基于随机森林模型的电力变压器故障诊断方法

摘要

本发明公开了一种基于随机森林模型的电力变压器故障诊断方法，采集变压器状态检修数据，利用变压器状态检修数据训练随机森林模型，并校验随机森林模型的灵敏度，以经训练校验后的随机森林模型来诊断变压器故障。本发明提供的方法适应能力强，具有良好的可解释性，利用k-means聚类方法，分离出了介于正常和故障之间的临界类，使系统获得了故障的早期预警能力。

主权项

基于随机森林模型的电力变压器故障诊断方法，其特征在于，采集变压器状态检修数据，利用变压器状态检修数据训练随机森林模型，并校验随机森林模型的灵敏度，以经训练校验后的随机森林模型来诊断变压器故障；该方法包括以下步骤：a、建立模型，根据变压器状态检修的历史数据训练随机森林，建立故障诊断的随机森林模型，随着新样本的不断增加，通过加入新样本进行训练，可以重新建模；b、检验模型，选择起始时间和结束时间进行结果对比，得出预测效果； c、故障诊断，选择起始时间和结束时间对待测状态数据进行测试；d、影响因素重要性排序，利用随机森林可以计算变量重要性计算出各个指标的影响程度，并进行重要性排序；e、扩展模型，利用k‑means聚类方法，对实际数据进行聚类分析，把数据分成故障、临界和正常三个类。