详情

原文传递基于自适应增强学习的主变压器故障诊断方法

专利名称：	基于自适应增强学习的主变压器故障诊断方法
摘要：	本发明为基于自适应增强学习的主变压器故障诊断方法,包括模型参数确定部分，实施预测部分，其特征在于，通过在分类过程中对错误记录进行收集及重新分类的自适应学习，提高了该诊断方法的准确率，并消除了一般分类方法中出现的过拟合现象。其有益效果是：利用变压器台账数据、油色谱历史数据、故障分析报告等数据进行模型学习和训练，建立主变压器油色谱诊断机器学习模型；对当前设备数据进行相应的诊断分析，根据历史模型得到相应的设备当前状态指标及预计故障模式。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	清华大学
发明人：	吴琼;庄池杰;李红云;张万才;朱庆超;王兴勋;胡军;赵根;吴阳;何金良
专利状态：	有效
申请日期：	2019-03-28T00:00:00+0800
发布日期：	2019-09-27T00:00:00+0800
申请号：	CN201910243757.6
公开号：	CN110286161A
代理机构：	天津市尚仪知识产权代理事务所(普通合伙)
代理人：	高正方
分类号：	G01N30/02(2006.01);G;G01;G01N;G01N30
申请人地址：	100084 北京市海淀区清华园一号
主权项：	1.一种基于自适应增强学习的主变压器油色谱分析诊断方法，包括模型参数确定部分，实施预测部分，其特征在于，在参数确定部分中，获得初始训练集，所述训练集中包括变压器设备台账数据、油色谱历史数据、故障分析报告，基于初始训练集进行自适应增强学习，在所述参数确定部分中，包括分类步骤、调整步骤、加权步骤、分析步骤，所述分类步骤、调整步骤依次交替往复进行多次，然后依次进行加权步骤、分析步骤，在实施预测部分，对于少量分析数据，直接利用已有的自适应增强学习模型进行学习及预测，快速得到分析结果，对于大量分析数据，按照标准的自适应增强学习过程，经过参数确定部分进行学习及预测。 2.根据权利要求1中所述的基于自适应增强学习的主变压器油色谱分析诊断方法，其特征在于，所述学习步骤中，先从初始训练集训练出一个基学习器，获得一次基础训练样本，所述调整步骤中，根据基学习器的表现对一次基础训练样本分布进行调整，使得先前基学习器做错的训练样本在后续得到纠正，获得一次调整训练样本和对应的权重值，交替进行的第二次学习步骤中，基于所述一次调整训练样本分布来训练下一个基学习器，获得二次基础样本，交替进行的第二次调整步骤中，根据基学习器的表现对二基础训练样本分布进行调整，使得先前基学习器做错的训练样本在后续得到纠正，获得二次调整训练样本和对应的权重值，依次交替进行学习步骤、调整步骤T次。 3.根据权利要求1中所述的基于自适应增强学习的主变压器故障诊断方法，其特征在于，所述设备台账数据的参数包括设备名称、电压等级、设备类型、设备型号、生产厂商、出厂日期、投运日期、设备型式。 4.根据权利要求1中所述的基于自适应增强学习的主变压器故障诊断方法，其特征在于，所述色谱在线监测数据的参数包括单位、变电站、设备名称、生产厂家、监测时间、一氧化碳、二氧化碳、氧气、氢气、甲烷、乙炔、乙烯、乙烷、总烃。 5.根据权利要求1中所述的基于自适应增强学习的主变压器故障诊断方法，其特征在于，绝缘油试验作业报告的参数包括作业任务、作业开始时间、作业结束时间、工作地点、气温、湿度、天气、地点、间隔、功能位置、设备名称、型号、厂家、出厂编号、出厂日期，氢气、甲烷、乙炔、乙烯、乙烷、总烃、一氧化碳、二氧化碳、脱气量，水分分析第一、二、三次记录，上层油温，介损测试第一、二、三次记录，闪点测定第一、二次记录、平均值、修正值、检测结果，水溶性酸测试油样体积、蒸馏水体积、指示剂选用、PH值（比色）数据，酸值测定记录油重、KOH-C2H5OH溶液浓度、空白试验Vs0、空白试验Ve0、空白试验V0、样品试验、Vs0、样品试验Ve0、样品试验V0、酸值X数据，界面张力测试水与空气表面张力、油-水界面张力、检测仪器数据，含气量测试第一、二次、平均值数据，油颗粒度测试第一、二、三次、平均值数据，作业结论。 6.根据权利要求2中所述的基于自适应增强学习的主变压器故障诊断方法，其特征在于，所述加权步骤中，将这T次基学习器进行加权结合，基于“加性模型”，即基学习器的线性组合来最小化指数损失函数的分析算法。 7.根据权利要求2中所述的基于自适应增强学习的主变压器故障诊断方法，其特征在于，所述分析步骤中，使用所述分析算法在变压器故障诊断实例中进行分析，并针对分析数据量的大小，通过不同的实施预测步骤得到预测结果。
所属类别：	发明专利