基于群灰色关联度分析方法的电力变压器绝缘故障诊断.docx

基于群灰色关联度分析方法的电力变压器绝缘故障诊断.docx

《基于群灰色关联度分析方法的电力变压器绝缘故障诊断.docx》由会员分享，可在线阅读，更多相关《基于群灰色关联度分析方法的电力变压器绝缘故障诊断.docx（10页珍藏版）》请在冰豆网上搜索。

基于群灰色关联度分析方法的电力变压器绝缘故障诊断

利用群灰色关联度分析的电力变压器绝缘故障诊断

董立新　肖登明　刘奕路

摘要：

利用变压器油中溶解气体分析,提出了一种利用群灰色关联度分析的变压器绝缘故障诊断新方法.首先根据故障类型与灰色参考序列构造,选择变压器典型故障样本构造多组参考序列,这些参考序列组构成一个灰色参考序列群.其次根据给出的新的关联系数计算方法,计算个体关联系数和关联度.然后根据给出的群灰色关联度计算方法,计算群灰色关联度和构造群灰色关联度矩阵.最后根据关联序识别变压器绝缘故障诊断.通过大量变压器绝缘故障诊断实例分析,所提方法诊断准确性与可靠性优于三比值法和传统的灰色关联分析方法,具有较好的分类诊断能力和可靠性.

关键词：

溶解气体分析;群灰色关联度;故障诊断

一．简介

作为一个电力系统最重要的项目和设备，大型电力变压器的可靠运行对整个电力系统发挥起关键作用。

溶解气体分析法成为检测电力变压器内部状态的重要方法之一。

常规故障诊断方法，如三比值法，不能更好地满足电力行业的要求。

电力变压器在运行时，可看作是一个复杂的灰色系统，在灰色系统理论的帮助下做出内部绝缘故障诊断。

本文中，电力变压器的一些典型故障样本结合几套灰色参考序列作为参考序列组的选择和使用，这些参考序列集构成一个灰色参考序列组，和这个组关联度矩阵的构造反映了参考和比较序列的相关性。

这增加了灰色关联分析的可靠性和准确性。

最后，根据对本组的灰色关联度分析方法，利用大量的即时分析绝缘故障诊断电力变压器。

这使得该方法具有良好的分类诊断能力。

它可以更好地满足电力行业的实际需求。

二．组的灰色关联度和矩阵

故障诊断原则根据样品对传统的灰色关联分析如下：

2．1形成的参考序列和比较序列，两个序列的构造：

一个是参考序列，另一种是比较序列。

比较序列被标记为y1，y2，...，ym，参考序列比较序列标记为x1，x2,...xn。

让

（1）

（2）

其中，xi（k）和j（k）是相应的xi和yj的第k个元素

2．2数据生成过程中的灰色关联分析，为了原始数据进行的正常分析，数据预处理是首先执行的，这就是所谓的灰色关系产生.

2．3在传统灰色关联分析的灰色关联系数计算中，参考序列和比较序列之间的灰色关联系数为：

（3）

如ξij（k）在灰色关联系数xi（k）和yj（k）之间;丨yj（k）-xi（k）丨的绝对值在xi（k）和yj（k）之间，minimin丨yj（k）-xi（k）丨是两层的最小距离，maximax丨yj（k）-xi（k）丨是两层的最大距离；ρ是识别系数。

2．4计算的灰色关联度灰色关联度的计算通常表示为

（4）

2．5序列关系假设低关联度矩阵标记为r={r1,r2,。

。

。

rm}。

当处理系统故障诊断时，这个顺序是按降序排列，也就是说，rs>rh>rp>....;s,h和削减某些自然数{1,2,....,m}。

因为比较序列和参考序列之间的相似性的可能性是最大的,所以它认为相比序列所属参考序列。

多篇论文已经讨论了灰色关联分析的相关理论。

在本文中，所提出的方法是改善传统的灰色关联分析。

假设Mxb的参考序列列为：

（5）

其中

是第w个设置的参考序列，b表示的参考编号序列集，m表示参考序列号码，在第w个设置参考序列中，形成的第w个参考序列集

，

其中

是第k个元素

，n表示的元素的参考序列号和

属于yj标记的参考序列相同的群集。

每个元素的yj是同类故障参考序列。

yj也被命名为参考序列的第j个群集。

比较序列的定义是

（6）

其中xi（k）是K-xi和n个元素是比较序列的数量。

利用上述假设，灰色关联度被定义为：

（7）

其中

是一个单独的灰色关联度标本。

它表示个体之间的个体关系程度参考序列第w个参考序列和比

较序列xi。

它可以通过：

（8）

其中

是单个的灰色关联系数。

新的灰色关联系数的计算方法表示为

（9）

是xi（k）和

之间的灰色关联数,

是xi（k）和

之间的绝对差值,

是四层的最小距离最大，

是四层的最大距离。

因此，本组的灰色关联度矩阵定义为：

（10）

其中

组灰色关联度定义为：

（11）

这意味着第i个比较序列和参考序列的第j个集群之间的整体关系的程度。

该组关联度矩阵组代表比较序列和参考序列组之间的关系。

与传统方法相比，关联分析所提出的方法可以增加灰色的准确性和可靠性，并减少参考信号的数据精度的要求。

三．故障诊断的基本原理

故障诊断的基本原则，使用电源变压器聚体所提出的方法可分为步骤[7，8]

3．1模糊的数据预处理方法对电力变压器

H2，CH4，C2H6，C2H4，C2H2和Gsum气体含量（C2H6，C2H4，C2H2和CH4气体含量的总和，）在本文中选择分析[9，10]，数据是在表达介于0和1之间，模糊方法表示为[2]。

（12）

其中，P（I，J）（I=1，2，...，6;J=1，2，...，M）表示，H2，CH4，C2H6，C2H4，C2H2和GSM原料气含量的模糊值，j表示第j个样本和M是样本数。

在第j个样本，GH2（J）表示H2的原始内容。

G（I，J）（I=2，3，4，5）表示CH4，C2H6，C2H4和C2H2原料气含量。

GMIN（j）和GMAX（J）为CH4，C2H6，C2H4和C2H2的最小和最大原料气体的含量。

3．2建造的参考序列和比较序列

在本文中，有36个典型的电力变压器历史样本选择结构的参考序列。

这些样本包括正常的状态，低温过热故障，中间温度过热故障，高温过热故障，低能量放电故障和高能量放电故障样本。

每个样品包括六大要素是原料气的H2含量，甲烷，乙烷，乙烯，乙炔和Gsum。

这些样品进行预处理后。

12套中的6套参考序列结构作为这项研究。

这六套参考序列构成一个灰色参考序列组，每个组参考序列包括六个种表现参考序列为：

（13）

其中

是在第w个参考序列。

在第w个参考序列中，

表示正常状态下的参考序列，

表示低温过热故障的参考序列，

表示中温过热故障的参考序列，

表示高温过热故障的参考序列，

表示低能量放电故障的参考序列和

表示高能量放电故障的参考序列。

参考序列被标记为第w个集合

，

其中yi（k）是

的第k个元素，不同的集合都没有关系。

比较序列标记为xj={xj

（1）,xj

（2）,...,xj（6）}　

　j=1,2,...,n

其中n是等待检查样品的数量，xj（k）是K-Xj个元素。

3．3个人计算灰色关联度和关联系数

个体关联度计算由式（8）计算，个体的关联式系数由式（9）计算。

3．4计算组的灰色关联度，形成集团灰色关联度矩阵

组灰色关联度的计算通常采用式（11）,在本文中，选择P=1，确诊病例研究组灰色关联度方法的计算器：

（14）

因此，一组灰色关联度矩阵的定义是根据式（10）。

3．5根据关系的顺序确定故障

一排标记为

的一组关联度矩阵的假设。

当处理系统故障诊断，这个顺序是按降序排列，这是

；S，H和P是某些自然数字{1,2,∗,m}。

然后，因为比较序列和参考序列S之间的相似性的可能性是最大的，它认为，相比序列所属的参考序列S。

四．故障情况测试和分析

以下是利用小组灰色关联分析故障情况下的测试和分析，首先，6个故障样本已被选定为尚待确定的故障样本。

每个样品包括六大要素是原料氢气，甲烷，乙烷，乙烯，乙炔和Gsum的含量。

经过6个样本进行预处理式（12），形成了一套比较序列。

它被标记为：

xi={xi

（1）,xi

（2）,...,xi（6）}　　i=1,2,...,6

其中xi（k）是第k个特征元素故障样本xi，x1是正常状态下的样品相比的序列，x2的低温过热故障样本相比序列，x3是中间温度过热故障样本的比较序列，x4的中间温度过热故障样本相比序列的高温过热故障样本相比序列，x5是比较低能量放电故障样本序列和x6是高能量放电故障样本的比较顺序。

根据故障识别利用灰色关联分析及电力变压器分析方法的基本原则，获得相应的组灰色关联矩阵组。

在每行有六个元素。

反过来，从第一到第六元素，它表示测试样本和正常状态之间的关系强度，低温过热故障，中温过热故障，高温过热故障，低能量放电故障和高能量放电故障。

关联度越大，关系程度更紧密。

它的最大表示等待确定故障样本的故障类型。

组灰色关联分析的结果表示为：

（15）

根据方程（15），组关联分析，可以有效地，准确地确定6个测试样品。

通过传统的灰色关联分析方法，诊断结果与参考序列，其诊断的准确率是最好的参考序列的六套，如下：

（16）

根据式（16），第五和第六的样本诊断结果是错误的。

通过三个比率的诊断方法，第一和第二样本诊断结果是错误的。

然而，该组关联分析诊断的结果是最好的。

此外，还对110个样本进行了检验。

在诊断结果的基础上进行群灰色关联分析，传统的灰色关联分析与参考序列的设置，其诊断的准确性最好是使用6套参考序列和三比值法，如1所示，根据诊断的有效性和可靠性，该组关联分析是最好的。

五．结论

本文提出了一种利用群灰色关联度对电力变压器绝缘故障诊断的分析方法，新方法提高了灰色关联分析，并减少依赖于任何单一的参考信号。

通过故障情况下的110个电力变压器样品的测试和分析，利用组关联分析诊断的准确率是88.18％。

通过对传统的灰色关联分析方法与参考序列，其诊断准确性最好的是使用的六套参考序列，诊断的准确率是80.91％。

通过三个比率的方法，诊断的准确率是67.27％。

通过对比和分析，提出的方法取得了良好的效果，显示了其可行性。

它也可以被广泛使用于故障分析和信号识别等领域，并为实际应用的良好前景。

参考文献

[1]徐W,王D,周Z,等。

电力变换聚体的故障诊断：

应用模糊集理论，专家系统和人工神经网络工程研究[J]。

测量，科学和技术，IEEE论文集，1997，144

（1）：

3944。

[2]李洪卫，肖邓明，陈竺。

小波基于人工神经网络变压器故障诊断用气，油的分析[J]。

：

第六届属性和绝缘材料汇编[C]应用国际会议论文集。

西安，中国，2000年，1：

147-150

[3]李天津，英红，张宇辉。

灰色故障诊断变压器的研究[J]。

自动化，电力系统S，1996，20（11）：

27月31日。

（中文）

[4]邓聚龙.灰色系统的基本方法[M]。

武汉：

华中科技大学出版社，1987。

（中文）

[5]邓聚龙.灰色系统理论的基础[M]。

武汉：

华中科技大学出版社，2002。

（中文）

[6]张海平，孙才新，李坚,等。

程度的灰色关联分析的变压器故障诊断模型和方法研究[J]。

电机工程学报，2001，21（10）：

106109。

（中文）

[7]宋斌，于萍，罗白云,等。

基于灰色关联分析的变压器故障诊断的研究[J]。

电网技术，2002，4（6）：

223-2234。

[8]董M,燕Z,TaniguchiY。

基于模型诊断电力变压器故障诊断与灰色关联研究[A]。

IN：

属性和绝缘材料汇编[C]应用上的第7次国际会议。

日本名古屋，2003，3：

1158-1161.

[9]林CE,苓JM,黄CL.为使用溶解气体分析的变压器故障诊断专家系统研究[J]。

IEEE电力输送，1993，8

（1）：

231-238。

[10]涂彦明，钱正。

基于DGA的电力变压器绝缘诊断通过人工神经网络研究[A]。

在：

第六届属性和绝缘材料汇编[C]应用国际会议论文集。

西安，中国，2000年，1：

133-136。

本文译自:

“Insulationfaultdiagnosisbasedongroupgreyrelationalgrade

analysismethodforpowertransformers”comeformJournalofSoutheastUniversity（EnglishEdition）　Vol.21,No2,pp.175179June2005　ISSN1003—7985