数据与经验混合驱动下的变压器故障分层诊断方法

变压器故障预警及诊断对电力系统的安全稳定运行具有重要意义。以油浸式变压器为研究对象，基于在线监测、运行维护及离线试验等多维度数据，提出了一种数据与经验混合驱动下的变压器故障分层诊断方法。首先，基于变压器在线及离线油色谱数据，构建了基于深度森林的变压器故障初级诊断模型，用于6种故障性质的预测。然后，结合变压器故障树和相关标准，实现了故障性质和对应故障类型的分类。采用关联规则研究了故障类型和特征量的关联关系，并提取部分特征量排除特定故障类型，从而构建了涵盖21种故障类型的变压器故障精细化诊断模型，实现了变压器故障类型、故障部位及故障可信度的动态评估。最后，分别以500 kV变压器为单体和群体样本，开展了故障诊断算法的有效性验证。单体诊断结果表明：该文所述方法可有效定位主变的故障类型及部位；群体诊断结果表明该方法的准确率达89.0%，且同样适用于诊断多故障并发的变压器。该方法实现了变压器故障诊断结果的具体化和数量化，可为变压器运维检修提供针对性指导建议。