基于多故障分類的電力變壓器故障自動檢修方法

賈文皓

(國網(wǎng)浙江縉云縣供電有限公司，浙江 縉云 321400)

0 引 言

隨著電力系統(tǒng)的規(guī)模擴(kuò)張，電力設(shè)備功能也逐漸完善，自動化程度越來越高。為了保障電力系統(tǒng)安全、穩(wěn)定運行，對電力設(shè)備進(jìn)行故障檢修變得尤為重要[1-2]。電力變壓器是電力系統(tǒng)的關(guān)鍵電力設(shè)備，起著貫穿多個設(shè)備的樞紐作用。電力變電器是否存在故障，直接關(guān)系著電力系統(tǒng)是否能夠穩(wěn)定運行。因此，電力變電器故障檢修受到了電力部門的高度重視。電力變壓器有些故障隱患并不會引起事故，但是隨著故障隱患的積累，電力變壓器事故的發(fā)生概率大大增加，電力系統(tǒng)的風(fēng)險性極高[3-5]。由此可見，電力變壓器故障檢修是保障電力系統(tǒng)安全運行的關(guān)鍵環(huán)節(jié)。

近幾年，許多專家、學(xué)者均對電力變壓器故障檢修進(jìn)行了深入的研究，常見的檢修方法為紅外測溫檢修、氣相色譜檢修和圖像識別技術(shù)檢修等。但是現(xiàn)有的電力變壓器故障自動檢修方法存在著自動化程度較低的問題，為了解決上述問題，提出基于多故障分類的電力變壓器故障自動檢修方法研究。

1 電力變壓器故障自動檢修方法研究

1.1 電力變壓器數(shù)據(jù)特征提取

采用KPCA方法提取電力變壓器數(shù)據(jù)特征，為電力變壓器故障檢修提供精確的數(shù)據(jù)支撐[6]。

現(xiàn)有電力變壓器故障自動檢修方法提取數(shù)據(jù)特征時，未考慮異常數(shù)據(jù)對數(shù)據(jù)特征提取的影響，極大地降低了故障檢修的精準(zhǔn)度。為此，本文采用KPCA方法提取數(shù)據(jù)特征，該方法可以將異常數(shù)據(jù)剔除，并對提取的數(shù)據(jù)特征進(jìn)行歸一化處理，可以為故障檢修提供更加準(zhǔn)確的數(shù)據(jù)來源[7]。

假設(shè)電力變壓器數(shù)據(jù)集合為X={X1,X2,…,XN}，N為數(shù)據(jù)量。若是直接提取數(shù)據(jù)特征，會忽視數(shù)據(jù)集合中的各個數(shù)據(jù)之間的非線性關(guān)系[8]。為此，利用非線性映射函數(shù)Φ(Xi)與其反函數(shù)Φ(Xi)T將數(shù)據(jù)集合映射到高維空間，其協(xié)方差矩陣表示為：

(1)

求解式(1)得到特征值與特征向量如下:

λ·W=Cov·W

(2)

式中：λ為協(xié)方差矩陣的特征值；W為協(xié)方差矩陣的特征向量。

將式(1)代入式(2)，得到

λ·Wi=Φ(Xi)Φ(Xi)TWi

(3)

采用數(shù)據(jù)集Φ(X)線性表示協(xié)方差矩陣的特征向量Wi，具體如式(4)所示。

(4)

式中：αi為矩陣Φ(Xi)TΦ(Xi)的特征向量集合；α為單一特征向量。

將式(4)代入式(3)得到：

Φ(Xi)TΦ(Xi)Φ(Xi)α=λ·(Xi)α

(5)

令K=Φ(Xi)TΦ(Xi)，整理式(5)得到

Kα=λα

(6)

式中：K為核函數(shù)。

上述過程完成了電力變壓器數(shù)據(jù)特征值λ的提取，為電力變壓器故障檢修做準(zhǔn)備[9]。

1.2 多故障分類器設(shè)計

依據(jù)提取的電力變壓器數(shù)據(jù)特征，選取核函數(shù)，依據(jù)最小二乘支持向量機(jī)設(shè)計多故障分類器，具體設(shè)計過程如下所示。

合適的核函數(shù)直接決定著故障檢修的精準(zhǔn)度，為此需要選取適當(dāng)?shù)暮撕瘮?shù)設(shè)計多故障分類器[10-11]。設(shè)定核函數(shù)K表示為K=K(X,Xj)=φ(X)…φ(Xj)，將其變換到Hilbert空間，表示為：

(7)

式中：K(X,X′)為Hilbert空間的核函數(shù)[12]；[φ(X)…φ(X)′]為Hilbert空間的內(nèi)積。

核函數(shù)主要是將線性不可分問題轉(zhuǎn)換為線性可分問題，通過轉(zhuǎn)換維度實現(xiàn)上述功能，維度轉(zhuǎn)換過程如圖1所示。

圖1 維度轉(zhuǎn)換示意圖

常用的核函數(shù)包括線性核函數(shù)H(X,X′)、多項式核函數(shù)

K(X,X′)以及高斯徑向基核函數(shù)L(X,Xi)，公式表示如下：

(8)

式中：X為變壓器數(shù)據(jù)集合;XT為數(shù)據(jù)集X的取反運算;X′為第i個RBF函數(shù)的中心；σ為常數(shù)，即RBF函數(shù)繞中心點的寬度。

通過研究對比發(fā)現(xiàn)，高斯徑向基核函數(shù)更適用于電力變電器故障檢修，得到方程如下：

θ=(XTX)TXTY=[bβ1…βi]

(9)

式中：Y為已知矩陣；b為偏差；βi為回歸系數(shù)[13]。

采用最小二乘法求解偏差b與回歸系數(shù)βi，得到電力變壓器故障分類器模型f(Xi)為：

(10)

1.3 電力變壓器故障類別確定

為了提升電力變壓器故障檢修水平，需要對電力變壓器故障進(jìn)行系統(tǒng)的認(rèn)識，確定電力變壓器故障類別[14-15]。

電力變壓器主要是由于過熱而導(dǎo)致故障，關(guān)鍵部位為分接開關(guān)、引線接頭和鐵芯。電力變壓器故障類別情況如表1所示。

表1 電力變壓器故障類別情況表

上述過程完成了電力變壓器故障類別的確定，并對其進(jìn)行了編碼，為下述電力變壓器故障自動檢修提供故障分類依據(jù)。

1.4 電力變壓器故障自動檢修

以上述確定的電力變壓器故障類別為依據(jù)，采用設(shè)計的多故障分類器，搭建電力變壓器故障自動檢修模型，實現(xiàn)電力變壓器故障的自動檢修。電力變壓器故障自動檢修流程如圖2所示。

分析圖2可知，首先采集變壓器數(shù)據(jù)，對采集到的數(shù)據(jù)進(jìn)行歸一化處理，然后通過利KPCA方法提取數(shù)據(jù)特征，選取核函數(shù)設(shè)計多故障分類器，將特征數(shù)據(jù)輸入至分類器中進(jìn)行訓(xùn)練，判斷訓(xùn)練結(jié)果是否滿足精度需求，滿足則輸出故障檢修結(jié)果，完成電力變壓器故障自動檢修過程；否則回到歸一化處理數(shù)據(jù)過程，繼續(xù)循環(huán)，直到滿足精度需求后輸出。

圖2 電力變壓器故障自動檢修流程圖

根據(jù)式(10)電力變壓器故障分類器模型得到故障診斷結(jié)果為：

(11)

式中：μ′為故障診斷分類參數(shù)。

依據(jù)式(11)結(jié)果對故障類別進(jìn)行確定，根據(jù)表1對電力變壓器故障進(jìn)行維修。

上述過程實現(xiàn)了電力變壓器故障的自動檢修，為電力變壓器的穩(wěn)定運動提供有效的保障。

2 自動化程度測試

上述過程實現(xiàn)了電力變壓器故障自動檢修方法的設(shè)計與運行，但是否能夠解決現(xiàn)有方法存在的問題，還無法確定。為此設(shè)計仿真對比測試，具體測試過程如下所示。

2.1 測試對象確定

為了保障測試結(jié)果的準(zhǔn)確性，確定唯一的測試對象，其實物如圖3所示。

圖3 電力變壓器實物圖

測試對象參數(shù)設(shè)置如表2所示。

表2 測試對象參數(shù)設(shè)置表

2.2 測試數(shù)據(jù)選取

電力變壓器數(shù)據(jù)眾多，若對其直接使用，會導(dǎo)致測試過程變得極為復(fù)雜。為簡化測試過程，提高電力變壓器檢修精度，選取測試數(shù)據(jù)如表3所示。

表3 測試數(shù)據(jù)選取表

2.3 測試結(jié)果分析

為了進(jìn)一步研究所提方法的故障檢修效果，分別在不同的故障類型下測試故障檢測準(zhǔn)確率，具體結(jié)果如圖4所示。

由圖4可知，不同類型的故障下檢測準(zhǔn)確率不同。當(dāng)試驗迭代次數(shù)為10次時，變壓器熱故障的檢測準(zhǔn)確率為86%，變壓器電故障的檢測準(zhǔn)確率為90%，變壓器漏油故障的檢測準(zhǔn)確率為94%。當(dāng)試驗迭代次數(shù)為60次時，變壓器熱故障的檢測準(zhǔn)確率為82%，變壓器電故障的檢測準(zhǔn)確率為96%，變壓器漏油的故障檢測準(zhǔn)確率為98%。所提方法的故障檢測準(zhǔn)確率始終在80%以上，檢測效果佳。

圖4 故障檢測結(jié)果對比

為進(jìn)一步驗證所提方法的有效性，進(jìn)行電力變壓器故障自動檢修時間試驗，結(jié)果如圖5所示。

圖5 變壓器故障自動檢修時間對比

分析圖5可知：當(dāng)試驗迭代次數(shù)為5次時，變壓器熱故障的檢修時間為15 min，變壓器電故障的檢修時間為21 min，變壓器漏油故障的檢修時間為7 min；當(dāng)試驗迭代次數(shù)為50次時，變壓器熱故障的檢修時間為16 min，變壓器電故障的檢修時間為26 min，變壓器漏油故障的檢修時間為6 min。由試驗整體數(shù)據(jù)可知，所提方法的檢測時間都不超過30 min，檢測用時較低，效率較高。

3 結(jié)束語

本文設(shè)計的基于多故障分類的電力變壓器故障自動檢修方法極大地提升了自動化程度，可以為電力變壓器以及電力系統(tǒng)的安全、穩(wěn)定運行提供更加有效的保障。通過試驗，得到以下結(jié)論：

(1)基于多故障分類的變壓器故障檢修方法的檢測準(zhǔn)確率始終在80%以上，檢測效果較好。

(2)基于多故障分類的變壓器故障檢修方法的檢測時間都不超過30 min，檢測用時較低，效率較高。

但是，測試只選取了一部分?jǐn)?shù)據(jù)，得到的測試結(jié)果可能存在一定誤差，為此需要對基于多故障分類的電力變壓器故障自動檢修方法進(jìn)行進(jìn)一步的優(yōu)化研究，對大量試驗數(shù)據(jù)加以驗證。