基于数据挖掘的变压器故障诊断和预测研究.docVIP

基于数据挖掘的变压器故障诊断和预测研究 　　摘要：作为电力系统日常工作的重要保障基础变压器在整个系统当中发挥着十分重要的作用。一旦变压器出现故障不仅仅会影响电力系统的正常化运行，同时也将带来了严重的经济损失，这将会直接导致负面社会效益的出现。为了防止上述情况出现就需要对变压器故障诊断工作进行落实，针对故障点构建出预见性防护方案。本文对基于数据挖掘的变压器故障诊断进行了分析，提出了一系列观点，供以参考。 　　关键词：故障诊断；变压器；数据发掘 　　引言 　　变压器是电网安全运营的基本保证，尽管目前在变压器运行过程中已经提出了一系列保护措施如避雷针配置、接地保护、差动保护等，但从实际情况来看这些保护措施显然不能满足变压器的实际工作需求，由于变压器内部结构十分复杂，在长期负荷下必然会出现各种问题如老化、材质裂化等，这必然会带来一定程度的故障。而为了让这些故障得到有效的控制就需要对诊断工作以及预测工作进行深入完善，以此来维持其稳定状态。数据挖掘技术为变压器故障诊断以及故障预测提供了有力的技术基础，这对于变压器乃至整个电力系统的稳定运行均有着十分重要的意义。 　　1.数据发掘概述 　　数据发掘事实上是一个综合性的过程中，在这个过程中需要从大量数据当中进行“隐性数据”提取，这些数据无论是用于信息管理、查询优化还是过程控制等都有着十分重要的作用。当然数据发掘涉及范围十分广泛，它不单单涵盖了数据库内容，同时还承载了数理统计、计算等，对相关人员具有较高的专业性要求。近年来随着电力系统规模的不断扩大使得电力系统的数据承载量得到了极大的提升，这也使得电力行业对数据挖掘技术也越来越重视。例如在变压器测试过程中由于一些客观或主观因素影响会造成一系列的错误数据，再加上变压器复杂程度较高，使得它的故障呈现了不确定性，而基于数据发掘则能够将这些潜在因素解剖出来，这也使其在电力系统当中有了巨大的应用空间 　　2.基于数据挖掘的变压器故障诊断系统分析 　　对于数据发掘而言它是一个完整的规程，在此规程当中需要对大型数据库的有效实用信息进行发掘，使其成为决策信息。对于整个数据挖掘环境而言其中涉及到了变压器数据集市、数据集市服务器、数据发掘模块中以及可视化工具。变压器数据集市是最为主要的工作对象，服务器主要是针对数据发掘模块的要求对数据进行提取，而数据发掘模块是整个系统的核心构建，它可对变压器的DGA数据进行整合处理并进行迅速化的数据分类[1]。可视化工具则实现了人机交互，让用户可以更为清晰地观察的数据动向并进行分析。数据发掘主要遵循了以下流程：原始DGA数据→被选择数据→预处理后的数据→被抽取的知识→可视化状态结果。 　　数据发掘完成后则需要对条件属性、决策属性进行确定，换句话说故障诊断事实上就是由故障征兆至故障类型的映射，根据相关条件对其进行分类并整合，这就涉及到了分类模型的设计。尽管变压器的故障种类较为繁杂，但是故障的特征性也较多，那么分类器设计过程中就需要对典型代表的特征属性进行捕捉，使用较少量的特征性信息来反映出更多的需求信息。对于变压器而言绝缘油的状态是十分重要的参考，在变压器处于不同工作条件下时绝缘油当中溶解气体浓度及各种气体比例关系存在较为明显的差异，那么便可以根据这种差异化特则将变压器的故障清晰地反映出来，同时也可以将它视作绝缘老化判定的参考标准[2]。定义属性条件以及来匹配相应的数据类型并以此结构构建出数据库。 　　在上述基础上还要对数据进行离散化处理，这是数据预处理过程中的关键内容。从需求上来看连续性离散化的需求主要来自以下方面：由于在实际工作过程中数据集当中涵盖了大量数据，因此形成了大量的数据集，若直接对这些数据进行挖掘就需要耗费大量的时间，同时这些数据集也会占用大量的数据空间，那么采取连续离散化那么便可以让数据量得到有效压缩，让数据处理负荷得到控制。在本研究中采取了朴素贝叶斯分类器来进行数据分离，也就是说将相关属性值看成定性数据从而实现离散化。结合相关导则[3]得到离散化标准表，如下所示： 　　3.结语 　　由以上研究可知基于数据挖掘的变压器故障诊断过程中故障数据整合分类是十分关键的环节，它是确保故障诊断取得成效性的基础，利用朴素贝叶斯分类器来进行离散分离从而保证数据的有效性，同时构建对应的数据库为故障诊断提供良好的环境。 　　参考文献： 　　[1]张永宜，段志宏. 基于专家知识库的电力变压器故障诊断系统[J]. 西安工程大学学报. 2011（04） 　　[2]刘守明，胡志坤，王美玲. 基于知识库的电力变压器故障诊断专家系统[J]. 计算机测量与控制. 2011（07） 　　[3]张金江，梁耀升，尹玉娟. 基于模糊理论与支持向量机的变压器故障诊断方法[J]. 电力科学与技术学报. 2011（02）.