基于SVM算法的变压器DGA和故障诊断

电气工程与自动化♦Dianqi Gongcheng yu Zidonghua
基于SVM算法的变压器DGA和故障诊断
陆敏安'任堂正'肖远兵'陈敬德'崔明飞
(1.国网上海市电力公司青浦供电公司，上海201799；2.亿可能源科技(上海)有限公司，上海200433)
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。

研究明，传统算法的故障诊断正确率在43%〜54%,的SVM算法正确率76.77%。

23%的正确率分证明了SVM算法在故障征识别中的先进性,对变压器运维提供了力的技术支持。

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
确评估变压器运行状态对电网可性运维
故有重要。

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IEC60599提出的三比值法［2］,
国内的科研了压器油中溶解气体分析和判断
〉(DL/T722—2014)用正确评估变压器油的量和
运行状况!3。

传统分析法有国电的支持，的法保证正确率!4$5。

,统和性理论等方法逐渐被应用于DGA!6$7"。

比于传统的DGA法，这些评估
体的确了故障识别的正确率，但是有限的■依于的机识，中的，应用。

先进的能算法用于DGA，如BP神经网络，是网络收敛速度慢，容易过拟合，并且在量少时无法保证正确率的缺点阻碍了它的进一步应用与推广冈。

基于对往发表论文的研究，了显著提升基于DGA的故障诊断的正确率，需要使用有坚实基础并且适用于小样本的机器学习算法。

本文将介绍支持向量机算法(SVM)在DGA中的应用。

第一节首先介绍SVM算法的原；第二节则验证SVM在DGA故障诊断中的正确率，并将其与传统算法进行对比;第三节对文章成进行了总。

1SVM算法原理
支持向量机(SVM)［9$10］的理论依据是统计学习，通过数据挖掘的方法，解决模式识别、时间序列分析问题，最小了经验风险和型复杂度的同时，在样本有限的条件下，能够确输岀函数的平滑性型的广性［11］o
二分类问题举［10］，如图1(a)所示，要将灰、黑两种类别分类，图1(b)中供了一个分割线A，可称为分类线。

是，推广到高维空间，当要分割的是一维二维的数据，分割的点和线，称作决，线所的点称支持向量。

图1(c)中提供了决策面B和其对应的支持向量。

虽然A和B到了将黑两类分类的，SVM算法会认为A在性能上于B,其是决A的分间隔大于B,分类间隔决移动到“支持向量”所形成的平的极限距离。

所，SVM的学习就是间隔最大化，其机
图1二分类问题示意图［10］
一个不仅能以一定的精度完成问题分类，并且还能保证决策面到两支持向量间隔最大的最分类！10，12。

图1中的点可!，它的可以看作类别y,训练集可以写为｛土1｝，由于图1中的黑线性可分，分类可以写作xw+b=0,&向量为偏。

了所有样本可分类面进行正确分类，并且有一的分类间隔的条件，需
"1#=1,2,…，)(1)了实现间隔最大，需实现
式⑵中，曙为分类间隔，利用拉格朗日函数，解决式(2)中的约束最问题：
*(&,(,+)=-1||w||_+(y(&!+()$1)⑶拉格朗日乘数+#&0,当函数的鞍点对w和(的偏导等于0时，最问题的解，对偶问题，为：
i i i
max,(-)=(临)
}=12#=1}=1
i
s.t.!-y=0#=1,2,…,I,—"0,j=l,2,…,I
.=1
4)则最优解为-L=(-「,《/,…，-i*)T,最优权值向量和最优偏分别
i
w M=!
.=1
i
b M=yr!y-M(!的)
.=1
最优分类面为w M x+b M=0,最优分类函数为:
f(.x)=sgn
5)
6)
2基于SVM的变压器DGA和故障诊断
2.1变压器DGA和故障诊断原理
油浸式变压器的绝缘油主要有两种元素:碳和氢。

当变压器内部发生过热和放电反应时，绝缘油和绝缘材料则发生化学分解，产生氢气、U类气体和碳氧化物[1]=油中溶解的气体包括7种：氢气（H2）、甲烷（CH=）、乙烘（C2H2）、乙烯（C2H/、乙烷（C2H6）、一氧化碳（CO）、二氧化碳（CO2）3"=
上述7种气体可以作为故障特征气体，它们的种类、含量、气体之间的比例关系也直接反应了变压器的故障类别，例如低温过热产生大量H2，过热产生少量C2H4，故障绝缘材料时则产生量CO和CO2=DGA的变压器故障类别可分为6种：过热300G以下（T1）、过热300〜700J（T2）、过热700K以上（T3）、低量放电（D1）、高能量放电（D2）和局部放电（PD）[2]o
2,2算例分析
2.2.1数述
TPC&KHB变压器故障案例数据!13"，对SVM算法在溶解气体故障特征分析中的应用果。

案例中的DGA故障数据数量为215，7:3的比例分为和
试集。

CO2的数比例达至1J60%，中
6种气体为特征气体。

U类气体也作为特征气体，CH4、C2H2、C2H4和C2H6种气体浓度之和。

一个特征量为有特征气体的量。

2.2.2SVM
对低间内可分的问题，SVM算法可以将其映间，变可分叫，如果有：可分的例间中，的和算
上=核函数的存在，可以在低上进行算，的分类果在上，了直接在间中的运算。

中,在应用SVM算法DGA故障特征分析时，了4种核函数,分别为核函数（Linear）、多项式核函数（Poly）、径向基核函数（Rbf）以及Sigmoid核函数!14#15"=
，SVM模型还有两个重要参量:C和孙14#15"=C为惩罚系数，为对的=C的数对
的低，过，C的数也
合，果=!为核函数的一量，了低
数特征间的分布。

！的数和支持量的数反比，支持向量的数机器学习的速度=因，对C和！的，是优化SVM算法分类果的重要步骤。

通过GridSearchCV函数对SVM算法的核函数、C和！进行优化，即对几种参数在被设的取范围内做依次循环，选取获得最优果时所对应的数取=C的取范围在2＜〜23,!的取值范围在2#20〜2#10,模型的正确率计算公式如式（7）示，同核函数的分类结果如1所示。

正确率=预正确数
数X
100%7)
如表1所示'Linear核函数的分类正确率最高，其所对应的C和！值为422.32和0.0009=虽然正确率高达93.84%，但这仅仅是针对中一组数据的分类果。

为了更好地评估的优
表1不同核函数的SVM正确率验证
核函数C正确率
Poly724.070.000?99.23%
Rbf724.070.000?976.92%
Linear422.320.000?993.84%
Sigmoid456.140.000?972.31%
劣，需要"折交叉，防止因数量少或
过象。

数分割"子，一个单独的子样本作为数，K-1用来=交叉重"次,每子一次，采用20折交叉识别故障特征的种类，平均正确率为76.77%=虽正确率大幅,是通过增加的随机性，更准确和客观地体了
的泛化能力。

2.3SVM算法和传统算法的比较
为了 上述观点和体现SVM算法的优势，将IEC三比法和无编码比法设的省参数应用案例数据中，故障分类的正确率对比如2示=
表2SVM算法与其他算法的正确率对比
方法名称正确率
IEC三比值43.99%
无编码比值54.72%
SVM76.77%
2可知，传统的三比法正确率最低，仅为43.99%。

无编码比法为54.72%，正确率提高了约10%=SVM算法的整体正确率76.77%，相比于传统的三比法，其正确率
高了约33%=一结果充分证明了SVM算法在DGA故障诊断应用中的=
3结语
介绍了SVM算法，并应用于变压器的DGA和故障诊断中。

在对SVM算法优化，通过算例分析得出SVM算法的故障诊断准确率为76.77%，对比传统算法
了10%〜33%=
的果体了机器学习算法在DGA和故障诊断中的优势，但是算法应用电力设备中处初步尝阶=数量，算法的正确率有较大的上升空间，更的算法也被逐一尝应用，
和的电力设备评估体系=
[参考文献]
[1]操敦奎.变压器油中气体分析诊断与故障检查[M],北京：中
国电力出版社,2005.
⑵Mineral oil-filled elect/icol equipment in service#
Guidance on the interpretation of dissolved and free gases analysis:IEC60599—2015[S].
[3]变压器油中溶解气体分析和断则：DL/T722—2014[S].
[4],-三比特征量算法优化
支持向量机的变压器故障[J].,2018,15（29）：5-7.
[5],,，等•分布模型的变压器差异化预警
算方法[J].电压技术，（下转第25页）
存在线路测试电压判断原则的第一、二种情况(馈线电压超出 900 -)。

电 # 211、212
电成, 断路器的！. 集(3),
说明213、214开关!r >!flow 条件成立，排除母线电压 别异常。

所以故障点在U4U^，即 时的 残压大于残压 定值。

ADJ.CUBICLE
U8F1BUSBAR VOLTAGE
2000 V*
X-ANA
GND
2kV/5V
电压测量
-<RB —^B+
—4b ->9A124
V) P«tl
0-2kV J" 0-5V
BUSBAR VOLTAGE 2kV/5 V
W*ffi2kV/5V
->9A123
图3保税区直流开关柜母线电压采集回路
3故障确认
过 确认故障因$214
因残压大于整定值,
导致线路测 不 过，断路器合闸闭锁动作、断 器位置控制
失败。

4残压产生原因及应对措施
4.1残压产生的原因
残压的产生是由接触网 内绝缘电阻分压比例 决
定的，是采用分段绝缘器连接的接触网的固有特性，无法彻底
(上接第23页)
2016,42(7):2290-2298.
[6] 王永强，律方成,李和明•基于粗糙集理论和贝叶斯网络的电
力变压器故障诊断方法[J].中国电机工程学报,2006,26
(8)： 137T40.[7] 张俊•基于灰色理论的变压器故障预测与评估[D].成都：西
华大学,2012.
[8] 李江浩.基于改进神经网络的变压器故障诊断方法的研究
[D].北京:华北电力大学，2015.
[9] 丁世飞，齐丙娟，谭红艳.支持向量机理论与算法研究综述
[J].电子科技大学学报,2011,40(1):1-10.
[10] CRISTIANINI N, TAYLOR J 支持向量机导论[M],李国正，王猛，曾华军，译•北京：电子工业出版社,2004.[11] - . 基于支持向量机和 中 的变压器故
障诊断[D]. : 大学,2007.
[12] 张学工•关于统计学习理论与支持向量机[J]自动化学报，
2000#26(1): 32-42.
消除，尤其是雨、雪、雾、霾等恶劣天气情况下更为明显。

4.2残压导致测试不通过处置措施
(1) 提前修改接触网残压 定值，减少残压对设备送电
影响频次。

(2) 在场段等单边供电分区，建议电调先对接触网相邻分
区停电，再对故障
进 电,然后恢复其他 。

(3) 如 正
双边供电 ，议电力调度先试送与故
障 供电 的对侧 ，再本侧 。

(4) 出 段 单边供电 , 影响 时, 电调
采用越区供电方式进 接触网供电。

5结语
直流1 500 V 开关柜作 所 ，
定 确
性 残压作 用 段绝缘器连接的接
触网的固有特性，无法彻底消除， 过认真 研究，减
少残压对
电频的影响，时故障 下 时间
恢复设备，缩短故障影响时间，确保地铁运营 飞
[参考文献]
[1] 孙彰林•何颖•地铁供电系统可靠性设计[J].现代城市轨道
交通，2006(1):14-16.
[2] 王 ， ，赵垒.城市轨道交通直流牵引供电系统接触
网残压研究[J].城市轨道交通研究,2015 (') : 55-59.
[3] 江大 雪 电 有 .SEPC0S-NG 保护功能说
明书[Z],2011.
收稿日期：2020-05-19
作者简介:杜琳(1986—"，男，陕西西安人，工程师，研究方向：
供电
王兆力(1986—"，男，陕西西安人，工程师，研究方向：地铁
供电
[13] 王锦融.利用GSM 资料收集模组与
支持向量机 器建
电力变压器故障诊断
[D].高雄:国
用科技
大学#2005.[14]
，刘剑，刘丽，等.基于SVM 的通风系统故障诊断惩罚
与
化研究[J].中国
科学技
2019#15(4):45-51.
收稿日期：2020-06-04
作者简介：陆敏安(1983—)，男，上海人，高级工程师，研究方
向:变电
任堂正(1990—"，男，山东人，硕士，工程师，研究方向：变电设
电
(1991—"，男，江西人，硕士，工程师，研究方向：继电
保护。