基于SVM的电力变压器内部故障部位的概率估计.pdf

《基于SVM的电力变压器内部故障部位的概率估计.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第40卷第14期电力系统保护与控制V_01．40NO．142012年7月l6日PowerSystemProtectionandContro——lJuly16，2012基于SVM的电力变压器内部故障部位的概率估计司马莉萍，黄松波，豆朋，舒乃秋，李自品(1．武汉大学电气工程学院，湖北武汉430072；2．广东电网公司佛山供电局，广东佛山528000)摘要：目前变压器智能故障诊断大多是以油中溶解气体为特征对故障性质的诊断，缺乏对内部故障部位的分析及量化的诊断结果。针对上述问题，提出一种基于SVM的电力变压器内部故障部位的概率估计模型。该模型结合SVM与概率建模的优点，充分利用油中溶解气体和电气试

2、验数据的互补信息，运用SVM后验概率理论，对变压器内部可能发生故障的部位进行概率估计，克服了标准SVM硬判决输出的缺陷，以概率的形式给出诊断结论。通过实例分析表明，该模型不仅故障识别率较高，还具有良好的概率分布形态，具有较好的实用性和推广性。关键词：变压器；概率估计；故障部位；支持向量机；后验概率ProbabilityestimationofinteriorfaultpositionforpowertransformerbasedonSVMSIMALiping，HUANGSong．bo，DOUPeng，SHUNai—qiu，LIZi-pin(1．SchoolofElectricalEngi

3、neering，WuhanUniversity，Wuhan430072，China；2．FoshanPowerSupplyBureau，GuangdongPowerGridCorporation，Foshan528000，China)Abstract：Atpresent，mostintelligentfaultdiagnosticmethodsofpowertransformerarebasedondissolvedgasanalysisinoiltomakediagnosisonfaultproperty，whichlacksofaquantitativediagnosisoninner

4、faultposition．Tosolvetheproblem，anovelprobabilityestimationmodelofinteriorfaultpositionforpowertransformerbasedonsupportvectormachine(SVM)isproposed．ThemodeltakesadvantagesofSVMandprobabilitymodelingtomakeprobabilityestimationoninteriorpossiblefaultpositionofpowertransformerbyfullyutilizingdissolv

5、edgasanalysisandroutineelectricaltestingdata．Itovercomesdrawbacksinhard—decisionoutputsofthetraditionalsuppo~vectormachineandgivesaprobabilisticconclusionbyusingposteriorprobabilitysuppo~vectormachine．Finally，faultdiagnosisexamplesareusedtoillustratetheperformanceoftheproposedmode1．Thediagnosticre

6、sultsshowthattheproposedmodelhashighrecognitionrateandbeRerprobabilitydistribution，whichprovesitseffe~ivenessandusefulness．Keywordstpowertransformer；probabilityestimation；faultposition；suppo~vectormachine；theposteriorprobability中图分类号：TM411文献标识码：A文章编号：1674-3415(2012)14-0121．06断，而故障部位的分析对变压器的检修工作更具有

7、0引言意义。电力变压器是电力系统重要的变电设备。近年针对这些问题，本文综合利用油中溶解气体分来，对变压器故障的诊断成为了电力行业的研究热析和电气试验数据，基于SVM后验概率理论提出点之一。目前，基于结构风险最小化原则的支持向了变压器内部故障部位的概率估计模型，该模型既量机理论，在解决传统变压器故障智能诊断方法中继承了支持向量机小样本、泛化能力强等优点，又小样本、非线性、局部极小点等问题中取得了一些以概率形式提供了变压器部