电工电气杂志社

关键词：变压器；故障诊断；邻域粗糙集；支持向量机；灰狼算法

中图分类号：TM407 文献标识码：A 文章编号：1007-3175(2022)02-0009-05

Research on GWO-SVM Transformer Fault

Diagnosis Method Based on NRS

XU Wei-jin¹, XU Wei-bin¹, ZHANG Wei-hua¹, LI Xiang¹, WU Zhen²

（1 Changchun Power Supply Company, State Grid Jilin Electric Power Co., Ltd, Changchun 130000, China;

2 School of Electrical and Electronic Engineering, Changchun University of Technology, Changchun 130012, China）

Abstract: Dissolved gas analysis (DGA) in oil cannot reflect the different faults of the transformer effectively, and the diagnosis accuracy is low. This paper simplified the ratio of transformer fault data by using neighborhood rough set (NRS) to solve this problem. It derived a new set of ratios as a diagnostic sample from the simplified data.Furthermore, it used the gray wolf optimize (GWO) combined with the support vector machine (SVM) model for fault diagnosis.The experiment analysis shows that the use of NRS to simplify transformer fault data could effectively improve the accuracy of transformer faults. At the same time, it verifies the applicability of the GWO-SVM model for transformer fault diagnosis.

Key words: transformer; fault diagnosis; neighborhood rough set; support vector machine; gray wolf optimize

参考文献

[1] 陈小玉. 改进的神经网络在变压器故障诊断中的应用[J]. 计算机仿真，2012，29(8) ：318-321.

[2] DUVAL M, DEPABLA A.Interpretation of gas-inoil analysis using new IEC publication 60599 and IEC TC 10 databases[J].IEEE Electrical Insulation Magazine，2001，17(2) ：31-41.

[3] 汪可，李金忠，张书琦，等. 变压器故障诊断用油中溶解气体新特征参量[J] . 中国电机工程学报，2016，36(23) ：6570-6578.

[4] ROGERS R R.IEEE and IEC codes to interpret incipient faults in transformers, using gas in oil analysis[J].IEEE Transactions on Electrical Insulation，2007，13(5) ：349-354.

[5] International Electrotechnical Commission.Mineral oil-impregnated electrical equipment in service—Guide to the interpretation of dissolved and free gases analysis ：IEC 60599-1999[S].Geneva ：International Electrotechnical Commission Publication，1999 ：1-25.

[6] 电力行业电力变压器标准化技术委员会. 变压器油中溶解气体分析和判断导则：DL/T 722—2014[S] .北京：中国电力出版社，2007 ：3-9.

[7] 杨志超，张成龙，吴奕，等. 基于粗糙集和 RBF 神经网络的变压器故障诊断方法研究[J] . 电测与仪表，2014，51(21) ：34-39.

[8] 陈欢，彭辉，舒乃秋，等. 基于蝙蝠算法优化最小二乘双支持向量机的变压器故障诊断[J] . 高电压技术，2018，44(11) ：3664-3671.

[9] 郑蕊蕊，赵继印，赵婷婷，等. 基于遗传支持向量机和灰色人工免疫算法的电力变压器故障诊断[J].中国电机工程学报，2011，31(7) ：56-63.

[10] 樊浩，李兴文，苏海博，等. 基于主成分分析-支持向量机优化模型的断路器故障诊断方法研究[J].高压电器，2020，56(6) ：143-151.

[11] 吴广宁，袁海满，宋臻杰，等. 基于粗糙集与多类支持向量机的电力变压器故障诊断[J] . 高电压技术，2017，43(11) ：3668-3674.

[12] 周光宇，马松龄. 基于机器学习与 DGA 的变压器故障诊断及定位研究[J] . 高压电器，2020，56(6) ：262-268.

[13] 胡清华，赵辉，于达仁. 基于邻域粗糙集的符号与数值属性快速约简算法[J] . 模式识别与人工智能，2008，21(6) ：732-738.

[14] 胡清华，于达仁，谢宗霞. 基于邻域粒化和粗糙逼近的数值属性约简[J] . 软件学报，2008，19(3) ：640-649.

[15] 张镱议，焦健，汪可，等. 基于帝国殖民竞争算法优化支持向量机的电力变压器故障诊断模型[J] .电力自动化设备，2018，38(1) ：99-104．

[16] 李春茂，周妺末，刘亚婕，等. 基于邻域粗糙集与多核支持向量机的变压器多级故障诊断[J] . 高电压技术，2018，44(11) ：3474-3482.

[17] MIRJALILI S, MIRJALILI S M, LEWIS A.Grey wolf optimizer[J].Advances in Engineering Software，2014，69(3) ：46-61.

[18] 赵洛印，李忠诚，王丹，等. 基于 GWO-SVM 的电压暂降扰动源识别[J]. 电测与仪表，2019，56(23) ：76-85.

返回索引列表

Article retrieval

文章检索

基于NRS的GWO-SVM变压器故障诊断方法研究