油浸式变压器内部潜在热电故障的诊断研究与实现

韩媛媛

【摘  要】国外某港口作为其国家第一大港，承担了70%的外贸进出口业务，配套集装箱散货码头提供了区域内国际远洋航线船舶靠泊装卸的最佳选择。因此，港区内稳定可靠的供电将会直接影响整体电力系统的安全与经济效益的增损。油浸式变压器作为供电系统中至关重要的电力设备，及时发现其油箱内部潜在热电故障，并尽早排除，可有效提高供电系统的可靠性与设备的可用度。本文将基于油中溶解气体分析（Dissovled Gas Analysis，简称DGA）数据，利用KNIME平台中决策树C4.5算法，对变压器油箱内潜在热电故障进行诊断，通过在平台中搭建故障诊断工作流，实现对参数便捷的设置操作，高效率得到较为准确的故障诊断结果，保证变压器的正常运行。

【关键词】油浸式变压器;内部潜在热电故障;KNIME;决策树;故障诊断

1油浸式变压器故障表现形式

油浸式变压器可以通过检测油内溶解气体的成分来进行内部潜在热电故障的判断。这是由于在变压器复杂结构内部发生热作用或电反应时，某些特征气体的产生速度加快、种类增多，导致油箱中成分发生改变进而可能引发故障，造成重大经济损失[1]。下表罗列出基于DGA技术的变压器故障类型与特征气体的对应关系[2]：

2油浸式变压器故障检测方法

（1）传统比值法。其原理即计算烃类气体组分及含量与边界阈值比较的方式进行编码，再参照列表对应故障类型。优势在于虽然与预防性电气试验相比，不需停电、不受电场干扰、分析速度快。但是其本身仍然存在比值编码缺失、边界过于绝对等缺陷，都会给故障诊断与设备检修带来不必要的麻煩。

（2）智能诊断法。随着人工智能方法的发展，越来越多的智能诊断理论与油浸式变压器故障诊断相结合。虽然如遗传算法、粗糙集、神经网络、专家系统等方式建立模型、知识库，降低了判断的绝对性，弥补了传统方法对多种复杂故障组合判断限制的不足。但在实际采用MATLAB软件进行建模应用时，在可视化与效率方面有所欠缺[3]。

因此本文拟利用KNIME平台设计一种基于决策树C4.5算法的油浸式变压器潜在热电故障诊断方法，以解决如下问题：

（3）在较短时间内，判断出正确故障类型;

（4）操作便捷，界面可视化，能够智能化进行参数设置。

3决策树C4.5算法原理论述

3.1数据描述

4.2KNIME决策树节点参数设置

决策树学习器的参数的设置对于预测结果起到至关重要的作用，如图2为KNIME软件中决策树学习器节点参数的具体设置。

（1）选择信息增益度作为学习方法，对故障类型进行目标列学习;

（2）防止因过度拟合而影响结果的准确性及预测的高效性，设置以MDL（Minimum Description Length）方法为准则，采用Reduced-Error Pruning（REP，错误率降低剪枝）的后剪枝方法，拟得到一棵期望错误率最小的决策树。

（3）同时选择合适的前剪枝阈值，可以提高其准确率及树生成的效率。

4.3故障诊断工作流的搭建

故障诊断工作流由数据库读写节点、决策树学习预测节点以及评分等节点组成。工作流工作流程如下：从数据库读取500条油浸式变压器故障数据，随机将其分为450条样本数据和50条测试数据，对数据进行归一化处理后，利用决策树学习器对数据进行学习，并用建立的模型对测试数据进行故障预测，通过将预测结果与原有结果的评分比较，计算预测正确率。故障诊断工作流如图3所示。

4.4结果分析

使用不同算法，对相同样本数据进行学习，对相同测试数据进行故障判断，神经网络、模糊算法、贝叶斯算法与决策树的仿真结果如图4-7所示。

结果显示，基于决策树的故障诊断方法准确率达到86%，远高于其他智能算法的预测结果准确度，故油浸式变压器内部潜在热电故障使用决策树C4.5算法的判断准确率可以达到满意的效果。

同时，将设计的方法与使用MATLAB编程方法的故障诊断进行了比较，见表2。

通过测试，本文设计的优点如下：

●可视化的界面操作。直观可靠、控制简单、方便操作;

●提供大数据接口。故障诊断工作流提供与HBase数据库连接的端口，可对数据量庞大的大数据进行预测分析;

●调试方便。可对于异常信息进行错误捕捉，方便用户调试;

●快捷的参数设置。

5结论

本文依托国外某码头项目，详细介绍了基于KNIME平台决策树算法的油浸式变压器内部潜在热电故障诊断工作流的方法。通过对大量DGA样本数据的学习，以及方便快捷的参数设置，最终得到一棵较优质的树模型。预测结果显示，预测结果准确性较高，且具有高工作效率，表现了对故障良好的辨识能力。

参考文献：

[1]蒋维，李铖.基于小波变换的变压器局部放电信号的分析方法研究[J].仪器仪表用户，2006，第6期

[2]基于相关向量机的油浸式电力变压器故障诊断方法研究[D].华北电力大学（北京）华北电力大学，2013

[3]王桂英，张世军，潘思尧.基于神经网络的变压器故障诊断方法研究[J].计算机测量与控制，2012，第7期

（作者单位：中交第四航务工程勘察设计院有限公司）