电工电气杂志社

基于多源数据融合的变压器典型故障诊断模型研究

来源：电工电气发布时间：2023-07-27 12:27 浏览次数：453

基于多源数据融合的变压器典型故障诊断模型研究

胡晨¹，尹恩韬¹，乐健²

(1 国网江西省电力有限公司吉安供电公司，江西吉安 343000；

2 武汉大学电气与自动化学院，湖北武汉 430072)

摘要：准确评估输变电设备运行状态是电力企业生产技术工作的核心内容。为提高电力变压器故障诊断精度，对典型变压器故障特征理论进行研究，建立了区内和区外的故障仿真模型，在此基础上提出了基于多源数据融合的变压器典型故障诊断模型。模型采用小波包分析法提取故障特征量，并进行特征融合。实验结果表明，所提的变压器故障判别策略判断结果更加精确且诊断时间较快。

关键词： 变压器；故障诊断；数据特征；数据融合

中图分类号：TM407 文献标识码：A 文章编号：1007-3175(2023)07-0041-05

Research on Typical Fault Diagnosis Model of

Transformers Based on Multi-Source Data Fusion

HU Chen¹, YIN En-tao¹, LE Jian²

（1 Ji’an Power Supply Company of Jiangxi Electric Power Co., Ltd, Ji’an 343000, China;

2 School of Electrical Engineering and Automation, Wuhan University, Wuhan 430072, China）

Abstract: Accurate evaluation of operation status of power transmission and transformation equipments is the core of production technology for electric power enterprises. In order to improve the accuracy of power transformer fault diagnosis, the paper makes research on typical transformer fault characteristics theories, builds fault simulation models in and out of the region, and then puts forward a typical faults diagnosis model of transformers based on multi-source data fusion. This model adopts the wavelet packet analysis method to extract fault characteristic quantity and makes them fused. According to the experimental results, this transformer fault diagnosis strategy is more accurate with less diagnosis time.

Key words: transformer; fault diagnosis; data characteristics; data fusion

参考文献

[1] 刘云鹏，和家慧，许自强，等．基于 SVM SMOTE 的电力变压器故障样本均衡化方法[J]．高电压技术，2020，46(7)：2522-2529．

[2] 方健，杨帆，童锐，等. 基于红外图像处理和半监督学习的变压器故障诊断方法[J] . 全球能源互联网(英文版)，2021，4(6)：596-607.

[3] 李兵，韩睿，何怡刚，等．改进随机森林算法在电机轴承故障诊断中的应用[J]．中国电机工程学报，2020，40(4)：1310-1319.

[4] 唐文虎，牛哲文，赵柏宁，等. 数据驱动的人工智能技术在电力设备状态分析中的研究与应用[J] .高电压技术，2020，46(9)：2985-2999.

[5] ZHANG C , TAN K C , LI H , et a1. Acost-sensitive deep belief network for imbalanced classification[J].IEEE Transactions on Neural Networks and Learning Systems，2019，30(1)：109-122．

[6] 陈颢，王伏亮，李澄，等. 基于 KPCA-LSSVM 的智能断路器故障诊断方法研究[J] . 自动化仪表，2021，42(12)：19-22.

[7] 陈如清，李嘉春，尚涛，等. 改进烟花算法和概率神经网络智能诊断齿轮箱故障[J] . 农业工程学报，2018，34(17)：192-198.

[8] 毕建权，鹿鸣明，郭创新，等. 一种基于多分类概率输出的变压器故障诊断方法[J]．电力系统自动化，2015，39(5)：88-93．

[9] 苏磊，陈璐，徐鹏，等. 基于 GRNN 和 KPCA 组合模型的变压器油中气体体积分数短期预测[J] . 高压电器，2021，57(1)：82-88.

[10] 陈铁，吕长钦，张欣，等. 基于 KPCA-WPA-SVM 的变压器故障诊断模型[J] . 电测与仪表，2021，58(4)：158-164.

[11] 吴君，丁欢欢，马星河，等. 改进自适应蜂群优化算法在变压器故障诊断中的应用[J] . 电力系统保护与控制，2020，48(9)：174-180.

[12] 吴杰康，覃炜梅，梁浩浩，等. 基于自适应极限学习机的变压器故障识别方法[J] . 电力自动化设备，2019，39(10)：181-186.

[13] HEIDARI A A, MIRJALILI S, FARIS H，et al.Harris hawks optimization：Algorithm and applications[J].Future Generation Computer Systems，2019，97：849-872.

[14] SAHRI Z B , YUSOF R B . Support vector machine-based fault diagnosis of power transformer using k nearest-neighbor imputed DGA dataset [J] . Journal of Computer & Communications，2014，2(9)：22-31.

[15] 杨凌霄，朱亚丽. 基于概率神经网络的高压断路器故障诊断[J] . 电力系统保护与控制，2015，43(10)：62-67.

返回索引列表

Article retrieval

文章检索

基于多源数据融合的变压器典型故障诊断模型研究