基于置信规则库的电力变压器故障诊断模型

王倩倩， 付跃军， 李世江， 陈婷婷

（贵州中烟工业有限责任公司 铜仁卷烟厂， 贵州 铜仁 554300）

0 引言

作为电力系统的核心设备， 电力变压器运行的可靠性是整个电力系统稳定安全运行的关键。 当前快速经济发展下超高压、大容量的需求，加剧了电力变压器故障发生的概率， 且变压器故障征兆与原因之间存在着异常复杂的非线性关系，由于故障的潜在性和缓变性，很容易造成片面的诊断。 而油浸式电力变压器油中溶解气体分析（dissolved gases analysis，DGA）技术可以直观有效地发现变压器内部早期潜伏性的故障[1]，在电力系统中已得到认可应用。 因此，基于DGA 的变压器故障诊断技术逐渐成为研究焦点。

随着人工智能技术的发展， 提出了基于神经网络[2]、证据理论[3]、支持向量机[4]等人工智能的变压器故障诊断方法。这些方法都取得了一定的成效，却也还存在不同的缺点，神经网络和支持向量机结构和参数不易确定，而且神经网络需要大量已知样本进行训练； 证据理论不能很好处理冲突证据。 为了处理人类决策过程中出现的不确定信息，Yang[5]等提出了基于证据推理方法的置信规则库（Belief Rule Base，BRB）专家系统，该专家系统具有多类型信息处理的特点，与上述缺点相比，BRB 专家系统同时具备缺省数据和冲突证据处理的能力。 在处理定性定量信息时， 置信规则库专家系统学习模型是一个带有线性和非线性约束优化的优化问题。 利用该方法建立变压器故障诊断规则库，并对低能放电、电弧放电、中温过热、高温过热这4 种故障进行诊断。……