[发明专利]一种基于随机森林的变压器故障诊断方法

说明书

本发明公开了一种基于随机森林的变压器故障诊断方法，包括：采集变压器中绝缘油中故障气体浓度数据以及对应的故障类别作为训练样本；根据所述训练样本按照决策树的生成步骤建立故障决策树；根据故障决策树建立随机森林模型；采集未知故障类别的故障气体浓度数据，输入到所述随机森林模型，以所述随机森林模型得到故障类别。利用变压器中绝缘油中故障气体浓度数据作为训练样本建立的随机森林模型，对整个变压器故障有精确的诊断，而且稳定性高，可应用于变压器诊断技术领域。

技术领域

本发明涉及电力变压器故障诊断技术领域，特别涉及一种基于随机森林的变压器故障诊断方法。

背景技术

电力变压器是电力系统的重要设备，由于变压器内部结构复杂，电场分布不均匀，且随着电压水平增高，事故率成上升趋势。作为电力系统的主要设备的变压器，其故障除给本身带来重大损失外，还对电力系统安全产生造成很大的影响。

目前电力变压器故障诊断的技术和方法,主要有专家系统、人工神经网络、优化技术、Petri网络、模糊集理论、粗糙集理论等。

近年来出现的基于随机森林模型的变压器故障检测方法，但是这些方法对训练样本选择并不准确，因此常常出现准确度不高的问题。

发明内容

本发明的目的是：提供一种诊断准确度高的变压器故障诊断方法。

本发明解决其技术问题的解决方案是：一种基于随机森林的变压器故障诊断方法，采集变压器中绝缘油中故障气体浓度数据以及对应的故障类别作为训练样本；根据所述训练样本按照决策树的生成步骤建立故障决策树；根据故障决策树建立随机森林模型；采集未知故障类别的故障气体浓度数据，并输入到所述随机森林模型，以所述随机森林模型得到故障类别。

进一步，所述故障气体包括：氢气、甲烷、乙烷、乙烯、乙炔。

进一步，所述故障类别包括：高能击穿、低能击穿、过热、正常运行。

本发明的有益效果是：利用变压器中绝缘油中故障气体浓度数据作为训练样本建立的随机森林模型，对整个变压器故障有精确的诊断，而且稳定性高，可应用于变压器诊断技术领域。

具体实施方式

以下将结合实施例对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。另外，文中所提到的所有联接/连接关系，并非单指构件直接相接，而是指可根据具体实施情况，通过添加或减少联接辅件，来组成更优的联接结构。本发明创造中的各个技术特征，在不互相矛盾冲突的前提下可以交互组合。

实施例1，一种基于随机森林的变压器故障诊断方法，包括：

步骤一：采集变压器中绝缘油中氢气、甲烷、乙烷、乙烯、乙炔的浓度数据和对应的故障类别作为训练样本并建立样本集。其中，故障类别作为决策树的分类标签，该故障类别有：高能击穿、低能击穿、过热、正常运行。

步骤二：根据所述训练样本集按照决策树的生成步骤建立故障决策树；

步骤三：将故障决策树合成为随机森林模型；

步骤四：采集未知故障类别的故障气体浓度数据，并输入到所述随机森林模型；

步骤五：从随机森林模型中获取所有故障决策树得到的分类结果，进行投票得到最终的结果，决策规则按照多数投票法，选取投票最多的故障类别作为诊断结果。

本实施例一共选用25组训练样本和10组测试样本，其中，25组训练样本得到250棵故障决策树的随机森林模型，该随机森林模型对10 组测试样本的投票结构如表1所示：

表1