[发明专利]基于故障特征气体间关联特征的变压器故障类型识别方法

说明书

一种基于故障特征气体间关联特征的变压器故障类型识别方法，该方法基于大量电力变压器多种故障状态下的多种故障特征气体浓度数据，以定量相关关系分析获得不同故障特征气体间在不同故障类型下关联程度的定量表征，进而绘制不同故障状态下多种特征气体间关联程度的曲线，提取不同故障下的关联特征量及其分布范围，并以提取的关联特征为依据进行故障诊断。与基于传统特征量的方法相比，本发明依托于大量历史数据，挖掘不同特征气体之间的关联特征并提取诊断用关联特征量，一定程度地表征了变压器故障时多种变量间的耦合关系，为变压器故障的类型识别提供了一种新的特征量。

技术领域

本发明涉及一种基于多种故障特征气体间关联特征的变压器故障类型识别方法，属于变压器故障诊断技术领域。

背景技术

变压器油-纸绝缘结构在电、热等故障条件下会裂解产生气体，通过分析溶解在油中的气体成分、含量等，可以对故障的类型和严重程度等进行判断，基于油中溶解气体分析的变压器故障诊断技术受到广泛的关注。目前实际应用的基于油中溶解气体分析的变压器故障诊断常均参考IEC-60599和国内的DL/T 722-2014中推荐的三比值法和大卫三角法等，DL/T722-2014在IEC-60599基础上完成了故障种类的细化，弥补了部分比值无法对应的问题，但在实际应用中，其诊断准确率仍然难以令人满意。

众多学者将人工智能、机器学习等方法应用在变压器故障诊断领域，如人工神经网络、支持向量机、相关向量机等，但所选取的故障特征仍然是气体含量百分比、互比值等，未能够充分挖掘不同故障特征气体在不同故障类型下的关联关系。

发明内容

本发明为解决上述问题，提供一种基于故障特征气体间关联特征的变压器故障类型识别方法，该方法提取不同故障下的关联特征量及其分布范围，并以提取的关联特征为依据进行故障诊断，表征了变压器故障时多种变量间的耦合关系。

为实现上述目的，本发明的基于故障特征气体间关联特征的变压器故障类型识别方法，包括以下步骤：

(1)基于不同故障状态下电力变压器故障特征气体的浓度数据C_气体，包括C_H2、C_CH4、C_C2H6、C_C2H4和C_C2H2，通过定量相关分析方法分析两两气体间的关联程度并定量表征，同时计算每种气体与其他四种气体浓度和(C_{(CH4+C2H6+C2H4+C2H2)}、C_{(H2+C2H6+C2H4+C2H2)}、C_{(H2+CH4+C2H4+C2H2)}、C_{(H2+CH4+C2H6+C2H2)}、C_{(H2+CH4+C2H6+C2H4)})的关联程度并定量表征，通过不断扩大样本范围得到不同故障状态下稳定的定量表征特征；所述不同故障状态是指高温过热、中温过热、低温过热、局部放电、火花放电、电弧放电以及放电兼过热七种故障状态。

所述定量相关分析方法为最大信息系数方法，定量表征为MIC值，在计算时，MIC(X，Y)＝MIC(Y，X)，所述稳定的定量表征特征是指：从总样本中随机抽取规模一致的N组样本数据并分别计算其MIC值，N≥20，N个MIC值构成的整体，其极差≤0.1,方差≤0.002,标准差≤0.04。

所述样本数据规模为≥300。

(2)对已获得的每组定量表征(MIC值)进行故障类型标记，分析提取每种故障状态下最具区分度的关联特征量及其分布范围；

提取特征的方法是绘制每种故障下的所有定量表征(MIC值)特征的ROC曲线(受试者工作特征曲线(receiver operating characteristic curve，简称ROC曲线))。

所述高温故障MIC值状态特征为：