一种基于多维综合决策的变压器故障诊断方法与流程
本发明涉及变压器故障诊断，尤其涉及一种基于多维综合决策的变压器故障诊断方法。
背景技术：
1、我国电网正在逐步朝着智能化方向发展，目标是把电网建设成一个以特高压电网为主网架，各等级电网相互协同发展，集自动化、信息化和数字化功能于一体的智能电网。变压器作为电网中电压等级变换、电能分配和转移的枢纽设备，保证其能安全稳定运行对整个电网至关重要。由于变压器本身非常复杂，能够表示变压器状态的状态量较多，而且各状态指标之间存在模糊和不确定关系，要对变压器进行符合实际的评估诊断难度较大。特别是大型油浸式变压器，如果仅仅依靠某单一数据源进行故障诊断过于片面，诊断结果也不够客观。因此开展基于多维综合决策的变压器故障诊断技术研究对提高电力变压器运维水平具有重要意义。
2、目前，国内外变压器故障诊断的主要现状和问题总结如下：
3、1)通过监测变压器各项状态量的传感器数据进行故障诊断，用于监测变压器各项状态量的传感器一般预先铺埋在变压器内或者安装在变压器外壳表面，传感器将采集到的各种形式信号统一转化为电信号以便于后续的处理分析。但是这种方法可靠性较低，因为传感器作为故障诊断中与变压器本体直接接触的一环，其性能将直接决定整个故障诊断系统的有效性。
4、2)基于bilstm的变压器故障诊断方法，bilstm结合了双向递归神经网络和长短期记忆网络的优点，其特征提取能力非常适合复杂、高维数据的特征挖掘，有利于提高变压器故障诊断的准确性。但是bilstm的超参数会影响变压器故障诊断精度，人工确定费时费力，常见的寻优算法通常具有收敛速度慢、诊断精度不高等问题。
5、3)基于专家系统的变压器故障诊断方法，通过模拟专家决策过程来进行变压器故障诊断，它是由人工智能技术和计算机技术相结合而形成的，主要适用于解决大型复杂决策问题，且该系统主要由人机接口、推理机、知识库、数据库、知识获取机构与解释机构等方面构成。但是其推理能力不足，推理时间久，知识库、数据库等储备不足等缺点，难以实现故障的实时诊断。
6、目前大多数的变压器故障诊断数据较为单一，针对性不强，一种监测装置仅对一项参数进行监测，然而对变压器进行在线状态评估和故障诊断时，需要结合多种参数综合决策。常用的故障诊断方法仅限于告警功能，不具智能化，还需要专业技术人员对这些监测到的原始数据进行分析，需要加强监测、评估、诊断的一体化研究，才能形成变压器智能运维系统。
技术实现思路
1、本发明提供了一种基于多维综合决策的变压器故障诊断方法，能够实现准确的状态评估与故障诊断，解决了变压器运维过于依赖运行人员经验的问题，为变压器的故障检修提供了可靠的决策依据，通过多维决策实现数据互补融合，提高信息获取的可靠性和准确性。
2、为了实现本发明的目的，所采用的技术方案是：一种基于多维综合决策的变压器故障诊断方法，包括：
3、1)数据处理：对变压器进行监测数据采集和故障信息收集，对采集的监测数据和故障信息进行分析整理得到定量指标和定性指标，对定量指标和定性指标进行归一化处理；
4、2)评估：根据变压器当前的运行状态，采用基于支持概率距离的多维综合决策融合方法对归一化处理后的数据进行多维信息融合，根据融合后的结果确定故障原因；
5、3)诊断：根据故障原因对变压器的故障进行具体定位。
6、作为本发明的优化方案，定量指标是通过监测设备获取的实际数据，利用劣化度来表示选取的各指标偏离正常状态的程度，并以此评价指标处于哪种状态，采用半梯形模型对定量指标进行归一化，对于数据值越低较优的监测指标采用下降半梯形模型，对于数据值越高越优的监测指标采用上升半梯形模型；
7、下降半梯形模型的归一化公式为：
8、
9、上升半梯形模型的归一化公式为：
10、
11、其中：y(xi)为监测指标进行归一化以后的值，xi为监测指标的实际测量值，xmin、xmax为该监测指标的阈值。
12、作为本发明的优化方案，针对定性指标主要依据变压器自身质量问题的评分针对个体差异对变压器影响程度进行量化，根据个体差异中的各类因素对变压器影响程度进行量化的表达式如下：
13、
14、其中：r为变压器个体差异中各因素进行量化后的值，m为相同厂家和型号的变压器发生某种历史故障或者检修次数，ni为根据发生某种历史故障或者检修次数对变压器自身质量问题的评分。
15、作为本发明的优化方案，在步骤2)中，基于支持概率距离的多维综合决策融合方法是指：计算各故障原因的支持概率函数和两个/组故障原因的支持概率距离，计算所有故障原因的相似性矩阵和可信度函数。
16、作为本发明的优化方案，步骤2)包括：
17、1)利用基于支持概率距离的理论实现多维综合决策，用集合a表示某个故障，集合a由该故障所有出现的故障原因构成，且每一个故障原因都是相互独立的，此集合a为识别框架，表示为a(x1,...,xn)，识别框架中所有子集构成一个集合，成为a的幂集，幂集记为2a＝{φ,{x1},{x2},...,{x1∪x2}，{x2∪x3},...,a}；
18、2)利用支持概率函数的数值来表示某个或某组故障原因为真的程度，函数表示为：
19、
20、其中：a，b均为a子集，|a∩b|、|a|分别为该集合中元素的个数，m(b)是基本概率分配值，表示对b的信任程度，利用模糊理论隶属度函数确定具体数值，基本概率分配函数表示为：
21、
22、两个或两组故障原因的支持概率距离表示为|s(a)―s(b)|表示两者差值的绝对值，支持概率距离函数的取值范围为[0，1]，支持概率距离的值越大，相似程度越小，由此得到所有故障原因的相似性矩阵为：
23、
24、其中：x1,...,xn为a的子集；
25、将相似性矩阵alike的第i行元素累加得到第i个故障原因获得支持程度：
26、
27、与之相对应的可信度函数为：
28、
29、函数值越大，该故障原因的可信度越高；
30、3)应用传统合成规则进行多维综合决策的融合：
31、
32、其中：merge(c)为最终多维综合决策的结果，ai和bi分别为子集a和b的在幂集中的位置。
33、作为本发明的优化方案，在步骤3)中，故障诊断模型进行故障定位，该方法包括：
34、1)对故障原因进行分类编码；分类编码的故障信息可以作为深度学习模型的输入数据。
35、2)搭建基于logsum的dbn故障诊断模型，将传统dbn每一层rbm训练过程中采用对数和范数作为稀疏惩罚项，即可得到logsum-rbm，将多个logsum-rbm按照dbn模型框架堆叠；
36、3)随机初始化第一层logsum-rbm的参数，采用预训练集通过对第一层logsum-rbm进行无监督学习，训练结束后将第一层logsum-rbm的隐含层输出状态作为第二层logsum-rbm的输入进行训练，以此重复直到最后一层logsum-rbm训练完毕；
37、4)采用调优集中的带标签样本对多个logsum-rbm堆叠而成的深度网络进行有监督学习，使得logsum-dbn网络的定位故障的性能达到全局最优。调优集中的带标签样本是指在机器学习和深度学习中，用于模型调优和训练的数据集中的一个子集。这些数据样本具有明确的标签或结果，这些标签通常是由专家手动标注的，或者通过某种算法自动生成的。
38、作为本发明的优化方案，利用支持概率函数的数值来表示某个故障原因为真的程度；两个故障原因的支持概率距离值是两者支持概率函数值差值的绝对值，该值越大，相似程度越小；可信度函数值越大，该故障原因的可信度越高。
39、本发明具有积极的效果：1)本发明基于多维信息融合技术，基于变压器相关运行规程、评估诊断技术等，运用统计分析方法对其进行综合处理分析，再结合专家经验，构建了以在线监测手段为主体的集监测、评估和诊断于一体的基于多维综合决策的变压器故障诊断体系。
40、2)本发明基于变压器在线监测和故障诊断技术，从诊断的经济性、可靠性、有效性和全面性等几个方面综合考虑，选取合适的变压器故障诊断手段，构建了基于多维综合决策的变压器故障诊断系统，同时内置了监测数据处理模块以便对变压器进行状态评估和故障诊断。
41、3)本发明多维综合决策可以通过多个不同方面的相对廉价的传感器集合获得跟一个高精度传感器同等甚至更优的检测效果，一定程度上降低了获取信息所花费的成本，同时提高了对变压器多维信息的利用效率。
42、4)本发明能够实现准确的状态评估与故障诊断，解决了变压器运维过于依赖运行人员经验的问题，为变压器的故障检修提供了可靠的决策依据，通过多维决策实现数据互补融合，提高信息获取的可靠性和准确性；
43、5)本发明准确、有效地实时掌握电力变压器的运行状态，对电力变压器可能存在的进行正确诊断，实现变压器的状态检修。
技术特征：
1.一种基于多维综合决策的变压器故障诊断方法，其特征在于：包括：
2.根据权利要求1所述的一种基于多维综合决策的变压器故障诊断方法，其特征在于：所述定量指标是通过监测设备获取的实际数据，利用劣化度来表示选取的各指标偏离正常状态的程度，并以此评价指标处于哪种状态，采用半梯形模型对定量指标进行归一化，对于数据值越低较优的监测指标采用下降半梯形模型，对于数据值越高越优的监测指标采用上升半梯形模型；
3.根据权利要求2所述的一种基于多维综合决策的变压器故障诊断方法，其特征在于：针对定性指标主要依据变压器自身质量问题的评分针对个体差异对变压器影响程度进行量化，根据个体差异中的各类因素对变压器影响程度进行量化的表达式如下：
4.根据权利要求3所述的一种基于多维综合决策的变压器故障诊断方法，其特征在于：在步骤2)中，基于支持概率距离的多维综合决策融合方法是指：计算各故障原因的支持概率函数和两个/组故障原因的支持概率距离，计算所有故障原因的相似性矩阵和可信度函数。
5.根据权利要求4所述的一种基于多维综合决策的变压器故障诊断方法，其特征在于：步骤2)包括：
6.根据权利要求5所述的一种基于多维综合决策的变压器故障诊断方法，其特征在于：在步骤3)中，故障诊断模型进行故障定位，该方法包括：
7.根据权利要求6所述的一种基于多维综合决策的变压器故障诊断方法，其特征在于：利用支持概率函数的数值来表示某个故障原因为真的程度；两个故障原因的支持概率距离值是两者支持概率函数值差值的绝对值，该值越大，相似程度越小；可信度函数值越大，该故障原因的可信度越高。
技术总结
本发明涉及变压器故障诊断技术领域，尤其涉及一种基于多维综合决策的变压器故障诊断方法，通过数据处理、评估和诊断三个模块，实现电力变压器运行状态的准确监测和故障诊断。数据处理模块统一处理监测数据，建立样本集合；评估模块采用支持概率距离多维综合决策，确定故障原因；诊断模块则利用LogSum深度置信网络模型进行故障定位，并制定检修计划。本发明提高了故障诊断的准确性和可靠性，通过多维决策实现数据互补融合，为变压器故障检修提供了可靠的决策依据，有助于提升电力系统的安全性和稳定性。
技术研发人员：杨天,李志军,王怀祥,沈煌,张平,朱浩然,谢海疆
受保护的技术使用者：华电电力科学研究院有限公司
技术研发日：
技术公布日：2024/9/23