[发明专利]一种电力变压器故障分类方法及系统有效
| 申请号： | 202010778651.9 | 申请日： | 2020-08-05 |
| 公开（公告）号： | CN111898690B | 公开（公告）日： | 2022-11-18 |
| 发明（设计）人： | 刘洪顺;李清泉;何东欣;曲文韬;姜建平;张海杰;吕婷婷 | 申请（专利权）人： | 山东大学;国网山东省电力公司检修公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 张庆骞 |
| 地址： | 250061 山东*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 电力变压器 故障 分类 方法 系统 | ||
1.一种电力变压器故障分类方法，其特征在于，包括：
获取电力变压器内溶解气体分析数据；
利用改进模糊c均值-多类支持向量机模型预测出故障类别；
其中，改进模糊c均值-多类支持向量机模型的训练数据集获取过程为：
采用C-set方法将原始样本集按照故障类型进行不重复的多组划分，得到多个训练数据集；原始样本集中的样本为电力变压器内溶解气体分析数据。
2.如权利要求1所述的电力变压器故障分类方法，其特征在于，采用C-set方法将原始样本集划分的所有组中的每个组包含的故障类型数量相等。
3.如权利要求1所述的电力变压器故障分类方法，其特征在于，改进模糊c均值-多类支持向量机模型的训练过程为：
采用改进模糊c均值法对每个训练数据集聚类，获取每个训练数据集的最优聚类中心，得到优化的训练数据集；
利用优化的训练数据集来训练多类支持向量机，得到满足预设预测精度的电力变压器故障模型。
4.如权利要求1所述的电力变压器故障分类方法，其特征在于，多类支持向量机采用贝叶斯优化。
5.一种电力变压器故障分类系统，其特征在于，包括：
数据获取模块，其用于获取电力变压器内溶解气体分析数据；
故障分类模块，其用于利用改进模糊c均值-多类支持向量机模型预测出故障类别；
在所述故障分类模块中，改进模糊c均值-多类支持向量机模型的训练数据集获取过程为：
采用C-set方法将原始样本集按照故障类型进行不重复的多组划分，得到多个训练数据集；原始样本集中的样本为电力变压器内溶解气体分析数据。
6.如权利要求5所述的电力变压器故障分类系统，其特征在于，在所述故障分类模块中，采用C-set方法将原始样本集划分的所有组中的每个组包含的故障类型数量相等。
7.如权利要求5所述的电力变压器故障分类系统，其特征在于，改进模糊c均值-多类支持向量机模型的训练过程为：
采用改进模糊c均值法对每个训练数据集聚类，获取每个训练数据集的最优聚类中心，得到优化的训练数据集；
利用优化的训练数据集来训练多类支持向量机，得到满足预设预测精度的电力变压器故障模型。
8.如权利要求5所述的电力变压器故障分类系统，其特征在于，多类支持向量机采用贝叶斯优化。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一项所述的电力变压器故障分类方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4中任一项所述的电力变压器故障分类方法中的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东大学;国网山东省电力公司检修公司，未经山东大学;国网山东省电力公司检修公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010778651.9/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种遮光面料及其制备方法
- 下一篇：一种轻质高强度光伏组件及其制备方法
