基于AdaBoostRBF算法与DSmT的变压器故障诊断技术.PDFVIP

第３９卷 第６期 电 力 自 动 化 设 备 Ｖｏｌ．３９ Ｎｏ．６ 　　 ２０１９年６月 Ｅｌｅｃｔｒｉｃ Ｐｏｗｅｒ Ａｕｔｏｍａｔｉｏｎ Ｅｑｕｉｐｍｅｎｔ Ｊｕｎ． ２０１９ 基于ＡｄａＢｏｏｓｔ⁃ＲＢＦ算法与ＤＳｍＴ的变压器故障诊断技术 １，２ １ １ ３ ４ １ 刘云鹏 ，付浩川 ，许自强 ，李　 刚 ，高树国 ，董王英 （１． 华北电力大学 河北省输变电设备安全防御重点实验室，河北 保定 ０７１００３； ２． 华北电力大学 新能源电力系统国家重点实验室，北京 １０２２０６；３． 华北电力大学 控制与计算机工程学院， 河北 保定 ０７１００３；４． 国网河北省电力有限公司电力科学研究院，河北 石家庄 ０５００１１） 摘要：针对目前浅层机器学习理论在变压器故障诊断上精度不高以及大多数诊断方法参考的信息特征量单 一的现状，提出一种基于ＡｄａＢｏｏｓｔ⁃ＲＢＦ算法与Ｄｅｚｅｒｔ⁃Ｓｍａｒａｎｄａｃｈｅ 理论（ＤＳｍＴ）的变压器故障诊断方法。 选 择反映变压器故障信息的油中溶解气体、试验及产气率数据构成诊断参量空间，利用ＡｄａＢｏｏｓｔ算法改进ＲＢＦ 神经网络算法，应用ＡｄａＢｏｏｓｔ⁃ＲＢＦ算法搭建并行的训练单元构造变压器故障诊断识别框架的基本信度赋值 （ＢＢＡ）。 基于多源信息融合的思想，应用ＤＳｍＴ对基本信度赋值进行融合得到最终诊断结论，该理论克服了 Ｄ⁃Ｓ证据理论无法融合高冲突性证据的局限性。 对１１０ ｋＶ 变压器进行仿真实例分析，结果表明所提方法具 有良好的实用性。 关键词：电力变压器；故障诊断；ＡｄａＢｏｏｓｔ⁃ＲＢＦ；ＤＳｍＴ；基本信度赋值；多源信息融合；高冲突性证据 － 中图分类号：ＴＭ４１ 文献标志码：Ａ ＤＯＩ：１０．１６０８１／ ｊ．ｉｓｓｎ．１００６ ６０４７．２０１９．０６．０２４ ０　 引言 　 　 针对变压器故障信息的复杂性与不确定性，信 息融合理论在变压器故障诊断的应用中取得了良好 电力变压器是输变电和供配电系统中的重要设 ［１０］ 的效果 ，研究基于多源信息融合的变压器故障诊 备，其运行状态对电网的安全稳定运行有着重要影 ［１］ 断方法可以从整体上反映变压器的故障状态，更为 响 。 目前大型电力变压器故障诊断大多基于油中 准确地对变压器故障部位进行定位。 Ｄ⁃Ｓ证据理论 溶解气体分析（ＤＧＡ）技术，其诊断方法从最早沿用 ［２⁃３］ 目前被广泛地应用于信息融合中，但当利用其处理 传统的ＩＥＣ 的三比值法及改良三比值法 ，发展到 高冲突性信息时，会出现融合后产生悖论的情况。 近年来国内外学者提出的人工智能算法，如人工神 Ｄｅｚｅｒｔ⁃Ｓｍａｒａｎｄａｃｈｅ 理论 ＤＳｍＴ（Ｄｅｚｅｒｔ⁃Ｓｍａｒａｎｄａｃｈｅ 经网络、支持向量机（ＳＶＭ）、正态云模型、粗糙集理 ［４⁃７］ Ｔｈｅｏｒｙ）作为一种有效的证据冲突组合理论，其采用 论、贝叶斯理论等 ，在取得了一定诊断效果的同 时也解决了传统算法分类边界过于绝对化的局限性。 冲突比例重分配规则处理高冲突性证据，可以克服 然而目前大部分变压器故障诊断方法所参考的 Ｄ⁃Ｓ证据理论的局限性，目前较多地应用