基于决策树支持向量机算法的电力变压器故障诊断研究

doi:10.11985/2019.04.006

摘要/Abstract

摘要：

支持向量机算法和决策树算法均广泛应用于电力变压器故障诊断当中。与其他分类算法相比,支持向量机的泛化性能较强,但分类效率较低,而决策树算法的有较高的分类效率。提出了一种基于分类决策树的电力变压器故障诊断模型,对于靠近决定边界的样本点用支持向量机分类,其余样本用决策树分类。经实例证明,该方法有很高的分类准确率。

关键词: 电力变压器, 故障诊断, 决策树, 多值分类, 支持向量机

Abstract:

Support vector machine algorithms and decision tree algorithms are widely used in power transformer fault diagnosis. Compared with other classification algorithms, the generalization performance of support vector machines is stronger, but the classification efficiency is lower. The decision tree algorithm has higher classification efficiency. A power transformer fault diagnosis model based on classification decision tree is proposed. The sample points close to the decision boundary are classified by the support vector machine, and the remaining samples are classified by the decision tree. The example proves that the method has high classification accuracy.

Key words: Power transformer, fault diagnosis, decision trees, multiclass classification, support vector machine

中图分类号:

TM407

孙志鹏,孙志龙,魏建. 基于决策树支持向量机算法的电力变压器故障诊断研究[J]. 电气工程学报, 2019, 14(4): 42-45.

Zhipeng SUN,Zhilong SUN,Jian WEI. Research on Power Transformer Fault Diagnosis Based on Decision Tree Support Vector Machine Algorithm[J]. Journal of Electrical Engineering, 2019, 14(4): 42-45.

图/表 4

图1

表1

表2

表3

参考文献 13

[1]	郭创新, 朱承治, 张琳 , 等. 应用多分类多核学习支持向量机的变压器故障诊断方法[J]. 中国电机工程学报, 2010,30(13):128-134.
	Guo Chuangxin, Zhu Chengzhi, Zhang Lin , et al. A fault diagnosis method for power transformer based on multiclass multiple-kernel learning support vector machine[J]. Proceedings of the CSEE, 2010,30(13):128-134.
[2]	肖燕彩, 陈秀海, 朱衡君 . 遗传支持向量机在电力变压器故障诊断中的应用[J]. 上海交通大学学报, 2007,41(11):1878-1881,1886.
	Xiao Yancai, Chen Xiuhai, Zhu Hengjun . The application of genetic support vector machine in power transformer fault diagnosis[J]. Journal of Shanghai Jiaotong University, 2007,41(11):1878-1881,1886.
[3]	闫琴 . 一种新颖的电力变压器故障诊断方法研究[J]. 电气技术, 2008(12):39-41.
	Yan Qin . Research of a new fault discrimination system for electric transformer test[J].Electrical Engineering, 2008(12):39-41.
[4]	万伟, 张红艳 . 决策树算法的容错性研究及其应用[J]. 中国新通信, 2019,21(4):78-80.
	Wan Wei, Zhang Hongyan . Research on fault tolerance of decision tree algorithms and its application[J]. China New Telecommunications, 2019,21(4):78-80.
[5]	高宁化,王姮,冯兴华. 基于动态模糊决策树的心电信号分类方法[J/OL]. 计算机工程:1-8[2019-08-07].
	Gao Ninghua,Wang Heng,Feng Xinghua. Classification method of ECG signal based on dynamic fuzzy decision tree[J/OL]. Computer Engineering:1-8 [2019-08-07].
[6]	朱超岩, 姚晓东 . 基于遗传算法优化的支持向量机在变压器故障诊断中应用[J]. 仪表技术, 2019(3):21-23,32.
	Zhu Chaoyan, Yao Xiaodong . Application of the support vector machine in the fault diagnosis on the transformer based on the optimal genetic algorithm[J].Instrumentation Technology, 2019(3):21-23,32.
[7]	祝端兴 . 变压器常见故障与诊断技术研究[J]. 科技风, 2017(15):171.
	Zhu Duanxing . Research on common faults and diagnosis technology of transformer[J].Technology Wind, 2017(15):171.
[8]	田录林, 柴俊岭, 吴瞻 , 等. 基于关联气体和遗传算法优化支持向量机的电力变压器故障检测[J]. 电气应用, 2018,37(19):40-45.
	Tian Lulin, Chai Junling, Wu Zhan , et al. Power transformer fault detection based on associated gas and genetic algorithms to optimize support vector machine[J]. Electrotechnical Application, 2018,37(19):40-45.
[9]	邬蓉蓉, 张炜 . 综合遗传优化支持向量机的变压器故障诊断模型[J]. 变压器, 2018,55(11):40-44.
	Wu Rongrong, Zhang Wei . Fault diagnosis model of power transformers based on GA optimization SVM[J]. Transformer, 2018,55(11):40-44.
[10]	李莉 . 数据挖掘技术决策树分类算法(ID3算法)研究[J]. 电子技术与软件工程, 2018(14):181-182.
	Li Li . Research on decision tree classification algorithms of data mining technology (ID3 algorithms)[J]. Electronic Technology & Software Engineering, 2018(14):181-182.
[11]	陈杰, 邬春学 . 决策树C4.5算法改进与应用[J]. 软件导刊, 2018,17(10):88-92.
	Chen Jie, Wu Chunxue . Improvement and application of decision tree C4.5 algorithm[J]. Software Guide, 2018,17(10):88-92.
[12]	王俊, 张海洋, 赵凯旋 , 等. 基于最优二叉决策树分类模型的奶牛运动行为识别[J]. 农业工程学报, 2018,34(18):202-210.
	Wang Jun, Zhang Haiyang, Zhao Kaixuan , et al. Cow movement behavior classification based on optimal binary decision-tree classification model[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018,34(18):202-210.
[13]	杨小军, 钱鲁锋 . 基于WEKA平台的决策树算法比较研究[J]. 舰船电子工程, 2018,38(10):34-36,97.
	Yang Xiaojun, Qian Lufeng . Comparative study on decision tree algorithm based on WEKA platform[J]. Ship Electronic Engineering, 2018,38(10):34-36,97.

序号	①V②	②V③	③V④	①V④
1	0.901	-0.347	-0.623	0.810
2	0.865	-0.500	0.871	-0.755
3	-1.000	0.672	0.439	-0.765
4	-0.985	0.665	-0.751	-0.500
5	-0.800	0.578	0.768	-0.233
6	0.780	-0.662	0.500	-0.855
7	1.000	0.450	-0.872	0.766
8	0.676	-0.671	-0.662	-0.865

序号	故障1	故障2	故障3	故障4	结果
1	2	0	1	1	高能放电
2	1	0	2	1	局部放电
3	0	2	1	1	低能放电
4	0	1	0	2	高温过热
5	0	2	1	1	低能放电
6	1	0	2	1	局部放电
7	2	1	0	1	高能放电
8	1	0	1	2	高温过热

编号	H₂	CH₄	C₂H₆	C₂H₄	C₂H₂	实际故障
1	100	94	22	304	118	高能放电
2	346	58	54	14	0	局部放电
3	46.7	8.2	1.8	5.1	4.1	低能放电
4	90	160	54	330	29	高温过热
5	49.1	12.2	0.3	3.9	4.8	低能放电
6	230	106	42	17	0	局部放电
7	250	63	2.8	66	120	高能放电
8	181	316	115	593	2	高温过热

[1]	赵德尊, 王天杨, 褚福磊. 基于自适应广义解调变换的滚动轴承时变非平稳故障特征提取[J]. 机械工程学报, 2020, 56(3): 80-87.
[2]	安华, 王喆, 王国锋, 宋庆月, 刘峰, 钟才川. 复合材料钻削表面粗糙度在线监测与加工参数自适应优化[J]. 机械工程学报, 2020, 56(2): 27-34,42.
[3]	彭鹏, 柯梁亮, 汪久根. 噪声干扰下的RV减速器故障诊断[J]. 机械工程学报, 2020, 56(1): 30-36.
[4]	张鑫, 郭顺生, 李益兵, 江丽. 基于拉普拉斯特征映射和深度置信网络的半监督故障识别[J]. 机械工程学报, 2020, 56(1): 69-81.
[5]	裴洪, 胡昌华, 司小胜, 张建勋, 庞哲楠, 张鹏. 基于机器学习的设备剩余寿命预测方法综述[J]. 机械工程学报, 2019, 55(8): 1-13.
[6]	熊鹏, 汤宝平, 邓蕾, 赵明航. 基于动态加权密集连接卷积网络的变转速行星齿轮箱故障诊断[J]. 机械工程学报, 2019, 55(7): 52-57.
[7]	沈长青, 汤盛浩, 江星星, 石娟娟, 王俊, 朱忠奎. 独立自适应学习率优化深度信念网络在轴承故障诊断中的应用研究[J]. 机械工程学报, 2019, 55(7): 81-88.
[8]	胡茑庆, 陈徽鹏, 程哲, 张伦, 张宇. 基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法[J]. 机械工程学报, 2019, 55(7): 9-18.
[9]	王奉涛, 刘晓飞, 敦泊森, 邓刚, 韩清凯, 李宏坤. 基于萤火虫优化的核自动编码器在中介轴承故障诊断中的应用[J]. 机械工程学报, 2019, 55(7): 58-64.
[10]	李川, 张绍辉, José Valente de Oliveira. 基于次优网络深度学习的3D打印机故障诊断[J]. 机械工程学报, 2019, 55(7): 73-80.
[11]	姜洪开, 邵海东, 李兴球. 基于深度学习的飞行器智能故障诊断方法[J]. 机械工程学报, 2019, 55(7): 27-34.
[12]	翁军华,张剑锐,李达,郑海兴. 光伏系统直流电弧故障检测的抗干扰技术综述[J]. 电气工程学报, 2019, 14(3): 9-15.
[13]	汪久根, 柯梁亮. 基于残差网络的RV减速器故障诊断[J]. 机械工程学报, 2019, 55(3): 73-80.
[14]	周洪亮, 贾凤娇, 刘志远, 刘海峰. 四轮独立驱动汽车驱动系统故障诊断与容错控制[J]. 机械工程学报, 2019, 55(22): 174-182.
[15]	李志农, 李云龙, 刁海洋. 基于非线性输出频率响应函数的转子不对中-碰摩耦合故障诊断方法研究[J]. 机械工程学报, 2019, 55(19): 84-91.