[发明专利]一种变压器状态的评估方法

说明书

本申请公开了一种变压器状态的评估方法，方法包括：将连续数值型的五维特征属性和一维类标号组合建立历史知识库，五维特征属性包括负荷率、三相不平衡度数据、绕组温升、绝缘油温升、振动数据，一维类标号包括变压器状态；设置一个分裂点，并将连续数值型的五维特征属性离散化为布尔属性，完成数据预处理；建立基于基尼指数属性选择度量的决策分类模型；利用交叉训练法及自助训练法评估和优化模型获得新决策分类模型；根据新决策分类模型评估变压器状态。采用电气量(负荷率、三相不平衡)和非电气量(绕组温升、绝缘油温升和振动频率)五维属性进行综合评估，又基于基尼指数属性选择度量的决策分类方法，使得评估参数全面，有效提高评估准确性。

技术领域

本申请涉及电力设备状态评估技术领域，尤其涉及一种变压器状态的评估方法。

背景技术

随着电网公司持续推广计量自动化系统的应用，以及变压器厂家推广的变压器绕组、绝缘油温升以及振动监测，使基于数据挖掘变压器的状态评估的可行性逐渐增加。目前，云南电网配网已实现计量自动化系统全覆盖，监测信息数据量庞大，但是数据完备性不足，数据利用率不足、相互独立无交互。

目前，基于决策树分类算法的变压器评估方面，用于作为分裂属性度量的方法主要有信息增益、信息增益率。采用信息增益作为分裂属性度量，分裂的精确度可能没有采用信息增益率进行分裂高，采用信息增益作为分裂属性度量，随着划分信息趋向于零会变得不稳定，降低评估的准确性。为了提高评估的准确性，提出了一种变压器状态的评估方法。

发明内容

本申请提供了一种变压器状态的评估方法，以解决现有评估方法的准确性低的技术问题。

为了解决上述问题，本申请提供以下的技术方案:

一种变压器状态的评估方法，方法包括：将连续数值型的五维特征属性和一维类标号组合建立历史知识库，其中，五维特征属性包括线监测的负荷率、三相不平衡度数据、绕组温升、绝缘油温升、振动数据，一维类标号包括变压器状态；设置一个分裂点，并将连续数值型的五维特征属性离散化为布尔属性，完成数据预处理；建立基于基尼指数属性选择度量的决策分类模型；利用交叉训练法及自助训练法评估和优化决策分类模型获得新决策分类模型；根据新决策分类模型评估变压器状态。

可选地，设置一个分裂点，将连续数值型的五维特征属性离散化为布尔属性，完成数据预处理，包括：设置一个分裂点将，将连续数值型的五维特征属性离散化为布尔属性，并将五维特征属性分别用1和0表示，完成数据预处理。

可选地，建立基于基尼指数属性选择度量的决策分类模型，包括：计算出基尼指数加权和最小的属性作为第一个分裂节点；按分裂准则往下划分，直到分出所有的样本或者属性使用完时结束该过程。

可选地，利用交叉训练法及自助训练法评估和优化决策分类模型获得新决策分类模型，包括：利用5折交叉训练法训练模型获得五个第一新决策分类模型；利用0.632自助法训练模型获得五个第二新决策分类模型。

可选地，新决策分类模型评估变压器状态，包括：比较五个第一新决策分类模型和五个第二新决策分类模型的准确度，选择最优决策分类模型；并利用最优决策分类模型评估变压器状态。

可选地，利用5折交叉训练法训练模型获得五个第一新决策分类模型，包括：把初始数据集D随机划分为5个互不相交的子集D₁，D₂，D₃，D₄，D₅；第i次迭代时，用D_i作为测试集，其余子集一起作为训练集，依次获得五个第一新决策分类模型。

可选地，利用0.632自助法训练模型获得五个第二新决策分类模型，包括：有放回的随机抽样五次，依次获得五个第二新决策分类模型。