【精彩论文】基于油中气体分析与类重叠特征的变压器分层故障诊断模型

观点凝练

摘要：油中溶解气体分析可以有效识别变压器放电故障与过热故障，为提高变压器故障诊断准确度，提出一种基于类重叠特征的变压器分层故障诊断方法。首先使用支持向量数据描述（SVDD）划分出变压器故障样本数据空间的重叠区域，选择类重叠率与类重叠度作为重叠特征，分别对类重叠程度和样本点重要性进行描述，然后以类重叠率为分层标准建立分层故障诊断模型，采用分隔训练法将各诊断层的样本集分开训练，针对分类难度较大的重叠区，基于类重叠度构造二分类模糊支持向量机(FSVM)进行故障诊断。实验结果表明，相比于其他模型，所提方法具有更高的准确度。
结论：为提高变压器故障诊断的准确性，本文提出了基于类重叠特征的变压器分层故障诊断模型，得出如下结论。

（1）采用分层诊断策略将多分类诊断模型转化为多个二分类诊断模型可以提高诊断精度，而通过类重叠率可以很好地发现各类别之间的相关程度，以此对模型分层能有效简化模型的复杂度。

（2）针对分类难度较大的重叠区，采用分隔训练法可以降低重叠区数据集的类不平衡程度，再根据类重叠度构建模糊支持向量机进行分类，可以大幅提高诊断的准确度。

（3）类重叠是影响变压器故障诊断的关键问题，也是导致类不平衡问题的重要影响因素。本文所提模型采用SVDD算法划分类重叠区域，从类重叠角度为变压器故障诊断研究提供了一种思路，下一步将继续探究更先进的类重叠区域划分方法以及更多的类重叠特征，以用于变压器故障诊断分析，进一步完善基于类重叠特征的变压器故障诊断模型。

引文信息

陈铁, 冷昊伟, 李咸善, 等. 基于油中气体分析与类重叠特征的变压器分层故障诊断模型[J]. 中国电力, 2022, 55(7): 22-32, 41.CHEN Tie, LENG Haowei, LI Xianshan, et al. Transformer hierarchical fault diagnosis model based on dissolved gas analysis of insulating oil and class overlap features[J]. Electric Power, 2022, 55(7): 22-32, 41.

欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！

 往期回顾 

◀

编辑：杨彪

校对：蒋东方

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。