基于拉曼光谱的电力变压器PCA-SVM故障诊断研究.pdfVIP

ELECTRONICS WORLD ・探索与观察 基于拉曼光谱的电力变压器PCA-SVM故障诊断研究 山东科技大学 聂 磊 苏衍保 李敬东 【摘要】 针对 电力变压器故 障诊 断准确率低 、可靠性差的现 象，本文在基 于油中溶解气体分析 （DGA ）的基础上 ，对 电力变压器的拉 曼光 谱数据通过主元分析方法 （PCA ）和支持 向量机 （SVM ）结合的方法对进行故障诊断研究。仿真结果表明，通过PCA-SVM方法，电力变压 器故障诊断的准确率和可靠性大为提 高。 【关键词】 拉 曼光谱 ；DGA ；PCA ；SVM ；故障诊断 斯频率项，第三项频率减小 为斯托克斯频率项，二三项统称拉曼 0 引言 [6] 散射光强 。 变压器的故障时有发生，对变压器进行的故障诊断与预测，对 3 主元分析法 [1] 有效避免电力事故、保证电网可靠安全运行意义重大 。基于DGA 的传统故障诊断算法主要有特征气体法、IEEE法、Rogers 比值法、 原始数据中有CO 、H2 、C2H2 、C2H4 、CH4 、C2H6 、C3H6 大卫三角形法等。 气体含量A1~A86个特征气体浓度数据，还有一个总烃含量浓度数 本文将通过主元分析与支持向量机相结合的方法对电力电压 据A0 ，并包含各个特征气体的比值 个，如CH4/H2 、C2H2/ 器故障诊断进行研究。对DGA得到的油中气体数据，通过主元分 C2H4等，总维数为21 。因此将通过主元分析法PCA对这21个维度 析法（PCA ）对数据进行降维处理，为了考虑到在利用支持向量机 的数据进行降维处理。Matlab仿真具体算法如下： （SVM）进行变压器故障分类时，故障数据分类较多、维数过大的 （1）共150组样本数据建立样本库Mysample=fix(rand(150,20)*50)，定 影响，通过PCA预处理进一步提高SVM的训练速度和分类速度。 义协方差dim1~dim21，其中dim1=Mysample( :1)，dim2=Mysample( :2)...依次 类推。以及对角线各个维度的方差std(dim1)/(21-1),std(dim2)/(21-1)；调用cov 1 DGA原理 函数计算结果cov(Mysample)。上述过程可通过样本矩阵中心化函数进行 验证：x=Mysample-repmat(mean(Mysample),21,1)，C=(xt*x)/(size(x,1)-1)，其 变压器绝缘油分解机理可由绝缘油裂化反应表述如下： 中size(x,1)为样本维度n=21。 （2 ）根据协方差矩阵求C 的特征值与特征向量[eigeavalues,eig 其中e是分解所需能量，R*和H*是游离基。变压器的内部故障 envectors]