一種基于關聯(lián)規(guī)則的變壓器關鍵參量提取方法

程宏波，裘德新，王 勛，辛建波，張 宇

（1.國網(wǎng)江西省電力公司電力科學研究院，江西 南昌，330096；2.華東交通大學電氣與自動化工程學院，江西 南昌，330013）

一種基于關聯(lián)規(guī)則的變壓器關鍵參量提取方法

程宏波1，2，裘德新2，王 勛2，辛建波1，張 宇1

（1.國網(wǎng)江西省電力公司電力科學研究院，江西 南昌，330096；2.華東交通大學電氣與自動化工程學院，江西 南昌，330013）

從眾多的指標中篩選關鍵參量可提高變壓器狀態(tài)識別的準確性和效率。針對變壓器的狀態(tài)識別，提出一種基于關聯(lián)規(guī)則的變壓器狀態(tài)關鍵參量提取方法。首先在分析變壓器狀態(tài)指標參量與故障類別關聯(lián)關系的基礎上，構建較為全面的變壓器基礎參量體系，然后運用關聯(lián)規(guī)則將變壓器故障類型與指標參量之間的關系進行量化，通過計算得到各指標參量的支持度與置信度，以滿足兩者最小閾值為條件提取出變壓器狀態(tài)關鍵參量，從而構建變壓器狀態(tài)關鍵參量體系。最后以某變電站故障統(tǒng)計數(shù)據(jù)為例進行驗證，為變壓器監(jiān)測數(shù)據(jù)分析提供一種新的思路。

關聯(lián)規(guī)則；關鍵參量；特征提取；狀態(tài)評估

電力變壓器是電力系統(tǒng)的關鍵設備，對變壓器的運行狀態(tài)進行準確評估有利于對變壓器實施狀態(tài)檢修，對變壓器的故障進行提前預警，盡早發(fā)現(xiàn)設備存在的缺陷以及安全隱患，從而保證變壓器的安全穩(wěn)定運行。

變壓器狀態(tài)評估的方法很多，選取的不同指標參量判斷變壓器部位狀態(tài)也不同。如油中溶解氣體分析（dissolved gas analysis，DGA）利用油中特征指標 H2，CH4，C2H6，C2H4，C2H2的體積占比作為變壓器故障判斷的重要依據(jù)[1-2]，文獻[3-4]則選取了絕緣油試驗中油中含水量、油擊穿電壓、油介損、糠醛含量等指標，通過狀態(tài)評估方法來綜合判斷絕緣油受潮及老化程度；針對變壓器繞組鐵心運行狀態(tài)的分析，文獻[5-6]選取繞組絕緣電阻、繞組介損值、繞組泄漏電流、鐵心接地電流、鐵心接地電阻等指標，文獻[7]則通過局部放電量、油中含氣量、繞組直流電阻等指標來反映變壓器局部放電故障。

這些指標分別從不同側面、不同程度上反映了變壓器的運行狀態(tài)，當變壓器發(fā)生某一故障時，通常會引起一系列指標參量隨之變化，實際上，這些指標參量之間是相互關聯(lián)、相互影響的，它們都共同表征了變壓器同一故障狀態(tài)。從眾多指標參量中提取最能反映變壓器狀態(tài)的關鍵參量，通過直接分析變壓器狀態(tài)關鍵參量，能提高變壓器狀態(tài)評判的準確度，降低變壓器狀態(tài)監(jiān)測指標的分析處理難度，對變壓器狀態(tài)的判斷識別有著重要意義。目前大多數(shù)學者注重對變壓器狀態(tài)評估方法的研究，如文獻[8]采用關聯(lián)規(guī)則與集對分析融合的故障診斷方法，利用關聯(lián)規(guī)則得到指標參量權重，但選取是與狀態(tài)評估相關的所有相關指標，并未對變壓器狀態(tài)關鍵指標參量進行提取，文獻[9]則通過關聯(lián)規(guī)則建立輸電線路指標參量矩陣，運用主成分分析法對指標重要程度進行排序，從而提取出關鍵參量，但由于輸電線路分布廣，運行環(huán)境條件也各不相同，對變壓器并不適用。

因此本文考慮變壓器指標參量與變壓器故障之間的聯(lián)系，提出關聯(lián)規(guī)則特征提取方法，在分析變壓器故障類型與監(jiān)測變量之間機理的基礎上，建立了變壓器故障狀態(tài)與指標參量之間的關系，利用樣本數(shù)據(jù)根據(jù)關聯(lián)規(guī)則量化變壓器指標參量與變壓器故障之間的關系，通過指標參量支持度與置信度的最小閾值提取出變壓器狀態(tài)指標參量中最具有代表性的指標，從而精簡了變壓器狀態(tài)指標參量。在精簡指標參量的基礎上，對變壓器狀態(tài)進行綜合判斷，從而有效解決變壓器監(jiān)測經濟性問題。

1 變壓器參量的選取

1.1 指標參量的選取

電力變壓器的狀態(tài)試驗項目包括油中溶解氣體試驗、電氣試驗以及絕緣油試驗等多個項目。據(jù)此得到的指標參量較多，各指標分別從多個角度表征了變壓器的運行狀態(tài)。根據(jù)《油浸式變壓器（電抗器）狀態(tài)評價導則（Q/GDW169-2008）》以及DL/T 596-2005《電氣設備預防性實驗規(guī)程》中對變壓器狀態(tài)指標的規(guī)定，結合變壓器歷史故障數(shù)據(jù)，梳理得到常用的狀態(tài)指標參量如表1所示。

表1 常用的變壓器指標參量Tab.1 Common parameters of the transformer

1.2 故障參量的選取

從眾多指標參量中提取影響變壓器運行的關鍵參量,目的在于快速準確判斷變壓器是否處于異常運行狀態(tài)，甚至故障狀態(tài)。因此分析各指標參量與變壓器不同故障狀態(tài)之間的關系，建立具體指標參量與變壓器不同故障狀態(tài)的映射模型是提取變壓器關鍵參量的前提。根據(jù)變壓器實際運行狀況結合已有的研究，將變壓器故障狀態(tài)類型分為以下幾類[10]，如表2所示。

表2 變壓器故障類型Tab.2 Fault type of transformer

2 變壓器狀態(tài)關鍵指標參量的構建

2.1 變壓器故障狀態(tài)與指標參量關聯(lián)關系的量化

關聯(lián)規(guī)則就是從大量的設備狀態(tài)監(jiān)測數(shù)據(jù)中挖掘變量之間的關系，找出不同項之間在同一個事件中存在的相互關聯(lián)性[11]。從變壓器狀態(tài)指標提取出關鍵參量，就是要從眾多指標參量中找出與變壓器故障之間關系緊密的指標參量。因為各個狀態(tài)指標參量反映的故障程度不同，若指標參量與相應故障之間存在一定的關聯(lián)關系，則可以通過該指標參量來推斷與其相關的變壓器狀態(tài)屬性[12]。

根據(jù)關聯(lián)規(guī)則相關概念的定義：在關聯(lián)規(guī)則中事務總數(shù)據(jù)庫記為D，D是所有子集事務δ的集合，表示為 D={δ1，δ2，…，δN}。 其中子集事務數(shù)記為 δi={λ1，λ2，…，λN}，λ 稱為項。 令 D={λ1，λ2，…，λj}是 D 中所有項的集合，在事務數(shù)據(jù)庫 D 中，其所包含某特定 λ 項集 A 的事務的個數(shù)為 σ（A），記為。

關聯(lián)規(guī)則有兩個基本衡量度：支持度和置信度。支持度表示當變壓器發(fā)生某種故障時，同時相關指標參量出現(xiàn)超出警示值的概率，支持度越接近1表明該指標參量與相應故障的緊密程度越大，有效性越高。置信度表征關聯(lián)規(guī)則的可信程度，用來量化變壓器故障與指標參量間的關系，當指標參量超出警示值時，發(fā)生相應故障的概率，置信度值越大表示指標參量對相應故障的依賴性、可靠度也就越高。

若項集A?D，B?D，且A∩B=?，定義關聯(lián)規(guī)則為A→B，假設指標參量為A，故障狀態(tài)為B，支持度的基本定義為：A和B同時出現(xiàn)在一次事務中的比例，即事務數(shù)據(jù)D庫中包含A∪B的比例，表示為

置信度的基本定義為事務庫D中包含A的同時又包含B的比例，記為P（B|A），表示為

根據(jù)上述定義對變壓器故障和各指標參量關系量化如下：

1）事務數(shù)據(jù)庫Di={第i個故障發(fā)生}；

2）子集Ai，j={第i個故障狀態(tài)中的第j個單項指標參量超出警示值}；

3）子集Bi={第i類故障發(fā)生}。

由公式（1）（2）可知，與故障狀態(tài)、指標參量的關聯(lián)規(guī)則 Ai，j→Bi的支持度和置信度如下：

2.2 變壓器關鍵參量提取

支持度和置信度都同時反映變壓器指標參量與變壓器故障之間的關系緊密程度。支持度反映了指標參量對變壓器相應故障狀態(tài)的有效程度；置信度則反映了指標參量超出警示值時，變壓器發(fā)生相應故障的可信程度。由于各指標參量反映變壓器故障類型、程度不同，即其中某些指標可能與一種故障對應，另外某些指標可能對應多種故障。當支持度與置信度都達到一定閾值時，可以認為變壓器故障狀態(tài)與指標參量之間存在一定聯(lián)系[13]。依據(jù)上述關聯(lián)規(guī)則概念，計算指標參量與各故障類型之間支持度和置信度，依次篩選出變壓器關鍵指標參量，兩者需滿足條件[14]：

1） S（A→B）≥min（S）；

2） C（A→B）≥min（C）。

3 實例分析

收集某變電站220 kV變壓器以及與被測變壓器運行環(huán)境近似的歷史故障數(shù)據(jù)，整理結果如表3所示，統(tǒng)計從2002年開始，到2013年截止，共12年的故障記錄。

表3 變壓器狀態(tài)樣本統(tǒng)計數(shù)據(jù)Tab.3 Statistics sample of transformer

其中以“絕緣受潮”為例，指標參量包括H2含量、絕緣電阻吸收比、極化指數(shù)、泄漏電流、絕緣油介損、油中含水量、油擊穿電壓、體積電阻率。絕緣受潮故障發(fā)生次數(shù)為115，對應的指標參量超標次數(shù)分別為105，95，101，96，113，105，102，89，在總樣本中超標次數(shù)為 453，98，110，330，477，287，227，89。 根據(jù)公式（3）（4）可求出絕緣電阻吸收比支持度和置信度：

同理可以求出極化指數(shù)的支持度和置信度分別為87.83%和91.82%。由此可知當這兩項指標超出警示值時，出現(xiàn)絕緣受潮的可信度高，因此可以認為這是變壓器最具代表性指標；類似在其他指標中，置信度在多個故障狀態(tài)中為25%左右，當H2含量超出警示值時，在多個故障狀態(tài)中都有出現(xiàn)，需要參考其他狀態(tài)指標才能對變壓器狀態(tài)進行判斷，可信度低。因此可以認為這不是變壓器最具代表性指標。

選擇支持度與置信度的最小閾值分別為：S≥70%及C≥50%，從而可以提取出變壓器狀態(tài)關鍵參量，最終結果如表4所示。

表4 變壓器關鍵指標參量Tab.4 Key parameters of transformer

根據(jù)表4得到的變壓器狀態(tài)關鍵參量，以文獻[15]中1臺220 kV電力變壓器（SFPS9-150000/220）的數(shù)據(jù)為例進行驗證，根據(jù)權重系數(shù)狀態(tài)評估方法對此次變壓器狀態(tài)監(jiān)測數(shù)據(jù)進行評估，可以得知該變壓器處于異常運行狀態(tài)，鐵心故障狀態(tài)得分與其他狀態(tài)相比偏低，可以判斷變壓器鐵心方面出現(xiàn)問題，判斷結果與參考文獻一致，因此驗證了該方法的有效性。

4 結論

1）采取關聯(lián)規(guī)則把各個狀態(tài)指標參量與故障狀態(tài)之間的關系進行量化，簡潔準確描述了指標參量與故障狀態(tài)之間的聯(lián)系。

2）根據(jù)關聯(lián)規(guī)則的支持度與置信度對變壓器狀態(tài)指標參量進行關鍵參量提取，從而精簡了變壓器狀態(tài)指標參量，提高了變壓器狀態(tài)評估效率。

3）通過對某變電站統(tǒng)計數(shù)據(jù)進行初步驗證，關鍵指標參量的取舍、實用性等還需結合變壓器實際數(shù)據(jù)進行不斷修正。

[1]張東波，徐瑜，王耀南.主動差異學習神經網(wǎng)絡集成方法在變壓器DGA故障診斷中的應用[J].中國電機工程學報，2010，30（22）：64-70.

[2]傅軍棟，陳俐，康水華，等.基于蜻蜓算法和支持向量機的變壓器故障診斷[J].華東交通大學學報，2016，33（4）：103-112.

[3]廖瑞金，孫會剛，袁泉，等.采用回復電壓法分析油紙絕緣老化特征量[J].高電壓技術，2011，37（1）：136-142.

[4]郝建，楊麗君，廖瑞金，等.混合絕緣油對油-紙絕緣熱老化速率的延緩原因分析[J].中國電機工程學報，2010，30（19）：120-126.

[5]孟建英，郭紅兵，劉世欣，等.大型電力變壓器繞組故障綜合試驗方法分析[J].內蒙古電力技術，2012，30（3）：46-49.

[6]楊俊海，馬記，周航，等.測量變壓比判別變壓器繞組故障的不確定性[J].吉林電力，2015，43（4）：51-53.

[7]李文征，王軍.變壓器局部放電試驗中的故障分析及處理[J].電力設備，2007，8（9）：63-65.

[8]謝龍君，李黎，程勇，等.融合集對分析和關聯(lián)規(guī)則的變壓器故障診斷方法[J].中國電機工程學報，2015，35（2）：277-286.

[9]嚴英杰，盛戈纻，陳玉峰，等.基于關聯(lián)規(guī)則和主成分分析的輸電線路狀態(tài)評價關鍵參數(shù)體系構建[J].高電壓技術，2015，41（7）：2308-2314.

[10]XIE Q，ZENG H，RUAN L，et al.Transformer fault diagnosis based on bayesian network and rough set reduction theory[C]//Tencon Spring Conference，Sydneg：IEEE，2013：262-266.

[11]王愛平，王占鳳，陶嗣干，等.數(shù)據(jù)挖掘中常用關聯(lián)規(guī)則挖掘算法[J].計算機技術與發(fā)展，2010，20（4）：105-108.

[12]李勝.基于關聯(lián)規(guī)則的審計特征智能提取的應用研究[D].北京：北京交通大學，2006.

[13]丁茜.基于關聯(lián)規(guī)則的變壓器故障診斷研究[D].保定：華北電力大學，2010.

[14]毛宇星，陳彤兵，施伯樂.一種高效的多層和概化關聯(lián)規(guī)則挖掘方法[J].軟件學報，2011，22（12）：2965-2980.

[15]李黎，張登，謝龍君，等.采用關聯(lián)規(guī)則綜合分析和變權重系數(shù)的電力變壓器狀態(tài)評估方法[J].中國電機工程學報，2013，33（24）：152-159.

Research on the Extraction Method of Key Parameters of Transformer Based on Association Rules

Cheng Hongbo1，2，Qiu Dexin2，Wang Xun2，Xin Jianbo1，Zhang Yu1
（1.State Grid Jiangxi Electric Power Research Institute,Nanchang 330096，China；2.School of Electrical and Automation Engineering，East China Jiaotong University，Nanchang 330013，China）

The selection of key parameters among many factors can help improve the accuracy and efficiency of transformer state evaluations.According to the transformer status evaluation,this paper proposed a method for extracting key parameters of transformer based on association rules.Firstly,the basic parameter system of transformers was established based on analyzing the association between the parameters of the transformer status and the fault symptoms.Then,association rules were adopted to quantify the relationship between the fault symptoms and the parameters of transformer status.By computation,support degree and confidence degree of various parameter indexes were obtained to extract key parameters of the transformer status under minimum threshold.Then,the system of key parameters of the transformer status was established.Finally,an example based on statistical components’failure data of the substation was verified,which offered a new method for processing data gained from monitoring transformers.

association rules；key parameters；feature extraction；state evaluation

TM406

A

（責任編輯 劉棉玲）

1005-0523（2017）04-0104-06

2017－02－09

江西省重點研發(fā)計劃項目（20161BBH80033）；江西省博士后科研擇優(yōu)資助項目（2016KY36）

程宏波（1979—），男，副教授，博士，研究方向為供電設備健康診斷與故障預警、電網(wǎng)智能控制等。