本发明属于变压器故障诊断，尤其是涉及一种基于油中溶解气体分析的变压器智能故障诊断方法。
背景技术：
1、变压器作为电力系统输变电系统的关键环节，其安全稳定运行直接关系到电力系统的稳定性。若变压器设备运行维护不到位，变压器长期运行在非健康或亚健康状态，可能导致变压器急停、母线跳闸等事故，直接影响到电力系统的经济运行和社会生产生活。由于电力变压器故障发生具有随机性、不可预测性，而且加上早期变压器故障诊断识别率较低且诊断不及时等问题。因此，研究电力变压器故障的精准识别是很有必要的。
2、现阶段，对于油浸式变压器主要采用特征气体法、大卫三角形法、三比值法等传统的油中溶解气体分析对变压器进行故障诊断分析，但是这些方法普遍存在编码不完善、判断边界绝对、采集的数据信息单一且非结构化等问题。这些问题不仅会增加数据处理的难度，而且会导致故障识别准确率较低。
3、随着机器学习技术的快速发展，多种智能优化算法被应用于电力变压器故障诊断，如bp神经网络、支持向量机、极限学习机等。人工智能算法在一定程度上提高了变压器故障诊断准确度，同时符合电力变压器故障诊断快速性、灵活性、高精度的要求。因此，研究电力变压器故障诊断的智能算法模型，以实现故障类型的高效识别，提高供电可靠性是有必要的。
4、cn115577639a公开了基于麻雀搜索法优化支持向量机的变压器故障诊断方法，包括：收集变压器油中溶解气体的浓度数据，建立原始数据集m；生成待选特征数据集n，分为训练集n1和测试集n2；通过随机森林算法计算训练集n1中各待选特征的重要性值；选取最高的故障诊断准确率对应的寻优特征数据集作为最优特征训练集；利用麻雀搜索法优化支持向量机的参数；利用最优参数组合的支持向量机svm进行变压器故障诊断。本发明基于随机森林算法对数据样本中所有特征计算特征重要性，利用袋外误差进行特征选择，有效消除了冗余特征；采用麻雀优化算法对支持向量机的参数进行寻优，加快了寻优速度，从而得到具有最佳参数的支持向量机分类模型，提高变压器故障诊断准确率。
5、cn114925612a公开了基于麻雀搜索算法优化混合核极限学习机的变压器故障诊断方法，包括步骤：1)收集变压器在六种状态下运行的数据，对数据进行预处理；2)搭建混合核极限学习机预测模型；3)确定ssa中种群规模、发现者比例、预警者比例和目标函数参数，并对种群进行初始化处理；4)选取argmin(trainerrorrate)训练样本的错误率作为ssa的适应度函数；5)将种群状态信息传递给hkelm网络,获得不同的hkelm网络；6)训练hkelm网络，获得适应度值；7)比较适应度值，更新种群状态；8)判断更新过程是否满足要求；9)输出最优参数并带入hkelm网络中，用优化后的网络对变压器故障进行诊断。该方法在保证网络具有良好泛化性能的同时，还能极大地提高了前向神经网络的稳定性和学习速度。
6、虽然上述方法较变压器故障诊断传统方法的诊断精度有一定的提高，但是受优化算法的限制，诊断精度等有待提高，无法满足现有实际生产工作的需要，因此，有必要研究一种改进智能优化算法以提高变压器故障诊断的准确度。
技术实现思路
1、为解决上述问题，本发明的目的是揭示一种基于油中溶解气体分析的变压器智能故障诊断方法，以提高电力变压器故障诊断精度，保障电网安全稳定运行。它是采用以下技术方案实现的。
2、本申请采用的技术方案如下：
3、本发明提供了一种基于油中溶解气体分析的变压器智能故障诊断方法，包括步骤如下：
4、(1)通过油化试验得到油中气体原始数据；
5、(2)电力变压器油气数据预处理，利用归一化公式对电力变压器油中溶解特征气体进行归一化处理；
6、(3)根据iec60599标准以及电力变压器一些实际运行资料数据，将电力变压器故障划分5类，并进行编码处理；
7、(4)基于三比值法、大卫三角形法、无编码比值法等方法生成多种待选特征集合，并对数据进行编码处理；
8、(5)利用正交试验对待选特征向量集进行分析，选取最佳特征集合；
9、(6)通用改进智能优化算法对支持向量机的惩罚参数p和核函数参数g进行优化选择，建立了基于油中溶解气体分析的变压器智能故障诊断模型。
10、本发明的有益效果如下：(1)本发明基于特征气体法、大卫三角形法、三比值法等传统方法，得到特征气体比值集合；并通过正交试验进行特征向量选择，得到了与电力变压器故障关联性更高的油气特征。
11、(2)本发明的一种基于油中溶解气体分析的变压器智能故障诊断方法，克服了编码不完善、判断边界绝对、采集的数据信息单一且非结构化等问题，提高了电力变压器故障诊断的准确率，保证了电网运行的可靠性。
1.一种基于油中溶解气体分析的变压器智能故障诊断方法，其特征在于包括步骤如下：
2.根据权利要求1所述的一种基于油中溶解气体分析的变压器智能故障诊断方法，其特征在于：第二步中，按下式对电力变压器油中溶解特征气体进行归一化处理：
3.根据权利要求2所述的一种基于油中溶解气体分析的变压器智能故障诊断方法，其特征在于：第三步中，电力变压器故障划分为5种，对电力变压器油中溶解特征气体进行编码：
4.根据权利要求3所述的一种基于油中溶解气体分析的变压器智能故障诊断方法，其特征在于：第四步中，根据以氢气(h2)、甲烷(ch4)、乙炔(c2h2)、乙烯(c2h4)和乙烷(c2h6)五种气体为基础，基于iec三比值法、大卫三角形法、无编码比值法共生成21种气体比值作为待选特征集合，并对变压器油气数据进行编码，变压器故障特征集如下表所示：
5.根据权利要求4所述的一种基于油中溶解气体分析的变压器智能故障诊断方法，其特征在于：第五步中，利用正交试验得到电力变压器分类效果最佳的特征集合，通过多次仿真，确定最佳的特征集合为ch4/c2h6、c2h6/ch4、ch4/thc、c2h2/thc、c2h6/thc、(ch4+c2h4)/thc。
6.根据权利要求5所述的一种基于油中溶解气体分析的变压器智能故障诊断方法，其特征在于：第六步中，将电力变压器油气数据分成训练组和预测组,训练组和预测组的比例为8：2；以准确率为适应度函数，利用训练组、预测组和改进麻雀算法对支持向量机的惩罚参数p和核函数参数g进行训练和测试，得到变压器智能故障诊断模型。
7.根据权利要求6所述的一种基于油中溶解气体分析的变压器智能故障诊断方法，其特征在于：改进麻雀算法的具体步骤如下：
