專利名稱：基于變壓器特征參量的狀態評估方法
技術領域：
本發明涉及變壓器設備狀態評估方法，尤其涉及一種基于變壓器特征參量的狀態評估方法。
背景技術：
電網公司作為資產密集型企業，其核心競爭力是資產效率最大化和成本最低化。 從早期的事后故障修理，到強調事先保養的預防性維護，電網設備資產精細化管理的意識正在逐步建立。變壓器設備狀態評估是實現公司變壓器設備全壽命周期管理和精益化管理的重要基礎。變壓器是電網最重要和最昂貴的設備，如其發生事故將給電網帶來重大影響。目前，世界各地電網企業的變壓器有相當一部分已經達到其設計使用壽命，對變壓器狀態評估一直受到國內外學者的廣泛關注。在電網企業變壓器設備有很多其數據信息，如何有效利用這些數據信息對變壓器進行評估，對電網企業及時、準確掌握變壓器狀態，保證變壓器設備安全、穩定、可靠、經濟最優運行起到非常重要的作用。現有變壓器狀態評估大多并不是依據客觀、有說服力的計算方法計算得出而僅僅是采用專家經驗值，因而變壓器缺乏客觀的狀態評估模型及模型中所需的相關準確數據， 使得狀態值依賴于評估專家的個人經驗和主觀性，從而得出的狀態評估值受專家個人經驗和主觀性的影響使變壓器設備狀態評估結果出現偏差。支持向量機是基于統計學習理論的結構風險最小化原理解決了小樣本、非線性等問題，提高其泛化能力，從而能很好地處理電力設備故障診斷所面臨樣本不足的缺陷。但 SVM方法中某些參數的選擇對其分類的準確率影響很大，因此，對SVM參數的合理選擇能獲得較好的分類效果。到目前為止，對其最佳參數的選擇沒有一個很好的手段，現有方法在計算耗時和效果方面都不是很理想。人工魚群智能優化算法具有良好取得全局極值的能力，其最先被應用于魯棒PID 控制器參數的優化中，得到了令人滿意的結果，但其容易陷入局部極值。模擬退火算法的思想是由Metropolis等提出的，Kirkpatrick等于1983年將其用于組合優化，其有良好的克服局部極值的能力。針對上述現有技術存在的問題，本發明利用基于模擬退火和人工魚群優化算法確定支持向量機SVM的參數，然后利用變壓器設備故障實例庫的狀態評估結果訓練支持向量機SVM ；將新得到的變壓器廠家、外觀、糠醛、微水、擊穿電壓、酸值、油色譜、預防性試驗、負荷、投運時間、最近三年缺陷和故障發生次數、最近三年缺陷和故障等級的數據信息輸入到支持向量機SVM中進行變壓器設備狀態評估，以確定變壓器狀態。本發明不僅可以降低盲目選擇支持向量機SVM參數對狀態評估結果的影響并提高變壓器設備狀態評估結果的準確性，并實現可靠、科學地確定變壓器的檢修時間，從而為變壓器實現狀態檢修及全壽命周期管理提供依據。

發明內容
為了提高智能、高效、可靠地分析變壓器設備狀態評估情況，本發明提出了基于變壓器特征參量的狀態評估方法，包括如下步驟基于變壓器特征參量的狀態評估方法，本發明特征是，步驟為1)、分別獲得變壓器設備廠家、外觀、糠醛、微水、擊穿電壓、酸值、油色譜、預防性試驗、負荷、投運時間、最近三年缺陷和故障發生次數、最近三年缺陷和故障等級的數據信息；2)、利用基于模擬退火SA和人工魚群優化AFSO算法對支持向量機SVM規則化參數和核函數參數的大小進行優化，確定規則化參數和核函數參數的取值；3)、提取輸變壓器設備故障實例庫的狀態評估結果訓練支持向量機SVM ；4)、將新得到的變壓器廠家、外觀、糠醛、微水、擊穿電壓、酸值、油色譜、預防性試驗、負荷、投運時間、最近三年缺陷和故障發生次數、最近三年缺陷和故障等級的數據信息輸入到支持向量機SVM中進行變壓器設備狀態評估，以確定變壓器狀態。假定(Xi，yi)i= 1,2, ...,n, Xi e Rd, Yi e {-1,+1}為樣本訓練集，其中 Xi G Rd 表示 d 維的特征向量，yi e {-1,+1}表示特征向量Xi歸屬的類別，η為樣本數。在非線性情況下， 利用非線性變換將樣本集原空間進行轉換，樣本空間兩分類問題表示為
權利要求
1.基于變壓器特征參量的狀態評估方法，其特征是，步驟為1)、分別獲得變壓器設備廠家、外觀、糠醛、微水、擊穿電壓、酸值、油色譜、預防性試驗、 負荷、投運時間、最近三年缺陷和故障發生次數、最近三年缺陷和故障等級的數據信息；2)、利用基于模擬退火SA和人工魚群優化AFSO算法對支持向量機SVM規則化參數和核函數參數的大小進行優化，確定規則化參數和核函數參數的取值；3)、提取輸變壓器設備故障實例庫的狀態評估結果訓練支持向量機SVM；4)、將新得到的變壓器廠家、外觀、糠醛、微水、擊穿電壓、酸值、油色譜、預防性試驗、負荷、投運時間、最近三年缺陷和故障發生次數、最近三年缺陷和故障等級的數據信息輸入到支持向量機SVM中進行變壓器設備狀態評估，以確定變壓器狀態。
全文摘要
基于變壓器特征參量的狀態評估方法，本發明先分別獲得變壓器設備廠家、外觀、糠醛、微水等數據信息；利用基于模擬退火SA和人工魚群優化AFSO算法對支持向量機SVM規則化參數和核函數參數的大小進行優化，確定規則化參數和核函數參數的取值；提取輸變壓器設備故障實例庫的狀態評估結果訓練支持向量機SVM；將新得到的變壓器廠家、外觀、糠醛、微水等數據信息輸入到支持向量機SVM中進行變壓器設備狀態評估，以確定變壓器狀態。本發明利用基于模擬退火和人工魚群優化算法科學地確定支持向量機SVM的參數，提高其智能評估的準確性，從而提高了變壓器設備狀態評估的科學性、高效性和準確性。
文檔編號G06K9/62GK102567739SQ201210003939
公開日2012年7月11日 申請日期2012年1月9日 優先權日2012年1月9日
發明者于虹, 吳毅, 姜虹云, 孫鵬, 崔志剛, 王達達, 趙現平, 魏杰 申請人:云南電力試驗研究院(集團)有限公司電力研究院