基于缺失数据填补的油浸式变压器故障诊断

作者：廖才波; 杨金鑫; 邱志斌; 胡雄; 蒋子豪; 李欣

来源：高电压技术, 2024, 1-10.

DOI：10.13336/j.1003-6520.hve.20231532

• 变压器
• 缺失数据填补
• 极端随机树
• 故障诊断
• 梯度提升树
• 油中溶解气体分析

数据质量是影响变压器故障诊断模型准确性及可靠性的重要因素。针对现有变压器故障诊断模型对数据完整性要求较高等问题，本文以油浸式变压器为研究对象，提出了一种基于缺失数据填补的变压器故障诊断方法。首先，采用极端随机树(ERT)算法对变压器样本的缺失数据进行填补，通过与多种回归模型对比，评价ERT模型的预测效果。然后，基于油中溶解气体数据，提取能够反应变压器运行状态的16维特征集合，形成完备信息的变压器故障诊断样本。最后，利用树结构概率密度估计(TPE)算法实现梯度提升树(GBDT)模型的参数优化，构建基于TPE-GBDT的变压器故障诊断模型。研究结果表明，在对缺失率为10%的变压器样本数据进行填补时，ERT算法的决定系数达到0.96，高于LR和RFR等回归算法。此外，基于ERT填补后的样本数据在TPE-GBDT模型的平均诊断准确率和标准差分别为90.1%和0.036，其准确性和稳定性均优于LDA和RFC等分类算法。该方法能够有效提升变压器样本质量和故障诊断效果，可为变压器运维检修提供针对性的指导建议。

• 单位
  南昌大学; 国网江西省电力有限公司