基于多维参量关联分析的变压器故障诊断算法研究

针对目前变压器的智能故障诊断技术精确度低、耗时长且仍需现场确认等问题，提出了一种改进的变压器故障诊断算法。该算法构建了变压器故障诊断的多维参量关联分析体系，包括局放数据、振动传感器数据及油色谱数据共三个维度参量。利用深度置信网络（DBN）对不同来源数据进行分析处理，完成多维参量特征的同步提取。采用基于改进DS证据理论的融合决策方法，实现对多维参量特征的关联分析与决策，并获得异常变压器的远程故障诊断结果。基于山东电网某变压器的真实运行数据展开算法性能测试的结果表明，与基于BP神经网络和传统DS证据理论的故障诊断算法相比，文中算法能够融合多维数据特征，从而有效提高变压器远程故障诊断的准确率。