变压器故障诊断的关键特征的选取方法、装置及相关设备与流程

本申请涉及变压器数据分析，尤其涉及一种变压器故障诊断的关键特征的选取方法、装置及相关设备。

背景技术：

1、变压器是电网运行中的关键电力设备之一，是变压输电任务的核心，其运行情况与电力系统密切相关。随着数字孪生技术的发展、大量传感器的使用，变压器的实时状态信息已经可以通过统一的数据管理平台进行监测和管理。但是，变压器由于工况环境复杂，信号传输故障等原因可能导致收集到的运行监测数据数据量大、噪声较多等问题。

2、变压器如果发生故障，会对正常供电产生较大影响，因此对变压器进行故障监测以及及时对变压器进行故障诊断十分必要。

3、变压器可能发生各种故障，例如短路故障、放电故障、绝缘故障、开关故障等等。尤其针对短路故障这一变压器运行维护工作中的典型故障，现有的变压监测数据噪声多等问题对变压器的抗故障能力(例如抗短路能力)关键特征提取和故障的诊断造成了困难，严重影响了变压器数字孪生模型的建模准确度。

技术实现思路

1、本申请的主要目的在于提供一种变压器故障诊断的关键特征的选取方法、装置及相关设备，可以解决现有技术中变压器监测数据的监测状态量维度大、噪声多，难以有效提取变压器故障关键特征的技术问题。

2、为实现上述目的，本申请第一方面提供一种变压器故障诊断的关键特征的选取方法，该方法包括：

3、根据获取到的变压器的运行监测数据和变压器抗故障能力相关数据，获取与变压器目标故障可能相关的候选特征；

4、根据候选特征构建预设数量的不同的初始特征组合，其中，每个初始特征组合包括至少一个候选特征；

5、将每个初始特征组合作为一个个体，通过遗传算法根据初始特征组合构建初始种群，以kmo值为个体适应度，通过遗传算法对与变压器目标故障相关的特征进行寻优，得到最优个体；

6、根据最优个体对应的目标特征组合获取目标特征，根据目标特征得到用于变压器目标故障诊断的关键特征。

7、为实现上述目的，本申请第二方面提供一种变压器故障诊断的关键特征的选取装置，该装置包括：

8、候选特征确定模块，用于根据获取到的变压器的运行监测数据和变压器抗故障能力相关数据，获取与变压器目标故障可能相关的候选特征；

9、初始特征组合构建模块，用于根据候选特征构建预设数量的不同的初始特征组合，其中，每个初始特征组合包括至少一个候选特征；

10、遗传算法模块，用于将每个初始特征组合作为一个个体，通过遗传算法根据初始特征组合构建初始种群，以kmo值为个体适应度，通过遗传算法对与变压器目标故障相关的特征进行寻优，得到最优个体；

11、关键特征选取模块，用于根据最优个体对应的目标特征组合获取目标特征，根据目标特征得到用于变压器目标故障诊断的关键特征。

12、为实现上述目的，本申请第三方面提供一种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，使得处理器执行以下步骤：

13、根据获取到的变压器的运行监测数据和变压器抗故障能力相关数据，获取与变压器目标故障可能相关的候选特征；

14、根据候选特征构建预设数量的不同的初始特征组合，其中，每个初始特征组合包括至少一个候选特征；

15、将每个初始特征组合作为一个个体，通过遗传算法根据初始特征组合构建初始种群，以kmo值为个体适应度，通过遗传算法对与变压器目标故障相关的特征进行寻优，得到最优个体；

16、根据最优个体对应的目标特征组合获取目标特征，根据目标特征得到用于变压器目标故障诊断的关键特征。

17、为实现上述目的，本申请第四方面提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：

18、根据获取到的变压器的运行监测数据和变压器抗故障能力相关数据，获取与变压器目标故障可能相关的候选特征；

19、根据候选特征构建预设数量的不同的初始特征组合，其中，每个初始特征组合包括至少一个候选特征；

20、将每个初始特征组合作为一个个体，通过遗传算法根据初始特征组合构建初始种群，以kmo值为个体适应度，通过遗传算法对与变压器目标故障相关的特征进行寻优，得到最优个体；

21、根据最优个体对应的目标特征组合获取目标特征，根据目标特征得到用于变压器目标故障诊断的关键特征。

22、采用本申请实施例，具有如下有益效果：

23、本申请基于遗传算法、以kmo值作为个体适应度进行最优特征组合寻优，并根据得到的最优特征组合来确定用于变压器目标故障诊断的关键特征，可以有效提取用于变压器目标故障诊断的关键特征，减少故障诊断的噪声，提升变压器故障诊断的准确度，同时还可以减少故障诊断时的数据处理量。

技术特征：

1.一种变压器故障诊断的关键特征的选取方法，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，所述最优个体有多个，每个最优个体为一轮遗传算法寻优操作得到的结果，每轮遗传算法寻优操作所输入的初始特征组合不完全相同；

3.根据权利要求1或2所述的方法，其特征在于，所有目标特征组成待定特征组合；

4.根据权利要求3所述的方法，其特征在于，所述利用因子分析技术计算每组子监测数据对应的因子得分函数值，包括：

5.根据权利要求3所述的方法，其特征在于，在根据所述目标特征从所述运行监测数据中获取多组子监测数据之前，所述方法还包括：

6.根据权利要求1所述的方法，其特征在于，所述通过遗传算法根据所述初始特征组合构建初始种群，以kmo值为个体适应度，通过所述遗传算法对与变压器目标故障相关的特征进行寻优，得到最优个体，包括：

7.根据权利要求1所述的方法，其特征在于，

8.一种变压器故障诊断的关键特征的选取装置，其特征在于，所述装置包括：

9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。

10.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。

技术总结
本申请公开了一种变压器故障诊断的关键特征的选取方法、装置及相关设备，包括：根据获取到的变压器的运行监测数据和变压器抗故障能力相关数据，获取与变压器目标故障可能相关的候选特征；根据候选特征构建初始特征组合；将每个初始特征组合作为一个个体，构建初始种群，以KMO值为个体适应度，通过遗传算法对与变压器目标故障相关的特征进行寻优，得到最优个体；根据最优个体对应的目标特征组合获取目标特征，根据目标特征得到用于变压器目标故障诊断的关键特征。本申请可以有效提取用于变压器目标故障诊断的关键特征，减少故障诊断的噪声，提升变压器故障诊断的准确度，同时还可以减少故障诊断时的数据处理量。

技术研发人员：邹德旭,王山,洪志湖,代维菊,彭庆军,周仿荣,钱国超,胡锦,徐肖伟,刘红文,史俊,郭涛,孙再超,闵青云,严敬义,孙灏若
受保护的技术使用者：云南电网有限责任公司电力科学研究院
技术研发日：
技术公布日：2024/1/15