[发明专利]基于灰色关联改进加权小波神经网络的变压器故障诊断方法

说明书

本发明涉及一种基于灰色关联改进加权小波神经网络的变压器故障诊断方法，属于电力行业变压器的故障诊断方法。包括选择特征向量，并对故障进行编码；利用灰色关联度的方法，对样本库进行筛选，形成标准样品库；建立加权小波神经网络。选择经过灰色关联度筛选的标准样本库中的500组数据，进行训练网络，完成神经网络的搭建，得出变压器故障诊断的编码。优点是提供了一种诊断准确率高、适用性高的基于灰色关联改进加权小波神经网络方法，能够达到变压器故障诊断的目的，选择优质的数据形成标准样本库，作为小波神经网络的训练数据，再利用加权小波神经网络进行故障诊断，加强了判断故障的能力，大大提高了故障诊断准确率。

技术领域

本发明属于电力行业变压器的故障诊断方法，尤其涉及一种基于灰色关联改进加权小波神经网络的变压器故障诊断方法。

背景技术

电力变压器是电力系统中非常重要的设备，关系到用电设备是否能安全可靠地运行。如何较早地发现变压器故障，快速准确地判断出故障类型是当今研究的热点问题。其中根据油中溶解气体(DGA)判断变压器故障已被各国普遍接受。此方法是根据变压器内部发生过热、放电等故障时，故障点附近的绝缘分解，产生各种能表征故障类型的特征气体溶解在变压器油中，根据气体含量与变压器故障的对应关系判断变压器故障类型。我国目前推行的准则是2014年出台的《DL/T722-2014变压器油中溶解气体分析与判断导则》,导则中推荐的三比值法因原理简单且具有较高的诊断准确率而得到了广泛应用。然而，三比值法存在一些局限性，在分界值处时会出现相应的跳变，且在某些故障情况下，会因诊断法则中查找不到相应的比值组合而无法判断。还有一些采用神经网络进行故障诊断，但由于样本数据混乱，网络训练困难，导致故障诊断准确率低。因此急需探索一种既能实现缺码数据的故障诊断，又对其他已知编码数据也具有普遍适应性，同时故障诊断准确率高的变压器故障诊断方法。

发明内容

本发明提供一种基于灰色关联改进加权小波神经网络的变压器故障诊断方法，以解决现有技术存在的故障诊断准确率低、网络模型训练困难以及存在局限性的问题。

本发明采取的技术方案是：包括下列步骤：

步骤1：选择特征向量，并对故障进行编码；

根据大量故障变压器检测结果的统计分析，选择油中溶解特征气体H₂、CH₄、C₂H₄、C₂H₆、C₂H₂及故障类型数据构成特征向量，将变压器故障类型分为九类：低温过热、低于150℃；低温过热、150～300℃；中温过热、300～700℃；高温过热、高于700℃；低能放电；局部放电；电弧放电；低能放电兼过热；电弧放电兼过热，对电力变压器故障类型进行编码如下：