基于M-LS-SVM的變壓器故障診斷研究.pdf

1、充油變壓器是電力系統(tǒng)中的重要設(shè)備，其運行的可靠性直接關(guān)系到電力系統(tǒng)的安全與穩(wěn)定，因此如何及時準確地對變壓器進行故障診斷一直是國內(nèi)外學者研究的重點問題。又因為變壓器的故障類型和變壓器油中溶解的特征氣體有密切關(guān)系，所以我們可以通過分析油中溶解氣體數(shù)據(jù)對變壓器進行故障診斷。診斷時首先要預測變壓器運行狀態(tài)，然后對狀態(tài)異常的變壓器判斷所發(fā)生的故障類型。
　　變壓器油中溶解氣體分析(DGA)方法可以在不影響變壓器運行的情況下，獲得變壓器油中溶

2、解的特征氣體濃度數(shù)據(jù)，這種方法主要有離線人工試驗和在線監(jiān)測設(shè)備定期自動化測量兩種實現(xiàn)形式。在線監(jiān)測設(shè)備的優(yōu)點是節(jié)省人力、便于自動化管理等，是未來發(fā)展的趨勢，但是這種裝置也有不足之處，主要表現(xiàn)在自身故障率高、不同監(jiān)測設(shè)備獲取的測量數(shù)據(jù)存在系統(tǒng)性偏差等問題，導致傳統(tǒng)的診斷方法應(yīng)用于在線監(jiān)測數(shù)據(jù)上的診斷正確率低。因此需要根據(jù)在線監(jiān)測設(shè)備自身特點和變壓器故障特點，尋找可以實現(xiàn)智能診斷的方法。
　　目前，已有部分文獻采用了神經(jīng)網(wǎng)絡(luò)、支持向量

3、機等機器學習方法對變壓器進行故障診斷，取得了不錯的診斷效果。但是以上兩種方法分別存在局部極小值、核函數(shù)選擇難等問題，導致在變壓器故障診斷中存在不足之處。本文針對變壓器的故障診斷問題提出了混合核函數(shù)的最小二乘支持向量機(M-LS-SVM)模型，即在最小二乘支持向量機中使用了線性核函數(shù)和非線性核函數(shù)的自適應(yīng)組合，提高了模型對于不同特征數(shù)據(jù)的適應(yīng)能力，同時減少了核函數(shù)選擇的麻煩。最后，通過變壓器油中溶解氣體濃度預測和故障類型診斷的兩個應(yīng)用實例