基于核Fisher判别分析技术的电力变压器DGA故障诊断模型研究.PDFVIP

第43卷 第3期 高压圣．互 Vo1．43 No．3 · 2l4· 2007年 6月 HighVoltageApparatus Jun． 2007 文章编号 ：1001—1609(2007)03—0214—04 基于核Fisher判别分析技术的电力 变压器 DGA故障诊断模型研究 吴晓辉 ， 王 颂 ， 方晓明 ， 李延沐 ， 李彦明 (1．西安交通大学电气工程学院，陕西 西安 710049；2．西安建筑科技大学机 电学院，陕西 西安 710055) FaultDiagnosisM odelofDGA forPowerTransformerBased on KernelFisherDiscriminantAnalysisTechnology WU Xiao-hui，WANG Song，FANG Xiao-ming，LIYan。mU，LIYan。ming (1．SchoolofElectricalEngineering，Xi’anJiaotongUniversity，Xi’an710049，China； 2．SchoolofMechanicalandElectrica1．Xi’anUniversityofArchitectureandTechnology，Xi’an710055，China) 摘要 ：鉴于核 Fisher判别分析技术 (KFDA)在模式识别 问题 状态直接影响系统的安全性 油 中溶解气体分析 中表现 出的良好性能．提 出了基于KFDA的变压器故障诊断 (DGA)技术是 目前对油浸电力变压器进行故障诊断 模型．该模型首先提 出了区分放 电及过热两大类故障的特征 最方便、有效的手段，它能有效发现变压器内部的潜 量 ．并用 KFDA分类器来识别类 内故障的具体类别 。采用基 伏性故障及其发展程度 ，防止 由此引起重大事故。目 于网格搜索的交叉验证法来选择模型参数 ．避免了参数选择 前很多人工智能的方法如模糊推理 、人工神经网络 、 的盲 目性和随意性 实例分析表 明，该模型具有训练时间短 、 聚类分析等 ．被应用于电力变压器绝缘诊断中，并取 不存在局部极小等优点．与 IEC三 比值及改 良电协研法相 比．具有更好的故障识别效果 得了较好的诊断效果 [1-5]。其中人工神经 网络技术 关键词 ：变压器 ：故障诊断：油中溶解气体分析 ； 是引人到变压器故障诊断中的智能技术中最重要的 核 Fisher判别分析 ：交叉验证 方法之一．但是 ．通常人工神经网络有几个比较大的 中图分类号 ：TM855 文献标志码 ：A 缺点，如训练时间比较长、存在局部最优等问题，识 Abstract： In view of the good performance in pattern 别正确率和可靠性有待于进一步提高 。 recognition using Kernel Fisher Discriminant Analysis 核机器学习算法是近几年发展起来的一类新的 (KFDA) method，thispaper presented a fault diagnosis 非线性技术．它有效地解决 了小样本 、高维数 、非线 model of power transformer based on KFDA．The model 性等学习问题 ．并克服了人工神经网络合理结构难 extracted a feature to distinguish between discharge faults and hotfaultsfi