一种采用参数寻优支持向量机基于光声光谱法的变压器故障诊断方法
【技术领域】
[0001] 本发明属于变压器故障诊断领域，尤其涉及一种采用参数寻优支持向量机基于光 声光谱法的变压器故障诊断方法。
【背景技术】
[0002] 电力变压器的可靠运行是保障电力系统安全的关键，中华人民共和国电力行业标 准《变压器油中溶解气体分析和判断导则DL/T 722-2000》推荐的改良三比值法是目前国内 外分析变压器潜伏性故障的最有效措施之一，它是通过测量变压器油中特征气体含量并根 据特征气体比值C2H2/C2H4、CH4/H2、C2H4/C2H6确定变压器故障类型。特征气体检测主要 使用气相色谱法，但其存在操作繁琐、要消耗待测气体和载气、检测周期长等缺点。而光声 光谱法是基于光声效应来检测吸收物体积分数的一种光谱技术，陈伟根，云玉新，潘狲，孙 才新在文献《电力系统自动化》中有如下说明：电脉冲红外光源MIRL17-900构成的光声光 谱实验装置经实验验证与气相色谱仪对故障气体各组分体积分数的测量结果差别不大；云 玉新，赵笑笑，陈伟根，李立生，赵富强在文献《高电压技术》中有如下说明：采用激光共振光 声光谱技术检测乙炔气体达到了 10-6量级的检测灵敏度；陈伟根，周恒逸，黄会贤，唐炬在 文献《仪器仪表学报》中有如下说明：基于半导体激光器的乙炔气体光声光谱检测偏差低于 4. 2%。大量研宄表明利用光声光谱法替代气相色谱法检测变压器油中溶解气体是可行的， 检测结果满足变压器故障诊断的精度要求。且光声光谱法具有操作简单、非接触性测量、不 消耗气体、检测周期短、稳定性和灵敏度高等优点。
[0003] 在变压器特征气体的光谱分析中较多采用人工神经网络，常见的有BP神经网络、 概率神经网络等，BP神经网络往往收敛性差，容易陷入局部最优，即使利用智能算法优化 权值和阈值也不能完全改善这一问题；而概率神经网络模式层神经元个数等于训练样本个 数，势必容易造成网络规模巨大，计算量庞大等问题。
[0004] 支持向量机（SVM)的主要思想是建立一个分类超平面作为决策面，使得正例和反 例之间的隔离边缘被最大化，它是结构风险最小化的近似实现，在模式分类问题中其泛化 能力更强、全局寻优能力更佳，更符合改良三比值法进行变压器故障诊断的复杂情况。
【发明内容】
[0005] 本发明实施例的目的在于提供一种采用参数寻优支持向量机基于光声光谱法的 变压器故障诊断方法，旨在解决变压器气相色谱分析法进行故障诊断中存在的操作繁琐、 要消耗待测气体和载气、检测周期长等问题。
[0006] 本发明是这样实现的，一种采用参数寻优支持向量机基于光声光谱法的变压器故 障诊断方法包括：
[0007] 步骤一、取160组不同制造厂生产的、运行在不同电压等级下的、经吊芯检查有明 确结论的变压器油样，分别对应改良三比值法中的8种变压器故障类型，每种故障样品数 量为20组；对160组样品油进行编号，每组油样取50ml注入检测设备，检测油样故障气体 及微水含量，记录160组油样的检测数据，根据国际改良三比值法，计算每组实测数据的三 对特征气体比值 C2H2/C2H4、CH4/H 2、C2H4/C2H6;
[0008] 步骤二、将每组油样的改良三比值数值和对应的故障类型标签值保存到160X4 矩阵，矩阵的1到3列分别对应C 2H2/C2H4、CH4/H 2、C2H4/C2H6三组特征气体比值，第4列是故 障类别标签值；
[0009] 步骤三、用mapminmax函数对每组油样的改良三比值数据进行[0, 1]归一化处理， 每一种故障类型提取15组样本作为训练集，其余5组样本作为测试集，S卩训练集有120组 数据，测试集有40组数据；
[0010]步骤四、将 5 种 SVM类型 C-SVC, nu-SVC, one-class SVM、spsilion-SVR、nu-SVR和 4种核函数线性核函数、多项式核函数、RBF核函数、sigmoid核函数采用交叉组合建立20 种不同的支持向量机类型，对于惩罚因子c和g的取值采用启发式算法进行参数寻优，通过 对比各实验结果，找出最佳的SVM模型和惩罚因子c、g取值；
[0011] 步骤五、在实验部分对比遗传算法和粒子群算法两种参数寻优方法的效果。
[0012] 本发明利用光声光谱法提取变压器油中特征气体建立基于改良三比值法的数据 文件作为输入量，通过对SVM类型、核函数类型、参数寻优算法进行交叉验证建立了最佳 SVM模型，S卩CRGA寻优，通过多次实验对测试样品集准确性可达97. 5%以上，对训练样本集 准确性可到98. 3333%以上，实验结果满足变压器故障诊断的实际工程需要。
[0013] 本发明的采用参数寻优支持向量机基于光声光谱法的变压器故障诊断方法具有 操作简单、非接触性测量、不消耗载气、检测周期短、稳定性和灵敏度高等优点，光声光谱仪 具有造价低、可靠性高、可维护性好等显著的优点，因此基于光声光谱法的变压器故障在线 监测与诊断中具有良好的应用前景。
【附图说明】
[0014]图1是本发明实施例提供的采用参数寻优支持向量机基于光声光谱法的变压器 故障诊断方法流程图；
[0015] 图2是本发明实施例提供的160组样本的三比值数据；
[0016] 图3是本发明实施例提供的归一化的160组样本三比值数据；
[0017] 图4是本发明实施例提供的CRGA模型的测试集分类结果；
[0018] 图5是本发明实施例提供的CRGA模型的训练集分类结果。
【具体实施方式】
[0019] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明 进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于 限定本发明。
[0020] 下面结合附图及具体实施例对本发明的应用原理作进一步描述。
[0021] 本发明实施例考虑到变压器型式、容量、运行环境等因素的影响，在北华大学变 压器厂、丰满发电厂、吉林省电科院共