[发明专利]基于符号动力学和LS‑SVM的变压器维护优化方法

说明书

技术领域

本发明涉及一种变压器维护优化方法，是基于符号动力学和最小二乘支持向量机LS-SVM预测变压器风险变化规律，在兼顾成本和效益条件下优化变压器维护方法，具体涉及一种基于符号动力学和LS-SVM的变压器维护优化方法。

背景技术

变压器作为电力系统的关键设备，它的运行状态直接影响电网安全和稳定运行，因此变压器维护显得尤其关键。目前变压器维护主要依照国家规定的定期检修执行，存在维护不足降低可靠性，以及不必要维护增加成本的问题。

变压器风险既与其品质、结构有关，又与设备环境、维护水平等相关，以上数据类型不同、随时间变化且相互关系复杂，目前尚无较好的方法能描述上述关系；目前变压器维护主要研究方法是模糊综合评判、粗糙集、人工神经网络等，存在预测效率较低、在小样本下效果不理想，容易陷入局部极值等问题。

发明内容

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于符号动力学和LS-SVM的变压器维护优化方法，其特征在于，包括以下步骤：

步骤1：利用符号动力学，基于式一将基础数据抽象分割得到变压器缺陷分布变化、故障分布变化、环境变化、负荷变化、以及维护计划变化五个变化符号的时间序列，前者时间尺度比后者大两级以上；

Ldivision(L,i)=Σq=1LnL-qS(q+i)]]>      式一

式一中，n为分割不同符号序列的个数；{S(1),S(2),…}为总符号序列；L为子符号序列的长度；i为沿着总符号序列分割子序列的起始序号；q是从1到L的数字；

分别将上述五个变化符号的时间序列的风险等级定为5级，具体分为大，较大，中等，较小，小，为确保时间尺度比后者大两级以上，则符号序列的符号集至少为5的2倍以上；则变压器每个指标最小的风险定义为符号序列{A,B,C}，最大的风险定义为符号序列{M，N，O}；

步骤2：根据步骤一的结果，按照变压器缺陷分布变化、故障分布变化、环境变化、负荷变化及维护计划变化五类分类分别统计缺陷数；根据式二对缺陷分布变化子时间序列进行预处理，确定设备总体的缺陷水平；

DPresent(i)=Dav(i)(1-Φ)+Φ(DAV(i)+Drecent(i)2)]]>      式二