（电工理论与新技术专业论文）改进支持向量机在油浸变压器故障诊断与预测中的应用.pdf

声明 、jllliiiiiill硎lillillll。llll9lll 本人郑重声明：此处所提交的硕士学位论文改进支持向量机在油浸变 压器故障诊断与预测中的应用，是本人在华北电力大学攻读硕士学位期间， 在导师指导下进行的研究工作和取得的研究成果。据本人所知，除了文中特 别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成 果，也不包含为获得华北电力大学或其他教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确 的说明并表示了谢意。 学位论文作者签名：二埠日 期：生婴：垒：r 关于学位论文使用授权的说明 本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学 校有权保管、并向有关部门送交学位论文的原件与复印件；学校可以采用 影印、缩印或其它复制手段复制并保存学位论文；学校可允许学位论文被 查阅或借阅；学校可以学术交流为目的，复制赠送和交换学位论文：同意 学校可以用不同方式在不同媒体上发表、传播学位论文的全部或部分内容。 ( 涉密的学位论文在解密后遵守此规定) 作者签名： 日期： 导师签名： 日期： 华北电力大学高校教师在职攻读硕士学位论文摘要 摘要 电力变压器是电力系统的枢纽设备之一，其运行的安全可靠与电力系统 的安全密切相关，对变压器运行状态故障预测和准确诊断是近来电力岗位上 的工作者研究的重点和难点。 本文结合油色谱分析技术，采用改进遗传算法改进的最小二乘支持向量 机建立了电力变压器故障预测、故障诊断模型，实现对l s s v m 参数的寻优， 提高了其在变压器多分类故障预测和诊断中的正确率。且该模泛化能力强，并 通过多个现场实例分析证明了该方法的正确性与有效性。 同时，本文采用采用n e t 平台和c i s 结构，利用v c # 语言和s q ls e r v e r 数据库开发了电力变压器故障诊断和预测数据管理信息系统。该系统为状维 修奠定了基础。 关键词：变压器，改进最d x - - 乘支持向量机，故障预测，故障诊断，管理信 息系统 a b s t r a c t a st h eu l t i m a t ee l e m e n ti nt h ee l e c t r i cp o w e rs y s t e m ，t h es a f eo f o p e r a t i n go ft r a n s f o r m e ri sc o r r e l a t i v ew i t ht h es a f e t yo ft h ep o w e rs y s t e m ，s ot h e f a u l t f o r e c a s t i n ga n dd i a g n o s i so ft r a n s f o r m e r i so fg r e a ti m p o r t a n c et ot h e e x p e l so nt h ef i e l do ft h ep o w e rs y s t e m o nt h eb a s e so fo i lc h r o m a t o g r a p h i ca n a l y s i s ，t h i sp a p e ri n t r o d u c e st h e p r e d i c t i o nm o d e la n dd i a g n o s i sm o d e lb a s e do ni m p r o v e dl e a s ts q u a r es u p p o r t v e c t o rm a c h i n eb a s e do nt h ei m p r o v e dg e n e t i ca l g o r i t h m i ti m p r o v e st h ee f f e c t s o ft h ef o r e c a s t i n g ，a n dt h ep r e c i s i o ng r e a t l y t h er e s u l t ss h o wt h a t ：t h ea c c u r a c y o ft h el s s v mb a s e do nt h ei g ai sb e t t e rt h a nt r a d i t i o n a ll s s v mm o d e l s a tl a s t ，u s i n gv c 撑a n ds q lb a s eo n n e tp l a t f o r ma n dc ，s d e v e l o p i n ga m i so ft h et r a n s f o r m e rf a u l td i a g n o s i sa n dp r e d i c t i o n t h es y s t e m i m p r o v e st h em a i n t e n a n c ee f f i c i e n c yo ft h es t a t eo fi n f o r m a t i o nm a n a g e m e n t s u nz h o n g w e i ( p o w e rp l a n tt h e r m a lp o w e re n g i n e e r i n g ) d i r e c t e db yp r o f z h a os h u - t a o k e yw o r d s ：p o w e rt r a n s f o r m e r ，i m p r o v e dl e a s ts q u a r es u p p o r tv e c t o r m a c h i n e ，f a u l tf o r e c a s t i n g ，f a u l td i a g n o s i s ，m i s 华北电力大学高校教师在职攻渎硕+ 学位论文目录 目录 中文摘要 英文摘要 第一章引言1 1 1 油浸变压器故障诊断与预测的目的及意义1 1 。2 电力变压器故障诊断和数据预测的国内外研究现状3 1 2 1 油浸变压器油色谱故障诊断方法述评3 1 2 2 油浸变压器油色谱故障预测方法述评9 1 3 本文主要工作1 l 第二章基于i g a 改进的l s s v m 变压器故障诊断1 2 2 1 支持向量机及其统计学理论基础1 2 2 1 1 统计学理论一1 2 2 1 2 s v m 的基本思想一1 3 2 1 3 支持向量机1 4 2 2 改进遗传算法( i g a ) 1 7 2 2 1 遗传算法理论简介一1 7 2 2 2 遗传算法1 7 2 2 3 改进遗传算法一1 8 2 2 4 改进遗传算法的框架一1 9 2 3 基于i g a 优化的l s 。s v m 的变压器故障诊断2 0 2 3 1 l s s v m 的分类算法2 1 2 3 2 多分类l s s v m 算法分类过程4 1 1 ：2 2 2 3 3 核函数及参数选择。2 3 2 3 4 基于i g a 优化的l s s v m 的变压器故障诊断2 3 2 3 5 实例分析2 5 2 4 本章小结2 6 第三章基于i g a 的l s s v m 的油浸变压器故障预测2 7 3 1 基于i g a 优化的l s s v m 的变压器油中溶解气体浓度预测2 7 3 1 1 l s s v m 函数估计算法2 7 3 1 2 i g a 优化l s s v m 预测模型2 8 3 1 3 实例分析3 0 华北电力大学高校教师在职攻读硕士学位论文目录 3 2 本章小结3 2 第四章电力变压器故障诊断与预测数据管理信息系统3 3 4 1 系统与数据库介绍3 3 4 2 评估系统总体设计3 3 4 3 实例分析3 6 4 4 本章小结3 7 第五章结论3 8 参考文献3 9 致谢4 2 在学期间发表的学术论文和参加科研情况4 3 华北电力大学高校教师在职攻读硕士学位论文 第一章引言 1 1 油浸变压器故障诊断与预测的目的及意义 随着我国电力工业和国民经济的迅速发展，电力系统正向超高压、大电网、大 容量、自动化方向发展，特别是最近几年，我国无论是装机容量还是年发电量都己 进入世界前列。随着整个国家电力需求的稳步增加，我国的电网建设也随之高速发 展。目前，我国电网已从城市或着局部区域的孤立电网发展成为跨省际的区域大电 网，南北互供，西电东送，全国联网的格局正在稳步形成。近几年来，随着电网的 不断成长，电网网内故障不断增加，这使得电力行业积极应用在线监测技术实施状 态维修策略，加强设备的常规故障测试及综合分析，以便于及时的消除一些设备的 安全隐患。根据最新国家电力监管委员会发布的电力可靠性指标来看，据统计，全 国电网2 0 0 4 年供电可靠率达到了9 9 8 2 ；而到2 0 0 6 年，供电可靠率上升到了 9 9 8 5 。但是，这些数据显示，与发达国家的供电可靠率9 9 9 9 相比仍有很大的差 距。由各方面的统计数据显示，危及电网安全的主要因素就是电力设备的故障，其 故障率最大的部位是电力变压器的内绝缘，主要故障特点是电力变压器绝缘老化严 重、运行环境恶劣、电力变压器制造质量差等问题【l 】。因此，作为电力系统的枢纽 设备，电力变压器的运行状况的好坏将直接影响电力系统的运行状态。其一旦发生 事故或这是故障，都将对用户和电力系统造成影响和危害，严重时会发生重大火灾 乃至人身伤亡事故，给电网和用户都将造成巨大的经济损失。为此，确保电力设备 的可靠安全运行在经济高速发展的现在更显得是极其重要。 近年来，虽然由于设计方法、制造技术、材料改进的提高，电力变压器运行可 靠性有所提高，但是由于一些无法预计的运行维护方面、外界原因或者使用方法等 出现的问题，仍会发生各种类型的事故或故障。如果能在电力变压器运行过程中就 通过某些手段或方法对变压器的将来运行状况进行及时、有效的状态预测，预先发 现早期潜伏的各类故障，从而及时采取有效的防护措施，即可以大大减少事故发生 的频率。因此，近些年来电力行业积极加强设备的常规测试和综合分析，应用在线 监测技术并开展状态维护，及时的消除一些设备的常规故障隐患。这些事前的故障 分析可以减少不必要的停电检修，避免“过度检修”所造成的经济损失，并能有效 地延长设备的使用寿命【2 l 。随着我国国计民生对供电可靠性的要求越来越高，电网 向高度自动化智能化方向发展，这就迫切需要对现行的设备常规维修体系进行改 革，替代预防性维修体系，而建立以在线监测及故障诊断技术为基础的状态维修体 系的发展趋势已经明确。综上所述，深入的研究电力变压器故障预测技术，对电力 变压器的运行状态进行实时监测，提前发现变压器的潜伏性故障，对于降低变压器 l 华北电力大学高校教师在职攻读硕士学位论文 的维修费用、提高电网供电运行安全性和可靠性、减少变压器故障带来的经济损失 具有十分重要的意义。 根据电力设备预防试验规程规定，常用的电力变压器故障诊断的方法比较 多，常用基本方法有绝缘试验、绝缘油电气试验、局部放电试验、油中溶解气体分 析( d i s s o l v e dg a s e sa n a l y s i s ) 及其他预防性的试验检测等。其中，油中溶解气体分析 法d g a 是诊断电力变压器内部故障最主要的，也是最常用的技术手段，所以电 力设备预防性试验规程把d g a 法列在首位【3 1 。d g a 法作为目前电力系统中对油 浸电力设备常规使用的重要监测手段，能够及时的发现电力变压器内部存在的早期 绝缘和过热故障，在以往的常规运行维护中消除了不少事故隐患。据统计，我国电 网中有5 5 以上的电力变压器故障是通过该试验结果检出来的。由于这检测技术 不受外界电场和磁场因素的影响，能够在无需停电的情况下进行，因此可以定期在 设备运行中对电力变压器的内部绝缘状况进行诊断，确保电力变压器的安全可靠运 行。d g a 实验检测法技术成熟，数据可靠性高，从定性到定量分析都积累了很多现 场检测经验，有利于促进由检测方法从定期维修方式向状态维修方式过渡。d g a 检 测发对于发现电力变压器内部的绝缘过热等潜伏性故障及故障的严重程度就有相 当的有效性。 目前对于大型电力变压器的绝缘和散热几乎都是以油来作为媒介的。电力变压 器油中的纸和纸板等固体有机绝缘材料和油在运行电压下因电、氧化、热和局部电 弧等多种因素作用会逐渐裂解、老化，产生少量的c o 、c 0 2 和h 2 等气体以及c h 4 、 c 2 h 2 、c 2 i - 1 4 、c 2 h 6 低分子烃类，并溶解在油中。电力变压器内部存在的潜伏性过热 或放电故障又会加快产气的速率。随着故障的发展，裂解出来的碳氧化合物气体以 及低分子烃类会形成气泡在油中经过对扩散和流作用，就会不断地溶解，并不断地 在油中累积增加。油中溶解气体的组成成分和含量在一定程度上反映出电力变压器 的绝缘老化程度或故障的发展程度，可以作为反映电力变压器异常的特征量。通过 对运行中溶解于油中的气体组分、含量及产气速率的定期分析，就能够事先发现电 力变压器内部存在的潜伏性绝缘等故障，并相应的判断出是否会危及电力变压器的 运行安全行和可靠性 4 - s j 。 长时间以来，我国电力系统的诸如电力变压器在内的电力设备检修策略主要采 用以时间为标准的定期维修。虽然定期维修一般可在维修时发现设备存在的缺陷和 潜在的某些故障，对保证设备的安全和经济运行也发挥了积极重要的作用。但是， 定期维修存在“维修不足一和“维修过剩 的缺陷，在维修中会导致维修费用的巨 大浪费，并造成设备可靠性的下降。因此，国内对从定期维修制到状态维修的制度 的转变表现出了普遍的关注。在这个过程中，有些电力部门已迈出了定期维修制， 并初见成效。对故障的部位、发展趋势和严重程度做出更好的判断，对识别故障的 2 华北电力大学高校教师在职攻读硕士学位论文 早期征兆，并根据数据分析和诊断结果，在设备性能下降到一定程度或故障将要发 生之前进行维修。通过对电力系统中的诸如变压器定期等设备进行预防性维护，并 实时监测高压电气设备的实际运行情况，检测与诊断电力设备中潜伏性故障或缺 陷，提高对潜在故障的诊断水平，做到有针对性的故障检修维护，以达到早期预报， 避免恶性事故发生的目的。 电力变压器是电力系统之中最贵重和最重要的设备之一，其安全运行直接关系 到电网的供电可靠性和安全性。电力变压器故障诊断技术的研究是电力变压器状态 维修的基础工作。据有关资料的统计研究表明，对电力变压器等设备的状态信息实 施监测并做出相应的预测，可使每年的维修费用减少3 0 - 5 5 ，故障停电时间减少 四分之三。因此，研究开发对电力变压器等设备的状态评估和故障预报可以有效地 了解电力变压器的运行状况，并及时发现设备的潜伏性故障，避免突发事故的发生， 增加经济效益，提高检修质量。在实际工作中的运行人员可知，变压器是一个老化 和故障机理复杂，具有不确定性的复杂的综合系统。因此，对电力变压器故障诊断 技术的研究和实施是一项复杂而艰巨的任务。变压器历史运行记录、运行工况不同， 同类变压器的状态就可能不相同；并且相同工况下不同类型的电力变压器的状态也 可能不同。因此研究变压器的历史运行记录状态与运行工况的关系及其规律，准确 评估出电力变压器状态，对实施变压器状态维修制度、降低变压器检修费用、提高 电力变压器的安全性和可靠性具有重要的理论意义和实际应用价值。 1 2 电力变压器故障诊断和数据预测的国内外研究现状 1 2 1 油浸变压器油色谱故障诊断方法述评 电力变压器故障诊断技术主要包括状态评估、故障预测和故障诊断三部分内 容。状态评估是利用电力变压器的特征参数对电力变压器的运行状态及其他信息进 行记录、分类和评价，制定出相应的分级策略，为设备维修提供参考；故障诊断是 根据故障特征，对已发生故障的电力变压器进行分析，确定电力变压器的故障类型 和故障部位；故障预测是根据现有的数据预测电力变压器运行状态的发展趋势，判 断可能发生故障的时间、部位和严重程度。 电力变压器故障诊断所用的数据具有样本数较小、信息较贫乏的特点。而诊断 中包含的信息量较少，并如何对此类信息进行综合分析和处理是电力变压器故障诊 断技术需要重点解决和突破的关键性问题。目前，在电力变压器故障诊断技术中， 对变压器故障诊断的研究相对比较成熟，成果较多：而对电力变压器故障预测和状 态评估的研究相对较少。近年来主要有采用的基于油中溶解气体分析的变压器绝缘 诊断方法大体上可以分为经典的几种方法和研究比较热门的基于人工智能的多种 3 华北电力大学高校教师在职攻读硕士学位论文 方法。 ( 1 ) 特征气体法 特征气体法是电力变压器故障检测中相对传统的方法。它主要是根据变压器发 生不同故障时，油中溶解气体的次要成份和主要成份的有所区别来判断变压器所属 故障类型。比如局部放电时的主要成份是h 2 、c h 4 ；电弧和火花放电时的主要成份 是c 2 h 2 、h 2 ；过热时的主要成份是c i - h 、c 2 h 4 ；而当故障涉及固体绝缘时会分解产 生大量的c o 、c 0 2 等碳氧化合物气体。根据油中各种气体的相对浓度即便可以大 致判断故障的类型。但是这种方法是一种比较粗糙的判断方法，在应用中较少应用。 ( 2 ) i e c 三比值法1 6 该方法是国际电工委员会推荐的利用d g a 结果对充油电力设备进行故障诊断 的最基本的方法。三比值法的原理是根据变压器内的油和绝缘物在故障下裂解产生 气体组分含量的相对浓度与温度的相互依赖关系，从五种特征气体中选用溶解度和 扩散系数相近的气体组分组成三对比值，以不同的编码表示【7 1 。这种方法消除了油 的体积效应影响，是判断电力变压器故障类型的主要方法，并可以得出对故障状态 较可靠的诊断。 但是，大量实例及分析表明，三比值法存在以下不足【l 】： 1 ) 三比值法推荐的编码组合的值由典型的故障事故统计分析获得，由于电力 变压器内部故障类型非常复杂，表l 中所示的编码组合所对应的故障类型在实际应 用中常常并不出现，使判断无法进行； 2 ) 只有溶解在变压器油中气体各组分含量足够高或超过注意值，并且仅在经 综合分析确定电力变压器内部存在过热或者其它六类型的故障后，才能用三比值法 判断其故障性质。而对油中各气体组分含量正常的电力变压器，其参照表格所给的 比值没有意义。因此，在运行中如果不论电力变压器是否存在故障而一味的使用三 比值法来做出判断，就有可能对正常的电力变压器造成错误的判断，并给出错误的 处理措施： 3 ) 在实际变压器的运行之中，当存在多种故障联合作用时，可能在表l 中找 不到相应的比值的编码；同时，当比值在三比值编码边界模糊的比值区间，往往容 易误判； 4 ) 在电力变压器中，当故障涉及固体绝缘的正常老化过程和固体绝缘的劣化 分解时，将引起c 0 2 和c o 含量地明显增长。从下表l 可知，表中无此编码组合。 此时要利用c o d c o 的相对比值配合诊断故障类型； 5 ) 由于三比值法的故障分类存在模糊性，一种故障状态可能引起多种故障特 4 华北电力大学高校教师在职攻读硕士学位论文 征；相反，一种故障特征也可在不同程度上反映多种故障状态，因此三比值法不能 全面反映故障状况。 表1 1 三比值法的编码规则 特征气体比值c 2 h 2 c 2 h 4c h 4 h 2c 2 h 4 c 2 h 6 3222 表1 - 2 故障类型判断方法 编码组合 故障类型 c 2 h 2 c 2 h 4c h 4 h 2c 2 h 4 c 2 h 6 ol 低温过热( 低于1 5 0 度) 2o 低温过热( 1 5 0 至3 0 0 度) o21 中温过热( 3 0 0 至7 0 0 度) 0 ，1 ，22 高温过热( 高于7 0 0 度) 2o 局部放电 0 ，lo ，l ，2电弧放电 2 2 o ，l ，2电弧放电兼过热 o ，lo ，l ，2 电弧放电 l 2o ，1 ，2 电弧放电兼过热 总之，虽然目前三比值法应用较为广泛，但是由于在实际运行中故障分类本身 存在一定的模糊性，每一组编码值与故障类型之间也存在一定的模糊性，三比值法 并不包括和反映电力变压器内部故障的所有形态，所以三比值法本身还在不断发 展，并在不断的继续进行改良。 ( 3 ) 人工神经网络 人工神经网络f 8 。( 简称a n n ) 是通过现场大量的标准样本学习与训练，不断调 整网络中的连接权值和闭值，使获取的知识隐式分布在整个网络上，并实现网络的 模式记忆。a n n 具有自适应、自学习、联想、记忆、容错性、自组织等优点，并且 在计算中具有强大的知识获取能力，能高度映射非线性的输入输出关系，并能有效 华北电力大学高校教师在职攻读硕士学位论文 地处理含噪声数据，可以很好地逼近特征气体浓度到变压器故障类型的映射。在输 入数据样本和多个故障状态之间建立联系的过程就是我们所说的电力变压器故障 诊断。由此可以看出，a n n 适用于电力变压器内部故障发生及发展的多故障、多模 式系统、多过程的诊断。这就使得a n n 成为故障诊断的重要方法之一。而电力变 压器的构造和电气系统的复杂性使得电力变压器发生故障时与多种因素存在着各 种各样的耦合关系，导致了特征气体到变压器故障类型之间的精确映射无法从理论 上获得。多层前馈神经网络在神经网络中应用最为广泛，其中b p 算法是使用最广 泛的算法。 研究表明，在难以描述故障类型与故障信号之间逻辑关系的场合适于人工神经 网络这种算法。因此，吧这个算法引入电力变压器的故障诊断是一种很有前途的方 法。尽管人工神经网络理论的应用在电力变压器绝缘故障诊断中取得了一系列的研 究成就，但人工神经网络理论也有自身的局限性：它对奇异故障模式的判断能力 差，应用神经网络只能是一个不断完善的过程，而网络自身对这种完善的调度性能 较差；它极易陷入局部极小点，且相比较而言收敛速度较慢；其缺乏解释自身 行为和输出结果的能力；它不擅长处理启发性知识。 ( 4 ) 灰色系统理论 这是邓聚龙教授建立的新兴横断学科系统科学学科群。灰色系统指的是信息不 完全的系统。信息不完全是指系统结构及系统作用原理、系统因素、因素关系这四 个方面的信息缺乏，它以“部分信息未知，部分信息已知 的“贫信息”、“小样本” 不确定性系统为研究对象，提取有价值的信息【1 2 以4 1 。灰色系统理论将随机过程看作 是在一定范围内变化的，将一切随机变量看作是在一定范围内变化的灰色量，与时 间有关的灰色过程，对灰色量的处理采用数据处理的方法，即数据生成，将杂乱无 章的原始数据整理成规律性较强的生成数列进行研究。与模糊数学不同的是，灰色 系统理论着重研究“外延明确、内涵不明确 的客观对象。 由于油中溶解气体相互制约关系的不确定性，发生哪类故障将产生哪类气体没 有明确的定性和定量描述，同时，由于电力变压器故障系统中单一因素对导致故障 原因的机理缺乏完备性。因此，电力变压器故障系统是一个典型的灰色系统。灰色 系统理论是解决多目标决策的有效方法之一，对于不确定环境下的模式识别问题具 有独特性，能够应用于电力变压器故障诊断问题。在变压器的故障诊断中，有些提 出了一种电力变压器绝缘故障诊断的灰色聚类模型及分析方法，并用范例分析验证 了该模型能够用于分析故障类型和确定故障部位；有些将b 型关联度应用于电力变 压器的故障诊断中；有些学者提出了一种面积关联度的概念和方法，利用两曲线之 间的相关面积来计算曲线之间的关联程度，这些理论都取得了较好的诊断效果。 6 华北电力大学高校教师在职攻读硕士学位论文 ( 5 ) 模糊理论 模糊理论【l 孓1 6 】是依据诊断对象模糊症状进行状态推理、识别并做出决策的一门 科学。它能够解决经典理论所不能解决的在人脑中大量存在的非确定性语义及模糊 概念的问题，过去无法用经典理论描述的模糊事物可由其精确的理论方法来处理。 在变压器故障诊断中，故障原因、故障现象、故障机理以及故障分之间存在大 量的不确定性和模糊性。由于它能有效解决其模糊性和不确定性问题，能够用模糊 集合来反映事的模糊性，因此这为电力变压器故障诊断提供一种较为有效的方法。 现有的模糊诊断方法主要朝着两个方向发展：一是发生故障时，其故障现象、故障 机理、故障原因之间存在大量的模糊性和不确定性，用传统的精确数学理论难以描 述其间的关系，因此，就很难诊断出变压器的真实绝缘故障及其原因。再者是将模 糊诊断与其他诊方法相结合，相辅相成。由于模糊数学的特点正好能有效地解决其 间的模糊性和不确定性问题，因此，它为变压器的绝缘故障诊断提供了一种较为有 效的新方法。 但是，在电力变压器绝缘故障诊断应用中也应看到模糊数学存在的不足，主要 是凭经验借助于隶属函数进行处理和着重研究“认知不确定性”问题。其研究对象 具有“内涵明确、外延不明确特点，而目前电力变压器发生故障时的故障现象、 故障原因及故障机理之间的许多“内涵”联系尚未研究清楚。所以，模糊数学理论 在变压器故障诊断中的应用具有其局限性。 ( 6 ) 专家系统 专家系统t 1 7 j ( e s ) 是人工智能的一个重要分支，是一种能够在一定程度上模拟专 家经验及推理过程的智能计算机程序系统。根据用户提供的信息、数据或事实，运 用系统中存储的知识或专家经验进行推理判断，从而解决某一领域内通常需要具有 专家水平的经验和知识才能解决的复杂问题。最后专家系统获得结论以提供给用户 决策使用。专家系统在信息不完整或不确定的情况下仍能给出较为合理的结论，在 解决较多依赖人类专家经验知识和难以建立数学模型的问题有独特的优势。因此国 内外学者在电力变压器故障诊断问题上从专家系统的角度去研究，并获得了广泛的 应用。目前，所开发出的专家诊断系统大都是依据电气性能数据、d g a 数据等从各 自方向进行常规诊断，然后再进行综合的数据分析，最后得出一定的可信度的结论。 鉴于电力变压器故障诊断的经验性、专业性和复杂性，即使在电力变压器绝缘 故障诊断专家系统的开发中取得了一些研究成果，但也存在一定的问题，主要表现 在：诊断推理不确定性问题：对于一些数学相关性不确定的故障现象的诊断，其 准确性难以保证；知识获取主要依靠知识工程师将该领域专家的知识移植到计算 机中，导致了诊断系统知识库的不完备，当遇到一个没有相应规则与之对应的新故 7 华北电力大学高校教师在职攻读硕士学位论文 障现象时，专家系统显得无能为力，即知识获取的瓶颈问题；知识维护困难：一 般采用较简单的产生式结构构造知识库，其算法复杂。这些都是电力变压器故障诊 断专家系统急需解决的前沿课题。 ( 7 ) 粗糙集理论 粗糙集理论【l 引( r o u g ht h e o r y ，r t ) 是一种刻画不确定性和不完整性问题的数学 工具。粗糙集理论能有效地分析和处理不一致、不完整、不精确等各种不完备信息 问题。它通过发现数据间隐藏的关系，揭示数据间潜在的规律，从而提取有用的信 息。 为了提高电力变压器故障诊断过程中的诊断效率，对大量的冗余特征进行压缩 或约简，粗糙集理论被国内外众多的学者将引入电力变压器故障诊断中。基于多变 量决策树的电力变压器故障诊断方法，通过粗糙集辨识矩阵确定多变量检测模式： 构建了故障诊断决策表，采用粗糙集数据挖掘方法直接从决策表中提取出潜在的诊 断规则，为电力变压器故障诊断提供了有效的方法一种基于粗糙集和神经网络相结 合的故障诊断方法，利用粗糙集理论对数据样本进行数据浓缩，提取初步的映射规 则；一种故障诊断专家系统便是基于粗糙集理论的，它从历史故障数据形成的决策 表出发，运用粗糙集理论进行约简，构建专家系统知识库模型。另外，粗糙集在描 述属性集合中信息处理的维数和特征计算量较大，传统粗糙集不适合处理连续属 性。因此，在实际变压器的故障诊断的应用的过程中，粗糙集通常与其他技术结合 起来使用。 ( 8 ) 支持向量机 支持向量机是在统计学理论基础上发展起来的一种新的机器学习方法。支持向 量机【1 9 - 2 2 1 在变压器的故障诊断中，利用其置信范围最小化以控制诊断中风险问题； 并利用分层决策解决大类别分类问题的同时，将k 邻近搜索聚类应用于分层决策， 修正支持向量分类器参数难于选择带来的误差。该模型可有效地求取变压器油中气 体特征空间中的最优解，提高了故障诊断的正确性。最小二乘支持向量机( l s s v m ) 是标准支持向量机的一种扩展，优化指标采用平方项，并用等式约束代替标准支持 向量机的不等式约束，即将二次规划问题转化为线性方程组求解，降低了计算的复 杂性，提高了求解速度。 l s s v m 优化模型参数的选取对算法性能有很大影响。参数选择的恰当与否会 对样本数据的惩罚和训练误差带来很大的影响，因此很有必要对其进行优化。但是， 算法在参数寻优过程中会出现因遗传优秀个体的破坏而导致优化过程不完全收敛。 因此，本文利用改进遗传算法( i g a ) 进行l s s v m 参数的选取。改进遗传算法应用 编码机制，随机产生初始种群，实现快速扩大搜索空间，实现对l s s v m 参数的寻 8 华北电力大学高校教师在职攻读硕士学位论文 优，提高了最小二乘支持向量机在变压器多分类故障诊断中的诊断正确率。实例分 析表明该模型的精度高，并具有较强的泛化能力。 ( 9 ) 其他方法 除了上述方法之外，一些智能信息处理技术如小波理论、遗传算法等也已经应 用于电力变压器故障诊断，为电力变压器故障诊断提供了新的方法和思路。迄今为 止，电力变压器故障诊断方法的研究还远不够完善，单一的方法在电力变压器的故 障诊断中均存在不同程度的弊端，特别是在所使用的分析方法与具体诊断领域知识 的有效结合方面还存在许多问题，主要表现在：大多利用诊断对象所表现出的特 定信号来诊断特定类型的故障，都未将诊断对象看成一个有机的整体，未能有效地 考虑各种故障现象之间可能存在的相互关联。由于受到变压器油中溶解气体的累 积效应和取样分析时的误差影响，d g a 诊断方法中的常规方法很难在溶解气体含量 较小的情况下对故障进行分析，这对电力变压器中的潜伏性故障的发现和分析非常 不利。在电力变压器故障诊断中的实际工作中存在很多不完整数据，现有诊断方 法中缺少对数据不完整问题的研究。因此，仍需要进一步对电力变压器故障诊断方 法进行研究。 1 2 2 油浸变压器油色谱故障预测方法述评 电力变压器油中溶解气体的浓度预测是实现电力变压器故障预测的前提条件， 也是电力变压器状态检修和在线监测技术的基础，在电力变压器状态检修成为必然 趋势的今天，越来越受到国内外专家学者格外的重视电力变压器油中溶解气体的浓 度预测，形成了多种以d g a 数据为特征量的气体预测方法。对于变压器的油中气 体故障预测，比较常用的有早期的时间序列模型法，回归模型法，近期方法有人工 神经网络模型法和灰色模型法等。 ( 1 ) 基于时间序列分析法的预测技术 时间序列分析法，就是把预测对象的历史数据按一定时间间隔进行排列，建立 相应的数据随时间变化的变化模型，构成一个随时间变化的统计序列，并将该模型 外推到未来进行预测。实际问题中，多数预测目标的观测值构成的序列表现为可以 转化为平稳的随机序列或广义平稳的随机序列。因此，依据这一规律建立和估计实 际序列的随机过程模型，并用它进行参数值预测。时间序列预测方法有一阶自回归、 n 阶自回归、自回归滑动平均等方法，这些方法有一个共同的缺点是所需历史数据 较多。 ( 2 ) 以d g a 为特征量的神经网络预测法【2 3 】 人工神经网络方法是通过模拟人脑神经元活动的过程，用神经元的特性和连接 9 华北电力大学高校教师在职攻读硕士学位论文 模式来学习和表达知识。由于人工神经网络具有联想、记忆及聚类和容错性以及并 行分布处理、自适应、等诸多优点。研究表明，利用人工神经网络的把时间序列的 历史数据映射到未来数据的特性可以把它作为“预测器 。基于这样的原理，人工 神经网络与灰色预测模型相结合的组合预测方法被有些学者引入研究，他们把二者 的时间序列子修正系数和关系修正参数进行结合，把该方法应用于电力设备油中溶 解气体的预测。还有些学者将b p 神经网络与遗传算法、灰色预测模型、卡尔曼预 测算法的单项预测结果综合起来，设计了根据最小原则的权系数和最小误差平方， 组合模型预测能够综合各单项预测方法的优势。还有些研究采用径向基网络( i m f ) 预测电力变压器油中溶解气体浓度，该算法比b p 网络精度高，并且运算速度快。 人工神经网络法的缺点是硬件实现需要一定的条件，要求有足够多的历史数据，算 法复杂，样本选择困难，极易陷入局部极小点。 ( 3 ) 以d g a 为特征量的灰色模型预测法【2 4 1 灰色模型非常适合于短期预测，因为它具有所需样本小、预测准确度高、运算 量小等特点。目前，灰色预测在电力变压器故障预测和油中溶解气体预测中得到了 广泛的应用，成为该领域的相对比较主流的方法。有的研究中将灰色系统理论为基 础，提出了将原始数据经弱化算子作用后进行一次指数平滑运算的数据预处理方 法，并因此建立了变压器的电气绝缘故障诊断的灰色模型。实验证明了该方法的可 行性和有效性。还有其他研究针对目前电力变压器油中溶解气体预测普遍单独考虑 某种气体发展变化的不足，综合考虑电力变压器油中溶解的7 种特征气体之间的关 系，提出了采用灰色多变量预测模型，同样，一系列的实验证明了该方法的可行性。 还有的采用基于粗糙集的知识获取方法，融合粗糙集和灰色理论各自特点，对电力 变压器油中溶解气体的比值进行预测，实验证明了这些方法具有相当的有效性和正 确性。 ( 4 ) 基于回归分析法的预测技术 回归预测是根据历史数据的变化规律，寻找自变量与因变量之间的回归方程 式，确定系统的模型参数，然后据此做出预测。回归分析法一般适用于中期预测。 回归分析法要求样本量大且要求样本有较好的分布规律，当预测的长度大于占有的 原始数据长度时，采用该方法进行预测在理论上不能保证预测结果的精度。另外， 可能出现量化结果与定性分析结果不符的现象，有时难以找到合适的回归方程类 型。 ( 5 ) 基于支持向量机的预测方法【2 5 。2 6 】 支持向量机( s u p p o r t v e c t o rm a c h i n e ，s v m ) 是在统计学习理论基础上发展起来 的一种新的、非常有效的机器学习方法。它的理论最初来自于对模式识别问题的处 1 0 华北电力大学高校教师在职攻读硕士学位论文 理，后来扩展至回归领域。支持向量机通过结构风险最小化原理来提高泛化能力， 较好地解决了小样本、非线性、局部极小点等实际问题，克服了灰色模型等各类方 法的不足，适用于电力变压器油色谱故障气体预测。最d , - 乘支持向量机( l s s v m ) 是标准支持向量机的一种扩展，优化指标采用平方项，并用等式约束代替标准支持 向量机的不等式约束，即将二次规划问题转化为线性方程组求解，降低了计算的复 杂性，提高了求解速度。l s s v m 优化模型参数的选取对算法性能有很大影响，并 且参数选择的恰当与否会也会对样本数据的惩罚和训练误差带来很大的影响，因此 很有必要对其进行优化。因此，本文利用改进遗传算法( i g a ) 改进的最小二乘支持 向量机理论应用于变压器油中故障气体预测，建立了基于特征气体的预测模型，考 虑了它们之间的相互影响，实例分析表明该预测模型的预测精度高，并具有较强的 泛化能力。 1 3 本文主要工作 本论文针对变压器油中溶解气体含量的预测和故障诊断方法，以及变压器综合 状态评估进行了研究。主要进行以下几方面的研究工作： 1 ) 介绍了支持向量机、最小二乘支持向量机和遗传算法、改进遗传算法的基 础知识。 2 ) 分析了基于改进遗传算法的l s s v m 对于电力变压器的故障诊断的中的应 用优点。改进遗传算法采用了新的编码技术和随机地产生初始种群的方法，并且遗 传操作中的采用变异概率随适应度自动改变的自适应遗传算法，可达到快速扩大搜 索空间，稳定群体中个体多样性等的目的。同时，算法使父代中一定数量的优秀个 体直接进入下一代，这样可防止复制、交叉或变异中的偶然因素破坏优秀个体，使 优化过程在概率性上全局收敛。最后的实例分析表明了该方法的有效性。 3 ) 分析并用实例证明了基于改进遗传算法的l s s v m 在油浸变压器故障气体 预测中的应用。 4 ) 建立了电力变压器故障诊断和预测数据管理信息系统。该系统可以对变电 站各变压器进行数据管理和保存，并对这些数据进行管理和评估。通过对历史数据 的评估可以得到变压器的故障诊断和预测，对其提出运行和检修建议。 华北电力大学高校教师在职攻读硕士学位论文 第二章基于i g a 改进的l s s v m 变压器故障诊断 2 1 支持向量机及其统计学理论基础 本文利用最d , - 乘支持向量机预测变压器油中溶解气体的含量并对其进行诊 断。最小二乘支持向量机是在标准支持向量机基础上的扩展，且这里应用改进遗传 算法对l s s v m 进行参数寻优，快速准确的在大范围内找到优化值，训练过程中使 用的样本数据是变电站的实际运行数据，因此数据量有限，而结构风险最小化原理 恰好能够保证支持向量机在小样本情况下的学习性能，而不至于出现过学习和泛化 能力不足的问题。变压器有种溶解气体之间有着复杂的非现行关系，因此，利用变 压器油中溶解气体含量本身来预测下一时间的含量属于支持向量机中的非线性回 归问题，而对其进行诊断则属于支持向量机的分类问题。这里将对预测和诊断过程 中涉及到的支持向量机的内容及推导过程进行具体介绍，并将其用于变压器的故障 诊断。 2 1 1 统计学理论 统计学习理论 2 7 - 3 0 】是起源与上世纪六、七十年代，由v a p n i k 等人开始研究的种 专门研究小样本情况下机器学习规律的理论。到了上世纪九十年代中期，随着统计 学习理论理论的不断发展和成熟，也由于像神经网络等其他学习方法在理论上缺乏 实质性进展，其开始受到越来越广泛的关注。 统计学习理论是建立在一套较坚实的理论基础之上的一种基本统计理论。其主 要内容包含以下四个方面：( 1 ) 经验风险最小化原则下统计学习一致性的条件；( 2 ) 在这些界的基础上建立的小样本归纳推理原则，即结构风险最小化归纳原则；( 3 ) 在这些条件下关于统计学习方法推广性的界的结论；( 4 ) 实现这些原则的实际方法 ( 算法) 。 统计学原理的核心理论内容主要包括以下的两个方面： ( 1 ) 结构风险的最小化 我们从经典的理论的学习中可以知道，经验风险最小化原则在样本有限时是不 合理的。我们需要同时最小化置信范围和经验风险。统计学习理论提出了把函数集 构造为一个函数子集序列这样一种新的策略，使各个子集按照v c 维的大小排列顺 序。结构风险最小化实现了在给定数据的逼近精度和逼近函数复杂性之间的一种折 衷，通过选择子集最，折衷考虑经验风险和置信范围，使得在所选择的子集中最小 化经验风险从而取得最好的实际风险的界。这种思想称作结构风险最小化( s t r u c t u r a l 1 2 华北电力大学高校教师在职攻读硕士学位论文 r i s km i n i m i z a t i o n ) 。 实现s r m 原则可以有两种思路，一是在选择使最小经验风险和置信范围之和 最小的子集之前求出每个子集中最小经验风险。显然这是一种比较费时的方法，在 子集数目很大甚至是无穷时不可行。因此有第二种思路，即设计函数集的某种结构 取得每个子集中的最小的经验风险，如使训练误差为o ，然后只需选择适当的子集 使置信范围最小，则这个子集中使经验风险最小的函数就是最优函数。支持向量机 方法实际上就是这种思想的具体实现。 ( 2 ) v c 维 v c 维反映函数集的功能是函数集的学习能力。v c 维越大则学习机器容量越大， 也越复杂。但是，到目前为止，尚没有通用的关于任意的函数集v c 维计算的经典 理论，只对一些特殊的函数集知道其v c 维。对于一些比较复杂的如神经网络一样 的学习机器，这些学习机的v c 维除了与函数集，如神经网络的神经网结构，有关 外，还受到这些学习算法等影响，其确定十分的困难。 2 1 2 s v m 的基本思想 支持向量机是在统计学习理论基础上发展起来的一种新的、非常有效的机器学 习方法。它的理论最初来自于对模式识别问题的处理，后来扩展至回归领域。其机 理可以简单地描述为：寻找一个满足分类要求的分割平面，并使训练集中的点距离该 平面尽可能地远，即寻找一个分割平面，使其两侧的空白区域最大。支持向量机的 基本思想可以概括为：首先通过定义适当的核函数进行非线性变换，将输入空间变 换到一个高维空间，然后在这个新空间寻找支持向量，即距离最优分类面最近，并 且根据平行于最优分类面的超平面上的训练样本构造最优分类面，增加了对测试样 本的泛化能力【3 卜3 3 】，其基本结构见图2 1 。