基于信息属性约简技术的变压器状态感知方法研究

发布时间：2022-01-12 16:10

　　及时准确和高效地感知变压器健康状态对提升电网运行安全性和供电可靠性具有重要意义。针对当前变压器状态感知和故障诊断中状态信息不完备、多状态信息孤立和无法有效融合等问题,文中结合信息属性约简技术和遗传算法提出了一种变压器状态感知方法。通过分析变压器信息决策表中信息属性依赖度,结合遗传算法约简决策表中冗余的信息属性,求解获得变压器信息决策表的最优属性核,最后通过信息属性的优选,匹配待评估变压器的检测信息实现变压器状态感知及故障诊断。根据变压器实际故障案例验证了所述方法的可行性和有效性。与传统方法相比,通过该方法在变压器状态感知及故障诊断方面具有较高的计算效率和诊断准确率（诊断准确率为84%）。 

【文章来源】：高压电器. 2020,56(09)北大核心CSCD

【文章页数】：7 页

【部分图文】：

IND(R)上的粗糙集X

遗传算法中根据轮盘赌策略选择保留的个体，采用交叉概率pc的两点交叉法和变异概率pm的基本位变异方法形成新个体，算法停止约束为到达迭代次数M或满足优化条件argmin(|C′|)&&γC′(D)=1时停止运算。算法步骤见图2。根据以上方法求得变压器信息决策表所有的最优条件属性核后，即可根据收集的变压器状态信息，优选匹配对应的最优属性核，进而实现变压器的状态感知和故障诊断。

需要说明的是，尽管案例中条件属性{c6,c10}为冗余条件属性，但是最优条件属性核中包括属性核{c3,c4,c6,c9,c11}和{c3,c6,c9,c11,c13}，即如果测得变压器油中微水含量(C4)或空载电流及损耗(C13)也可以精确地诊断变压器发生的故障，见图3。文中采用120例变压器故障案例进行验证分析(各故障类型对应样本数均为10个)，验证结果见表8。表8还列出了误判样本缺失的条件属性及误判的故障类型，例如悬浮放电(D7)和围屏放电(D8)的误判在于变压器状态参量中缺失油中溶解气体含量。分析其主要原因可能是由于围屏放电会破坏纸绝缘，易导致油中CO、CO2含量或CO/CO2比值超标。缺失油中CO、CO2含量会使悬浮放电(D7)故障和围屏放电(D8)故障难以区分。

【参考文献】：
期刊论文
[1]基于GA-BPNN的多频超声波变压器油密度检测研究[J]. 赵耀洪,杨壮,钱艺华,李丽,彭磊,周渠.  电力工程技术. 2019(05)
[2]基于TensorFlow框架的有源配电网深度学习故障定位方法[J]. 刘成民,戴中坚,陈轩.  电力工程技术. 2019(05)
[3]基于融合极限学习机的局部放电模式识别[J]. 潘志新,刘利国,钱程,王震,袁栋.  电力工程技术. 2019(05)
[4]基于Hash算法的大数据架构下电力系统风险评估研究[J]. 钟臻,张楷旋,马啸.  电力大数据. 2019(09)
[5]基于层次分析法和粗糙集的变压器状态评估研究[J]. 彭道刚,陈跃伟,范俊辉,钱玉良.  高压电器. 2019(07)
[6]人工智能驱动的数据分析技术在电力变压器状态检修中的应用综述[J]. 刘云鹏,许自强,李刚,夏彦卫,高树国.  高电压技术. 2019(02)
[7]采用最优云熵改进可拓云理论的变压器本体绝缘状态评估方法[J]. 刘云鹏,许自强,付浩川,李刚,高树国.  高电压技术. 2020(02)
[8]基于WPA-BP算法的变压器故障诊断研究[J]. 陈铁,张欣,汪长林,邹祖冰.  变压器. 2018(11)
[9]基于进化雷达图的油纸绝缘状态进阶评估方法[J]. 王东栋,魏云冰,郑伟,张伟.  电测与仪表. 2018(18)
[10]基于局部密度聚类算法的变压器故障状态评估[J]. 罗伟明,吴帆,黄业广,吴杰康,覃炜梅,龚杰,金尚婷.  广东电力. 2018(08)



本文编号：3585073