理论教育 基于关联分析的变压器特征压缩与提取算例分析

基于关联分析的变压器特征压缩与提取算例分析

时间:2023-06-18 理论教育 版权反馈
【摘要】:表4-9故障类型分类2.关键指标参量的筛选依据前面提出的关联规则算法,设置变压器状态指标关键参量提取算法。由此可知当这两项指标超出警示值时,出现绝缘受潮的可信度高,因此可以认为这是变压器最具代表性指标。因此可以认为这不是变压器最具代表性的指标。

基于关联分析的变压器特征压缩与提取算例分析

1.变压器状态变量的选取

变压器的状态试验项目包括油中溶解气体试验、电气试验以及绝缘油试验等,根据《电气设备预防性实验规程》中对变压器状态指标的参考,结合已有的故障统计数据,梳理得到27个状态指标参量,如表4-8所示。

表4-8 变压器指标参量

影响变压器运行状态的指标参数众多,当变压器发生故障时,往往伴随着多个不同的指标参量的变化,同时各指标参量之间也会相互影响。从众多指标参量中提取影响其运行状态的关键参量,须建立具体指标参量与变压器不同故障状态的映射模型,即具体何种指标影响何种运行状态,因此分析变压器不同故障状态与各指标参量之间的关系是变压器关键参量提取的前提。本文根据变压器实际运行状况并结合已有的研究[58],将变压器故障状态变量分为以下几类,如表4-9所示。

表4-9 故障类型分类

2.关键指标参量的筛选

依据前面提出的关联规则算法,设置变压器状态指标关键参量提取算法。假设指标参量为A,故障状态为B,支持度的基本定义为:A和B同时出现在一次事务中的比例,即事务数据库D中包含A∪B的比例,表示为

信度的基本定义为事务库D中包含A的同时又包含B的比例,概率学中为条件概率P(B|A),表示为:

根据上述定义,对变压器故障和各指标参量关系量化如下:

(1)事务数据库Di={第i个故障发生};

(2)子集Ai,j={第i个故障状态中的第j个单项指标参量超出警示值};(www.daowen.com)

(3)子集Bi={第i类故障发生}。

由上式中可知,某故障状态关联规则Ai,j→Bi的支持度和置信度计算如下:

式中,δ表示符合上述条件的指标参量超标次数。

收集的某变电站变压器历史故障数据如表4-10所示。

表4-10 变压器状态样本统计数据

续表

以“绝缘受潮”为例,指标参量包括H2含量、绝缘电阻吸收比、极化指数、泄漏电流、绝缘油介损、油中含水量、油击穿电压、体积电阻率。绝缘受潮故障发生次数为115,对应的指标参量超标次数分别为105、95、101、96、113、105、102、89,在总样本中超标次数为453、98、110、330、477、287、227、89。根据式(4-41)与式(4-42)可求出绝缘电阻吸收比支持度和置信度:

同理可以求出极化指数的支持度和置信度分别为87.83%和91.82%。由此可知当这两项指标超出警示值时,出现绝缘受潮的可信度高,因此可以认为这是变压器最具代表性指标。类似在其他指标中,置信度在多个故障状态中为25%左右,当发生H2含量超出警示值时,在多个故障状态中都有出现,需要参考其他状态指标才能对变压器状态进行判断,可信度低。因此可以认为这不是变压器最具代表性的指标。选择支持度与置信度的最小阈值分别为:S≥70% 及C≥50%,从而可以筛选出变压器状态关键参量,最终结果如表4-11所示。

表4-11 变压器关键指标参量

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈