基于云推理及加权隐式半Markov模型的变压器故障预测

被引：19

作者：

周湶 ^{[1
]}

孙超 ^{[2
]}

安文斗 ^{[3
]}

李剑 ^{[1
]}

廖婧舒 ^{[1
]}

邹迪 ^{[1
]}

机构：

[1] 重庆大学输配电装备及系统安全与新技术国家重点实验室

[2] 国网岳阳供电公司

[3] 中煤科工集团重庆研究院瓦斯灾害监控与应急技术国家重点实验室

来源：

高电压技术 | 2015年 / 41卷 / 07期

关键词：

云理论; Markov模型; 故障诊断; 状态预测; 关联规则; 油中溶解气体分析;

D O I：

10.13336/j.1003-6520.hve.2015.07.021

中图分类号：

TM41 [电力变压器];

学科分类号：

摘要：

为分析电力变压器运行过程中的状态变化并准确预测潜伏故障,在现有研究基础上建立了基于云推理及加权半Markov退化模型(HSMM)的变压器故障预测方法。利用云理论对故障变压器油中气体样本数据训练以发掘对应定性云概念,并构建油中气体状态空间。基于变压器运行状态变化规律分析引入老化因子,通过多步长加权方法在Markov链中引入历史运行状态信息,构建了加权HSMM退化模型对变压器运行状态进行预测。若预测DGA表征的变压器运行状态处于异常时,利用构建的云推理组合规则发生器对变压器故障类型进行诊断。多实例分析验证表明:基于加权HSMM退化模型能准确预测变压器运行状态;相较于其它常用预测方法,其在非等间隔观测数据或出现波动情况下鲁棒性及准确性更佳;结合基于云推理机制的故障诊断方法能实现变压器状态的准确预测和故障诊断。

引用

页码：2268 / 2275

页数：8

共 18 条

[1] 变压器油中溶解气体分析和判断导则.[S].中国电力科学研究院.中华人民共和国国家质量监督检验检疫总局.2001,
[2] Forecasting dissolved gases content in power transformer oil based on support vector machine with genetic algorithm.[J].Sheng-Wei Fei;Yu Sun.Electric Power Systems Research.2007, 3
[3] Equipment health diagnosis and prognosis using hidden semi-Markov models
Ming Dong
David He
Prashant Banerjee
Jonathan Keller
[J]. The International Journal of Advanced Manufacturing Technology, 2006, 30 : 738 - 749
[4] HMMs for diagnostics and prognostics in machining processes
Baruah, P
Chinnam, RB
[J]. INTERNATIONAL JOURNAL OF PRODUCTION RESEARCH, 2005, 43 (06) : 1275 - 1293
[5] 不确定性人工智能.[M].李德毅;杜鹢著;.国防工业出版社.2005,
[6] 基于云理论的变压器多重故障诊断及短期预测方法
周湶
孙超
廖瑞金
李剑
张镒议
王时征
[J]. 高电压技术, 2014, 40 (05) : 1453 - 1460
[7] 基于云理论和核向量空间模型的电力变压器套管绝缘状态评估
周湶
徐智
廖瑞金
张镱议
郑柏林
[J]. 高电压技术, 2013, 39 (05) : 1101 - 1106
[8] 基于3层贝叶斯网络的变压器综合故障诊断
白翠粉
高文胜
金雷
于文轩
朱文俊
[J]. 高电压技术, 2013, 39 (02) : 330 - 335
[9] 基于多模型的变压器故障组合诊断研究
赵文清
李庆良
王德文
[J]. 高电压技术, 2013, 39 (02) : 302 - 309
[10] 变压器油中气体的多核核主元回归预测模型
唐勇波
桂卫华
彭涛
[J]. 电机与控制学报, 2012, 16 (11) : 92 - 98

← 1 2 →