(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 202111666478.4 (22)申请日 2021.12.31 (71)申请人 新疆大学 地址 830046 新疆 维吾尔自治区乌鲁 木齐 市胜利路6 66号 (72)发明人 吐松江·卡日　高文胜　张宽　 张紫薇　马小晶　 伊力哈木·亚尔买买提　杜林　 希望·阿布都瓦依提 　何志洋　 (74)专利代理 机构 广州本诺知识产权代理事务 所(普通合伙) 44574 代理人 张令 (51)Int.Cl. G06Q 10/06(2012.01) G06K 9/62(2022.01)G06F 17/10(2006.01) (54)发明名称 一种基于云模型和改进DS证据理论的变压 器故障诊断方法 (57)摘要 本发明公开了一种基于云模型和改进DS证 据理论的变压器故障诊断方法， 包括： 步骤1、 获 取变压器油中溶解气故障样本， 建立变压器的故 障样本集； 步骤2、 采用故障样本集建立各类型故 障的故障标准云模型； 步骤3、 计算待诊断样本与 故障标准 云模型间的最终隶属度矩阵； 步骤4、 根 据最终隶属度矩 阵确定不同故障下的基本概率 分配； 步骤5、 利用Pignistic概率距离构建相似 度并对基本概率分配进行修正， 引入平均支持度 加权优化证据融合规则， 并使用改进D ‑S证据理 论对基本概率分配进行融合， 以得到最终融合结 果； 步骤6、 在最终融合结果中， 选取基本概率最 大值对应的变压器状态作为诊断结果。 本发明有 效地提高了变压器智能诊断方法的准确率。 权利要求书3页 说明书8页 附图1页 CN 114372693 A 2022.04.19 CN 114372693 A 1.一种基于云模型和改进D S证据理论的变压器故障诊断方法， 其特 征在于， 包括： 步骤1、 获取变压器油中溶解气故障样本， 建立变压器的故障样本集； 步骤2、 采用所述故障样本集建立各类型故障的故障标准云模型； 步骤3、 计算待 诊断样本与所述故障标准云模型间的最终隶属度矩阵； 步骤4、 根据所述 最终隶属度矩阵确定不同故障下的基本概 率分配； 步骤5、 利用Pignistic概率距离构建相似度并对所述基本概率分配进行修正， 引入平 均支持度加权优化证据融合规则， 并使用改进D ‑S证据理论对所述基本概率分配进 行融合， 以得到最终融合结果； 步骤6、 在所述最终融合结果中， 选取基本概率最大值对应的变压器状态作为诊断结 果。 2.根据权利要求1所述的基于云模型和改进DS证据理论的变压器故障诊断方法， 其特 征在于， 所述故障样本集包含有多种变压器故障类型 的油色谱样本， 所述油色谱样本由多 种特征气体的含量特 征构成。 3.根据权利要求1所述的基于云模型和改进DS证据理论的变压器故障诊断方法， 其特 征在于， 所述 步骤2包括： 步骤21、 针对所述故障样本集， 对原 始数据进行归一 化处理； 步骤22、 通过分析所述故障样本集计算变压器各状态下， 各故障特征值的期望、 标准差 和离散程度， 进 而构建所述故障标准云模型。 4.根据权利要求3所述的基于云模型和改进DS证据理论的变压器故障诊断方法， 其特 征在于， 所述 步骤3包括： 步骤31、 根据故障特征值的期望、 标准差和离散程度， 计算所述待诊断样本的第i个故 障特征下第j类故障的隶属度； 步骤32、 所述待诊断样本的各特征与故障标准云模型 间的隶属度值构建隶属 度矩阵μij ＝[ μi1, μi2,…, μin]， 其中n为变压器故障类型总数； 步骤33、 计算第i个故障特征对应的不确定性隶属度φi＝1‑max( μij)； 计算所述待诊断 样本的所有特 征下各类故障的隶属度和对应的不确定隶属度， 构建最终隶属度矩阵。 5.根据权利要求4所述的基于云模型和改进DS证据理论的变压器故障诊断方法， 其特 征在于， 所述 步骤4包括： 步骤41、 将所述最终隶属度矩阵每一行进行归一化处理， 得到所述待诊断样本的所述 基本概率分配。 6.根据权利要求5所述的基于云模型和改进DS证据理论的变压器故障诊断方法， 其特 征在于， 所述 步骤5包括： 步骤51、 基于Pi gnistic概率函数构建相似度， 并将所述基本概率分配与对应的所述相 似度相乘， 以对所述基本概 率分配进行修 正； 步骤52、 基于平均支持度加权方法对D ‑S证据理论Dempster融合 规则进行优化； 步骤53、 使用优化后的融合规则对修正后的所述基本概率分配进行信息融合， 得到所 述最终融合结果。 7.根据权利要求2 ‑6中任一项所述的基于云模型和改进DS证据理论的变压器故障诊断 方法， 其特征在于， 所述多种特征气体为氢气、 甲烷、 乙烷、 乙烯和乙炔， 所述多种变压器故权　利　要　求　书 1/3 页 2 CN 114372693 A 2障类型包括 正状态、 低温过 热、 中温过 热、 高温过 热、 局部放电、 低能放电和高能放电。 8.根据权利要求3所述的基于云模型和改进DS证据理论的变压器故障诊断方法， 其特 征在于， 所述 步骤21中采用百分比归一 化方法， 计算公式如下 所示： 式中， Xi表示第i个特征气体占所有特征气体的百分比； xi表示第i个特征气体含量； THC 表示总烃气体含量； H2表示氢气 气体含量。 9.根据权利要求3所述的基于云模型和改进DS证据理论的变压器故障诊断方法， 其特 征在于， 所述步骤22中各故障特 征值的期望、 标准差和离 散程度， 具体 计算方法如下： 设xijk为某一变压器故障状态下的油中溶解气数据， 表示在第i个特征的第j类故障， 有 k个样本， 则第i个特 征的第j类故障下的期望， 计算公式如下 所示： 则第i个特 征的第j类故障下的标准差， 计算公式如下 所示： 离散程度取值0.01。 10.根据权利要求4所述的基于云模型和改进DS证据理论的变压器故障诊断方法， 其特 征在于， 所述步骤31中隶属度计算方法， 如下 所示： 式中， Enij′是标准差和离 散程度产生的一个正态随机数。 11.根据权利要求6所述的基于云模型和改进DS证据理论的变压器故障诊断方法， 其特 征在于， 所述 步骤51中相似度Sim计算方法如下： 取多种变压器故障类型为辨识框架， 取m表示识别框架中的基本概率分配函数， Pignistic概率函数BetPm(ω)是从辨识框架到[0,1]的映射关联函数， 计算公式如下 所示： 式中， |A|表示子集的基数； 基于Pignist ic概率函数BetPm(ω)计算事件的两证据体m1和m2之间的差值矩阵DifBet， 计算公式如下 所示： 基本概率分配函数值在[0,1]上， 且DifBet可表示证据体m1和m2之间差异性， 所以定义两 证据体m1和m2之间相似度， 计算公式如下 所示： 权　利　要　求　书 2/3 页 3 CN 114372693 A 3