基于三比值法的变压器故障诊断识别

Dianqi Gongcheng yu Zidonghua♦电气工程与自动化
基于三比值法的变压器故障诊断识别
杨N邢光兵
(南京铁道职业技术学院，江苏南京210031)
摘要:变压器作为电力系统发、输、变、配电环节重要的电气设备，其故障能被快速、精准地诊断对电力系统稳定运行起到至关重要的作用。

目，变压器气体的被变压器部故障诊断，现利对变压器进行诊断，在收集5种变压器故障的基，利用ReliefF对的重要性进行，利KNN器进行故障实，变压器故障。

关键词：变压器故障；；ReliefF；KNN
0引言
我国经济快速发展，对电力系统稳定性的要求也越来
变压器电力生输的设备，发生故障，对电系统生，
大的，至，为障电力系统的运行，对变压器进行故障诊断。

电系统变压器在运行后，环电气
现故障：(1)；(2)铁芯
；(3)电压、；(4)变压器！1"2#。

但变压器故障往往是多状态并存，且状态具有很强的随机，对其进行故障诊断十分困难。

通对变压器的气进行析从而判断变压器是否目前变压器内部故障诊断最主要的o 1952年，学者M a rtin提出了气相色谱析！3#。

Domenburg等人提出了基于CH4/H2和C2H2/C2H3的经典两比值法来区变压器常见故障随多学者证明了变压器气与故障温度存在对关系o1978年,国际电工委员会(IEC)拟定将三种气体对比值(C2H2/C2H4、CH4/H2'C2H4/C2H6)作为变压器故障诊断，从而确立了变压器故障诊断的统一标准。

目前，基于DGA(气析)的已在电力生产中得到了大量
本文收集了330组变压器三比值样本，共涉及5种常见的故障利ReliefF对IEC进行重要计算，得故障与之间的关联关系，利用KNN分类器对故障进行分类，实验结果证实了该方法的有效性。

1变压器故障及三比值法
根据我国颁布的《变压器油中溶解气体分析和判断导贝f(GB/T7252-2001)，在变压器内部出现不同类型的故
基金项目:江苏省高职院校青年教师企业实践培训资助项目(2020QYSJ166)；南京铁道职业技术学院立项课题(YZ19011)；江苏省大学生创新训练计划项目资助(201913106001Y)障时,气体的主要和次要成分会出现不同的组合［5］，其对应关系如1所m。

表1变压器故障及对应气体主要成分
气体主要成分气要变压器故障类型徑也C2H4>C2H2>C2H4变压器油电弧CH4、CH4、CO、CO2c2h2>h2变压器
C2H4、CH4H2、C2H2变压器GH2、H2、CO、CO2C2H4>C2H2>CH4变压器电弧GH2、H2
变压器生电在变压器故障分析中，可以通过气相色谱仪对变压器油中的气进行析。

发生故障，气在线监测仪发声光警报，在对变压器采样通气相色谱仪进一步析气的成分，确定具体的故障类型。

在三对比值中，不同的气体比值对应不同的编码数值。

编码数0、1、2组，根据同的对编码组合，以映射到具体的故障其具的对构如表2所示。

表2三对比值与编码规则
比值范围CH4/H2CH/CH%CH2/CH4
<0.1100
[0.1，1)001
!1，3)211
!3222
为了析同故障与对之间的关联关系，
从而对变压器故障进行分类识别，笔者广泛收集了表1中5故障状态下的三对，并进行了故障标注，共计330，其数据集组如图1所示。

2特征关联性分析
为了能映对与故障的关联
，采ReliefF对进行ReliefF Relief 的，量多题重要的
ReliefF的主要思想是有区分度的特征应该靠近相同的类别，并且同的。

ReliefF选择一个随机的样本c：，并且寻找附近人个相邻的样本5,这里所集合为C。

如5为相同的
机电信息2021年第11期总第653期11
［电气工程与自动化♦ Dianqi Gongcheng yu Zidonghua
c (
,则在第"次计算时特征A 重要性w k (f/可由下式表述：
h
W" 4)*W"T 4)
-厶！( (c (, C q )
(1)
!h 尸$
如果C (和C q 为不同的类别,W" @)可以表述为：
h
W "@)=W"t 血-丄
((C (, C q ) (2)
! C " C, 1_P r j=1
式中：从为类别C (在总类别中的比值;內为类别C q 在总类别
中的比值；！为迭代次数;((C ,, C q )为C ,和C q 之间的距离。

初始值W°S )=0。

3 KNN 分类器
KNN
分类器作为一种基础的分类算法,通过测量不同
特征之间的距离来实现。

KNN 分类器在训练阶段仅仅将训
练样本进行保存，因此与其他分类器相比，其在训练阶段
没有可显示的训练过程。

在测试阶段，根据测试样本的，个
的类别来 其类别，因此，数,和不同的距离
算方式
的分类果造成显著的差异。

其原理示
意图如图2示。

图2 KNN 分类器原理示意图
4实验分析
为了进一步对特征进行重要性分析以及对故障进行 分类另U ，将330数
，
230
数据
为训练，下的100数据为测试集。

在Matlab 环境下
ReliefF
函数对训练集特征进
行分，数参数中
数选取为10。

特征重要性数值
如表3所示。

表3对比值特征重要性分析
对比值CH 4/H 2C 2H 4/C 2H %
C 2H 2/C 2H 4
重要性
0.81
0.056
0.14
表3可以 ，特征值中CH 4/H 2具有 的区分，
其重要性显著 其 特征；C 2H ;/C 2H %和C 2H 2/C 2H 4分度
较弱，但是仍具备一定的区分。

随后利用KNN 分类器对数据集进行分类识别。

令
,=10, 测试集的分类果。

果如图3所示，100个
测试样本中仅2、4、13、24、66样本现测 ，分类
为95%，显示了在三比值法下KNN 分类器的有性。

5结语
本文以电力系统变压器中基于DGA 的三比值法为研
了 5种
，330组样本，并制作训练
和测试。

ReliefF
算法 比值特征进行分
3
种特征在 别中的 分度， KNN
分
类器 测试 进行 另U 。

实 果表，相比于C 2H 4/C 2H 6 和C 2H 2/C 2H 4, CH 4/H 2特征具有更好的区分度，同时KNN 分 类器 可以 测试 样本进行有 别9分类 为
95%
，从而验证了三比值法的有效性。

[参考文献]
[1] 王桂英，张世军，潘思尧•基于神经网络的变压器故障
法 [J].算机测量与控制，2012,20 (7)：
1760-1762'
[2] 李刚，于长海，范辉，等•基于多级决策融合模型的电力变
器 深
法[J]' 自动化设备,2017,37
(11):138-144.
[3] 黄祥柠，马腾，苏骏•基于故障特征气体与C 2H 2/C 2H 4比值分
类的反馈型
器 [J].气开
关,2014,52(5):45-48.
[4] 闫伟•智能诊断方法在电力变压器故障识别中的应用[J].
石化技术,2020,27(9):241.
[5] 刘晨斐•基于多源信息融合的电力设备故障诊断的研究
[D].上海:上海电力学院，2018.
收稿日期：2021-02-22
作者简介:杨Q (1988—),男，江苏南京人，讲师，研究方
向： 子与 传动。

K
机电信息2021年第11期总第653
期。