基于支持向量機的變壓器故障診斷

李煒

摘要：針對油浸式電力變壓器在不同工作狀態時，變壓器油中溶解氣體的類型和含量的不同，通過檢測變壓器油中的不同氣體的類型和含量就成了判別變壓器工作狀態的重要方法。本文基于支持向量機（SVM）模型，利用支持向量機對于非線性問題的優良解決方法，給出了一種判別變壓器工作方式的方法，經測試，判別正確率高達96.8%，滿足對于變壓器故障判別的精度要求。

Abstract： According to the different working states of oil-immersed power transformer， the type and content of dissolved gas in transformer oil are different. Based on the support vector machine （SVM） model and by using the support vector machine to solve the nonlinear problem， this paper presents a method to distinguish the transformer working mode.

關鍵詞：變壓器故障診斷;神經網絡;支持向量機

Key words： transformer fault diagnosis;neural network;support vector machine

中圖分類號：TM41 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2019）20-0245-02

0 ?引言

變壓器在電力系統中起著至關重要的作用，它在電力傳輸系統中傳輸成本低、分配方式靈活和使用安全，因此需要經常對變壓器的維護和檢修。通過對變壓器的工作方式進行故障診斷，對其正常工作提供可靠依據就顯得尤為重要。

1 ?變壓器故障診斷系統原理

由于變壓器處于不同工作狀態下變壓器油中的溶解氣體含量不同[1-3]，需要對變壓器油中溶解氣體進行分析，這能夠很好的反映變壓器的一些平時檢測不到的潛在故障。文獻[4-6]提出的改良的三比值法的判斷準確率最高，即CH4/H2、C2H2/C2H4和C2H4/C2H6這三對比值。在不同工作模式下，這三隊比值的差別最大，通過分析這三對比值就能準確的對變壓器處于何種工作模式進行識別，從而正確判斷故障產生的原因。利用支持向量機（SVM）對已知數據進行訓練和學習，識別不同工作模式下這三對比值的不同，最后輸出分析結果。SVM網絡設計流程如圖1所示?！?br>