基于变压器故障分类的dga特征提取

《基于变压器故障分类的dga特征提取》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于变压器故障分类的DGA特征提取　　(锡林浩特供电局，内蒙古锡林浩特026000) 　　摘要：文章从模式识别的角度出发，提出在应用DGA对电力变压器进行故障诊断的过程中，若能针对具体的分类模式，提取出能够区别不同类别模式的“选择性”的信息，将有利于提高诊断效果；对放电与过热故障的气体特征、电路过热与磁路过热故障的气体特征进行选择和测试，表明根据不同的分类模式进行气体特征提取对提高故障识别效果将是有益的。 　　关键词：变压器；故障诊断；模式分类；特征提取 　　中图分类号：TM85文献标识码：A

2、文章编号：1007—6921(XX)17—0074—02 　　应用油中溶解气体分析(DissolvedGasAnalysis简称DGA)进行变压器故障诊断属于模式识别中的模式分类问题；特征提取是其中的关键环节，特征提取是否得当直接关系到诊断的效果。通常，人们在基于DGA样本进行变压器故障识别时，无论采用哪种故障分类方式，往往是直接利用DGA样本的模式特征、四比值法或IEC三比值法等，并没有针对具体的分类模式，先提取出与故障模式分类有关的特征信息进行识别，以致造成诊断效果不够好。为此，本文提取了放

3、电与过热故障的气体特征、电路过热与磁路过热故障的气体特征，并应用模糊模式识别方法进行了测试，测试结果表明提取出合适的特征信息确实有利于提高变压器的故障识别率。 1提取油中溶解气体特征的必要性 　　模式分类的过程需要通过特征提取，将模式空间映射为特征空间，再通过合适的分类器将特征空间映射为类型空间；其中特征提取是一个关键性的环节。在基于DGA技术进行变压器故障诊断的过程中，一般人们是直接利用DGA样本的特征，如在使用DGA样本时，通常选用H2、CH4、C2H4、C2H6、C2H2、CO、CO2这七

4、种气体或其中的五六种作为故障的模式特征。这实际上是直接将模式空间映射到类型空间进行分类，因而具有一定的盲目性。直接分类之所以无目的，是因为对分类来说，重要的不是对一个模式进行完整的描述，而是要提取出那些导致区别不同类别模式的“选择性”信息，即集中那些对于分类来说是重要的信息。［1,2］在应用DGA进行分类时，所选用的气体特征应尽可能包含表征分类的模式信息，而不再包含其他信息；由于DGA样本数量比较有限，且有些特征对分类的贡献有时很小，还有些特征如CO和CO2的数据分散性又很大，其数据变化程度对某些故

5、障识别来说并不敏感，这些可能的干扰对分类将是不利的。因此，很有必要通过特征的提取和选择，寻找有利于故障分类的信息以提高分类效果。 　　2从IEC三比值看区别放电类和过热类的特征 　　IEC三比值虽然在比值编码和编码界限等方面还存在缺陷，但从实践效果看，仍是一种用于识别早期潜伏性故障的相当有效的方法，且我们仍能从三比值的编码上找到一些有益于故障分类的规律。根据表1和表2的IEC编码情况［3］，暂不考虑无故障状态，作者对三比值编码数值特征分布初步总结如下： 　　740)this.width=740"

6、border=undefined> 2.1从比值C2H2/C2H4看 　　放电类故障和过热类故障在＜0.1范围内，也就是较小范围内有所重叠。即低能量局放的编码0和过热类故障的编码0重叠。 2.2从比值CH4/H2看 　　过热类故障的低温过热(2H4/C2H6看 放电类故障和过热类故障在3的整个范围 　　和过热类故障在3的整个范围内多处重叠，即相对于比值C2H2/C2H4和CH4/H2而言，它在更大范围内有所重叠。 　　而从模式分类的角度看，所选特征的数据分布在不同类别之间若存在较大差

7、异，则对分类是有益的；反之，若特征数据分布的重叠性强、重叠范围大，则往往不利于分类。因此从以上对三比值的总结看，假如已初步判定变压器存在故障，将首先要对放电类和过热类故障进行识别，这时比值C2H2/C2H4应是一个很主要的特征，因为相对于比值CH4/H2和C2H4/C2H6而言，放电类故障中只有低能量局放和过热类故障在0～0.1很小范围内有所重叠。从本文后面的测试也可看出，单独用比值C2H2/C2H4作为特征以区别放电类和过热类故障相对于其他特征组合具有更高的识别率。 3应用模糊模式识别测试特征提取

8、的效果 3.1模糊模式识别 　　模糊模式识别是将模糊数学的隶属函数应用到模式识别中，将隶属度作为模式之间相似性的测度；隶属度越大，则待识别模式与此已知模式的相似度越大，故应归入此类模式。［4］其识别步骤为： 　　3.1.1待识别对象的特性指标即特征的选取。选取能够表征分类特征的特征信息，将待识别对象用特征矢量μ=(μ1,μ2,…,μp)表示，其中μi代表选取的特征。 　　3.1.2构造模糊模式的隶属函数。这一步是识别工作的关键。 　　3.1.