陆敏安 任堂正 肖远兵 陈敬德 崔明飞

摘要：油中溶解气体分析（DGA）是评估变压器运行状态和故障诊断的重要指标。现将支持向量机算法（SVM）应用于DGA和故障诊断中，并对比了SVM算法和其他传统算法在故障诊断中的正确率。研究结果表明，传统算法的故障诊断正确率在43%～54%，而优化后的SVM算法正确率为76.77%。超过23%的正确率提升充分证明了SVM算法在故障数据特征识别中的先进性，对变压器运维提供了强力的技术支持。

关键词：变压器;支持向量机;油中溶解气体分析;故障诊断

0    引言

准确评估变压器运行状态对提升电网可靠性、制定運维检修策略及消除事故隐患具有重要意义。油中溶解气体分析（DGA）是反映变压器运行状态的重要指标[1]。

传统的DGA方法主要使用IEC 60599提出的三比值法[2]，国内的科研人员也提出了《变压器油中溶解气体分析和判断导则》（DL/T 722—2014）用以正确评估变压器油的质量和设备运行状况[3]。传统分析方法虽然有国内外电工委员会的支持，但固定的阈值边界无法保证正确率[4-5]。

近年来，专家系统、模糊理论和灰色关联性理论等方法逐渐被应用于DGA[6-7]。相比于传统的DGA方法，这些评估理论体系的确提升了故障识别的正确率，但是这些有限的提高依托于丰富的机理知识储备，推理过程中的逻辑也不够缜密，从而导致应用门槛较高。更先进的智能算法也被尝试用于DGA，例如BP神经网络，但是网络收敛速度慢，容易过拟合，并且在数据量较少时无法保证正确率的缺点也阻碍了它的进一步应用与推广[8]。……