對油浸式變壓器故障診斷的研究論文
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(jī)、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(jī) 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(fù)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(fù)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(jìn)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(jìn)行了研究，分析了傳統(tǒng)比值法的優(yōu)缺點，進(jìn)而提出了利用遺傳算法對支持向量機(jī)進(jìn)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(jī)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(jìn)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(jìn)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(jìn)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(jìn)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(jī)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(jìn)行處理和分析，為了對輸入特征進(jìn)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(jìn)行處理。其次，經(jīng)處理的數(shù)據(jù)可通過等頻率離散法進(jìn)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(jī)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(jī)算法引入變壓器故障診斷中。另一方面，鑒于支持向量機(jī)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(jī)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(jī)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(jī)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(jìn)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(jī)的變壓器故障診斷模型和傳統(tǒng)的智能判斷方法進(jìn)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(jī)的變壓器故障診斷模型對變壓器進(jìn)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(jìn)行判斷，能達(dá)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(jī)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(jìn)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(jìn)一步的應(yīng)用。
【對油浸式變壓器故障診斷的研究論文】相關(guān)文章：
干式與油浸式變壓器優(yōu)化設(shè)計探索的相關(guān)論文04-19
油浸配電變壓器運維策略開展的油化驗技術(shù)研究論文04-13
變壓器故障診斷技術(shù)研究論文04-16
變壓器油的作用08-13
研究汽車電機(jī)的故障診斷論文06-27
動力轉(zhuǎn)向系統(tǒng)故障診斷研究的論文04-14
變壓器油泄漏應(yīng)急預(yù)案03-09