(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111423053.0 (22)申请日 2021.11.26 (71)申请人 国网宁夏电力有限公司培训中心 地址 750011 宁夏回族自治区银川市黄河 东路716号 申请人 国网宁夏电力有限公司 (72)发明人 侯峰　冯洋　叶赞　李真娣　朱静　 杨小龙　 (74)专利代理 机构 北京慕达星云知识产权代理 事务所 (特殊普通合伙) 11465 代理人 符继超 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01)G06K 9/62(2022.01) G06N 3/00(2006.01) G06F 111/06(2020.01) (54)发明名称 一种电力变 压器绕组变形智能分类方法 (57)摘要 本发明公开了一种电力变压器绕组变形智 能分类方法； 包括： 分别获取变压器在绕组正常 状态和绕组变形状态时的相频数据和幅频数据； 根据变压器在绕组正常状态和 绕组变形状态时 的相频数据和幅频数据， 分别构建对应的灰度图 像矩阵A'和A'd； 根据灰度图像矩阵A'和A'd， 构 建特征参量集； 根据特征参量集， 计算出支持向 量机的惩罚因子和核函数的最优参数， 并基于此 构建最优支持向量机模型； 根据最优支持向量机 模型， 实现对目标场所中变压器绕组状态的分 类； 通过该方法能够将扫频阻抗的相频与幅频特 征进行有效地融合， 减少量化指标的数量， 且提 高运算速度。 权利要求书2页 说明书6页 附图6页 CN 114201828 A 2022.03.18 CN 114201828 A 1.一种电力变压器绕组变形智能分类方法， 其特 征在于， 包括： S1、 分别获取变压器在绕组正常状态和绕组变形状态时的相频 数据和幅频 数据； S2、 根据所述变压器在绕组正常状态和绕组变形状态时的相频数据和幅频数据， 分别 构建对应的灰度图像矩阵A'和A'd； S3、 根据所述灰度图像矩阵A'和A'd， 构建特征参量集； S4、 根据所述特征参量集， 计算出支持向量机的惩罚因子和核函数的最优参数， 并基于 此构建最优支持向量机模型； S5、 根据所述 最优支持向量机模型， 实现对目标场所中变压器绕组状态的分类。 2.如权利要求1所述的一种电力变压器 绕组变形智能分类方法， 其特征在于， 所述S1中 的绕组变形状态， 包括： 绕组短路、 绕组断线和绕组轴向位移。 3.如权利要求2所述的一种电力变压器绕组变形智能分类方法， 其特征在于， 所述S2 中， 根据所述变压器在绕组正常状态时的相频数据和幅频数据， 构建对应的灰度图像矩阵 A'， 具体包括： S21、 根据 所述变压器在绕组正常状态时的相频数据和幅频数据， 构建对应的相频曲线 和幅频曲线； S22、 将所述相频曲线和幅频曲线分别充当为平面极坐标上的极角和极径； 根据所述极 径和极角构建 极坐标图像； S23、 将所述极坐标图像转换为对应的二维矩阵； 利用mat2gray函数将所述二维矩阵转 换为灰度图像矩阵A'。 4.如权利要求1所述的一种电力变压器 绕组变形智能分类方法， 其特征在于， 所述S3具 体包括： S31、 将所述灰度图像矩阵A'和A'd转换为P阶方阵， 在此基础上分别计算所述灰度图像 矩阵A'和A'd的水平投影、 垂直投影、 主对角线投影和副对角线投影： D(i)＝A'(i,i)， Dd(i)＝A'd(i,i)    (9) B(i)＝A'(i,P ‑i+1)， Bd(i)＝A'd(i,P‑i+1)    (10) 其中， A'表示变压器在绕组正常状态时的灰度图像矩阵； A'd表示变压器在绕组变形状 态时的灰度图像矩阵； H(j)表示灰度图像矩阵A'的水平投影； Hd(j)表示灰度图像矩阵A'd的 水平投影； V(i)表示灰度图像矩阵A'的垂直投影； Vd(i)表示灰度图像矩阵A'd的垂直投影； D (i)表示灰度图像矩阵A'的主对角线投影； Dd(i)表示灰度图像矩阵A'd的主对角线投影； B (i)表示灰度图像矩阵A'的副对角线投影； Bd(i)表示灰度图像矩阵A'd的副对角线投影； i表 示P阶方阵的行 数， i＝1,2,…,P； j表示P阶方阵的列数， j＝1,2, …,P。 S32、 分别计算H(j)和Hd(j)的余弦值T1、 V(i)和Vd(i)的余弦值T2、 D(i)和Dd(i)的余弦值 T3， 以及B(i)和Bd(i)的余弦值T4； 将所述T1、 T2、 T3和T4组合为所述特征参量集， 表示为T＝ {T1,T2,T3,T4}。权　利　要　求　书 1/2 页 2 CN 114201828 A 25.如权利要求1所述的一种电力变压器 绕组变形智能分类方法， 其特征在于， 所述S4具 体包括： S41、 通过布谷鸟 算法及交叉验证法对所述特征参量集进行计算， 获得支持向量机的惩 罚因子和核函数的最优参数； S42、 根据所述支持向量机的惩罚因子和核函数的最优参数， 构建最优支持向量机模 型。权　利　要　求　书 2/2 页 3 CN 114201828 A 3