态信息进行降维处理，剔除数据之间的关联性，选择最有价值的关键参量，从而降低了后续计算的复杂程度。随后，使用LS‑SVM作为分类器，将上述的关键参量作为输入，利用粒子群算法进行参数优化，对变压器的状态等级进行评估。同时提出多级SVM的体系，解决SVM一对多的分类问题，建立变压器的状态评估模型。本公开在减少参量数目降低计算复杂程度的同时，又保证了变压器状态判断的精确度，为电力系统的安全运行提供了较好的保障。

主权项

1.一种基于主成分分析法和支持向量机的变压器状态评估方法，其特征是：包括如下步骤：确定电力变压器关键性能状态量集合，根据每一个关键性能状态量的影响因子确定单项状态量集合；选取单项状态量集合中的参量作为基础参量进行量化，构建变压器状态参量判据矩阵；基于主成分分析法对变压器状态参量多维判据矩阵进行降维处理，取综合贡献率得分为正的基础参量作为变压器风险评估关键参量，构建变压器状态关键参量体系；根据关键参量的数量和变压器的状态分类数量构建多级支持向量机；获取关键参量的参数数据和对应的变压器状态建立训练样本集，将关键参量的参数数据作为支持向量机的输入数据，将变压器的状态作为支持向量机的输出数据；采用粒子群算法对支持向量机的惩罚因子C及核函数σ²进行寻优；用训练样本集的数据训练多级支持向量机，建立变压器的状态评估模型；获取待测变压器的包括关键参量的在线监测数据，将监测数据输入变压器的状态评估模型，输出变压器的运行状态。