基于相關(guān)向量機(jī)的油浸式電力變壓器故障診斷方法探討

趙小軍

摘 要： 電力變壓器的故障問題較為復(fù)雜，對(duì)此在實(shí)際中必須要通過科學(xué)的方式加強(qiáng)研究，探究其存在的故障問題，因此文章主要對(duì)向量機(jī)的油浸式電力變壓器故障診斷方法進(jìn)行了淺顯的探討。

關(guān)鍵詞： 相關(guān)向量機(jī)；油浸式電力變壓器；故障診斷

相關(guān)向量機(jī)（Relevance Vector Machine RVM）就是Michael E.TipPing在2000年提出的一種有效的監(jiān)督學(xué)習(xí)方式，此種方式在一定程度上綜合了貝葉斯理論、馬爾科夫性質(zhì)、最大似然估計(jì)以及自動(dòng)相關(guān)決定先驗(yàn)等相關(guān)理論與觀點(diǎn)。

1.相關(guān)向量機(jī)概述

RV M通過加入超參數(shù)負(fù)于權(quán)重向量的零均值的高斯先驗(yàn)分布的方式可以有效的保障模型中的稀疏性，超參數(shù)在實(shí)際中可以通過最大邊緣的似然函數(shù)的方式對(duì)其進(jìn)行計(jì)算。在實(shí)際中 RV M以及SVM都可以有效的解決小樣本、高維以及非線性分類等相關(guān)問題，但是其中RV M的效果更有優(yōu)勢(shì)，其主要表現(xiàn)在以下幾點(diǎn)：

RV M核函數(shù)在實(shí)際中不會(huì)受到Mercer條件的影響以及限制，核函數(shù)的實(shí)際選取范圍較為廣闊；無規(guī)則化系數(shù)，在實(shí)際中不需要通過交叉驗(yàn)證的方式與手段獲得相關(guān)參數(shù)數(shù)據(jù)；其具有較為強(qiáng)大的泛化能力；基函數(shù)權(quán)值中極少的一部分非零，其實(shí)際的相關(guān)向量數(shù)量相對(duì)較少，模型較為稀疏；其實(shí)際的測(cè)試時(shí)間以及診斷速度更為快捷，可以真正的實(shí)現(xiàn)在線診斷；可以通過概率輸出的方式分析問題中存在的各種不確定因素。

2.基于相關(guān)向量機(jī)的變壓器故障診斷

2.1基于RVM的變壓器故障診斷模型

油浸式電力變壓器的故障的成因相對(duì)較為復(fù)雜，其故障類型的總結(jié)歸納方式也相對(duì)較多，但是在實(shí)際中一些因?yàn)橥獠恳约皟?nèi)部因素導(dǎo)致的變壓器故障問題都會(huì)通過熱和電的性質(zhì)表現(xiàn)，對(duì)此在對(duì)變壓器的故障類型特征進(jìn)行分析的基礎(chǔ)之上，基于變壓器運(yùn)行的狀態(tài)將其進(jìn)行劃分，對(duì)此可以分為正常狀態(tài)、低能放電、高能放電、中低溫過熱小于等于700℃、高溫過熱大于700℃四種故障類型。

變壓器故障診斷在本質(zhì)上來說就是一個(gè)多分類的問題，RVM作為一種二分類算法，在實(shí)際中要想對(duì)其進(jìn)行診斷可以把變壓器故障診斷問題轉(zhuǎn)化為不同的多個(gè)的二分類問題。其主要方式主要有“一對(duì)多”、“一對(duì)一”以及“二叉樹”等相關(guān)方式手段。

在整個(gè)診斷模型性其不同的RVM分類器學(xué)習(xí)過程具有一定的圖理性，在實(shí)際中可以真正的實(shí)現(xiàn)不同分類器的學(xué)習(xí)過程的并行化開展。同時(shí)在實(shí)際中基于其具體問題的特征，不同的RVM分類器在實(shí)際中可以選擇相同的輸入特征作為其變量組，同時(shí)也可以選擇不同內(nèi)容的輸入特征作為其變量組。例如在整個(gè)診斷模型中，其識(shí)別的電性故障以及熱性故障分類器RVM2和其識(shí)別低能放電以及高能放電的相關(guān)分類器RVM3在實(shí)際中可以基于實(shí)際的狀況選擇應(yīng)用兩組不同的特征變量。其診斷模型在實(shí)際中可以通過分層結(jié)構(gòu)的詳實(shí)開展，在不同的層間中的診斷過程為串行，對(duì)此在實(shí)際中勢(shì)必會(huì)出現(xiàn)一定的誤差累計(jì)狀況與問題。

2.2基于RVM的變壓器故障診斷的實(shí)現(xiàn)過程

第一，選取特征變量以及樣本數(shù)據(jù)，在實(shí)際中要把其想樣本數(shù)據(jù)基于特定比例進(jìn)行劃分，將其劃分為訓(xùn)練集以及測(cè)試集兩種方式。在實(shí)際中可以通過CH4， C2H6， C2H4以及C2H2等相關(guān)特征氣體含量，基于既定的方式進(jìn)行樣本數(shù)據(jù)的選擇，在對(duì)其進(jìn)行標(biāo)準(zhǔn)化操作。

第二，確立變壓器故障的相關(guān)診斷模型。在實(shí)際中可以通過“二叉樹”的分類方式，通過分層結(jié)構(gòu)方式構(gòu)建變壓器故障診斷的相關(guān)模型。

第三，在其實(shí)際的訓(xùn)練集之上開展RV M的分類模型學(xué)習(xí)，應(yīng)用RVM 1～RVM4為分類器。通過正常以及故障兩種樣本數(shù)據(jù)獲得分類器的RVM1，其中正常的數(shù)據(jù)樣本類型可以通過1對(duì)其進(jìn)行標(biāo)簽，全部的故障樣本數(shù)據(jù)類別的標(biāo)簽則是通過0對(duì)其進(jìn)行表示；RV M2的分類器則是通過涵蓋低能放電以及高能放電兩種模式的電性故障的相關(guān)樣本數(shù)據(jù)以及涵蓋了中低溫以及高溫過熱的熱性故障的樣本數(shù)據(jù)學(xué)習(xí)活動(dòng)，其中電性故障的樣本數(shù)據(jù)類型可以通過標(biāo)簽1對(duì)其進(jìn)行表示，熱性故障樣本數(shù)據(jù)則是通標(biāo)簽0對(duì)其進(jìn)行表示；RV M3分類器是通過低能放電以及高能放電的相關(guān)樣本數(shù)據(jù)獲得，通過標(biāo)簽1表示低能放電樣本，通過標(biāo)簽0表示高能放電樣本數(shù)據(jù)；RVM4分類主要就是通過中低溫過熱以及高溫過熱樣本數(shù)據(jù)獲得，其表示同上。

第四，通過測(cè)試集加強(qiáng)對(duì)RV M分類模型的相關(guān)性能測(cè)試。在實(shí)際中把相關(guān)測(cè)試樣本輸入RV M 1的分類器之中，如果其輸出的數(shù)據(jù)數(shù)值高于0.5；則其診斷的結(jié)果就為正常，整個(gè)診斷就結(jié)束；如果其數(shù)值不正常就要將其輸入到RVM2之中，其獲得的輸出值高于0.5，就要在繼續(xù)輸入到RVM3之中，如果其獲得的輸出數(shù)值高于0.5，那么其獲得的診斷結(jié)果就為低能放電，如果不是則為高能放電，整個(gè)診斷結(jié)束；如果RVM2的輸出數(shù)值不是大于0.5，就要繼續(xù)在RVM4中輸入測(cè)試樣本，其獲得的數(shù)值要是高于0.5，則其診斷結(jié)果就是中低溫過熱，否則則為高溫過熱，整個(gè)診斷結(jié)束。

結(jié)束語：

在實(shí)際中通過對(duì)基于相關(guān)向量機(jī)的油浸式電力變壓器故障診斷方法的探討分析可以了解，其診斷方法可以有效的分析其存在的不確定因素，可以在根本上提升其診斷速度。endprint