基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究解读.docx
- 文档编号:18225414
- 上传时间:2023-08-14
- 格式:DOCX
- 页数:21
- 大小:32.50KB
基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究解读.docx
《基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究解读.docx》由会员分享,可在线阅读,更多相关《基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究解读.docx(21页珍藏版)》请在冰点文库上搜索。
基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究解读
第23卷第7期中国电机工程学报
Vol.23No.7Jul.2003
2003年7月ProceedingsoftheCSEE
©2003Chin.Soc.forElec.Eng.
文章编号
2003
TM835.4文献标识码
470·4027
基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究
董明
徐长响
西安交通大学
FAULTDIAGNOSISMODELFORPOWERTRANSFORMERBASEDONSUPPORT
VECTORMACHINEANDDISSOLVEDGASANALYSIS
DONGMing,MENGYuan-yuan,XUChang-xiang,YANZhang
ABSTRACT:
Amulti-leveldecision-makingmodelforpowertransformerfaultdiagnosisbasedonSVM(SupportVectorMachineispresented.Basedoncorrelationanalysis,somekeygasesareselectedastheinputsofSVM;furthermore,improvingtheuseofthefaultinformationwithinDGA(DissolvedGasAnalysis,thefaultdiagnosisisaccomplishedaccordingtotheconcentrationdistributionoftypicalfaultgasesinhigherdimensionalspace.Theproposedapproachisbasedonseekingtheoptimalsolutionbyfewtrainingsamplessupporting,andithasimportantfeaturessuchasgoodgeneralizationandconsistencyperformance,etc,whichisverysuitabletosolvetheproblemsoflesstypicalfaultdatafordiagnosis.AndthecomparisonbetweentwokindsofSVMispresentedalso.MeanwhiletheoutputofthismodelisimprovedbyapproachingexactlywithK-NearestNeighborSearchClassificationfortheSVMclassificationresults,whichisadjacenttooptimalseparatinghyperplane.Sothedependabilityofthismodelisenhancedgreatly,anditseffectivenessandusefulnessisproved.
KEYWORDS:
Transformer;Faultdiagnosis;Dissolvedgasesinoil;Supportvectormachine(SVM;K-NNsearch摘要
首先通过相关统计分析
然后在深入发掘油中气体所含故障
信息基础上
该方法基于小训练样
本条件下寻求最优解
国家自然科学基金项目
ProjectSupportedbyNationalNaturalScienceFoundationofChina
»¹ÊÊÓÃÓÚ±äѹÆ÷µäÐ͹ÊÕÏÊý¾ÝÉÙµÄÌصã
ΪÁËÌá¸ß
¹ÊÕÏÕï¶ÏµÄÕýÅÐÂÊ
ÀûÓÃK-近邻搜索聚类在最优分类面附近对分类结果进
行精确逼近计算结果
表明关键词
故障诊断
支持向量机
而油
中溶解气体分析
技术是目前对油浸变压
器进行故障诊断最方便它往往
能较准确
防
止由此引起重大事故
主要采用IEC/IEEE推荐的方法制定了各不相同的油中气体的
及故障判断规则[1]
已为及时发现变
压器故障隐患发挥了重要作用也发现不少问题缺编码编码边界过于绝对等各种智能技术如模糊推理
并取得了比较好的效果[3-5]
µ¥Ò»ÀàÐÍ
µÄ±äѹÆ÷¹ÊÕÏÓëÓÍÖÐÆøÌ庬Á¿Ö®¼ä²¢Ã»ÓÐÃ÷È·µÄº¯
ÊýÓ³Éä¹Øϵ
¶ø
ʵ¼ÊÏÖ³¡Êý¾ÝµÄ²É¼¯¾«¶È¼°ÊýÁ¿Ò²ºÜÓÐÏÞ
第7期董明等
即当样本数量趋向于无穷大时的极限特征
这样的前提条件往往难以满足
因此基于经验风险的最小化原理在实际应用中具有很大的局限性
利用置信范围最小化以控制诊断中风险问题
利用分层决策解决大类别分类问题的同时
修正了支持向量分类器参数难于选择带来的误差
提高了故障诊断的正确性
SVM
ËüÊÇÔÚСÑù±¾Ñ§Ï°Ìõ¼þÏÂ×îÓÅ·ÖÀàÃæ
´Ó¶øʹ¾-Ñé·çÏÕ×îС»¯
²¢ÔÚÌá¸ßѧϰһÖÂÐÔµÄͬʱ
用来构造最优分类超平面
只需能够计算特征空间中的向量的点积
(
(
(y
x
y
Z
x
ZK
=
⋅
´Ó¶øΪÎÊÌâµÄ½â¾öÌṩÁ˱ãÀûÌõ¼þ[6]
Æä»ù±¾Ë¼ÏëÈçͼ1所示的两类线性可分问题
H为把这两类没有错误地分开的分类线最优
间隔
H
1
H
H2
图1 最优分类超平面
Fig.1OptimalseparatinghyperplaneH2分别为各类样本中离分类线最近
而H1和H2之间的距离是两类的分类间隔H2上的训练样本点称作支持向量而且要使分类间隔最大而后者使推广性的界中的置信范围最小
推广至线性不可分情况
并考虑到存在不能被分类超平面正确分类的样本则超平面的约束条件为0
1
]
[(≥
+
−
+
⋅
i
i
i
b
x
w
yε(1式中w为超平面法线方向
再经过进一步的简化
广义最优分类面问题可转化为
(
(
2
1
(
1
∑=
+
⋅
=
n
i
i
C
w
w
wε
ε
Φ(2式中C为某个制定的常数
实现在错分样本的比例与算法复杂度之间的折衷
就是要求解如上所述的二次规划问题在此仅讨论非线性可分的情况
≥
i
γ
÷⇑©⊕≈↓ℵℜ⇔∝⊗
Kuhn-Tucker定理[7]
最后可得到基于最优超平面的决策函数
sgn(
(b
x
w
x
f+
⋅
=(43K-近邻搜索聚类基础
最近邻法是非参数模式识别的方法之一只要比较x与∑=
=
c
i
i
N
N
1
个已知类别的样本之间的欧氏距离
而K-近邻搜索聚类(K-NNSearch是最近邻法的一种推广来自w1类的样本有N1个…Èôk1…
90中国电机工程学报
第23卷
近邻中属于w1…Ôò¿ÉÒÔ¶¨ÒåÅбðº¯ÊýΪ
cikxgii,,2,1,(ΛΛ==(5决策规则为则决策jwx∈K-
邻近法则为最优分类样本数N
是有限的
另一方面又要求k个
近邻都很靠近x采取折衷的考虑为了避免k1ÔÚ´Ë´¦Ñ¡Ôñ
k为奇数[8]
变压器油中气体自身测量结果的模糊性
表现不同类型故障的灵敏性各异等
特点为准确的故障诊断造成了很大的困难
变压
器故障产生机理不明确等又为故障诊断增加了难度本文一方面采用分层决策的模型由粗到细逐步将故障进行分类逐渐
靠近故障的真实情况
以完成具体的分类计算
减少大类别情
况下多种类别分布非常接近的可能性从而达到提高诊断效果的目的单一SVM分类器参数设计复杂如果仅仅不
加区别地同等对待分类问题
尤其对于处于H2
之间的区域
为了
提高SVM对DGA数据分类效果
它首先以SVM的分类结果为
基础
在更小范围内进行新的聚类分析
此方法既兼顾DGA数据在
特征空间分布特性一种分层决策模型如图2所示
DGA
SVM-KNN0
SVM-KNN1导电回路过热
导磁回路过热
涉及固体绝缘放电不涉及固体绝缘放电
过热
放电
图2基于SVM分层故障诊断决策模型
Fig.2Multi-levelfaultdiagnosismodelbasedonSVM
5基于支持向量机的分层决策模型
5.1基于油中溶解气体的故障分类
本文针对收集到980台故障明确的变压器油中气体含量的数据
得到811组故障变压器
的油中气体数据
以避免欠学习或
过学习的出现
在分析变压器故障特点的基础上
直接将故障定位
到部位的分类模型其可靠性将不稳定
因此本文先按照故障模式分类
如图2所示将故障由粗
到细划分为导电回路过热涉及固体绝缘的放电和不涉及固体绝缘的放电[10]
Ϊ½µµÍÆäÏ໥֮¼äÓÉÓÚÁ¿Öµ²îÒìÔì³ÉµÄ
Ó°Ïì
¹éÒ»»¯
ÒÔ
½µµÍÆøÌåÖ®¼äµÄ»¥³âÐÔ
[11]
ÈçºÎÑ¡Ôñ¾ßÓдú±íÐԵıäÁ¿
Óдú±íÐԵıäÁ¿´úÌæ´ó±äÁ¿¼¯Ê±ËùËð
ʧµÄÐÅÏ¢×îÉÙ
¸ù¾ÝµÃµ½µÄÊý¾Ý
ÊÔͼͨ¹ý·ÖÎöÑ¡Ôñ×îÄÜ·´Ó³¹ÊÕÏÀàÐÍ
²îÒìµÄÆøÌå×é·Ö×éºÏ×÷Ϊ
SVM的输入
在该分析
中
主要取决于协方差分析的F检验的显著性水平α
∅™•√∈〈≠…±1所示DGA数据在经过归一化处
理后这表明气体各组份相对含量是独立的这也说明相对含量对分类均是高度有效的输入变量
第7期董明等
CO2CH4C2H4表1 变压器油中特征气体相对含量逐步统计分析结果Tab.1ResultsofstatisticanalysisofrelativeconcentrationsofDGAstep-by-step
DGA步数Wilks'lambda(λ显著性水平α
C2H
6
10.6120.000
C2H
2
20.3780.000
C2H
4
30.3570.000
H
2
40.3320.000CO50.3270.000
CH
4
60.3260.000
CO70.3250.000
注
5.3分类模型的执行步骤
根据变压器DGA数据应用SVM分类模型进行数据处理分析
其中包括数据预处理见图3
ͨ¹ýѵÁ·µü´úÔËËã¾Í¿ÉÒԵõ½×îÓÅȨϵÊýµ«DGA数据还不够多这给核函数的选择造成了很大的困难
分别使用多项式形式和径向基作为核函数见表2
²ÉÓþ¶Ïò»ùºËº¯ÊýµÄÐÔÄÜÒª±È¶àÏîʽ¸üºÃ
²ÉÈ¡¾¶Ïò»ùºËº¯Êý¿ÉÒÔ
È¡µÃ½ÏºÃµÄÍƹãЧ¹û
ÕýÅÐÂÊ´óΪÌá¸ßͬʱҲ˵Ã÷²»Í¬µÄÖ§³Ö
ÏòÁ¿»ú¿ÉÒԵõ½·ÖÀàÐÔÄÜÏà½üµÄ½á¹û
该实验得到两种不同的支持向量机最终得出的支持向量只是总训练样本中的很少一部分
以上是重合的
故方法的选择应针对实际问题不同对于误判的数据全部位于
诊断可疑区间内
说明SVM分类器的推广性很强
6.2K-邻近法故障识别
通过SVM故障识别过程可以得到支持向量接着以支持向量及可疑数据作为K-邻近法的训练样本数据的分布较集中
而且效果也明显提高其故障判别图谱如图4所示
92中国电机工程学报第23卷
7故障诊断应用实例
本文将典型样本及输入矢量的选取方法综合应用于组合分类识别模型后
表中还列出了对同样样本用基于模糊数学的范例检索算法的诊断结果[12]
表3 分层决策模型实例
Tab.3Theapplicationofpowertransformerfaultdiagnosis
故障类型检验样本数正判台次正判率/%总正判率/%
导电
回路过热65
62/5895.4/89.2导磁回路过热7972/7091.1/88.6
涉及固体
绝缘放电47
44/4293.6/89.4不涉及固体
绝缘放电41
38/33
92.7/80.5
93.1/87.5
注
a为采用基于本文算法的诊断结果
8
结论
支持向量分类器有助于深入挖掘有关监
测参数中所含的故障信息
同时支
持向量分类器是一种通用的机器学习算法
因而具有
很强的推广性
2
±¾ÎIJÉÓÃK-邻近搜索聚类与SVM
两种分类方法
将支持向量器的分类结果进行修正文中的实例表明组合分类识别模型具有
很好分类性能
参考文献
[1]DuvalM
GervaisP
Acceptablegas-in-oillevels
ingenerationandtransmissionpowertransformers,electricalinsulationanddielectricphenomena[C]PocomoManor
USA
变压器油中溶解气体分析和判断导则
[S]
Mi C
etal
IEEE
TransactionsonPowerSystems15(2
[4]IslamSM
LedwichG
IEEETransactionsonDielectricsandElectricalInsulation7(2
[5]孙辉
孙启忠
Li Weidong
Electricpowertransformer
faultdiagnosisusingdecisiontree
中国电机工程学
报21(2
[6]VapnikVN
NewYork
1995
Nonlinearprogramming[M]
AthenaSci-entific[8]边肇祺模式识别[M]Ç廪´óѧ³ö°æÉç
[9]尚勇
严璋
ShangYong
YanZhangSynthetic
insulationfaultdiagnosismodelofoil-immersedpowertransformersutilizinginforma-tionfusion
中国电机工程学报22(2
[10]钱政
严璋
Shang Yong
Recognitionof
overheatinganddischargingfaultofpowertransformer
[J]
HighVoltageEngineering
1999
6-8
ÑîÀò
QianZheng
YanZhang
组合神
经网络模型中典型训练样本集的选取
[J]
HighVoltage
Engineering
1999
1-6
¸ßÎÄʤµÈ
GaoWensheng
etal
基于范例推理的变压器油中气体分析综合诊断模型
[J]
TransactionsofChinaElectrotechnicalSociety2000
42-57
2003-03-03
董明博士研究生孟源源
硕士研究生徐长响
硕士研究生严璋
教授
主要从事高电压工程及
检测诊断技术的教学与研究
责任编辑韩
蕾
基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究作者:
作者单位:
刊名:
英文刊名:
年,卷(期:
被引用次数:
董明,孟源源,徐长响,严璋西安交通大学,陕西,西安,710049中国电机工程学报PROCEEDINGSOFTHECHINESESOCIETYFORELECTRICALENGINEERING2003,23(769次参考文献(12条1.钱政;高文胜;尚勇基于范例推理的变压器油中气体分析综合诊断模型(Syntheticdiagnosismodelapplyingcase-basedreasoningindissolvedgasanalysisoftransformeroil[期刊论文]-电工技术学报2000(052.尚勇;严春江;严璋基于信息融合的大型油浸电力变压器故障诊断[期刊论文]-中国电机工程学报2002(023.边肇祺;张学工模式识别19984.BertsekasDPNonlinearprogramming19955.VapnikVNTheNatureofStatisticalLearningTheory19956.孙辉;李卫东;孙启忠判决树方法用于变压器故障诊断的研究[期刊论文]-中国电机工程学报2001(027.IslamSM;WuT;LedwichGAnovelfuzzylogicapproachtotransformerfaultdiagnosis[外文期刊]2000(028.SUQ;MiC;LaiLLAfuzzydissolvedgasanalysismethodforthediagnosisofmultipleincipientfaultsinatransformer[外文期刊]2000(029.GB7252-1987.变压器油中溶解气体分析和判断导则198710.钱政;杨莉;严璋组合神经网络模型中典型训练样本集的选取[期刊论文]-高电压技术1999(0411.钱政;尚勇;严璋用多元统计分析识别变压器过热及放电性故障(Recognitionofoverheatinganddischargingfaultofpowertransformerusingmul—tivariatestatisticalanalysis[期刊论文]-高电压技术1999(0212.DuvalM;LangdeauF;GervaisPAcceptablegas-in-oillevelsingenerationandtransmissionpowertransformerselectricalinsulationanddielectricphenomena引证文献(69条1.沙立成.宋珺琤基于改进粒子群优化LS-SVM的变压器故障气体预测[期刊论文]-华北电力大学学报2011(12.杨洪.古世甫.陶加贵.苟建自适应分级多分类支持向量机在变压器故障诊断中的应用[期刊论文]-高压电器2010(53.刘同杰.刘志刚.韩志伟自适应模糊支持向量机邻近增量算法在变压器故障诊断中的应用[期刊论文]-电力系统保护与控制2010(174.邹杰慧基于新型编码隶属函数的变压器故障模糊诊断法[期刊论文]-电力自动化设备2010(75.王罡.杨海涛.胡伟涛.黄华平.李宁远基于改进遗传算法与LS-SVM的变压器故障气体预测方法[期刊论文]-高压电器2010(96.董秀成.陶加贵.王海滨.刘帆自适应模糊支持向量机增量算法在变压器故障诊断中的应用[期刊论文]-电力自动化设备2010(117.符杨.张雷.江玉蓉.左官芳基于可靠性数据分析和最小二乘支持向量机的电力变压器故障诊断[期刊论文]-变压器2010(98.赵立华.李洋流.李国强基于气体传感器的变压器在线DGA系统的研究[期刊论文]-传感器与微系统2009(119.谢庆.彭澎.唐山.李燕青.郑娜.律方成基于云物元分析原理的电力变压器故障诊断方法研究[期刊论文]-高压电器2009(610.张哲.朱永利用SVM和LS-SVM分析变压器故障诊断[期刊论文]-微型机与应用2009(811.王雷.张瑞青.盛伟.徐治皋基于模糊规则和支持向量机的凝汽器故障诊断[期刊论文]-热能动力工程2009(412.吴兴伟.迟道才锅炉给水泵轴承温度变化状态预测[期刊论文]-轴承2009(213.赵文清.陈艺鑫.王晓辉一种变压器故障诊断新方法[期刊论文]-计算机工程与应用2009(3414.费胜巍.孙宇融合粗糙集与灰色理论的电力变压器故障预测[期刊论文]-中国电机工程学报2008(1615.王晓霞.王涛基于粒子群优化神经网络的变压器故障诊断[期刊论文]-高电压技术2008(1116.熊浩.李卫国.畅广辉.郭惠敏模糊粗糙集理论在变压器故障诊断中的应用[期刊论文]-中国电机工程学报2008(717.田竞.王彧基于最小二乘支持向量机的电力变压器故障诊断[期刊论文]-仪器仪表与分析监测2008(118.曹健.林涛.张蔓.刘林电力系统间谐波检测方法[期刊论文]-高电压技术2008(819.熊浩.李卫国.宋伟.王勇.杨俊.李令概率聚类技术应用于变压器DGA数据故障诊断[期刊论文]-高电压技术2008(5
20.郑建柏.朱永利基于欧氏聚类和支持向量机的变压器故障诊断[期刊论文]-电力科学与工程2008(421.赵庆明.李永丽.贺家李基于支持向量机的电流互感器饱和补偿算法[期刊论文]-电网技术2008(422.吴琼.杨以涵.刘文颖基于最小二乘支持向量机的电力系统暂态稳定在线预测[期刊论文]-中国电机工程学报2007(2523.袁胜发.褚福磊支持向量机及其在机械故障诊断中的应用[期刊论文]-振动与冲击2007(1124.王雷.徐治皋.司风琪基于支持向量回归的凝汽器清洁系数时间序列预测[期刊论文]-中国电机工程学报2007(1425.王春林.周昊.李国能.凌忠钱.岑可法基于遗传算法和支持向量机的低NOx燃烧优化[期刊论文]-中国电机工程学报2007(1126.崔江.王友仁.刘权基于高阶谱与支持向量机的电力电子电路故障诊断技术[期刊论文]-中国电机工程学报2007(1027.王春林.周昊.李国能.邱坤赞.岑可法基于支持向量机与遗传算法的灰熔点预测[期刊论文]-中国电机工程学报2007(828.熊浩.张晓星.廖瑞金.常涛.孙才新基于动态聚类的电力变压器故障诊断[期刊论文]-仪器仪表学报2007(329.肖燕彩.朱衡君基于最小二乘支持向量机的电力变压器故障诊断[期刊论文]-
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 支持 向量 溶解 气体 分析 大型 电力变压器 故障诊断 模型 研究 解读
![提示](https://static.bingdoc.com/images/bang_tan.gif)