龚健

(1.三峡大学，湖北　宜昌　443002;2.中国葛洲坝集团电力有限责任公司，湖北　宜昌　443002)



基于支持向量机的变压器故障诊断研究

龚健1,2

(1.三峡大学，湖北宜昌443002;2.中国葛洲坝集团电力有限责任公司，湖北宜昌443002)

在变压器故障诊断方法的研究进程中，以油中气体分析技术(DGA)运用的最早而且最为广泛，它在变压器的预防保护试验中有着重要的意义。但是DGA技术存在许多缺点：不能准确的诊断多重故障、诊断准确率不高等。针对以上缺点，提出基于支持向量机的变压器故障诊断方法。通过变压器故障诊断仿真证明，该方法能诊断出多重故障，准确率也很高。

支持向量机；变压器；故障诊断

1　引言

变压器的安全、稳定运行对电力系统至关重要，它是电网的核心设备，它能否正常运作对电网有着决定性作用。因此，定时对变压器进行故障诊断分析是十分必要的。变压器经过长期的运行必然会产生一些故障。有些故障很明显的表现出来，但还有一些故障不容易显露出来，这些不容易显露出来的故障叫做隐形故障[2]。经过长期积累这些隐形故障可能会损害变压器的性能和寿命，甚至会对电网的经济运行产生严重影响。根据研究表明，油中溶解气体H2、CH4、C2H6、C2H4、C2H2与变压器的故障有着直接的联系，通过分析这些气体的含量可以发现变压器的隐形故障。

支持向量机[4](SVM)是由Vipnik等人依据结构风险最小化原则提出的，它包括两种：分类和回归(本文运用分类)，具有很好的泛化能力。而且SVM算法是一个凸二次优化问题，其最终得到极限解就是全局最优解。

2　DGA技术

DGA技术[10]以前在变压器故障诊断中运用很普遍而且认可度很高。主要有：二比值法、IEC三比值法、罗杰斯法等。由于每种编码只能对应一种故障，所以多重故障就无法表现出。以下是IEC三比值法的编码规则和故障类型判别方法。

表2　故障类型判别方法

3　支持向量机

支持向量机最初是研究线性可分问题而提出的，以下二维图能够清楚的表示出来。

图1　支持向量机线性最优分类面

(1)

数据集中大多数样本是可分的，只有少数几个样本(可能是异常点)导致找不到最优分类超平面。针对这种情况，可以引入松弛变量以及惩罚因子，并对式(6)进行修正，即

(2)

式中，ζi为松弛变量，C为惩罚因子。

图2　原始空间向高维特征空间映射

在实际应用中，绝大多数问题都是非线性的，这时候对于线性可分SVM(支持向量机)是无法解决的。而常用的解决方法是非线性映射φ:Rd→H，将原输入空间的样本映射到高维的特征空间H中，再在高维特征空间H中构造最优分类超平面，如图2所示。

在求解对偶问题时，需要计算样本点向量的点积。同理，当通过非线性映射到高维特征空间时，也需要计算点积，从而导致计算增加。Vapnik等人提出采用满足Mercer条件[12]的核函数K(xi,xj)来代替点积运算，即：

K(xi,xj)=Φ(xi)Φ(xj)

(3)

在高维特征空间中寻求最优分类超平面的过程及方法与线性可分SVM情况类似，只是以核函数取代高维特征空间中的点积，从而大大减少了计算量与复杂度。

映射到高维特征空间后对应的对偶问题变为：

(4)

从而最终最优分类函数[13]为：

(5)

4　基于SVM的变压器故障诊断

4.1样本的选取

样本选取H2、CH4、C2H6、C2H4、C2H2五种油中气体最为故障诊断的输入样本。而故障类型选取以下几种：高温过热、高能放电、中温过热、正常、低温过热、低能放电、局部放电。故障的对应编码如表3。

表3　故障的对应编码

4.2数据归一化

由于样本数据可能相差比较大，不做任何处理直接导入仿真结果误差很大，如图3。因此将数据进行归一化处理可以大大较小仿真误差，归一化公式[15]如下：

(6)

式中mi为一种气体的体积。

图3　无归一化诊断结果

4.3核函数选取

目前比较常用的核函数有：n阶多项式核函数、线性核函数、sigmoid核函数、径向基核函数(RBF)。本文选用径向基核函数，因为RBF只有一个参数需要优化而且将数值限制在0和1之间。

4.4诊断结果

本文选取了150组数据进行仿真，其中训练样本110组，测试样本40组。测试结果表明用支持向量机算法对变压器进行故障诊断正确率很高，可达到92.5%，而且对多从故障也能检测出来。

图4　SVM诊断结果

5　结论与展望

用SVM对变压器进行故障诊断的确有很高的真确率，对多重故障也能检测出。在仿真过程中发现惩罚因子和核函数参数对结果影响比较大，如果可以将它们进行优化得到最优参数，诊断结果会更加准确。

[1]李中,苑津莎,张利伟.基于自组织抗体网络的电力变压器故障诊断[J].电工技术学报,2010,25(10):200-206.

[2]潘超,马成廉,郑玲峰,等.一种结合模糊 TOPSIS 法和 BP 神经网络的变压器故障诊断方法[J].电力系统保护与控制，2009,37(9):20-24.

[3]ZHANG Ge-xiang,JIN Wei-dong,HU Lai-zhao.Application of generalized adaptive wavelet neural network based on resemblance coefficient to signal recognitionp[C].//Proceedings of 2004 IEEE International Symposium on Intelligent Control.Taipei(China),Piscataway(USA)： 2004：443-447.

[4]尹金良,朱永利,俞国情,等.基于高斯过程分类器的变压器故障诊断[J].电工技术学报,2013,28(1):158-164.

[5]孙才新,郭俊峰,廖瑞金,等.变压器油中溶解气体分析中的模糊模式多层聚类故障诊断方法的研究[J].中国电机工程学报,2001,21(2):37-41.[6]PATI Y C，KRISHNAPRASAD P S.Analysis and synthesis of feed forward and neural networks using discrete affine wavelet[J].IEEE Trans on Neural Networks，1993，4(1)：73-75.

[7]赵笑笑,云玉新,陈伟根.变压器油中溶解气体的在线监测技术评述[J].电力系统保护与控制，2009,37(23):187- 191.

[8]曹永刚，周玲，丁晓群，等.基于概率神经网络的电力变压器故障诊断[J].继电器，2006，34(3)：9-11.

[9]Ze Zhao,Li Cui,EasiMed.A remote health care solution[C].// Proceeding of the 2005 IEEE Engineering in Medicine and Biology 27th Annual Conference.Shanghai(China):2005:2145-2148.

[10]陈新岗，李太福.基于DGA特征量的变压器绝缘故障诊断专家系统的研究[J].变器,2005.42(1)：33-36.

[11]郑伟，童怀,等.基于DGA及AGAWNN的电力变压器故障诊断[J].变压器，2009，4(46)：66-69.

[12]吕干云,程浩忠,董立新,等.基于多级支持向量机分类器的电力变压器故障识别[J].电力系统及其自动化学报,2005(1).

[13]李良敏，屈梁生.基于遗传编程和支持向量机的故障诊断模型[J].西安交通大学学报，2008，38(3):239-242.

[14]郑建柏.支持向量机的变压器故障诊断应用研究[D].保定：华北电力大学，2007.

[15]翟永杰.基于支持向量机的故障智能诊断方法研究[D].保定：华北电力大学,2004.

Research Transformer Fault Diagnosis Based on Supporting Vector Machines

GONGJian1,2

(1.China Three Gorges University,Yichang 443002,China; 2.China Gezhouba Group Electric Power Co.,Ltd,Yichang 443002,China)

In the research process of transformer fault diagnosis,Data analysis technology of gas oil(DGA)is currently the most common method and is also the most widely used,it has a very important role in the prevention of transformer′s test.However,DGA has many shortcomings:can′t accurately diagnose multiple faults,the diagnostic accuracy is not high.For the above shortcomings,it proposes to diagnose transformer fault based on support vector machine.Through the Simulation results of transformer fault show that this method can diagnose multiple failures and the accuracy is also very good.

support vector machine;transformer;fault diagnosis

1004-289X(2016)02-0054-04

TM41

B

2015-05-21

龚健(1990-)，男，湖北枝江人，葛洲坝集团电力有限责任公司现场技术员，葛洲坝集团电力有限责任公司机电分公司团委书记。