油浸式變壓器內部潛在熱電故障的診斷研究與實現

韓媛媛

【摘 ?要】國外某港口作為其國家第一大港，承擔了70%的外貿進出口業(yè)務，配套集裝箱散貨碼頭提供了區(qū)域內國際遠洋航線船舶靠泊裝卸的最佳選擇。因此，港區(qū)內穩(wěn)定可靠的供電將會直接影響整體電力系統(tǒng)的安全與經濟效益的增損。油浸式變壓器作為供電系統(tǒng)中至關重要的電力設備，及時發(fā)現其油箱內部潛在熱電故障，并盡早排除，可有效提高供電系統(tǒng)的可靠性與設備的可用度。本文將基于油中溶解氣體分析（Dissovled Gas Analysis，簡稱DGA）數據，利用KNIME平臺中決策樹C4.5算法，對變壓器油箱內潛在熱電故障進行診斷，通過在平臺中搭建故障診斷工作流，實現對參數便捷的設置操作，高效率得到較為準確的故障診斷結果，保證變壓器的正常運行。

【關鍵詞】油浸式變壓器;內部潛在熱電故障;KNIME;決策樹;故障診斷

1油浸式變壓器故障表現形式

油浸式變壓器可以通過檢測油內溶解氣體的成分來進行內部潛在熱電故障的判斷。這是由于在變壓器復雜結構內部發(fā)生熱作用或電反應時，某些特征氣體的產生速度加快、種類增多，導致油箱中成分發(fā)生改變進而可能引發(fā)故障，造成重大經濟損失[1]。下表羅列出基于DGA技術的變壓器故障類型與特征氣體的對應關系[2]：

2油浸式變壓器故障檢測方法

（1）傳統(tǒng)比值法。其原理即計算烴類氣體組分及含量與邊界閾值比較的方式進行編碼，再參照列表對應故障類型。優(yōu)勢在于雖然與預防性電氣試驗相比，不需停電、不受電場干擾、分析速度快。但是其本身仍然存在比值編碼缺失、邊界過于絕對等缺陷，都會給故障診斷與設備檢修帶來不必要的麻煩。

（2）智能診斷法。隨著人工智能方法的發(fā)展，越來越多的智能診斷理論與油浸式變壓器故障診斷相結合。雖然如遺傳算法、粗糙集、神經網絡、專家系統(tǒng)等方式建立模型、知識庫，降低了判斷的絕對性，彌補了傳統(tǒng)方法對多種復雜故障組合判斷限制的不足。但在實際采用MATLAB軟件進行建模應用時，在可視化與效率方面有所欠缺[3]。

因此本文擬利用KNIME平臺設計一種基于決策樹C4.5算法的油浸式變壓器潛在熱電故障診斷方法，以解決如下問題：

（3）在較短時間內，判斷出正確故障類型;

（4）操作便捷，界面可視化，能夠智能化進行參數設置。

3決策樹C4.5算法原理論述

3.1數據描述

4.2KNIME決策樹節(jié)點參數設置

決策樹學習器的參數的設置對于預測結果起到至關重要的作用，如圖2為KNIME軟件中決策樹學習器節(jié)點參數的具體設置。

（1）選擇信息增益度作為學習方法，對故障類型進行目標列學習;

（2）防止因過度擬合而影響結果的準確性及預測的高效性，設置以MDL（Minimum Description Length）方法為準則，采用Reduced-Error Pruning（REP，錯誤率降低剪枝）的后剪枝方法，擬得到一棵期望錯誤率最小的決策樹。

（3）同時選擇合適的前剪枝閾值，可以提高其準確率及樹生成的效率。

4.3故障診斷工作流的搭建

故障診斷工作流由數據庫讀寫節(jié)點、決策樹學習預測節(jié)點以及評分等節(jié)點組成。工作流工作流程如下：從數據庫讀取500條油浸式變壓器故障數據，隨機將其分為450條樣本數據和50條測試數據，對數據進行歸一化處理后，利用決策樹學習器對數據進行學習，并用建立的模型對測試數據進行故障預測，通過將預測結果與原有結果的評分比較，計算預測正確率。故障診斷工作流如圖3所示。

4.4結果分析

使用不同算法，對相同樣本數據進行學習，對相同測試數據進行故障判斷，神經網絡、模糊算法、貝葉斯算法與決策樹的仿真結果如圖4-7所示。

結果顯示，基于決策樹的故障診斷方法準確率達到86%，遠高于其他智能算法的預測結果準確度，故油浸式變壓器內部潛在熱電故障使用決策樹C4.5算法的判斷準確率可以達到滿意的效果。

同時，將設計的方法與使用MATLAB編程方法的故障診斷進行了比較，見表2。

通過測試，本文設計的優(yōu)點如下：

●可視化的界面操作。直觀可靠、控制簡單、方便操作;

●提供大數據接口。故障診斷工作流提供與HBase數據庫連接的端口，可對數據量龐大的大數據進行預測分析;

●調試方便?？蓪τ诋惓Ｐ畔⑦M行錯誤捕捉，方便用戶調試;

●快捷的參數設置。

5結論

本文依托國外某碼頭項目，詳細介紹了基于KNIME平臺決策樹算法的油浸式變壓器內部潛在熱電故障診斷工作流的方法。通過對大量DGA樣本數據的學習，以及方便快捷的參數設置，最終得到一棵較優(yōu)質的樹模型。預測結果顯示，預測結果準確性較高，且具有高工作效率，表現了對故障良好的辨識能力。

參考文獻：

[1]蔣維，李鋮.基于小波變換的變壓器局部放電信號的分析方法研究[J].儀器儀表用戶，2006，第6期

[2]基于相關向量機的油浸式電力變壓器故障診斷方法研究[D].華北電力大學（北京）華北電力大學，2013

[3]王桂英，張世軍，潘思堯.基于神經網絡的變壓器故障診斷方法研究[J].計算機測量與控制，2012，第7期

（作者單位：中交第四航務工程勘察設計院有限公司）