對油浸式變壓器故障診斷的研究

摘要：變壓器是電力系統(tǒng)中的中的重要設(shè)備，它的正常運行對電力系統(tǒng)起著至關(guān)重要的作用。針對變壓器的故障診斷方法，主要有傳統(tǒng)比值法以及各種智能診斷方法。針對傳統(tǒng)比值法和各種智能診斷方法編碼不全，編碼與故障類型對應(yīng)關(guān)系太過絕對等缺點。本文將支持向量機、遺傳算法和粗糙集相結(jié)合，應(yīng)用到變壓器故障診斷中。經(jīng)過實例證明，該方法切實可行，診斷結(jié)果證明了本方法的有效性。

關(guān)鍵詞：變壓器 故障診斷 粗糙集 支持向量機 遺傳算法

變壓器是電力系統(tǒng)中分布最廣泛、造價高昂、結(jié)構(gòu)復(fù)雜的電氣設(shè)備之一，擔(dān)負著電能傳送和電壓轉(zhuǎn)換的重任，它的安全運行直接影響了整個電力系統(tǒng)的安全性和穩(wěn)定性。隨著電力網(wǎng)絡(luò)的負荷加重，變壓器發(fā)生故障的概率越來越高。另一個方面由于變壓器結(jié)構(gòu)復(fù)雜，發(fā)生問題時判斷故障及檢修故障也很復(fù)雜。因此研究變壓器的故障，對變壓器早期出現(xiàn)的故障進行診斷研究，提高整個電力系統(tǒng)供電的可靠性，有著十分重要的作用。目前最有效的手段是對油中溶解氣體的分析。對油中氣體分析的判斷變壓器故障類型的方法，由以往常用的三比值法逐漸過渡到智能診斷方法。本文首先對基于油中溶解氣體分析變壓器故障類型的方法進行了研究，分析了傳統(tǒng)比值法的優(yōu)缺點，進而提出了利用遺傳算法對支持向量機進行參數(shù)尋優(yōu)，探索了一種新的智能變壓器故障診斷方法。

1 變壓器故障診斷現(xiàn)狀研究

對油浸式變壓器來說，現(xiàn)狀都是用油作為散熱和絕緣材料，在運行中，油與中間的固體有機材料因故障會逐漸老化和分解，同時油中會產(chǎn)生少量的各種氣體。因為不同故障，產(chǎn)生的氣體比例、含量不同，所以就可以利用對油中氣體的分析，來判斷故障類型。利用這種方法對油中溶解氣體進行實時監(jiān)測，就可以及時發(fā)現(xiàn)故障信息，避免災(zāi)難性隱患的出現(xiàn)。這種方法，能在變壓器帶電工作時進行監(jiān)測，不受電磁干擾的影響。基于油中溶解氣體分析的變壓器故障診斷有一些傳統(tǒng)方法，最常見的是三比值法。傳統(tǒng)方法對故障診斷有一定效果，但也有一些問題，比如編碼的設(shè)定、編碼范圍邊界的區(qū)分太過絕對、編碼與故障類型的對應(yīng)太刻板，反而不利于故障診斷。隨著人工智能的發(fā)展，對變壓器故障診斷的研究也進入了智能診斷階段。對于智能診斷方法來說，需要大量的樣本信息來保證模型的建立。但是變壓器因為自身的復(fù)雜性，以及現(xiàn)場采集手段單一而導(dǎo)致變壓器試驗樣本信息不完備、試驗樣本少，導(dǎo)致了智能判斷不能進行完善的判斷。鑒于此，我單位在故障診斷中適當(dāng)應(yīng)用了智能算法，以確保故障診斷準(zhǔn)確無誤。

2 常用變壓器故障診斷方法

2.1 基于粗糙集的變壓器故障樣本的處理 以油中溶解氣體的分析作為基礎(chǔ)，利用支持向量機算法建立一個模型。該模型的輸入是油中溶解氣體，輸出是變壓器故障類型。利用粗糙集的方法對變壓器故障樣本進行處理和分析，為了對輸入特征進行優(yōu)化，應(yīng)該以約簡后的故障樣本作為新樣本用于模型診斷。首先利用基于粗糙集理論的工具Rosetta對搜集到的故障數(shù)據(jù)樣本進行處理。其次，經(jīng)處理的數(shù)據(jù)可通過等頻率離散法進行離散化。最后，應(yīng)用Genetic algorithm算法約簡離散后的原始決策表來優(yōu)化原始決策表的條件屬性，做好數(shù)據(jù)預(yù)處理，為診斷變壓器故障創(chuàng)造條件。

2.2 基于遺傳支持向量機在變壓器故障診斷中的應(yīng)

用 在小樣本的情況下，傳統(tǒng)的變壓器智能診斷方法效果還不理想。但現(xiàn)行測試手段尚有不完善之處，無法獲取更多的樣本用于變壓器的智能故障診斷。鑒于此，我們將支持向量機算法引入變壓器故障診斷中。另一方面，鑒于支持向量機的參數(shù)尋優(yōu)具體依賴于網(wǎng)格搜索、經(jīng)驗選擇等。這些方法有準(zhǔn)確率不高、訓(xùn)練時間過長等缺點。針對此，為提高診斷模型的正確判斷率，又在支持向量機參數(shù)尋優(yōu)中引入了遺傳算法。

2.3 基于粗糙集和遺傳支持向量機的變壓器故障診斷模型實現(xiàn)及結(jié)果對比分析 利用建立的基于粗糙集和遺傳支持向量機的模型，對獲取的300個變壓器原始故障樣本，在條件屬性中加入了16個氣體比值，決策屬性采用六種常見的變壓器故障類型，通過連續(xù)氣體比值等頻離散化后，構(gòu)建原始決策表，規(guī)格為300*17。另一方面，針對原始決策表，應(yīng)用Genetic algorithm屬性約簡算法對其進行屬性約簡和規(guī)則合并。同時為了證明所選方法的優(yōu)越性，將基于粗糙集和遺傳支持向量機的變壓器故障診斷模型和傳統(tǒng)的智能判斷方法進行對比，經(jīng)過多次實驗、分析比較，得到了隨著本文算法的加入，對故障的分類和判斷的準(zhǔn)確率得到了大幅提高。

3 結(jié)語

利用基于粗糙集和遺傳支持向量機的變壓器故障診斷模型對變壓器進行故障診斷，能使故障分類準(zhǔn)確率得到大幅提高。在同樣的輸入條件下，診斷結(jié)果要優(yōu)于傳統(tǒng)三比值法及智能判斷方法。通過對8組經(jīng)過有關(guān)部門提取的數(shù)據(jù)進行判斷，能達到100%的正確判斷率。不過雖然基于粗糙集和遺傳支持向量機的變壓器故障診斷模型能夠得到較為理想的診斷效果，但是還有一些方面需要探討，比如現(xiàn)在只是討論了對單一故障類型的判斷，如果多種類型故障同時出現(xiàn)，還沒有進行研究。我相信，隨著科學(xué)技術(shù)的不斷發(fā)展，對油浸式變壓器的故障診斷方法一定會得到進一步的應(yīng)用。

參考文獻：

[1]張琪，李志斌，謝志輝.貝葉斯網(wǎng)絡(luò)在變壓器故障診斷中的研究[D].上海：上海電力學(xué)院電力與自動化工程學(xué)院.

[2]王建元，紀(jì)延超.模糊Petri網(wǎng)絡(luò)知識表示方法及其在變壓器故障診斷中的應(yīng)用[J].中國電機工程學(xué)報，2003，23（1）：121-125.

[3]李儉，孫才新等.基于灰色聚類分析的充油電力變壓器絕緣故障診斷的研究[J].電工技術(shù)學(xué)報，2002，17（4）：80-83.

作者簡介：李琰琰（1984-），女，河南南陽人，本科，助講，研究方向：機電一體化。