基于决策树的变压器故障部位诊断技术王强

基于决策树的变压器故障部位诊断技术王强

王强

(国网山西省电力公司)

摘要：变压器是电网中的关键设备之一，变压器故障将对电网的可靠性和系统的正常运行产生重要影响。因此，开展变压器故障早期诊断，对保证变压器长期安全可靠运行，减少非计划停用，防止异常情况的发生，具有非常重要的作用。

关键词：决策树、变压器故障、诊断

目前，国内电力系统使用的大型变压器多为油浸式变压器，其内部变压器油和固体绝缘材料由于受电场、热、湿度、氧等因素的影响，会逐渐老化、分解，产生少量的氢、低分子烃类气体、一氧化碳和二氧化碳等气体，且大部分溶解在油中。当变压器内部存在潜伏性故障或故障加剧时，油中溶解气体数量会相应增加，最终造成瓦斯保护动作。显然，故障气体的组成、含量和产气速率是诊断变压器故障存在、发展以及故障性质的重要依据，通过检测变压器油的色谱情况，对早期诊断变压器的内部故障、实现安全生产至关重要。

1.决策树样本集构成

为了形成可以诊断用的判决树，首先需要做的工作就是收集尽可能多的样本以便学习。为了使形成的判决树具有通用性和实用性，收集的样本应来自现场，同时应尽可能覆盖所有的故障样本空间，在本章中也就是应该尽可能覆盖变压器所有的可能故障的部位。

此外，不同的变压器对故障的表现形式有差异，同一变压器在不同的运行状态下对故障的表现形式也不尽相同，所以样本也应该尽可能来自不同种类的变压器和尽量多的运行状态，总而言之，也就是样本数据集的样本应该尽量丰富。

2.决策树的生成

根据形成决策树的ID3算法，构成对应于上表故障数据样本集的决策树。具体步骤如下：

（1）计算系统的初始熵为：

3.变压器故障部位诊断规则的生成

机器学习中，决策树是一个预测模型；他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。决策树仅有单一输出，若欲有复数输出，可以建立独立的决策树以处理不同输出。数据挖掘中决策树是一种经常要用到的技术，可以用于分析数据，同样也可以用来作预测。

变压器故障部位诊断的规则：

rule1：if“瓦斯动作”=轻瓦斯and“色谱测试”=过热and“油箱发烫”=否and“绕组绝缘”=正常then“相间短路”

rule2：if“瓦斯动作”=轻瓦斯and“色谱测试”=过热and“油箱发烫”=否and“绕组绝缘”=超标then“线圈接地”……

4．结语

变压器是电网中的重要设备之一。虽配有避雷器、差动、接地等多重保护，但由于内部结构复杂、电场及热场不均等诸多因素，事故率仍很高，恶性事故和重大损失也时有发生。决策树易于理解和实现，人们在在学习过程中不需要使用者了解很多的背景知识，这同时是它的能够直接体现数据的特点，只要通过解释后都有能力去理解决策树所表达的意义。

参考文献：

【1】戴淑芬.管理学教程,北京大学出版社，2009：76-79

【2】曹赛玉.几种决策概率模型在现实生活中的应用.理论与实践理论月刊，2006（5）

【3】韩佳伟.数据挖掘概念与技术,机械工业出版社，2012