基于rbf的二叉樹(shù)多分類(lèi)變壓器故障診斷模型

基于rbf的二叉樹(shù)多分類(lèi)變壓器故障診斷模型

0故障診斷模型大型能源壓力器是能源系統(tǒng)中最重要的電源?，F(xiàn)在，大多數(shù)油和氣都被用作絕緣材料和熱量。如果設(shè)備中存在潛在的閃燃或放電故障，油或絕緣紙將分解并生成h。本文提出了支持向量機(jī)的二叉樹(shù)多分類(lèi)變壓器故障診斷模型,通過(guò)序貫最優(yōu)化算法(SMO)對(duì)樣本進(jìn)行訓(xùn)練。實(shí)驗(yàn)表明,該模型具有良好分類(lèi)效果和推廣能力,SVM分類(lèi)器能達(dá)到較高的故障診斷率。1分類(lèi)超平面的確定支持向量機(jī)(SVM)是在統(tǒng)計(jì)學(xué)基礎(chǔ)上對(duì)數(shù)據(jù)進(jìn)行分類(lèi)處理,它通過(guò)尋找一個(gè)滿足分類(lèi)要求的最優(yōu)分類(lèi)超平面使得在保證分類(lèi)精度的同時(shí),能夠使超平面兩側(cè)的空白區(qū)域最大。對(duì)于二類(lèi)別分類(lèi)問(wèn)題,設(shè)存在訓(xùn)練樣本(x其中C為懲罰參數(shù),最優(yōu)化決策函數(shù)為其中a2目標(biāo)函數(shù)的驗(yàn)證SMO算法其基本思想是將QP問(wèn)題分解為盡可能小的一系列QP子問(wèn)題,將工作集大小限定為2,即每次只優(yōu)化2個(gè)樣本參數(shù),通過(guò)多次優(yōu)化直到所有的拉氏乘子均滿足KKT條件,目標(biāo)函數(shù)便達(dá)到最小。SMO算法主要由2個(gè)部分組成,即求解2個(gè)Lagrange乘子的一個(gè)解析方法和選擇哪一個(gè)乘子是最優(yōu)的啟發(fā)式方法。2.12篩選非邊界樣本進(jìn)行優(yōu)化SMO算法的思想是對(duì)違反KKT條件的Lagrange乘子進(jìn)行兩兩優(yōu)化,直到所有的Lagrange乘子都滿足KKT條件為止。設(shè)x其中λ在SMO算法中,選擇子優(yōu)化問(wèn)題采用2層循壞。內(nèi)層循環(huán)是針對(duì)違反KKT條件的樣本選擇另一個(gè)樣本與它配對(duì)優(yōu)化,使樣本取得最大優(yōu)化步長(zhǎng),外層循環(huán)遍歷非邊界樣本或所有樣本,優(yōu)先選擇遍歷非邊界樣本。循環(huán)遍歷非邊界樣本并選出它們當(dāng)中違反KKT條件的樣本進(jìn)行調(diào)整,直到非邊界樣本全部滿足KKT條件為止。如果有一個(gè)不滿足KKT條件,那它就被選擇進(jìn)行優(yōu)化.訓(xùn)練集中的樣本都滿足上述條件后,再檢查訓(xùn)練集中的所有位于邊界的樣本是否滿足KKT條件,若有不滿足的,即被選擇進(jìn)行優(yōu)化.接下來(lái)進(jìn)行第2個(gè)乘子的選擇,SMO選擇使目標(biāo)函數(shù)值最小的乘子作為第2個(gè)乘子進(jìn)行優(yōu)化.如果這種方法失敗,那么SMO在所有的非邊界樣本上進(jìn)行搜索,尋找使目標(biāo)函數(shù)值最小的乘子;若失敗,則在整個(gè)訓(xùn)練集上搜索,尋找使目標(biāo)函數(shù)值最小的乘子。2.2基于1的訓(xùn)練集更新設(shè)學(xué)習(xí)訓(xùn)練樣本集Ω={(x設(shè)待優(yōu)化的Lagrange乘子為α(1)給出樣本點(diǎn)x(2)對(duì)λ(3)如果S=φ準(zhǔn)則終止,否則取α(4)如果α(5)取α(6)在訓(xùn)練集Ω中取樣本點(diǎn)x(7)按照優(yōu)化方法計(jì)算α(8)更新b并按照3訓(xùn)練樣本和svm子分類(lèi)器故障診斷模型變壓器內(nèi)部的故障模式主要是機(jī)械、熱和電3種類(lèi)型,而以后兩者為主。過(guò)熱性故障和高能放電故障是運(yùn)行中變壓器故障的主要類(lèi)型,其次分別是過(guò)熱兼高能放電故障、火花放電故障和受潮或局部放電故障。根據(jù)故障的原因及嚴(yán)重程度將變壓器的典型故障分為6種,包括局部放電、低能量放電、高能量放電、低溫過(guò)熱、中溫過(guò)熱、高溫過(guò)熱。由于對(duì)于判斷充油變壓器內(nèi)部故障有價(jià)值的氣體是甲烷(CH由于SVM為二類(lèi)別分類(lèi)器,根據(jù)變壓器故障特點(diǎn)采用二叉樹(shù)型分類(lèi)方法,在二叉樹(shù)的中間節(jié)點(diǎn)處重新構(gòu)造訓(xùn)練樣本及SVM子分類(lèi)器,首先構(gòu)造根節(jié)點(diǎn)(N0)為第1層SVM子分類(lèi)器,左子樹(shù)葉子節(jié)點(diǎn)(P1)為正常,右子樹(shù)(N1)為故障,在節(jié)點(diǎn)(N1)處構(gòu)造第2層SVM子分類(lèi)器,左子樹(shù)(N2)節(jié)點(diǎn)為過(guò)熱故障,右子樹(shù)(N3)節(jié)點(diǎn)為放電故障,在節(jié)點(diǎn)(N2)處構(gòu)造第3層SVM子分類(lèi)器,左子樹(shù)為葉子節(jié)點(diǎn)(P2)低溫過(guò)熱,右子樹(shù)(N4)為中低溫過(guò)熱,在節(jié)點(diǎn)(N4)處構(gòu)造第4層SVM子分類(lèi)器,左子樹(shù)為葉子節(jié)點(diǎn)(P3)中溫過(guò)熱,右子樹(shù)也為葉子節(jié)點(diǎn)(P4)高溫過(guò)熱。在節(jié)點(diǎn)(N3)處構(gòu)造第3層SVM子分類(lèi)器,左子樹(shù)為葉子節(jié)點(diǎn)(P5)局部放電,右子樹(shù)節(jié)點(diǎn)(N5)低高能量放電,在節(jié)點(diǎn)(N5)處構(gòu)造第4層SVM子分類(lèi)器,左子樹(shù)為葉子節(jié)點(diǎn)(P6)低能放電,右子樹(shù)也為葉子節(jié)點(diǎn)(P7)高能放電。4點(diǎn)線點(diǎn)診斷正確率在實(shí)驗(yàn)中將甲烷(CH在二叉樹(shù)型診斷模型中各中間節(jié)點(diǎn)子分類(lèi)器的診斷正確率及各葉子節(jié)點(diǎn)的故障最終診斷正確率如表1、表2所示。在變壓器的局部放電及低能量放電故障中伴隨著過(guò)熱現(xiàn)象,故在診斷中造成誤判。5smo算法在變壓器故障診斷中的應(yīng)用支持向量機(jī)(SV