一种基于半监督SVM的变压器故障类型诊断方法

1.一种基于半监督SVM的变压器故障类型诊断方法，它包括：步骤1、选定样本数据集，并对样本数据集进行归一化处理；步骤1所述选定样本数据集，并对样本数据集进行归一化处理的方法为：选定每组样本数据大小为1×8维，分别是CH 4 、C 2 H 6 、C 2 H 4 、C 2 H 2 、总烃、H 2 、CO和CO 2 ；选取的样本数据均为连续三次监测的变压器油色谱监测数据，每组样本数据大小为3×8维，变换成1×24维输入网络，对所有数据进行归一化为[0，1]之间的值，归一化方法采用最大最小法：x k ＝(x k -x min )/(x max -x min )式中：x min 为数据序列中的最小值；x max 为数据序列中的最大值；步骤2、将样本数据分为无标签的预训练集、有标签集、测试集1和测试集2；所述预训练集和有标签集的样本数据是通过将原始数据生成对抗网络来做数据平衡处理后得到的数据；所述生成对抗网络的方法为：生成对抗网络的框架中包含一对相互对抗的模型：判别器和生成器；判别器用来判别数据真假，输入的样本为真，则判别器输出1，输入的样本为假，判别器输出0；生成器则尽可能的逼近真实数据的分布，使得判别器无法判断生成器输出样本的真假；当生成器和判别器两者间达到纳什均衡，则完成生成对抗网络目标；步骤3、对故障类型进行状态编码；步骤4、建立基于半监督SVM的变压器故障诊断模型；步骤5、将基于半监督SVM的变压器故障诊断模型进行保存，并利用测试集1的样本数据对分类性能进行验证；步骤6、将测试集1中置信度高于阈值的样本加入到预训练集中，从测试集1中删除加入到预训练集中的样本，并判断测试集中数据是否用完，如果用完则执行步骤7，没有用完则返回步骤5；步骤7、保存训练好的半监督SVM的变压器故障诊断模型；步骤8、用半监督SVM的变压器故障诊断模型对测试集2进行测试，得出分类结果。 2.根据权利要求1所述的一种基于半监督SVM的变压器故障类型诊断方法，其特征在于：步骤4所述建立基于半监督SVM的变压器故障诊断模型的方法为：步骤4.1、设D N 是无标签的预训练集，D L 是有标签集；步骤4.2、用D L 初始化分类器；步骤4.3、从D N 中随机选出数据样本，用分类器对数据样本进行分类预测；然后选出置信度高于阈值的样本放入到有标签集，重新用有标签集来训练分类器；置信度低于阈值的样本重新返回无标签的预训练集；步骤4.4、重复步骤4.2-4.3，直到满足停止条件；停止条件是D N 用完。