基于组合贝叶斯网络的电力变压器故障诊断 combinatorial bayes network in fault diagnosis of power transformer.pdfVIP

No．11 第29卷第11期 电力自动化设备 V01．29 Automation O2009年11月 Eltri(‘Power Equipment Nov．2009 基于组合贝Ⅱ十斯网络的电力变压器故障诊断 赵文清，朱永利，王晓辉 (华北电力大学计算机科学与技术学院，河北保定071003) 摘要：针对电力变压器故障诊断中的信息和知识具有随机性和不确定性的特点．提出了一种利用 基分类器。第1个基分类器用原始的训练集训练．其他基分类器的训练决定于在其之前产生的分类器的表 现，被已有分类器错误判断的实例将以较大的概率出现在新分类器的训练集中．最后。这些分类器组合成 为一个贝叶斯网络组合分类器。由于贝叶斯网络是用来表示变量间连接概率的图形模式．它提供了一种自 然的表示因果信息的方法．用来发现数据间的潜在信息．因此应用中显示了该方法对于变压器故障诊断的 适用性。在讨论变压器故障空间的基础上。针对已积累的故障变压器的大量油中溶解气体等数据，利用boosting 迭代。并在此基础上构造出组合贝叶斯网络诊断模型，实现了变压器故障诊断，有利于提高诊断的准确性。 此外．通过与其他组合诊断的方法进行比较进一步表明了该模型的有效性。 关键词：电力变压器；油中溶解气体分析；故障诊断；贝叶斯网络；组合；分类器 中图分类号：TM41；TP277 文献标识码：A 诊断的组合贝叶斯网络方法。 。 O 引言 1 AdaBoost方法与贝叶斯网络简介 电力变压器是电力系统中的重要设备．但由于 变压器结构复杂．故障不确定因素很多．变压器故障 1．1 AdaBoost方法 的正确诊断很难，目前在我国，油中溶解气体分析 Gas DGA(DissolvedAnalysis)的三比值法(IEC标 准)是对变压器进行故障诊断的最方便、有效的方法 应用比较广泛的算法．该算法有一个学习器作为基 之一…。三比值法可以根据油中溶解气体分析结果． 分类器．boosting过程重复迭代调用学习器若干次． 给出故障点的物理信息．将故障分为8类不同的放 在每次迭代过程中改变训练集上的分布。在第1次 电性或过热性故障【2]。这种方法规则简明、故障机理 迭代时．训练集上每条实例的权值都一样．然后在下 判断明确．但对故障定位及制定维修策略缺乏指导 一次的迭代过程中．上次正确分类的实例权值减小． 性；同时．在现场应用中．也发现了不少问题。主要有 而错误分类的实例权值不变．最后对这些更改后的 缺编码、编码边界过于绝对等[3]。 权值进行正规化。从这里可以看出．那些容易被学习 针对这些不足，各种智能技术如模糊推理、人工 器正确分类的实例的权值将会减小．否则权值将会 神经网络等已被引入变压器的故障诊断中．并取得 相对的增大。就变压器故障诊断而言．AdaBoostMl算 了较好的效果L4-8]。分析变压器故障产气的机理可知．法会将焦点定位在那些拥有很大权值的故障样本之 单～类型的变压器故障与油中气体含量之间并没有 上，也就是难以被学习器正确诊断的样本之上。 明确的函数映射关系．气体含量之间的分布特性也 1．2贝叶斯网络组合诊断 很难推测…．能够体现概率模型相关性的表示方法 贝叶斯网络L12·是用来表示变量间连接概率的图 的贝叶斯网络被认为是目前不确定知识表达和推理 形模式，它提供了一种自然的表示因果信息的方法． 领域最有效的理论模型之一。文献f10]利用贝叶斯 用来发现数据间的潜在信