利用数据挖掘的绝缘油色谱分析故障建模初探
需积分: 11 101 浏览量
2009-06-30
16:13:49
上传
评论
收藏 270KB PDF 举报
．２０．
Ｍａｙ．２００４
ＨＩＧＨ
ＶＯＬＴＡＧＥ
ＥＮＧＩＮＥＥＲＩＮＧ
Ｖｏｌ·３０
Ｎｏ·５
—————————————————————————————————————————————————————一
利用数据挖掘的绝缘油色谱分析故障建模初探
黄海鹏１，周志成２，何俊佳２，刘晓津２
（１．佛山市供电公司，佛山５２８０００；２．华中科技大学电气与电子工程学院，武汉４３００７４）
ＦＡＵＬＴ
ＭｏＤＥＬ
ＣｏＮＳＴＲＵＣＴＩｏＮ
ＢＡＳＥＤ
ｏＮ
ＧＡＳ
ＣＨＲｏＭＡＴｏＧＲＡＰＨＹ
ＯＦ
ＩＮＳＵＬＡＴＩｏＮ
ＯＩＬ
ＢＹ
ＭＩＮＩＮＧ
ＴＥＣＨＮＩＱＵＥ
Ｈｕａｎｇ
Ｈａｉｐｅｎ９１，Ｚｈｏｕ
Ｚｈｉｃｈｅｎ９２，Ｈｅ
Ｊｕｎｊｉａ２，Ｌｉｕ
Ｘｉａｏｊｉｎ２
（１．Ｆｏｓｈａｎ
Ｐｏｗｅｒ
Ｓｕｐｐｌｙ
Ｃｏｍｐａｎｙ，Ｆｏｓｈａｎ
５２８０００，Ｃｈｉｎａ；
２．Ｓｃｈｏｏｌ
ｏｆ Ｅｌｅｃｔｒｉｃａｌ
ａｎｄ
Ｅｌｅｃｔｒｏｎｉｃ
Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｕａｚｈｏｎｇ
Ｕｎｉｖｅｒｓｉｔｙ
ｏｆ
Ｓｉｃｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ
４３００７４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ
Ｂｙ
ｄａｔａ
ｃｒｕｎｃｈｅｒ，ｔｈｅ
ｇａｓ
ｃｈｒｏｍａｔｏｇｒａｐｈｙ
ｄａｔａ
ｏｆ
ｔｒａｎｓｆｏｒｍｅｒｓ
ａｒｅ
ｐｒｏｃｅｓｓｅｄ
ａｎｄ
ｍｉｎｅｄ．Ｔｈｅ
ｆａｕｌｔ
ｍｏｄｅｌ
ｉｓ
ｃｏｎｓｔｒｕｃｔｅｄ．Ｔｈｅ
ｒｅｌａｔｉｏｎｓｈｉｐ
ａｍｏｎｇ
ｔｈｅ
ｃｏｎｔｅｎｔｓ
ｏｆ
ｔｈｅ
ｄｉｓ—
ｓｏｌｖｅｄ
ｃｈａｒａｃｔｅｒｉｓｔｉｃ
ｇａｓｅｓ，ｏｔｈｅｒ
ｃｏｍｂｉｎｅｄ
ｐａｒａｍｅｔｅｒｓ
ａｎｄ
ｔｈｅ
ｏｃｃｕｒｒｅｎｃｅ
ｏｆ
ｆａｕｌｔ
ｉｎ
ｔｒａｎｓｆｏｒｍｅｒｓ
ｉｓ
ｆｏｒｍｕｌａｔｅｄ．Ｉｔ
ｉｓ
ｐｒｏｖｅｄ
ｔｈａｔ
ｂｙ
ｔｈｉｓ
ｍｏｄｅｌ
ｉｔ
ｃａｎ
ｇｉｖｅ
ｈｉｇｈ
ｐｒｅｃｅｓｓｉｏｎ
ｏｆ
ｐｒｅ—
ｄｉｃｔｉｏｎ
ｉｎ
ｆａｕｌｔ
ｄｉａｇｎｏｓｉｓ．Ｔｈｅ
ｐｒｅｄｉｃｔｅｄ
ｒｅｓｕｌｔ
ｉｓ
ａｇｒｅｅｍｅｎｔ
ｗｉｔｈ
ｔｈｅ
ｔｈｒｅｅ
ｒａｔｅｓ
ｍｅｔｈｏｄ．
Ｋｅｙ
ｗｏｒｄｓ
ｇａｓ
ｃｈｒｏｍａｔｏｇｒａｐｈｙ
ａｎａｌｙｓｉｓ
ｄｉｓｓｏｌｖｅｄ
ｇａｓ
ａ—
ｎａｌｙｓｉｓ（ＤＧＡ）ｄａｔａ
ｍｉｎｉｎｇ
ｍｏｄｅｌ
摘 要
利用Ｄａｔａ
Ｃｒｕｎｃｈｅｒ数据挖掘工具对变压器油色谱
分析结果进行数据挖掘处理和故障模型建立，给出了油中溶
解气体体积分数及其组合参数与变压器故障是否存在之间
的关联关系。所建模型预测故障的结果证明与三比值法吻
合，并能预测无三比值编码的故障，故障预测准确率较高。
关键词
气相色谱分析
油中溶解气体分析
数据挖掘
模型
中图分类号ＴＭ８５５
文献标识码Ａ
０引
言
高压电气设备异常时，可能引起其绝缘用矿物
油分解，产生特征气体（如ＣＨ。、Ｃ。Ｈ。、Ｃ。Ｈ。、Ｃ。Ｈ。
等）。用油中溶解气体分析（ＤＧＡ）［１’２３诊断设备中
的潜伏故障效率高、速度快、检测灵敏度高、样品用
量少，受到运行部门欢迎，大量基于ＤＧＡ的在线监
测与诊断装置也开始得到应用。
ＤＧＡ法诊断故障的难点是分析特征气体体积
分数来判明故障类别以采取有效应对措施。目前主
要采用ＩＥＣ和国家标准［２’３］推荐的三比值判别法
（见表１），此外还有大卫三角形法、图形法等。
因故障与其特征气体间的相关性很强，故本文
尝试采用数据挖掘的方法，通过处理变压器的大量
检修数据和故障记录，建立特征气体体积分数与故
障两者之间的联系，为判别故障提供判据。
１数据挖掘
数据挖掘是一种新的处理海量数据用决策支持
技术，它是指从大量不完全、有噪声、模糊、随机的数
据中提取隐含其中、事先未知、但又潜在有用的信息
和知识的方法或过程‘４’５］。
表１
ＤＧＡ诊断表
Ｔａｂｌｅ
１
Ｔａｂｌｅ
ｏｆ
ＤＧＡ
ｄｉａｇｎｏｓｉｓ
热
‘＜３００。Ｃ
ＮＳ
＞１（除ＮＳ）
＜１
Ｔ故３００。Ｃ＜ｔ＜７００。Ｃ
＜Ｏ．１
＞１
１～４
障
￡＞７００。ｃ
＜ｏ．２
＞ｌ
＞４
＊ＮＳ指无论何数均无意义。
数据挖掘关联分析功能十分强大：即通过采取
各种统计处理、回归分析、决策树等数学处理方法，
对数据间的关系（相关、互斥、联合等）建模和描述。
这种关联分析工具用于电气设备故障诊断，可为建
立适应性强、准确度高的诊断模型提供一种简便方
法。Ｄａｔａ
Ｃｒｕｎｃｈｅｒ的数据挖掘过程为：①数据准
备；②定义主题；③建立模型；④理解模型；⑤模型评
估与预测。本文尝试利用ＲｉｇｈｔＰｏｉｎｔ的Ｄａｔａ
Ｃｒｕｎｃｈｅｒ数据挖掘工具，处理所收集的２３３条高压
变压器检修数据和故障记录，给出特征气体体积分
数与故障之间的关系。
２
ＤＧＡ数据的挖掘与故障建模
２．１
数据准备
从公开发表的论文及变电站的检修记录中选
２３３条数据记录，随机分建两库：挖掘库（用来建立
挖掘模型）和测试库（用来检验模型性能），各含
１５３、８０条记录。每条记录包括“记录号，所有气体
（包括Ｈ２、ＣＨ。、Ｃ２
Ｈ６、Ｃ２
Ｈ。、Ｃ２
Ｈ２、Ｃ１＋Ｃ２、ＣＯ、
ＣＯｚ）的体积分数，Ｐ（Ｃ２
Ｈ２）／９（Ｃ２
Ｈ。、９（ＣＨ。）／
妒（Ｈｚ）、ｐ（ＣｚＨｔ）／９（Ｃ２Ｈｅ），故障否（－－值变量，１即
万方数据
资源评论
