基于纠错能力的SVM在变压器故障诊断的应用

祖文超，李红君，苑津莎，张卫华

(1.华北电力大学 电气与电子工程学院，河北 保定 071003;2.大唐七台河发电有限责任公司，黑龙江 七台河 154600)

0 引言

电力变压器是电力系统中最重要的电气设备之一，及早发现变压器潜伏性故障，是电力部门关注的一个重要问题。检测变压器状态的方法有很多，其中油中溶解气体分析法 (DGA)是检测变压器内部故障的重要方法，如IEC标准中的三比值法则以特征气体的3个相对比值CH4/H2、C2H4/C2H6和C2H2/C2H4来进行故障诊断，实际应用中存在编码不全，编码边界过于绝对等弊端。由于对样本数据缺乏准确的科学分析，很难确切反映故障与表现特征之间的客观规律，因此在溶解气体含量较小的情况下，难以对变压器状态进行有效分析[1，2]。传统方法的这些缺点无疑对变压器潜伏性故障的发现和分析非常不利。因此，由于支持向量机具有小样本学习、全局最优、结构风险最小化及训练诊断时间短等优点，提出了将支持向量机用于变压器油中溶解气体分析的故障诊断。

SVM是针对两分类问题设计的，不能直接用于多类分类问题。而变压器的故障诊断实际是多类分类问题，所以目前SVM难以用来解决变压器的故障多分类问题。为了克服这个缺陷，人们对SVM多分类算法进行了大量的研究，提出了一些有效的SVM多类分类算法[3～5]，但这些算法中大部分都没有得到有效分析，使得人们无法使用这些算法获取更好的分类结果。然而对于任一分类问题而言……