基于支持向量机的变压器故障诊断

随着当前社会的发展,国民经济的持续快速增长,我国电力工业也得到了高速的发展,全国发、输、配电的容量在不断增加。电力变压器承担着电压变换,电能分配和输送,并提供电力服务,在电力系统中处于枢纽地位。变压器一旦发生故障,影响面大、修复时间长、所以其可靠性指标是影响整个电力系统可靠性的重要因素,对其可靠性的改善将给整个电力系统的安全、可靠性和经济运行带来巨大的利益。 目前,国内外的高电压、大容量电力变压器普遍采用油浸式变压器。本文研究的对象也是油浸式变压器。变压器的内绝缘是故障发生频率最高的部位,主要故障特点是变压器绝缘劣化严重。随着电力检测技术的发展,人们积累了很多关于变压器的故障分析判断的宝贵经验,也找到了很多检测、诊断变压器的方法。如电气的、物理的、化学的检测分析。包括油中气体色谱分析(DGA)、电压传感器在线监测技术、红外测温技术、局部放电试验、超声定位技术、绝缘预防性试验、绝缘油老化试验、变压器耐压试验、绕组变形试验、油流带电试验、变压器老化诊断试验及各种常规试验。 本研究中,分析了已有的支持向量机分类器只能解决两分类问题的不足,结合变压器故障诊断中常用的油色谱分析方法,提出了基于C-支持向量机多分类器的变压器状态诊断模型。利用支持向量机基于数据的统计学习理论的良好学习能力,并借用交叉验证的方法调整和优化支持向量机主要参数,构建了适用于变压器状态诊断的支持向量分类器。 该模型具有较高分类预测准确率,能够有效且较准确的对变压器油色谱数据进行分类诊断。该模型简单、实用,具有推广应用的潜力,为变压器故障诊断的实际工作提供可靠的手段。