考虑多元因素态势演变的配电变压器 迁移学习故障诊断模型

针对配电变压器故障数据有限及数据过期的问题,提出一种考虑多元因素态势演变的配电变压器迁移学习故障诊断模型。首先,构建了配变运行状态评价指标体系,对指标状态量进行模糊二元量化,利用模糊Apriori算法挖掘其与故障之间的关联关系,提取诱导变压器故障的关键状态量。针对配变故障数据有限,引入Tanimoto系数,将有效的辅助故障数据迁移至目标配变,建立了基于信息迁移的配变故障诊断模型;针对配变故障数据过期,引入健康指数描述配变状态,将不同健康等级的辅助故障数据进行迁移,建立了针对数据过期的配变故障诊断模型。在此基础上,利用迁移学习算法TrAdaBoost对上述模型中目标与辅助故障数据的权重进行迭代求解,进而输出配变故障强诊断器。最后,根据配变故障数据进行算例分析,仿真结果表明,该文所建模型故障诊断精度高,具有比传统诊断器更强的泛化能力。