基于相关向量机之油浸型电力变压器障碍诊查方法研究.docVIP

　　基于相关向量机之油浸型电力变压器障碍诊查方法研究 第1章绪论 1.1课题背景及其意义 电力变压器是电力系统输变电的枢纽设备。电）.需经升压电力变压器将电能输送到电网，区域电网主系统与分系统以及区域电网间需要通过电力变压器实现互联，用户需由降压电力变压器将电压降至所需电压等级。由此可见，电力变压器的运行状态直接关系着电力系统的可靠性水平，一旦失效必将引起局部乃至大面积的停电[M]。电力变压器虽然在设计上具有优良的机械性能和足够的电气强度，但制造过程中不可避免会存在一些局部缺陷，如气泡、裂缝、悬浮导电质点和电极毛刺等，此外长期运行过程中，在热、电以及外部破坏和影响等因素作用下不可避免的发生绝缘老化、材质劣化，从而可能引发故障和事故。我国电力变压器设备平均故障率总体呈下降趋势，尽管如此，由电力变压器故障所带来的损失仍然是大的。例如，2004年国家电网公司发生110kV及以上电压等级变压器损坏事故53台次，事故容量达4221.5MVA，由此造成的设备损失和维修费用高达上亿元，而停电损失更是高达每天4000多万元，由停电引起间接损失则每天超过了 3.2亿元。因此必须切实采取有效措施确保电力变压器可靠运行。长期以来形成的定期检修不能真实反映变压器的运行状态，使通过加强追踪监测可继续使用的电力变压器提前退出运行或检修期间存在故障变压器继续运行而导致事故。此外，定期检修费用高，停电试验经济损失大[2〗。状态检修己成为必然，而建立在带电检测或在线监测基础上的故障诊断是状态检修的关键技术之一。由此可见，以电力变压器带电检测或在线监测为手段，及时对其进行诊断分析是十分必要的[7]5]。电力变压器油巾溶解气体分析（Dissolved Gas Analysis，DGA)不受外界电场和磁场的影响，易于带电和在线实现。目前，油中溶解气体带电检测和在线监测技术的研究已成为国内外热点，便携式检测装置和在线监测装置的开发和应用己取得了一定的成果以变压器油中溶解气体带电检测或在线监测为手段，对变压器进行故障诊断和监测故障发展趋势是非常有前景的研究方向⑴。因此，基于DGA数据的电力变压器故障诊断方法的研究具有可行性。 油中溶解气体的组分和含量可以在很大程度上反映电力变压器的运行状态，基于DGA数据的变压器故障诊断方法能在电力变压器运行过程中进行故障分析，可及时发现电力变压器的早期故障，并能追踪故障的发展趋势，预防灾难性事故发生，促进电力变压器从定期维修到状态维修的转变，提高电力变压器的运行维护水平。因此，基于DGA数据的电力变压器故障诊断方法的研究具有重要的现实意义[16_54]。基于DGA数据目前已形成IEC推荐的三比值法、Rogers法、Dornerburg法以及改良三比值法等传统电力变压器故障诊断方法。但电力变压器故障产气机理复杂，油中气体含量之间的分布特性很难推测，油中溶解气体含量或含量比值与故障类型之间的映射关系复杂，仅靠人为试验总结难以归纳出故障征兆与故障类型之间的关系。于是支持向量机、人工神经网络和贝叶斯分类器等人工智能方法被引入电力变压器故障诊断。基于DGA数据的电力变压器故障诊断方法已取得了较好的效果，但也存在一些问题。传统诊断方法大多局限于阈值诊断的范畴，存在缺编码和编码界限过于绝对等问题。而支持向量机诊断方法存在核函数受Mercer条件的限制，规则化参数确定困难，诊断输出为硬分类间隔等问题;神经网络诊断方法存在网络结构确定困难，易陷入局部最优，诊断输出为硬分类间隔等问题贝叶斯网络诊断方法存在需要样本数据量大，特征变量为离散变量，然而离散阀值选取没有理论依据，且离散过程不可避免会造成电力变压器状态信息的丢失综上所述，目前基于DGA数据的电力变压器故障诊断技术的研究还不够完善，需要寻找能提高电力变压器故障诊断的准确性和有实际应用性的智能诊断方法。相关向量机的核函数不受Mercer条件的限制；无规则化系数，不需要通过交叉验证等方法获取该参数；基函数权值只有少数非零，相关向量数量少，比SVM更加稀疏，诊断速度快，尤其适用于在线诊断；可以有效解决小样本学习集，高维非线性分类问题；具有更好的泛化性能；可以以概率的形式输出分类结果，便于分析问题不确定性。RVM已在电力负荷预测、电力系统暂态稳定评估、模拟电路故障诊断、齿轮早期故障智能诊断、轴承故障检测等领域取得了很好的应用效果。但尚未见相关向量机应用于变压器故障诊断方面的文献和报道。 第2章基于相关向量机的变压器故障诊断 2.1引言 电力变压器故障产气机理复杂，油中溶解气体含量之间的分布特性很难推测，油中溶解气体含量及含量比值与故障类型之间的映射关系复杂，仅靠人为试验总结难以归纳出故障征兆与故障类型之间的关系。于是支持向量机、人工神经网络和贝叶斯分类器等人工智能方法被引入变压器故障诊断，并取得了较好的效果