[发明专利]一种基于GEP算法的智能电网在线故障诊断方法

说明书

技术领域

本发明涉及电力变压器故障诊断领域，特别涉及一种基于GEP算法的智能电网在线故障诊断方法。

背景技术

安全、稳定的供电系统是国民经济发展的重要基础，是现代工业社会和谐发展的必要条件。电力变压器是电力系统中的重要枢纽设备，其运行的可靠性直接关系到电力系统的安全性与稳定性。目前大型变压器在运行中出现异常现象的情况时有发生，对电网的安全运行造成了严重威胁。

国内电力系统中大多数电力变压器采用绝缘油对内部系统进行散热和绝缘，而变压器处于不同运行状态时，其绝缘油中溶解气体组分和浓度各不相同，对油中溶解气体进行采样和分析，即可推断出变压器的运行状态，可以有效地对变压器进行故障诊断。然而变压器结构的复杂性以及故障原因、故障现象和故障机理的多样性、随机性和模糊性，使得其绝缘故障诊断存在许多困难。利用油中溶解气体分析(DGA， Dissolved Gas Analysis)方法，检测油浸变压器内部故障，已成为对其进行绝缘监督的重要手段。但是故障特征气体与故障之间存在复杂的非线性关系，传统的IEC三比值法和无编码比值法判断过于简单化，且存在比值盲区问题，往往不能对故障进行准确的诊断。

近年来，众多人工智能方法被单独或交叉应用于DGA故障诊断表的建立中，且不同程度的改善了故障表的适应性。基因表达式程序设计（GEP）分类方法无需人为选择数学模型，能够根据与问题有关的终结点集和函数集，自动生成与训练数据相拟合的函数表达式，从而对变压器油色谱数据进行精确分类，为变压器故障的诊断技术的发展开拓了新的途径。GEP算法具有优良的逼近任意非线性映射的能力，以及优秀的自适应性，在有限的训练样本下可以得到较为准确的结果。

基因表达式程序设计（GEP）是由葡萄牙科学家C. Ferreira发明的一种基于基因模型和表现型的新型遗传算法，其从遗传算法（简称GAs）和遗传程序设计（简称GP）中发展而来，在吸收了二者优点的同时,又克服了二者的不足之处，其显著特点就是可以利用简单编码解决复杂问题。个体构成需要两类符号，即终结符和函数符。染色体由一个基因(Gene)或多个基因通过连接函数连接构成。基因由头部和尾部构成。基因的头部(Head)由终结符集和函数符集共同构成。基因的尾部(Tail)仅由终结符集构成。

发明内容

本发明所解决的技术问题克服上面所述目前存在的技术缺陷，提供一种基于GEP算法的智能电网在线故障诊断方法，以提高小训练样本下，系统的自适应能力，提高故障诊断的准确性。

本发明提供了一种基于GEP算法的智能电网在线故障诊断方法，该方法包括以下步骤：

(1) 采集特征气体浓度数据；

(2) 对数据进行预处理；

(3)判断是否存在故障以及故障种类，采用7个GEP训练的分类器GEP1—GEP7，其中GEP1用于判断变压器的正常状态与低能放电状态，GEP2用于判断变压器的正常状态与高能放电状态，GEP3用于判断变压器的正常状态与过热状态，GEP4用于判断变压器的过热状态与低能放电状态，GEP5用于判断变压器的过热状态与高能放电状态，GEP6用于判断变压器的低能放电状态与高能放电状态，GEP7用于判断变压器的中低温过热与高温过热；

(4)显示故障信息。

本发明中所提取的特征气体包括H2，CH4，C2H6，C2H4， C2H2，C3H4中的至少5种。

其中，对数据的预处理包括归一化处理，使得浓度数据限制在[0,1]范围内，归一值的表达式为di=1-1/exp(2(Xi/Ti)2)(i=1,2,…,5)，其中，Xi为每种气体原始值，Ti为该气体关注值。该关注值为根据专家经验给出的危险警报值。

本发明还提供一种利用权利要求1所述方法诊断变压器故障的变压器故障诊断装置，其包括检测模块、控制模块，判断模块、显示模块以及接口模块，其中检测模块获得特征气体的浓度数据，控制模块存储经过训练的GEP模型，包括分类器GEP1-GEP7；判断模块基于检测模块获得的气体浓度数据，调用控制模块的GEP分类器以判断故障种类。

附图说明

图1 示出了本发明的7个GEP分类器进行判断的判断路径。

具体实施方式

本发明基于GEP算法的变压器故障诊断方法的具体方法结合实施例进行说明。