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

作者：陈铁; 冷昊伟; 李咸善; 陈一夫

来源：中国电力, 2022, 55(07): 22-32+41.

DOI：10.11930/j.issn.1004-9649.202202010

• 变压器故障诊断
• 类重叠
• 分层诊断
• 支持向量数据描述
• 模糊支持向量机

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。

• 单位
  三峡大学