變壓器的故障預測研究

王 磊，陳長征

（沈陽工業大學機械工程學院，遼寧沈陽 110870）

1 引言

電力變壓器是電力系統的重要組成部分，如果出現故障，將給社會帶來巨大的經濟損失。因此，降低變壓器的故障率，保證變壓器安全可靠的運行。利用相關算法判斷變壓器什么時間發生故障以及發生何種類型的故障具有重大的實際意義。

目前，國內外的變壓器故障預測方法較少，主要通過灰色理論對變壓器故障進行預測。文獻[1]利用油中溶解故障氣體分析法檢測的H2，CH4，C2H6，C2H4，CO2，C2H2，CO等7種故障氣體的歷史數據建立灰色多變量預測模型，利用預測模型對變壓器油中溶解的故障氣體濃度進行了預測；文獻[2]將H2，CH4，C2H6，C2H4，C2H2等5種故障氣體作為主要特征氣體，基于灰色理論和BP神經網絡建立變壓器故障預測模型，預測了5種故障氣體的變化趨勢值；基于灰色理論的變壓器故障預測具有不需要大量樣本、樣本不需要有規律的分布、計算工作量小、等優點，但基于灰色理論的變壓器故障預測只適合短期預測，當基于灰色理論對變壓器故障進行中長期預測時，預測的準確率較低。

隨著大數據時代的到來，深度神經網絡被證明對原始數據具有強大的提取能力。其中，LSTM神經網絡是一種用于處理時間序列的深度神經網絡，能夠全面的利用時間序列的相關性，準確的預測變量在未來時間段的輸出值[5]。目前，該神經網絡算法已經廣泛應用到聲音識別、語言預測等領域。

2 油中溶解氣體的關聯性分析

電力變壓器的主要故障為熱故障和電故障，當變壓器運行時，如果發生電故障或熱故障，則變壓器油中會產生與故障相關的7種故障氣體，分別為CH4，C2H6，C2H4，CO2，C2H2，CO，H2。……