一種基于生成概率模型的變壓器故障檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電力器件故障檢測技術(shù)，特別是涉及一種基于生成概率模型的變壓器 故障檢測方法。
【背景技術(shù)】
[0002] 基于變壓器參數(shù)的變壓器故障自動檢測算法智能電網(wǎng)中起著至關(guān)重要的作用。傳 統(tǒng)的變壓器故障檢測算法基于人為判斷進(jìn)行離散數(shù)值的特征提取，例如對溫度、氣壓等參 數(shù)通過人為設(shè)定閾值的方式進(jìn)行離散化分區(qū)表示等。這種人為離散化表示的特征提取方法 存在許多弊端，一方面通過人為設(shè)置閾值對導(dǎo)致檢測結(jié)果環(huán)境變化十分敏感，另一方面離 散的數(shù)值特征造成檢測結(jié)果對誤差十分敏感。
[0003] 現(xiàn)有的大部分相關(guān)研究，致力于消除人工閾值的設(shè)置，通過機器學(xué)習(xí)的方法自動 設(shè)置閾值，再通過閾值將連續(xù)取值的變壓器參數(shù)值離散化。這些方法不使用連續(xù)數(shù)值進(jìn)行 變壓器參數(shù)的特征描述，是因為變壓器參數(shù)包含電壓、溫度、氣體濃度等不同單位類別的數(shù) 據(jù)，難以在一個特征向量中直接描述。因此，如何避免閾值的設(shè)置，以及如何使用連續(xù)數(shù)值 的特征進(jìn)行變壓器故障檢測成為了研究的重點之一。

【發(fā)明內(nèi)容】

[0004] 針對現(xiàn)有技術(shù)的問題，本發(fā)明的目的是提供一種基于生成概率模型的變壓器故障 檢測方法。
[0005] 為了實現(xiàn)上述目的，本發(fā)明提供了一種基于生成概率模型的變壓器故障檢測方 法，其包括如下步驟：
[0006]A、獲取變壓器狀態(tài)樣本數(shù)據(jù)；
[0007]B、基于混合高斯模型的變壓器狀態(tài)模型學(xué)習(xí)；
[0008]C、基于混合高斯模型的變壓器狀態(tài)特征提?。?br>[0009] D、基于支持向量機的變壓器故障檢測。
[0010] 本發(fā)明解決了傳統(tǒng)基于人工設(shè)置閾值對變壓器參數(shù)進(jìn)行離散化特征提取方法導(dǎo) 致變壓器故障檢測對環(huán)境變化不魯棒、對參數(shù)測量誤差敏感，以及不同單位類別參數(shù)統(tǒng)一 進(jìn)行連續(xù)數(shù)值的特征描述問題。
[0011] 根據(jù)本發(fā)明另一【具體實施方式】，步驟A具體包括如下步驟：
[0012] A1、定義變壓器的狀態(tài)為Sn，ne{〇，1，...，叫，其中正常運行狀態(tài)為3。，變壓器的 第η個故障狀態(tài)為Sn;
[0013]A2、對變壓器的每個狀態(tài)Sn采集^個訓(xùn)練數(shù)據(jù)樣本，記為向量足n，ie[l，Mn]，向 量^由變壓器數(shù)據(jù)的不同參數(shù)構(gòu)成，令C代表變壓器數(shù)據(jù)中與故障檢測相關(guān)的參數(shù)個數(shù)， 則夏f=(可，；ζ，.. .，％，可)F是一個C維的向量。
[0014] 根據(jù)本發(fā)明另一【具體實施方式】，步驟B具體包括如下步驟：
[0015] B1、對每一個變壓器狀態(tài)Sn，ne{〇, 1，…，N}，用訓(xùn)練數(shù)據(jù)樣本翁，ie[1，Mn]， 估計&的混合高斯模型參數(shù)，混合高斯模型由五個高斯分布加權(quán)構(gòu)成；
[0016] B2、令訓(xùn)練數(shù)據(jù)樣本向量服從公式（1)所示概率，其中表示隨機 變量向量Jf,"為均值向量為yk，協(xié)方差矩陣為Σ,的高斯分布，ε ,是每個高斯分布的加權(quán) 因子，k= [1，5]是五個高斯分布的標(biāo)號，
[0017]
[0018] B3、使用最大似然估計方法估計一組混合高斯模型參數(shù)(-Λ 使訓(xùn)練數(shù)據(jù)樣本的概率最大，其中g(shù)=(?4,1；)，該混合高斯模型用其參數(shù)Θ表示，定義 似然函數(shù)Σ丨0如公式⑵所示； ：/=1
[0019]
(2);
[0020] B4、通過期望最大算法求解公式（3)，得到估計的電壓表狀態(tài)&的混合高斯模型參 數(shù)@;
[0021]^3；〇 t=l
·
[0022] 根據(jù)本發(fā)明另一【具體實施方式】，步驟C中，對一個檢測數(shù)據(jù)樣本Xi提取特征向量 仁=(pi，p2, . . .，pn)τ，其中氣:=<tΘ/)，即變壓器在狀態(tài)Sn的條件下獲取樣本Xi的概率 值。
[0023] 根據(jù)本發(fā)明另一【具體實施方式】，步驟D具體包括如下步驟：
[0024] D1、在訓(xùn)練階段，使用步驟C獲得的訓(xùn)練樣本數(shù)據(jù)IV特征向量石，通過公式⑷訓(xùn) 練變壓器每個狀態(tài)的分類超平面，其中，（《n，b)是變壓器狀態(tài)Sn的分類超平面參數(shù)，父是 訓(xùn)練樣本數(shù)據(jù)S的類別標(biāo)簽，=1表示孓屬于狀態(tài)Sn，父=-1表示尤不屬于狀態(tài)Sn，
[0025]
(4);
[0026] D2、在測試階段，通過測試樣本數(shù)據(jù)Xi的特征向量f;獲得響應(yīng)向量Η;= (h。，kh2, . . .，hN)T，其中hn，η= 0, 1，2, . . .，N表示特征向量仁針對變壓器狀態(tài)S"的響應(yīng)， 定義為公式（5)
[0027]
(5 ),
[0028] 則，測試樣本數(shù)據(jù)&對應(yīng)變壓器狀態(tài)類別為
[0029]
(6)。_.
[0030] 相對于現(xiàn)有技術(shù)，本發(fā)明的有益效果是：1、對環(huán)境變化魯棒；2、對參數(shù)測量誤差 不敏感。
【具體實施方式】
[0031] 實施例1
[0032] 本實施例的基于生成概率模型的變壓器故障檢測方法，其包括如下步驟：
[0033]A、獲取變壓器狀態(tài)樣本數(shù)據(jù)；其具體包括如下步驟：
[0034]A1、定義變壓器存在兩種可能的狀態(tài)，分別為正常狀態(tài)和不正常狀態(tài)，用S。表示正 常狀態(tài)，用31表示不正常狀態(tài)，則N= 1。；
[0035]A2、對變壓器的兩個狀態(tài)S。和S別采集1000個訓(xùn)練數(shù)據(jù)樣本，則1000， M1= 1000,向量?7和向量筆分別表示狀態(tài)S。和-個訓(xùn)練樣本數(shù)據(jù)，ie[l，Mn]， ne{〇, 1}，變壓器的參數(shù)為電壓V、電流I，則C= 2，一個樣本數(shù)據(jù)可以用黑.=f表示。
[0036]B、基于混合高斯模型的變壓器狀態(tài)模型學(xué)習(xí)；其具體包括如下步驟：
[0037]B1、分別用步驟A2中的1000個訓(xùn)練數(shù)據(jù)樣本數(shù)據(jù)I13和X1，估計兩個變壓器狀態(tài) S。和S 混合高斯模型參數(shù)，混合高斯模型由5個高斯分布加權(quán)構(gòu)成；
[0038] B2、令訓(xùn)練數(shù)據(jù)樣本向量翁服從公式（1)所示概率，其中表示隨機 變量向量名"為均值向量為yk，協(xié)方差矩陣為Σ,的高斯分布，ε ,是每個高斯分布的加權(quán) 因子，k=「1, 51是五個高斯分布的標(biāo)號，
[0039]
(1)，
[0040] B3、使用最大似然估計方法估計一組混合高斯模型參數(shù)ΘΛ ， 使訓(xùn)練數(shù)據(jù)樣本的概率最大，其中Σ,)，該混合高斯模型用其參數(shù)Θ表示，定義 Μ；? 似然函數(shù)藝丨(々:〇)，如公式⑵所示； ?=?
[0041]
(2);
[0042]Β4、通過期望最大算法求解公式（3)，得到估計的電壓表狀態(tài)&的混合高斯模型參 數(shù):?
[0043；
^ 3)0
[0044] 得到變壓器正常狀態(tài)S。與不正常狀態(tài)S 混合高斯模型（GMM)參數(shù)分別在表1 和表2中顯不。
[0045] 表1.變壓器正常狀態(tài)S。的混合高斯模型參數(shù)(~入
[0046]
[0047] 表2.變壓器不正常狀態(tài)Si的混合高斯模型參數(shù)(~)s
[0048]
L0049」C、基t泯合咼斯悮型的雙壓器狀態(tài)特祉提??；通]Q：將樣本數(shù)據(jù)\ = (5. 001，300. 01)τ分別代入狀態(tài)S。與狀態(tài)S4勺混合高斯模型，可以獲得訓(xùn)練樣本的特征向 量f\= (0. 91，0)τ，表示Xi為狀態(tài)S。的概率值為0. 91，Xi為狀態(tài)Si的概率值為0。
[0050] D、基于支持向量機的變壓器故障檢測；其具體包括如下步驟：
[0051] D1、在訓(xùn)練階段，使用步驟C獲得的訓(xùn)練樣本數(shù)據(jù)足特征向量Z，通過公式（4)訓(xùn) 練變壓器每個狀態(tài)的分類超平面，其中，（《n，b)是變壓器狀態(tài)&的分類超平面參數(shù)，％是 訓(xùn)練樣本數(shù)據(jù)爲(wèi)的類別標(biāo)簽，.yf=1表示足屬于狀態(tài)Sn，表示足不屬于狀態(tài)Sn，
[0052]
(4);
[0053]D2、在測試階段，通過測試樣本數(shù)據(jù)Xi的特征向量f;獲得響應(yīng)向量Η;= (h。，kh2, . . .，hN)T，其中hn，η= 0, 1，2, . . .，N表示特征向量仁針對變壓器狀態(tài)S"的響應(yīng)， 定義為公式（5)
[0054]
(5),
[0055] 則，測試樣本數(shù)據(jù)&對應(yīng)變壓器狀態(tài)類別為
[0056] .V=argmax//" ( 6)。 η''
[0057] 在該實施用例中，氏=(0· 93,(λ01)τ，公式（6)的具體形式為
&于hn= Q= 0. 93，hn= 1= 0. 01，hQ>h，因此該測試樣本對應(yīng)變壓 器的狀態(tài)類別為S。，即正常狀態(tài)。
[0058] 以上是對本發(fā)明做的示例性描述，凡在不脫離本發(fā)明核心的情況下做出的簡單變 形或修改均落入本發(fā)明的保護(hù)范圍。
【主權(quán)項】
1. 一種基于生成概率模型的變壓器故障檢測方法，其特征在于，包括如下步驟： A、 獲取變壓器狀態(tài)樣本數(shù)據(jù)； B、 基于混合高斯模型的變壓器狀態(tài)模型學(xué)習(xí)； C、 基于混合高斯模型的變壓器狀態(tài)特征提??； D、 基于支持向量機的變壓器故障檢測。2. 如權(quán)利要求1所述的變壓器故障檢測方法，其特征在于，步驟A具體包括如下步驟： A1、定義變壓器的狀態(tài)為Sn，n e {〇，1，...，《，其中正常運行狀態(tài)為5。，變壓器的第11 個故障狀態(tài)為Sn; A2、對變壓器的每個狀態(tài)Sn采集Mnf訓(xùn)練數(shù)據(jù)樣本，記為向量足n，i e [1，MJ，向量 由變壓器數(shù)據(jù)的不同參數(shù)構(gòu)成，令C代表變壓器數(shù)據(jù)中與故障檢測相關(guān)的參數(shù)個數(shù)，則是一個C維的向量。3. 如權(quán)利要求1所述的變壓器故障檢測方法，其特征在于，步驟B具體包括如下步驟： 81、對每一個變壓器狀態(tài)&，11￡{〇，1，...，《，用訓(xùn)練數(shù)據(jù)樣本足％1￡[1，」，估計 &的混合高斯模型參數(shù)，混合高斯模型由五個高斯分布加權(quán)構(gòu)成； B2、令訓(xùn)練數(shù)據(jù)樣本向量@服從公式（1)所示概率，其中.表示隨機變量 向量足為均值向量為μ k，協(xié)方差矩陣為Σ,的高斯分布，ε ^是每個高斯分布的加權(quán)因子， k = [1，5]是五個高斯分布的標(biāo)號，B3、使用最大似然估計方法估計一組混合高斯模型參數(shù)丨，使訓(xùn) 練數(shù)據(jù)樣本的概率最大，其中，該混合高斯模型用其參數(shù)Θ表示，定義似然 函數(shù)，如公式（2)所示；B4、通過期望最大算法求解公式（3)，得到估計的電壓表狀態(tài)Sn的混合高斯模型參數(shù) Θ；4. 如權(quán)利要求1所述的變壓器故障檢測方法，其特征在于，步驟C中，對一個檢測數(shù)據(jù) 樣本Xi提取特征向量f i= (p d p2，…，ρη)τ，其中氣=)，即變壓器在狀態(tài)sn的條 件下獲取樣本&的概率值。5. 如權(quán)利要求1所述的變壓器故障檢測方法，其特征在于，步驟D具體包括如下步驟： D1、在訓(xùn)練階段，使用步驟C獲得的訓(xùn)練樣本數(shù)據(jù)足I特征向量I，:通過公式（4)訓(xùn)練變 壓器每個狀態(tài)的分類超平面，其中，（c〇n，b)是變壓器狀態(tài)Sn的分類超平面參數(shù)，是訓(xùn)練 樣本數(shù)據(jù)筆的類別標(biāo)簽，g =1表示萬屬于狀態(tài)Sn，彳=-_1表示足不屬于狀態(tài)Sn，D2、在測試階段，通過測試樣本數(shù)據(jù)Xi的特征向量f ;獲得響應(yīng)向量Η ;= (h。，k h2,. . .，hN)T，其中hn，η = 0, 1，2,. . .，N表示特征向量仁針對變壓器狀態(tài)S "的響應(yīng)， 定義為公式（5)貝1J，測試樣本數(shù)據(jù)&對應(yīng)變壓器狀態(tài)類別為
【專利摘要】本發(fā)明提供了一種基于生成概率模型的變壓器故障檢測方法，其包括如下步驟：A、獲取變壓器狀態(tài)樣本數(shù)據(jù)；B、基于混合高斯模型的變壓器狀態(tài)模型學(xué)習(xí)；C、基于混合高斯模型的變壓器狀態(tài)特征提??；D、基于支持向量機的變壓器故障檢測。本發(fā)明解決了傳統(tǒng)基于人工設(shè)置閾值對變壓器參數(shù)進(jìn)行離散化特征提取方法導(dǎo)致變壓器故障檢測對環(huán)境變化不魯棒、對參數(shù)測量誤差敏感，以及不同單位類別參數(shù)統(tǒng)一進(jìn)行連續(xù)數(shù)值的特征描述問題。
【IPC分類】G06K9/62
【公開號】CN105335759
【申請?zhí)枴緾N201510770996
【發(fā)明人】黃文琦, 許愛東, 郭曉斌, 陳華軍, 蔣屹新, 袁小凱, 張福錚, 楊航, 陳富漢, 蒙家曉, 關(guān)澤武, 陳立明, 黃建理, 吳爭榮
【申請人】南方電網(wǎng)科學(xué)研究院有限責(zé)任公司
【公開日】2016年2月17日
【申請日】2015年11月12日