基于特征优选和HHO-SVM 的变压器故障识别

朱楚昱，李 川，李英娜

（昆明理工大学 信息工程与自动化学院，云南 昆明 650500）

0 引 言

变压器故障识别方法中，分析油中溶解气体特征关系是提高故障诊断的关键，其中三比值法最具代表性。但是，三比值编码并不完全，且三比值的边界过于绝对，对故障的特征信息有所遗漏［1-7］。变压器运行中出现故障时，变压器油中的各种反应机理复杂，且不同故障情况下油中产生的不同气体间的关联特征存在差异［8-12］。近年来，分析气体更多的特征的研究有了一些积累。2012 年，中南大学信息科学与工程学院唐勇波利用主成分分析计算样本各变量的重构贡献率作为特征量，且经过实例验证了该特征量能够体现一部分故障信息［8］。2017年，西南交通大学吴广宁从增加新的数据量入手，将相关的电气试验等数据加入到油中溶解气体分析［9］。2018 年，国网山东省电力公司电力科学研究院辜超选取气体间的16 种比值作为特征量，计算出最优的9 种比值组合［10］。2019 年，中国石油大学梁永亮采用不同故障状态下气体间较稳定的MIC 的关联度值作为特征量，通过最大信息系数方法（Maximal Information Coefficient，MIC）计算每两对气体间的关联程度［11］。2020 年，宜春学院江风云通过对输入样本在相空间上重构，然后用KECA 对重构相空间提取核熵成分作为输入［12］。

然而，在对DGA 数据特征进行提取方面，目前以全故障类型的特征分析为主，引入新的比值或是相空间重构，而没有考虑到不同故障类型下气体体现的故障特征的差异性，可能会造成包含故障的特征信息被忽略。……