[发明专利]一种基于故障概率模型的油浸式变压器故障诊断方法

说明书

技术领域

本发明属于电力设备故障诊断技术领域，具体涉及一种基于故障概率模型的油浸式变压器故障诊断方法。

背景技术

在电力系统中，电力变压器担负着电网间电压变化、电能转化的功能，是电力系统中最重要的设备之一。变压器在运行过程中的故障一方面会对设备本身造成损伤或损坏，对所带用户造成停电；另一方面也可能引发系统事故，其危害更大。随着计算机技术、智能技术和传感器技术的不断发展，各种智能故障诊断技术已经开始应用于电力变压器的故障诊断中，成为变压器故障诊断的一种方便、有效的重要手段。利用网络技术实现技术监督系统、通过对电力变压器等电气设备进行故障检测和分析诊断，从而准确、可靠地发现这些设备中潜在的故障，能有效地防止由此引起的重大电力事故，实现从现行的预防性检修方式向状态检修方式转变，对电力系统运行的安全可靠性和经济性都具有十分重要的意义。

油浸式变压器是电力系统中的关键设备，其安全稳定运行意义重大。油浸式变压器的绝缘系统主要由绝缘油和绝缘纸组成。在变压器运行过程中，绝缘油和绝缘纸会在热和电的作用下逐渐老化分解，其绝缘强度会逐渐降低。利用各种化学分析技术可以检测到老化过程产生的水分，CO、CO₂、H₂、烃类以及呋喃等物质。各类气体的含量会因为故障类型的不同和严重程度的不同而表现出较大差异。在众多物理检测手段和化学检测手段中，油中溶解气体分析(dissolved and free gas analysis，DGA)通过分析气体的组分和含量来检测设备状态，可及时发现内部潜伏故障及其严重程度，因其无需影响变压器正常运行而成为最广泛应用的油浸电气设备故障探测和诊断手段。油中溶解气体分析是国际通行的IEC 60599标准的核心内容，该标准被翻译转化为国家标准GB/T7252。

传统的变压器故障诊断方法有Rogers法、Dornerburg法、Duval三角形法等。在这些方法的基础上，近些年来人们还将各种智能技术引入变压器故障诊断中，例如专家系统、模糊算法、人工神经网络、证据理论、支持向量机理论等等，取得了一定的成果。但是这些变压器故障诊断方法给出明确的故障类型，多侧重于诊断的准确率，误诊断的现象无法避免，误诊断的结果对现场人员的没有任何指导意义。

发明内容

针对现有技术所存在的上述技术问题，本发明提供了一种基于故障概率模型的油浸式变压器故障诊断方法，在特征模式匹配过程中引入了概率，使得诊断结果更加全面反映油浸变压器内部情况，有效解决现有同类方法中存在的弊端，达到更好效果。

一种基于故障概率模型的油浸式变压器故障诊断方法，包括如下步骤：

（1）通过收集变压器故障状态下油中溶解气体含量的历史数据信息，以得到变压器对应各种故障类型的多个特征训练样本；所述的故障类型包括低温过热、中温过热、高温过热、局部放电、低能放电和高能放电六种；

（2）对于任意两类故障类型E1和E2组合，根据这两类故障类型的特征训练样本计算出这两类故障类型组合的二分类支持向量机的决策函数，进而根据所述的决策函数建立这两类故障类型组合的二分类故障概率模型如下：

P(y=1|x)=11+exp(Af(x)+B)]]>

P(y=0|x)=1-P(y=1|x)

其中：x为故障变压器的实际特征样本，f(x)为所述的决策函数，y为故障类型的标签值且故障类型E1和E2对应的标签值分别为1和0，P(y=1|x)和P(y=0|x)分别为将实际特征样本x输入至以上二分类故障概率模型中得到的对应故障类型E1和E2的概率值，A和B为模型参数；