程宏波，裘德新，王 勋，辛建波，张 宇

（1.国网江西省电力公司电力科学研究院，江西 南昌，330096；2.华东交通大学电气与自动化工程学院，江西 南昌，330013）

一种基于关联规则的变压器关键参量提取方法

程宏波1，2，裘德新2，王 勋2，辛建波1，张 宇1

（1.国网江西省电力公司电力科学研究院，江西 南昌，330096；2.华东交通大学电气与自动化工程学院，江西 南昌，330013）

从众多的指标中筛选关键参量可提高变压器状态识别的准确性和效率。针对变压器的状态识别，提出一种基于关联规则的变压器状态关键参量提取方法。首先在分析变压器状态指标参量与故障类别关联关系的基础上，构建较为全面的变压器基础参量体系，然后运用关联规则将变压器故障类型与指标参量之间的关系进行量化，通过计算得到各指标参量的支持度与置信度，以满足两者最小阈值为条件提取出变压器状态关键参量，从而构建变压器状态关键参量体系。最后以某变电站故障统计数据为例进行验证，为变压器监测数据分析提供一种新的思路。

关联规则；关键参量；特征提取；状态评估

电力变压器是电力系统的关键设备，对变压器的运行状态进行准确评估有利于对变压器实施状态检修，对变压器的故障进行提前预警，尽早发现设备存在的缺陷以及安全隐患，从而保证变压器的安全稳定运行。

变压器状态评估的方法很多，选取的不同指标参量判断变压器部位状态也不同。如油中溶解气体分析（dissolved gas analysis，DGA）利用油中特征指标 H2，CH4，C2H6，C2H4，C2H2的体积占比作为变压器故障判断的重要依据[1-2]，文献[3-4]则选取了绝缘油试验中油中含水量、油击穿电压、油介损、糠醛含量等指标，通过状态评估方法来综合判断绝缘油受潮及老化程度；针对变压器绕组铁心运行状态的分析，文献[5-6]选取绕组绝缘电阻、绕组介损值、绕组泄漏电流、铁心接地电流、铁心接地电阻等指标，文献[7]则通过局部放电量、油中含气量、绕组直流电阻等指标来反映变压器局部放电故障。

这些指标分别从不同侧面、不同程度上反映了变压器的运行状态，当变压器发生某一故障时，通常会引起一系列指标参量随之变化，实际上，这些指标参量之间是相互关联、相互影响的，它们都共同表征了变压器同一故障状态。从众多指标参量中提取最能反映变压器状态的关键参量，通过直接分析变压器状态关键参量，能提高变压器状态评判的准确度，降低变压器状态监测指标的分析处理难度，对变压器状态的判断识别有着重要意义。目前大多数学者注重对变压器状态评估方法的研究，如文献[8]采用关联规则与集对分析融合的故障诊断方法，利用关联规则得到指标参量权重，但选取是与状态评估相关的所有相关指标，并未对变压器状态关键指标参量进行提取，文献[9]则通过关联规则建立输电线路指标参量矩阵，运用主成分分析法对指标重要程度进行排序，从而提取出关键参量，但由于输电线路分布广，运行环境条件也各不相同，对变压器并不适用。

因此本文考虑变压器指标参量与变压器故障之间的联系，提出关联规则特征提取方法，在分析变压器故障类型与监测变量之间机理的基础上，建立了变压器故障状态与指标参量之间的关系，利用样本数据根据关联规则量化变压器指标参量与变压器故障之间的关系，通过指标参量支持度与置信度的最小阈值提取出变压器状态指标参量中最具有代表性的指标，从而精简了变压器状态指标参量。在精简指标参量的基础上，对变压器状态进行综合判断，从而有效解决变压器监测经济性问题。

1 变压器参量的选取

1.1 指标参量的选取

电力变压器的状态试验项目包括油中溶解气体试验、电气试验以及绝缘油试验等多个项目。据此得到的指标参量较多，各指标分别从多个角度表征了变压器的运行状态。根据《油浸式变压器（电抗器）状态评价导则（Q/GDW169-2008）》以及DL/T 596-2005《电气设备预防性实验规程》中对变压器状态指标的规定，结合变压器历史故障数据，梳理得到常用的状态指标参量如表1所示。

表1 常用的变压器指标参量Tab.1 Common parameters of the transformer

1.2 故障参量的选取

从众多指标参量中提取影响变压器运行的关键参量,目的在于快速准确判断变压器是否处于异常运行状态，甚至故障状态。因此分析各指标参量与变压器不同故障状态之间的关系，建立具体指标参量与变压器不同故障状态的映射模型是提取变压器关键参量的前提。根据变压器实际运行状况结合已有的研究，将变压器故障状态类型分为以下几类[10]，如表2所示。

表2 变压器故障类型Tab.2 Fault type of transformer

2 变压器状态关键指标参量的构建

2.1 变压器故障状态与指标参量关联关系的量化

关联规则就是从大量的设备状态监测数据中挖掘变量之间的关系，找出不同项之间在同一个事件中存在的相互关联性[11]。从变压器状态指标提取出关键参量，就是要从众多指标参量中找出与变压器故障之间关系紧密的指标参量。因为各个状态指标参量反映的故障程度不同，若指标参量与相应故障之间存在一定的关联关系，则可以通过该指标参量来推断与其相关的变压器状态属性[12]。

根据关联规则相关概念的定义：在关联规则中事务总数据库记为D，D是所有子集事务δ的集合，表示为 D={δ1，δ2，…，δN}。 其中子集事务数记为 δi={λ1，λ2，…，λN}，λ 称为项。 令 D={λ1，λ2，…，λj}是 D 中所有项的集合，在事务数据库 D 中，其所包含某特定 λ 项集 A 的事务的个数为 σ（A），记为。

关联规则有两个基本衡量度：支持度和置信度。支持度表示当变压器发生某种故障时，同时相关指标参量出现超出警示值的概率，支持度越接近1表明该指标参量与相应故障的紧密程度越大，有效性越高。置信度表征关联规则的可信程度，用来量化变压器故障与指标参量间的关系，当指标参量超出警示值时，发生相应故障的概率，置信度值越大表示指标参量对相应故障的依赖性、可靠度也就越高。

若项集A⊆D，B⊆D，且A∩B=Ø，定义关联规则为A→B，假设指标参量为A，故障状态为B，支持度的基本定义为：A和B同时出现在一次事务中的比例，即事务数据D库中包含A∪B的比例，表示为

置信度的基本定义为事务库D中包含A的同时又包含B的比例，记为P（B|A），表示为

根据上述定义对变压器故障和各指标参量关系量化如下：

1）事务数据库Di={第i个故障发生}；

2）子集Ai，j={第i个故障状态中的第j个单项指标参量超出警示值}；

3）子集Bi={第i类故障发生}。

由公式（1）（2）可知，与故障状态、指标参量的关联规则 Ai，j→Bi的支持度和置信度如下：

2.2 变压器关键参量提取

支持度和置信度都同时反映变压器指标参量与变压器故障之间的关系紧密程度。支持度反映了指标参量对变压器相应故障状态的有效程度；置信度则反映了指标参量超出警示值时，变压器发生相应故障的可信程度。由于各指标参量反映变压器故障类型、程度不同，即其中某些指标可能与一种故障对应，另外某些指标可能对应多种故障。当支持度与置信度都达到一定阈值时，可以认为变压器故障状态与指标参量之间存在一定联系[13]。依据上述关联规则概念，计算指标参量与各故障类型之间支持度和置信度，依次筛选出变压器关键指标参量，两者需满足条件[14]：

1） S（A→B）≥min（S）；

2） C（A→B）≥min（C）。

3 实例分析

收集某变电站220 kV变压器以及与被测变压器运行环境近似的历史故障数据，整理结果如表3所示，统计从2002年开始，到2013年截止，共12年的故障记录。

表3 变压器状态样本统计数据Tab.3 Statistics sample of transformer

其中以“绝缘受潮”为例，指标参量包括H2含量、绝缘电阻吸收比、极化指数、泄漏电流、绝缘油介损、油中含水量、油击穿电压、体积电阻率。绝缘受潮故障发生次数为115，对应的指标参量超标次数分别为105，95，101，96，113，105，102，89，在总样本中超标次数为 453，98，110，330，477，287，227，89。 根据公式（3）（4）可求出绝缘电阻吸收比支持度和置信度：

同理可以求出极化指数的支持度和置信度分别为87.83%和91.82%。由此可知当这两项指标超出警示值时，出现绝缘受潮的可信度高，因此可以认为这是变压器最具代表性指标；类似在其他指标中，置信度在多个故障状态中为25%左右，当H2含量超出警示值时，在多个故障状态中都有出现，需要参考其他状态指标才能对变压器状态进行判断，可信度低。因此可以认为这不是变压器最具代表性指标。

选择支持度与置信度的最小阈值分别为：S≥70%及C≥50%，从而可以提取出变压器状态关键参量，最终结果如表4所示。

表4 变压器关键指标参量Tab.4 Key parameters of transformer

根据表4得到的变压器状态关键参量，以文献[15]中1台220 kV电力变压器（SFPS9-150000/220）的数据为例进行验证，根据权重系数状态评估方法对此次变压器状态监测数据进行评估，可以得知该变压器处于异常运行状态，铁心故障状态得分与其他状态相比偏低，可以判断变压器铁心方面出现问题，判断结果与参考文献一致，因此验证了该方法的有效性。

4 结论

1）采取关联规则把各个状态指标参量与故障状态之间的关系进行量化，简洁准确描述了指标参量与故障状态之间的联系。

2）根据关联规则的支持度与置信度对变压器状态指标参量进行关键参量提取，从而精简了变压器状态指标参量，提高了变压器状态评估效率。

3）通过对某变电站统计数据进行初步验证，关键指标参量的取舍、实用性等还需结合变压器实际数据进行不断修正。

[1]张东波，徐瑜，王耀南.主动差异学习神经网络集成方法在变压器DGA故障诊断中的应用[J].中国电机工程学报，2010，30（22）：64-70.

[2]傅军栋，陈俐，康水华，等.基于蜻蜓算法和支持向量机的变压器故障诊断[J].华东交通大学学报，2016，33（4）：103-112.

[3]廖瑞金，孙会刚，袁泉，等.采用回复电压法分析油纸绝缘老化特征量[J].高电压技术，2011，37（1）：136-142.

[4]郝建，杨丽君，廖瑞金，等.混合绝缘油对油-纸绝缘热老化速率的延缓原因分析[J].中国电机工程学报，2010，30（19）：120-126.

[5]孟建英，郭红兵，刘世欣，等.大型电力变压器绕组故障综合试验方法分析[J].内蒙古电力技术，2012，30（3）：46-49.

[6]杨俊海，马记，周航，等.测量变压比判别变压器绕组故障的不确定性[J].吉林电力，2015，43（4）：51-53.

[7]李文征，王军.变压器局部放电试验中的故障分析及处理[J].电力设备，2007，8（9）：63-65.

[8]谢龙君，李黎，程勇，等.融合集对分析和关联规则的变压器故障诊断方法[J].中国电机工程学报，2015，35（2）：277-286.

[9]严英杰，盛戈纻，陈玉峰，等.基于关联规则和主成分分析的输电线路状态评价关键参数体系构建[J].高电压技术，2015，41（7）：2308-2314.

[10]XIE Q，ZENG H，RUAN L，et al.Transformer fault diagnosis based on bayesian network and rough set reduction theory[C]//Tencon Spring Conference，Sydneg：IEEE，2013：262-266.

[11]王爱平，王占凤，陶嗣干，等.数据挖掘中常用关联规则挖掘算法[J].计算机技术与发展，2010，20（4）：105-108.

[12]李胜.基于关联规则的审计特征智能提取的应用研究[D].北京：北京交通大学，2006.

[13]丁茜.基于关联规则的变压器故障诊断研究[D].保定：华北电力大学，2010.

[14]毛宇星，陈彤兵，施伯乐.一种高效的多层和概化关联规则挖掘方法[J].软件学报，2011，22（12）：2965-2980.

[15]李黎，张登，谢龙君，等.采用关联规则综合分析和变权重系数的电力变压器状态评估方法[J].中国电机工程学报，2013，33（24）：152-159.

Research on the Extraction Method of Key Parameters of Transformer Based on Association Rules

Cheng Hongbo1，2，Qiu Dexin2，Wang Xun2，Xin Jianbo1，Zhang Yu1
（1.State Grid Jiangxi Electric Power Research Institute,Nanchang 330096，China；2.School of Electrical and Automation Engineering，East China Jiaotong University，Nanchang 330013，China）

The selection of key parameters among many factors can help improve the accuracy and efficiency of transformer state evaluations.According to the transformer status evaluation,this paper proposed a method for extracting key parameters of transformer based on association rules.Firstly,the basic parameter system of transformers was established based on analyzing the association between the parameters of the transformer status and the fault symptoms.Then,association rules were adopted to quantify the relationship between the fault symptoms and the parameters of transformer status.By computation,support degree and confidence degree of various parameter indexes were obtained to extract key parameters of the transformer status under minimum threshold.Then,the system of key parameters of the transformer status was established.Finally,an example based on statistical components’failure data of the substation was verified,which offered a new method for processing data gained from monitoring transformers.

association rules；key parameters；feature extraction；state evaluation

TM406

A

（责任编辑 刘棉玲）

1005-0523（2017）04-0104-06

2017－02－09

江西省重点研发计划项目（20161BBH80033）；江西省博士后科研择优资助项目（2016KY36）

程宏波（1979—），男，副教授，博士，研究方向为供电设备健康诊断与故障预警、电网智能控制等。