变压器故障诊断方法、装置、设备及介质与流程

【】本申请涉及变压器风险评估，尤其涉及一种变压器故障诊断方法、装置、设备及介质。

背景技术

0、
背景技术：

1、随着数据中台的发展，变压器状态监测、环境气象等数据将逐步在统一的信息平台上实现集成共享，从而推动变压器状态评价、诊断和预测技术向基于全景状态的综合分析方向发展。然而，影响变压器运行状态的因素繁多，未来爆发式增长的状态监测数据加上与变压器的状态密切相关的电网运行、气象环境等信息数据量巨大，现有方法将难以对这些数据进行筛选整合。

技术实现思路

0、
技术实现要素：

1、本申请实施例提供了一种变压器故障诊断方法、装置、设备及介质，旨在解决相关技术中无法进行变压器数据整合，无法及时发现变压器异常及故障等技术问题。

2、第一方面，本申请实施例提供了一种变压器故障诊断方法，包括：

3、利用蜘蛛蜂算法对影响支持向量机性能的各个超参数进行寻优，以得到最优参数组合；

4、根据所述最优参数组合，构建基于支持向量机的目标变压器故障诊断模型；

5、获取待诊断变压器的变压器油中溶解气体含量参数；

6、将所述变压器油中溶解气体含量参数输入至所述目标变压器故障诊断模型，以输出变压器故障类型。

7、在一个实施例中，可选的，利用蜘蛛蜂算法对影响支持向量机性能的各个超参数进行寻优，以得到最优参数组合，包括：

8、随机初始化蜘蛛蜂种群，设置蜘蛛蜂算法参数，并对蜘蛛蜂个体位置进行初始化，其中，所述蜘蛛蜂算法参数包括种群规模、维度和最大迭代次数；

9、根据支持向量机对应的当前超参数确定蜘蛛蜂个体适应值；

10、根据当代最优蜘蛛蜂个体适应值确定所述蜘蛛蜂个体适应值是否达到标准；

11、当确定未达到标准时，根据蜘蛛蜂捕食和搜索结果，确定蜘蛛蜂对应的目标行为；

12、根据所述目标行为更新蜘蛛蜂个体位置，并确定新的蜘蛛蜂个体适应值，直至其达到标准；

13、当确定达到标准或达到最大迭代次数时，根据所述蜘蛛蜂个体适应值确定最优参数组合。

14、在一个实施例中，可选的，根据所述最优参数组合，构建基于支持向量机的目标变压器故障诊断模型，包括：

15、根据所述最优参数组合，构建基于支持向量机的初始变压器故障诊断模型；

16、使用历史变压器故障数据对所述初始变压器故障诊断模型进行训练，得到目标变压器故障诊断模型。

17、在一个实施例中，可选的，所述历史变压器故障数据包括历史变压器油中溶解气体含量参数以及对应的历史变压器故障类型。

18、在一个实施例中，可选的，变压器油中溶解气体含量参数包括至少一项两个溶解气体之间的含量比例，其中，溶解气体包括以下至少一项：氢气、甲烷、乙烷、乙炔和乙烯。

19、在一个实施例中，可选的，所述变压器故障类型包括以下至少一项：正常、高能放电故障、低能放电故障、局部放电故障、高温过热故障和中低温过热故障。

20、在一个实施例中，可选的，所述超参数包括以下至少一项：核函数和惩罚因子。

21、第二方面，本申请实施例提供了一种变压器故障诊断装置，包括：

22、寻优模块，用于利用蜘蛛蜂算法对影响支持向量机性能的各个超参数进行寻优，以得到最优参数组合；

23、模型构建模块，用于根据所述最优参数组合，构建基于支持向量机的目标变压器故障诊断模型；

24、参数获取模块，用于获取待诊断变压器的变压器油中溶解气体含量参数；

25、故障输出模块，用于将所述变压器油中溶解气体含量参数输入至所述目标变压器故障诊断模型，以输出变压器故障类型。

26、第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述变压器故障诊断方法的步骤。

27、第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述变压器故障诊断方法的步骤。

28、以上变压器故障诊断方法、装置、设备及介质所实现的方案中，利用蜘蛛蜂算法对影响支持向量机性能的各个超参数进行寻优，以得到最优参数组合；根据所述最优参数组合，构建基于支持向量机的目标变压器故障诊断模型；获取待诊断变压器的变压器油中溶解气体含量参数；将所述变压器油中溶解气体含量参数输入至所述目标变压器故障诊断模型，以输出变压器故障类型。在本发明中，通过蜘蛛蜂算法对影响支持向量机性能的各个超参数进行寻优，根据最优参数组合构建变压器故障诊断模型，通过变压器故障诊断模型可以及时准确的发现变压器的异常和故障，显著提高变压器故障风险的在线评估和预警能力。

1.一种变压器故障诊断方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，利用蜘蛛蜂算法对影响支持向量机性能的各个超参数进行寻优，以得到最优参数组合，包括：

3.根据权利要求1所述的方法，其特征在于，根据所述最优参数组合，构建基于支持向量机的目标变压器故障诊断模型，包括：

4.根据权利要求3所述的方法，其特征在于，所述历史变压器故障数据包括历史变压器油中溶解气体含量参数以及对应的历史变压器故障类型。

5.根据权利要求1所述的方法，其特征在于，变压器油中溶解气体含量参数包括至少一项两个溶解气体之间的含量比例，其中，溶解气体包括以下至少一项：氢气、甲烷、乙烷、乙炔和乙烯。

6.根据权利要求1所述的方法，其特征在于，所述变压器故障类型包括以下至少一项：正常、高能放电故障、低能放电故障、局部放电故障、高温过热故障和中低温过热故障。

7.根据权利要求1所述的方法，其特征在于，所述超参数包括以下至少一项：核函数和惩罚因子。

8.一种变压器故障诊断装置，其特征在于，包括：

9.一种计算机设备，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；

10.一种计算机可读存储介质，其特征在于，存储有计算机可执行指令，所述计算机可执行指令用于执行如权利要求1至7中任一项所述的方法。