基于最小二乘支持向量机的电力变压器故障诊断 power transformer fault diagnosis based on least square support vector machine.pdfVIP

基于最小二乘支持向量机的 电力变压器故障诊断 肖燕彩．朱衡君 (北京交通大学机电学院，北京100044) 摘要：油中溶解气体分析是变压器绝缘故障诊断的重要方法。为了提高分类的准确度和可靠性，应 用最小二乘支持向量机理论建立了变压器的分类模型。该模型以变压器油中5种主要特征气体作 为输入量，以7种变压器状态作为输出量，选用了径向基核，使用了一对一的多分粪算法，充分发挥 了支持向量机具有较高泛化能力的优势。通过大量的实例分析+井将诊断结果与IEc三比值法、改 良三比值法和BP神经网络的诊断结果相比较，表明基于径向基核的最小二乘支持向量机在变压器 故障诊断中具有更高的准确率。 关键词：变压器；故障诊断；溶解气体分析；最小=乘支持向量机 855 中图分类号：TM411；TM 文献标识码：A O引言 1 LS．SVM算法 变压器是电力系统的重要设备．其工作状态赢接 选择一个非线性变换p(·)将n维输入、l维输 影响电网的稳定性。因此，研究变压器故障诊断技 出样本向量(j。yf)从原空间映射到高维特征空间 术，提高变压器的运行维护水平，具有重要的现实意 F(其中嚣E殿为输入向量，n=5，对应5种特征气体； 义“。3】。在变压器的故障诊断中，油中溶解气体分析 Gas 数)。在此高维特征空间构造最优线性分类函数“o-”1 DCA(DissolvedAnalvsis)被公认为是一种探测 变压器初期故障和进行绝缘寿命估计的有效手段。 ，(x)=sgn[(∞·P∽)+6)](1) 它为间接了解变压器内部的一般隐患提供了重要依 式中∞为权值向量：6为偏差。 根据结构风险最小化原则，寻找m和6就是最小化 据。目前，利用DGA数据来诊断变压器不同故障的 方法主要有IEc三比值法和改良三比值法等。但由 只=lI埘旷／2+c·置。．。 (2) 于存在“缺编码”、“编码边界过于绝对”等不足．故障 式中 II m旷为控制模型的复杂度；c为控制对超出 诊断率不是很理想。近年来许多学者致力于用神经 误差的样本惩罚程度；置一为误差控制函数。 网络、专家系统、模糊理论等方法进行变压器故障诊 选取不同的损失函数可构造不同形式的SVM。 Ls．svM在优化目标中选择的损失函数为误差∈．的 断。取得了一定的效果【4‘7】。但由于变压器故障机 二范数。因此优化问题为 理的复杂性，不断寻找新的算法以进一步提高变压 器的故障诊断准确率是必要的。 min矿∞／2+yC∑彰)／2 (3) vector 支持向量机SvM(SupportMachine)是约束条件为 在统计学习理论基础上发展起来的一种新的分类 (4) 儿[n，7p(x；)+6]=1一毒持1，…，f 和回归工具。它通过结构风险最小化原理来提高 一般地，由于m可能为无限维，直接求解式(4) 泛化能力，较好地解决了小样本、非线性、局部极小 的优化问题极其困难．因此将这一优化问题转化到其 点等实际问题，已经在模式识别、信号处理、函数 对偶空间中，引入拉格朗日函数 逼近等领域得到了应用”。最小二乘支持向量