基于貝葉斯網(wǎng)絡(luò)的電力變壓器局部放電故障檢測(cè)

白國(guó)政

(陜西工業(yè)職業(yè)技術(shù)學(xué)院，陜西 咸陽(yáng) 712000)

0 引言

隨著當(dāng)今社會(huì)基礎(chǔ)設(shè)施的逐漸完善，電網(wǎng)系統(tǒng)逐漸覆蓋各行各業(yè)，電力系統(tǒng)的規(guī)模也隨之?dāng)U大，與之而來(lái)的是復(fù)雜的用電環(huán)境導(dǎo)致的電力系統(tǒng)負(fù)荷過(guò)高，從而導(dǎo)致各種電力故障問(wèn)題頻發(fā)。而電力變壓器是維護(hù)電力系統(tǒng)安全與穩(wěn)定的重要設(shè)備，為了進(jìn)一步應(yīng)對(duì)多樣化的電力故障問(wèn)題需要對(duì)變壓器故障檢測(cè)能力進(jìn)行優(yōu)化。使其能夠根據(jù)當(dāng)前的電力運(yùn)行狀態(tài)對(duì)未來(lái)一段時(shí)間內(nèi)的運(yùn)行狀況進(jìn)行預(yù)測(cè)，及時(shí)發(fā)現(xiàn)電力系統(tǒng)內(nèi)存在的安全隱患。并進(jìn)行診斷與糾正。從而減少故障問(wèn)題發(fā)生造成的不可逆性損失，延長(zhǎng)電力系統(tǒng)的使用壽命，保障電力網(wǎng)絡(luò)運(yùn)行環(huán)境的安全與穩(wěn)定。

文獻(xiàn)[1]利用激光誘導(dǎo)熒光光譜技術(shù)與極限學(xué)習(xí)機(jī)算法對(duì)電力變壓器內(nèi)部油樣進(jìn)行快速識(shí)別，對(duì)不同類型的油樣使用激光儀發(fā)射熒光，識(shí)別獲取油樣熒光光譜，通過(guò)學(xué)習(xí)機(jī)ELM算法對(duì)光譜進(jìn)行除噪預(yù)處理，分析油樣模型中的元素貢獻(xiàn)率，降維后得到變壓器油分析結(jié)果，進(jìn)行變壓器故障檢測(cè)。該方法雖然快速可靠，但主要是基于變壓器常態(tài)運(yùn)行狀況下進(jìn)行故障檢測(cè)與診斷，無(wú)法實(shí)現(xiàn)對(duì)未來(lái)一定時(shí)間內(nèi)變壓器故障異常狀況的檢測(cè)和預(yù)防。文獻(xiàn)[2]通過(guò)利用掃描電鏡技術(shù)對(duì)電力變壓器局部放電運(yùn)行狀態(tài)進(jìn)行掃，通過(guò)高精度圖像監(jiān)測(cè)技術(shù)實(shí)現(xiàn)對(duì)變壓器內(nèi)部更加細(xì)節(jié)具體的掃描與信息提取，工作人員根據(jù)電鏡掃描獲取到的圖像信息，尋找識(shí)別變壓器存在故障的區(qū)域。該方法主要利用了圖像識(shí)別技術(shù)，更加清晰具體，但同樣無(wú)法滿足對(duì)潛藏的安全隱患進(jìn)行檢測(cè)判斷，只能識(shí)別確定當(dāng)下的故障問(wèn)題，局限性較大。

針對(duì)傳統(tǒng)方法的不足，本文研究了一種基于貝葉斯網(wǎng)絡(luò)的電力變壓器局部放電故障檢測(cè)，通過(guò)貝葉斯網(wǎng)絡(luò)對(duì)故障狀態(tài)發(fā)展趨勢(shì)進(jìn)行關(guān)聯(lián)性分析，實(shí)現(xiàn)對(duì)變壓器局部放電故障的精準(zhǔn)檢測(cè)。

1 貝葉斯網(wǎng)絡(luò)模型

1.1 電力變壓器局部放電故障評(píng)分

電力變壓器的主要功能是保護(hù)電網(wǎng)系統(tǒng)的電力運(yùn)行安全與穩(wěn)定，對(duì)存在異常的電流和電壓進(jìn)行調(diào)控，使電力參數(shù)保持在一個(gè)穩(wěn)定合理的閾值內(nèi)，從而減少電力系統(tǒng)故障隱患的存在，降低安全風(fēng)險(xiǎn)，延長(zhǎng)電力設(shè)備的使用壽命[3]。因此在構(gòu)建貝葉斯網(wǎng)絡(luò)模型過(guò)程中，對(duì)電力變壓器局部放電故障的發(fā)生概率及范圍進(jìn)行合理性評(píng)估是關(guān)鍵環(huán)節(jié)。

在電力系統(tǒng)中，電力變壓器運(yùn)行電流監(jiān)測(cè)的數(shù)據(jù)波動(dòng)越大，系統(tǒng)存在故障隱患的風(fēng)險(xiǎn)越大[4]。以傳感器監(jiān)測(cè)到的電網(wǎng)運(yùn)行數(shù)據(jù)信息為評(píng)估數(shù)據(jù)集，將電力變壓器存在的運(yùn)行狀態(tài)按照異常程度劃分為“正常”、“異?！?，“危險(xiǎn)”三種表現(xiàn)狀態(tài)。通過(guò)計(jì)算異常故障發(fā)生概率對(duì)變壓器不同區(qū)域運(yùn)行狀態(tài)的劃分，設(shè)定需要計(jì)算的目標(biāo)區(qū)域?yàn)楣?jié)點(diǎn)X，則正常狀態(tài)下該節(jié)點(diǎn)的運(yùn)行狀態(tài)表示為X′，故障發(fā)生概率的計(jì)算公式如下：

(1)

其中：P表示節(jié)點(diǎn)X方式故障異常的概率，y1，y2，…，yi為根節(jié)點(diǎn)X的概率分支節(jié)點(diǎn)，從根節(jié)點(diǎn)出發(fā)計(jì)算先驗(yàn)概率，以此類推直到計(jì)算出所有不同狀態(tài)下節(jié)點(diǎn)的運(yùn)行狀態(tài)數(shù)值，根據(jù)整合概率公式計(jì)算出異常數(shù)值存在的概率P′：

(2)

式中，NT為上述狀態(tài)概率計(jì)算公式所計(jì)算出的正常狀態(tài)概率數(shù)量，NF則為計(jì)算所得的異常狀態(tài)概率數(shù)量?；谶\(yùn)行狀態(tài)概率分析結(jié)果，針對(duì)存在異常的節(jié)點(diǎn)進(jìn)行反推，逐層分析異常狀態(tài)的發(fā)生原因及故障根節(jié)點(diǎn)位置，應(yīng)對(duì)各部分進(jìn)行標(biāo)注，按照狀態(tài)概率結(jié)果劃分狀態(tài)水平，按順序輸入到貝葉斯模型數(shù)據(jù)庫(kù)儲(chǔ)存?zhèn)浞輀5]。

1.2 故障樹

貝葉斯網(wǎng)絡(luò)模型的基本結(jié)構(gòu)為樹狀圖形，以上述計(jì)算所得的節(jié)點(diǎn)數(shù)據(jù)與概率信息為貝葉斯網(wǎng)絡(luò)故障樹的數(shù)據(jù)樣本，將系統(tǒng)可能性故障與變壓器局部放電節(jié)點(diǎn)之間關(guān)聯(lián)起來(lái)，逐層分解故障原因，分析獲取各階段可能性故障事件，最終歸結(jié)到變壓器局部放電異常根節(jié)點(diǎn)為止[6]。其結(jié)構(gòu)參考示意圖如圖1所示。

圖1 貝葉斯網(wǎng)絡(luò)故障樹結(jié)構(gòu)示意圖

故障樹模型按照特定的邏輯規(guī)則構(gòu)建，從根節(jié)點(diǎn)出發(fā)進(jìn)行概率分解，樹向分枝之間存在線路保護(hù)，同時(shí)最終分節(jié)點(diǎn)與根節(jié)點(diǎn)之間的直接關(guān)系分支存在母線保護(hù)[7]。

目前廣泛應(yīng)用是多貝葉斯網(wǎng)絡(luò)，是基于傳統(tǒng)貝葉斯的擴(kuò)展學(xué)科，同樣以樹形結(jié)構(gòu)為關(guān)系描述基礎(chǔ)，但關(guān)聯(lián)數(shù)據(jù)之間屬性關(guān)系的描述不僅僅為樹狀貝葉斯關(guān)系，在主貝葉斯關(guān)系脈絡(luò)上分支出多個(gè)子集貝葉斯描述關(guān)系，通過(guò)關(guān)系依賴強(qiáng)度和分類器性能構(gòu)建不同距離大小的關(guān)系樹。

對(duì)于電力變壓器局部放電故障可選用復(fù)雜的多貝葉斯網(wǎng)絡(luò)進(jìn)行描述，根據(jù)上文變壓器局部放電故障評(píng)估參數(shù)，調(diào)整不同分支貝葉斯的邊界閾值，與樸素貝葉斯故障數(shù)結(jié)合，構(gòu)建完整的，能夠明顯表述復(fù)雜依賴關(guān)系的故障樹。

1.3 故障樹向貝葉斯網(wǎng)絡(luò)的轉(zhuǎn)化

貝葉斯網(wǎng)絡(luò)的應(yīng)用原理主要是對(duì)概率性事件之間的因果關(guān)系進(jìn)行描述，其推演事件可存在不止一種對(duì)應(yīng)風(fēng)險(xiǎn)狀態(tài)[8]。貝葉斯的網(wǎng)絡(luò)結(jié)構(gòu)包括節(jié)點(diǎn)和有向弧線兩部分，通過(guò)分類變量來(lái)表示節(jié)點(diǎn)，當(dāng)網(wǎng)絡(luò)內(nèi)部的節(jié)點(diǎn)為數(shù)值型變量，貝葉斯網(wǎng)路會(huì)將變量自動(dòng)分化，轉(zhuǎn)變成分類變量。利用節(jié)點(diǎn)之間的弧線判斷變量是否存在依賴關(guān)系，如果存在弧線連接，則證明有依賴關(guān)系，否則代表這些節(jié)點(diǎn)為獨(dú)立節(jié)點(diǎn)。

根據(jù)概率論構(gòu)建擁有原始節(jié)點(diǎn)、概率條件、分裂方向等主要元素的概率隨機(jī)性關(guān)系推演網(wǎng)絡(luò)。以故障樹為變壓器局部放電異常分析的基礎(chǔ)結(jié)構(gòu)，根據(jù)貝葉斯網(wǎng)絡(luò)轉(zhuǎn)化邏輯，將故障樹數(shù)據(jù)對(duì)應(yīng)轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)中各節(jié)點(diǎn)數(shù)據(jù)，根據(jù)分支推演規(guī)則對(duì)數(shù)據(jù)邏輯關(guān)系進(jìn)行判定[9]。

(3)

當(dāng)貝葉斯網(wǎng)絡(luò)邏輯規(guī)則計(jì)算數(shù)據(jù)滿足上述條件時(shí)，則說(shuō)明該數(shù)據(jù)存在對(duì)應(yīng)狀況，在此基礎(chǔ)上對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)的異常狀態(tài)先驗(yàn)概率進(jìn)行計(jì)算，關(guān)聯(lián)節(jié)點(diǎn)之間的算例關(guān)系如圖2所示。

圖2 貝葉斯網(wǎng)絡(luò)概率算例關(guān)系

設(shè)定樣本數(shù)據(jù)總數(shù)為n，異常樣本數(shù)據(jù)的數(shù)量為r，按照樣本之間的投運(yùn)時(shí)間差，擬合計(jì)算出節(jié)點(diǎn)異常問(wèn)題發(fā)生的頻度Q為：

(4)

其中：ti為目標(biāo)節(jié)點(diǎn)時(shí)間，tj為樣本節(jié)點(diǎn)投運(yùn)時(shí)間。由于樸素貝葉斯的各項(xiàng)自變量為獨(dú)立變量，所以當(dāng)其中一項(xiàng)變量出現(xiàn)變化的時(shí)候，其他變量不會(huì)受到影響，因此可以針對(duì)這一特點(diǎn)，根據(jù)貝葉斯網(wǎng)絡(luò)關(guān)系計(jì)算出節(jié)點(diǎn)之間延續(xù)的異常頻度，進(jìn)一步提取電網(wǎng)系統(tǒng)中存在的異常節(jié)點(diǎn)，提取關(guān)鍵點(diǎn)回溯確定電力變壓器局部放電存在故障的位置和頻率，提高貝葉斯網(wǎng)絡(luò)模型對(duì)變壓器故障信息檢測(cè)的準(zhǔn)確度[10]。

2 局部放電故障檢測(cè)

2.1 故障信息關(guān)聯(lián)知識(shí)抽取

電力變壓器局部放電特征指標(biāo)與故障之間存在多維關(guān)聯(lián)關(guān)系，需要根據(jù)變壓器設(shè)備實(shí)際硬件參數(shù)對(duì)放電故障概率進(jìn)行關(guān)聯(lián)分析，整合電力網(wǎng)絡(luò)運(yùn)行資源數(shù)據(jù)，進(jìn)行貝葉斯信息量化，提取電力變壓器特征指標(biāo)進(jìn)行模糊關(guān)聯(lián)函數(shù)評(píng)價(jià)。

由于并不是在所有情況下貝葉斯網(wǎng)絡(luò)中的節(jié)點(diǎn)都是相互獨(dú)立的，因此局部放電故障信息檢測(cè)所建立的網(wǎng)絡(luò)除了樸素貝葉斯網(wǎng)絡(luò)之外，同時(shí)也有TAN貝葉斯網(wǎng)絡(luò)，本文利用TAN貝葉斯網(wǎng)絡(luò)對(duì)故障信息關(guān)聯(lián)知識(shí)進(jìn)行抽取。首先選取數(shù)據(jù)源，根據(jù)內(nèi)部數(shù)據(jù)集確定自變量，包括電力變壓器的故障時(shí)間、故障電壓、故障電流等信息，而因變量則為故障功率表。分析歷史數(shù)據(jù)，根據(jù)分析結(jié)果建立貝葉斯網(wǎng)絡(luò)模型，從而判斷電力變壓器是否出現(xiàn)故障，從而確定是否進(jìn)行故障的抽取工作。在導(dǎo)入電力變壓器的相關(guān)數(shù)據(jù)源后，要對(duì)所有的數(shù)據(jù)進(jìn)行實(shí)例化分析，判斷數(shù)據(jù)的變量角色，根據(jù)數(shù)據(jù)狀態(tài)進(jìn)行數(shù)據(jù)清洗，如果發(fā)現(xiàn)有的數(shù)據(jù)值為空值，則需要?jiǎng)h除，利用得到的參數(shù)建立貝葉斯網(wǎng)絡(luò)，劃分?jǐn)?shù)據(jù)訓(xùn)練集和測(cè)試集，根據(jù)模型內(nèi)部電力變壓器數(shù)據(jù)的運(yùn)行結(jié)果檢測(cè)電力變壓器的故障情況，如果變壓器出現(xiàn)故障，則要進(jìn)行知識(shí)抽取，否則這一區(qū)域不需要進(jìn)行抽取。

檢測(cè)提取變壓器局部放電故障數(shù)據(jù)，抽取變壓器放電運(yùn)行與異常問(wèn)題之間的關(guān)聯(lián)知識(shí)信息，根據(jù)貝葉斯定理設(shè)定變壓器定量特征指標(biāo)與故障信息特征指標(biāo)[11]。并采用貝葉斯概率特征衡量指標(biāo)評(píng)價(jià)公式，對(duì)異常狀況的嚴(yán)重程度進(jìn)行評(píng)價(jià)：

(5)

其中：O為變壓器定量特征指標(biāo)數(shù)據(jù)集，Z為發(fā)生異常的故障信息特征指標(biāo)數(shù)據(jù)集，P(O)和P(Z)分別為二者的先驗(yàn)概率，P(Z|O)為反推的條件概率。

根據(jù)異常程度對(duì)電力變壓器特征數(shù)據(jù)進(jìn)行提取，設(shè)置貝葉斯網(wǎng)絡(luò)底層原始特征指標(biāo)數(shù)據(jù)值為根部節(jié)點(diǎn)樣本數(shù)據(jù)，結(jié)合邏輯規(guī)則中的轉(zhuǎn)化速率規(guī)則，在規(guī)定閾值內(nèi)對(duì)初始特征指標(biāo)數(shù)據(jù)進(jìn)行模糊關(guān)聯(lián)歸一化函數(shù)處理：

(6)

(7)

在規(guī)定閾值范圍內(nèi)對(duì)電力系統(tǒng)運(yùn)行變化速率特征指標(biāo)及評(píng)分值進(jìn)行歸一化運(yùn)算，同時(shí)還要考慮變化速率的運(yùn)行周期以及電力變壓器的產(chǎn)氣速率[12]。一般情況下變壓器的C2H2產(chǎn)氣速率不會(huì)超過(guò)3%每周，則以周為單位運(yùn)行周期，特征評(píng)估指標(biāo)的產(chǎn)氣變化速率的最大值為0.03，進(jìn)一步對(duì)變壓器放電狀態(tài)評(píng)估特征指標(biāo)進(jìn)行限制，提高故障信息關(guān)鍵特征與關(guān)聯(lián)知識(shí)抽取的精準(zhǔn)度[13]。

2.2 故障狀態(tài)檢測(cè)

通過(guò)模糊描述方法對(duì)變壓器局部放電故障問(wèn)題進(jìn)行檢測(cè)，根據(jù)變壓器內(nèi)部故障發(fā)生概率及嚴(yán)重程度，判定故障狀態(tài)由未發(fā)生轉(zhuǎn)向確定發(fā)生的過(guò)程中模糊描述的演化過(guò)程。

首先，構(gòu)造故障發(fā)生目標(biāo)函數(shù)，根據(jù)概率規(guī)則形成不同特征指標(biāo)的映射，在規(guī)定閾值范圍內(nèi)引入評(píng)分值對(duì)單位節(jié)點(diǎn)故障的模糊狀態(tài)進(jìn)行邊界描述，特征指標(biāo)評(píng)分值與故障發(fā)生概率的關(guān)系成反比，因此可以直接界定故障狀態(tài)模糊描述的邊界范圍[14]?；谪惾~斯網(wǎng)絡(luò)模型的故障模糊描述測(cè)度的目標(biāo)函數(shù)如下：

(8)

其中：e為故障特征檢測(cè)的目標(biāo)函數(shù)樣本節(jié)點(diǎn)，se為故障特征檢測(cè)目標(biāo)樣本在異常特征總樣本中的重要性比值，α為模糊描述中特征檢測(cè)有效性系數(shù)。

根據(jù)貝葉斯網(wǎng)絡(luò)故障數(shù)的連續(xù)關(guān)系，迭代運(yùn)算上述函數(shù)公式，計(jì)算出每個(gè)單位周期內(nèi)各節(jié)點(diǎn)故障特征指標(biāo)模糊描述概率測(cè)度。根據(jù)概率測(cè)度和貝葉斯網(wǎng)絡(luò)相關(guān)性可進(jìn)一步識(shí)別故障狀態(tài)類型。

2.3 貝葉斯網(wǎng)絡(luò)故障狀態(tài)推理

診斷電力變壓器局部放電故障狀態(tài)，首先需要精確貝葉斯診斷網(wǎng)絡(luò)判斷精確性能。在監(jiān)測(cè)電力變壓器運(yùn)行與放電故障過(guò)程中，可通過(guò)調(diào)整各局部邊界參數(shù)，生成不同閾值Tan貝葉斯網(wǎng)絡(luò)，從不同方向表述變壓器局部放電特征，突出關(guān)鍵故障特征點(diǎn)，擴(kuò)大故障監(jiān)測(cè)差異極值。

由于變壓器放電故障診斷中會(huì)存在屬性相似度較高而誤判的情況。因此，需要在基本的貝葉斯網(wǎng)絡(luò)基礎(chǔ)上，針對(duì)每一個(gè)局域貝葉斯網(wǎng)絡(luò)設(shè)定關(guān)聯(lián)邊界數(shù)據(jù)集，限制不同區(qū)域結(jié)構(gòu)的電力線路數(shù)據(jù)，整合到對(duì)應(yīng)的貝葉斯故障診斷器中，并引入之前的診斷經(jīng)驗(yàn)設(shè)置對(duì)照組，能夠有效降低故障診斷誤差率。

基于貝葉斯網(wǎng)絡(luò)故障狀態(tài)模糊測(cè)度描述評(píng)估，對(duì)電力變壓器不同狀況下的整體評(píng)估進(jìn)行模糊推理，根據(jù)模糊描述中模糊測(cè)度的不同程度級(jí)別劃分故障風(fēng)險(xiǎn)等級(jí)，提取不同等級(jí)的故障模糊測(cè)度數(shù)值，帶入對(duì)應(yīng)網(wǎng)絡(luò)分支推演規(guī)則，分析推理模糊測(cè)度數(shù)值與模糊目標(biāo)函數(shù)動(dòng)態(tài)變化之間的關(guān)系，二者之間的相關(guān)關(guān)系如圖3所示。

圖3 模糊測(cè)度與模糊函數(shù)動(dòng)態(tài)變化關(guān)系圖

其中，嚴(yán)重程度比較輕的一級(jí)故障呈拋物線模糊函數(shù)形式，對(duì)設(shè)備的危害較小；二級(jí)故障對(duì)設(shè)備運(yùn)行的影響程度存在負(fù)線性相關(guān)關(guān)系，到達(dá)一定程度后會(huì)產(chǎn)生故障，呈高斯模糊函數(shù)形式；三級(jí)故障基本可以確定其存在必然會(huì)導(dǎo)致故障發(fā)生，且影響較大，呈三角模糊函數(shù)形式[15]。

根據(jù)上述電力變壓器局部放電風(fēng)險(xiǎn)等級(jí)分析，能夠?qū)υ搮^(qū)域電力故障與風(fēng)險(xiǎn)模糊程度有一個(gè)比較準(zhǔn)確的判斷。同時(shí)局部故障診斷也需要考慮電力系統(tǒng)整體數(shù)據(jù)資源，統(tǒng)計(jì)各區(qū)域不同類型放電故障發(fā)生概率與關(guān)鍵特征，分別設(shè)置為故障診斷的先驗(yàn)概率與條件概率，基于貝葉斯網(wǎng)絡(luò)衡量故障特征的重要性與分布區(qū)域，基于變壓器運(yùn)行參數(shù)量化故障運(yùn)行概率關(guān)系，再次進(jìn)行模糊測(cè)讀分析，獲取局部放電故障與電力變壓器運(yùn)行系統(tǒng)全景故障狀態(tài)的評(píng)估關(guān)系，基于變壓器整體貝葉斯網(wǎng)絡(luò)評(píng)價(jià)局部放電故障的風(fēng)險(xiǎn)等級(jí)。

3 實(shí)驗(yàn)研究

為了驗(yàn)證本文研究的基于貝葉斯網(wǎng)絡(luò)的電力變壓器局部放電故障檢測(cè)方法的有效性，本文選取規(guī)格為500 kV的電力變壓器為實(shí)驗(yàn)?zāi)繕?biāo)，與傳統(tǒng)的a方法和b方法進(jìn)行對(duì)比，對(duì)變壓器局部放電異常檢測(cè)的有效性和準(zhǔn)確率進(jìn)行實(shí)驗(yàn)與分析。

3.1 實(shí)驗(yàn)過(guò)程與數(shù)據(jù)分析

根據(jù)變壓器主要故障類型設(shè)定異常特征評(píng)估指標(biāo)，主要包括變壓器體積電阻率、繞組直流電阻差、單位產(chǎn)氣量、水油比、電壓擊穿率、絕緣吸收比、絕緣介損、繞組絕緣指數(shù)為參數(shù)指標(biāo)，數(shù)據(jù)集表示為B={B1，B2，…，B8}。首先，采集提取正常運(yùn)行狀態(tài)下變壓器各項(xiàng)指標(biāo)參數(shù)作為實(shí)驗(yàn)樣本，設(shè)定實(shí)驗(yàn)周期單位為72小時(shí)，監(jiān)測(cè)計(jì)算各項(xiàng)特征指標(biāo)數(shù)據(jù)參數(shù)，得到變壓器故障特征指標(biāo)與根節(jié)點(diǎn)原始樣本數(shù)據(jù)之間的概率關(guān)系如圖4所示。

3.2 實(shí)驗(yàn)結(jié)果與分析

選用貝葉斯網(wǎng)絡(luò)對(duì)變壓器局部放電故障進(jìn)行檢測(cè)診斷，基于關(guān)聯(lián)關(guān)系對(duì)不同狀態(tài)下的故障指標(biāo)進(jìn)行綜合運(yùn)算，監(jiān)測(cè)不同方法對(duì)電力變壓器局部放電故障特征指標(biāo)數(shù)據(jù)的提取量結(jié)果如圖5所示。

圖5 故障特征指標(biāo)數(shù)據(jù)的提取量

從圖5可以看出，使用基于貝葉斯網(wǎng)絡(luò)的電力變壓器局部放電故障檢測(cè)方法對(duì)故障特征指標(biāo)進(jìn)行提取時(shí)，特征提取量全部超過(guò)故障診斷所需狀態(tài)數(shù)據(jù)量，最大提取量為8 000 B，而所欲提取量為6 000 B；使用基于LIF的故障診斷方法，只有20%的特征數(shù)據(jù)集提取總量超過(guò)所需標(biāo)準(zhǔn)閾值，絕大部分都沒(méi)有超過(guò)提取標(biāo)準(zhǔn)，最大提取量只有6 800 B；使用掃描電鏡的檢測(cè)技術(shù)調(diào)整提取性能較差，所有提取量均未達(dá)到檢測(cè)標(biāo)準(zhǔn)，最大提取量為6 000 B，最小只有3 100 B。

根據(jù)提取電力變壓器局部放電調(diào)整數(shù)據(jù)，進(jìn)行放電故障診斷檢測(cè)，計(jì)算出故障問(wèn)題概率與位置檢測(cè)的準(zhǔn)確率。得到故障監(jiān)測(cè)的準(zhǔn)確率結(jié)果對(duì)比如圖6所示。

圖6 故障檢測(cè)準(zhǔn)確率結(jié)果對(duì)比圖

根據(jù)圖6結(jié)果可見，本文研究的基于貝葉斯網(wǎng)絡(luò)的電力變壓器局部放電故障檢測(cè)方法準(zhǔn)確率更高，針對(duì)不同狀態(tài)下的故障監(jiān)測(cè)準(zhǔn)確率均達(dá)到了85%以上?；贚IF技術(shù)的變壓器故障診斷方法的檢測(cè)準(zhǔn)確率比較穩(wěn)定，在80%上下波動(dòng)；而掃描電鏡檢測(cè)技術(shù)的準(zhǔn)確率變化幅度較大，正常情況下檢測(cè)準(zhǔn)確率為70%，但隨著變壓器運(yùn)行狀況復(fù)雜性增加，準(zhǔn)確率也隨之下降，在緊急情況下準(zhǔn)確率只有50%左右。

由此可見，本文研究的方法不僅擁有良好的變壓器運(yùn)行局部放電特征提取性能，可提取大量檢測(cè)所需特征參數(shù)；而且故障診斷準(zhǔn)確率很高，針對(duì)比較復(fù)雜的故障狀況依然能夠保持較高的準(zhǔn)確率，具有較好的可行性與準(zhǔn)確性，能夠提高變壓器局部放電異常故障檢測(cè)的有效性。

4 結(jié)束語(yǔ)

本文研究了一種基于貝葉斯網(wǎng)絡(luò)的電力變壓器局部放電故障檢測(cè)，得出以下結(jié)論：

1)通過(guò)傳感器獲取電力變壓器不同狀態(tài)下運(yùn)行過(guò)程中的參數(shù)數(shù)據(jù)，對(duì)局部放電故障發(fā)生的概率和范圍進(jìn)行合理性評(píng)估，提取評(píng)估概率數(shù)據(jù)綜合為樣本數(shù)據(jù)集，為貝葉斯網(wǎng)絡(luò)模型構(gòu)建提供數(shù)據(jù)基礎(chǔ)。

2)以變壓器放電故障特征數(shù)據(jù)為樣本構(gòu)建貝葉斯網(wǎng)絡(luò)故障樹，根據(jù)邏輯規(guī)則將故障樹轉(zhuǎn)化為貝葉斯關(guān)系網(wǎng)絡(luò)，按照網(wǎng)絡(luò)推演邏輯規(guī)則計(jì)算故障節(jié)點(diǎn)之間的算例關(guān)系，有利于提高故障信息檢測(cè)準(zhǔn)確度。

3)根據(jù)貝葉斯原理抽取變壓器故障特征指標(biāo)與異常概率特征信息之間的關(guān)聯(lián)關(guān)系，通過(guò)模糊描述方法構(gòu)建故障特征關(guān)聯(lián)函數(shù)，推理得到故障特征參數(shù)模糊速度與相關(guān)模糊函數(shù)動(dòng)態(tài)變化之間的關(guān)系。從而實(shí)現(xiàn)對(duì)變壓器故障發(fā)生的概率與位置信息進(jìn)行推理和預(yù)判。

通過(guò)實(shí)驗(yàn)研究可以證明，通過(guò)貝葉斯網(wǎng)絡(luò)對(duì)電力變壓器局部放電故障狀態(tài)進(jìn)行檢測(cè)告警具有較高的準(zhǔn)確度，能夠有效提高故障檢測(cè)的有效性，但在實(shí)驗(yàn)過(guò)程中發(fā)現(xiàn)該方法還存在以下不足：

1)該方法對(duì)電力系統(tǒng)運(yùn)行中不同狀態(tài)下的大量數(shù)據(jù)進(jìn)行提取與關(guān)聯(lián)運(yùn)算，其工作量較大，操作難度較高，需要配備較高設(shè)置的計(jì)算機(jī)才能滿足海量數(shù)據(jù)運(yùn)算與分析。因此，在后續(xù)研究中需要優(yōu)化數(shù)據(jù)提取與篩選機(jī)制，進(jìn)一步提高數(shù)據(jù)分析效率，降低操作成本增強(qiáng)該方法技術(shù)的適用性。