On-line Fault Diagnosis for Transformer Based on Selective Fusion of  Multiple Models

Yujie ZHANG; Dianyang LI; Jian FENG; Shanyuan WANG

doi:10.7500/AEPS20200519002

您当前的位置：

首页 >

文章列表页 >

On-line Fault Diagnosis for Transformer Based on Selective Fusion of Multiple Models

Basic Research | 更新时间：2025-06-16

- On-line Fault Diagnosis for Transformer Based on Selective Fusion of Multiple Models
- Automation of Electric Power Systems Vol. 45, Issue 13, Pages: 95-101(2021)
- 作者机构：
  
  1.东北大学信息科学与工程学院，辽宁省沈阳市 110819
  2.国网辽宁省电力有限公司，辽宁省沈阳市 110006
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China
- DOI：10.7500/AEPS20200519002
  CLC：
- Received：19 May 2020，
  
  Revised：2020-09-30，
  
  Published Online：23 February 2021，
  
  Published：10 July 2021
- 稿件说明：
移动端阅览
张育杰,李典阳,冯健等.基于多模型选择性融合的变压器在线故障诊断[J].电力系统自动化,2021,45(13):95-101.

ZHANG Yujie,LI Dianyang,FENG Jian,et al.On-line Fault Diagnosis for Transformer Based on Selective Fusion of Multiple Models[J].Automation of Electric Power Systems,2021,45(13):95-101.
张育杰,李典阳,冯健等.基于多模型选择性融合的变压器在线故障诊断[J].电力系统自动化,2021,45(13):95-101. DOI： 10.7500/AEPS20200519002.

ZHANG Yujie,LI Dianyang,FENG Jian,et al.On-line Fault Diagnosis for Transformer Based on Selective Fusion of Multiple Models[J].Automation of Electric Power Systems,2021,45(13):95-101. DOI： 10.7500/AEPS20200519002.

摘要

在线智能化故障诊断是变压器故障诊断的发展趋势，为发挥不同征兆子集及诊断算法的性能优势，实现多元诊断模型的互补决策，文中通过对智能诊断算法的性能进行多维对比分析，选取综合性能优的诊断算法用于征兆子集优选，使用优选子集与诊断算法训练多个诊断模型，通过模型间差异性分析有选择地对模型进行融合并用于最终决策。实例验证结果表明，融合模型泛化性能及均衡诊断能力均有提升。

Abstract

Online intelligent fault diagnosis is a development trend of transformer fault diagnosis. In order to make use of the performance advantages of different symptom subsets and diagnosis algorithms

and realize the complementary decision-making of multiple diagnosis models

this paper conducts multi-dimensional comparative analysis on the performance of intelligent diagnosis algorithms

and selects the diagnosis algorithms with excellent comprehensive performance for the selection of the symptom subset. The selected subsets and diagnosis algorithms are used to train multiple diagnosis models

and the models are selectively fused and used for final decision-making through the analysis on the differences between models. The example verification results show that the generalization performance and balance diagnosis ability of the fusion model are improved.

关键词

Keywords

references

吴振宇，周利军，周祥宇，等 . 基于振荡波的变压器绕组故障诊断方法研究［J］. 中国电机工程学报， 2020 ， 40 （ 1 ）： 348 - 357 .

WU Zhenyu ， ZHOU Lijun ， ZHOU Xiangyu ， et al . Research on fault diagnosis method of transformer winding based on oscillatory wave ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 1 ）： 348 - 357 .

李刚，于长海，刘云鹏，等 . 电力变压器故障预测与健康管理：挑战与展望［J］. 电力系统自动化， 2017 ， 41 （ 23 ）： 156 - 167 .

LI Gang ， YU Changhai ， LIU Yunpeng ， et al . Challenges and prospects of fault prognostic and health management for power transformer ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 23 ）： 156 - 167 .

李刚，张博，赵文清，等 . 电力设备状态评估中的数据科学问题：挑战与展望［J］. 电力系统自动化， 2018 ， 42 （ 21 ）： 10 - 20 .

LI Gang ， ZHANG Bo ， ZHAO Wenqing ， et al . Data science issues in state evaluation of power equipment： challenges and prospects ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 21 ）： 10 - 20 .

DUVAL M . Dissolved gas analysis： it can save your transformer ［J］. IEEE Electrical Insulation Magazine ， 1989 ， 5 （ 6 ）： 22 - 27 .

李永刚，王罗，李俊卿，等 . 基于多源信息融合的同步发电机转子绕组匝间短路故障识别［J］. 电力系统自动化， 2019 ， 43 （ 16 ）： 162 - 170 .

LI Yonggang ， WANG Luo ， LI Junqing ， et al . Identification of inter-turn short-circuit fault in rotor windings of synchronous generator based on multi-source information fusion ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 16 ）： 162 - 170 .

王德文，雷倩 . 基于贝叶斯正则化深度信念网络的电力变压器故障诊断方法［J］. 电力自动化设备， 2018 ， 38 （ 5 ）： 129 - 135 .

WANG Dewen ， LEI Qian . Fault diagnosis of power transformer based on BR-DBN ［J］. Electric Power Automation Equipment ， 2018 ， 38 （ 5 ）： 129 - 135 .

王春明，朱永利 . 基于深度降噪极限学习机的变压器故障诊断［J］. 电测与仪表， 2019 ， 56 （ 15 ）： 143 - 147 .

WANG Chunming ， ZHU Yongli . Transformer fault diagnosis based on deep de-noising extreme learning machine ［J］. Electrical Measurement & Instrumentation ， 2019 ， 56 （ 15 ）： 143 - 147 .

ZHANG Y ， LI X ， ZHENG H ， et al . A fault diagnosis model of power transformers based on dissolved gas analysis features selection and improved Krill Herd algorithm optimized support vector machine ［J］. IEEE Access ， 2019 ， 7 ： 102803 - 102811 .

田凤兰，张恩泽，潘思蓉，等 . 基于特征量优选与ICA-SVM的变压器故障诊断模型［J］. 电力系统保护与控制， 2019 ， 47 （ 17 ）： 163 - 170 .

TIAN Fenglan ， ZHANG Enze ， PAN Sirong ， et al . Fault diagnosis model of power transformers based on feature quantity optimization and ICA-SVM ［J］. Power System Protection and Control ， 2019 ， 47 （ 17 ）： 163 - 170 .

LI J ， ZHANG Q ， WANG K ， et al . Optimal dissolved gas ratios selected by genetic algorithm for power transformer fault diagnosis based on support vector machine ［J］. IEEE Transactions on Dielectrics and Electrical Insulation ， 2016 ， 23 （ 2 ）： 1198 - 1206 .

李春茂，周妺末，袁海满，等 . 基于DGA的粗糙集与决策信息融合变压器故障诊断［J］. 电工电能新技术， 2018 ， 37 （ 1 ）： 84 - 90 .

LI Chunmao ， ZHOU Momo ， YUAN Haiman ， et al . Fault diagnosis of transformer based on rough set theory and decision information fusion ［J］. Advanced Technology of Electrical Engineering and Energy ， 2018 ， 37 （ 1 ）： 84 - 90 .

龙霞飞，杨苹，郭红霞，等 . 基于KELM和多传感器信息融合的风电齿轮箱故障诊断［J］. 电力系统自动化， 2019 ， 43 （ 17 ）： 132 - 139 .

LONG Xiafei ， YANG Ping ， GUO Hongxia ， et al . Fault diagnosis of wind turbine gearbox based on KELM and multi-sensor information fusion ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 17 ）： 132 - 139 .

刘云鹏，付浩川，许自强，等 . 基于AdaBoost-RBF算法与DSmT的变压器故障诊断技术［J］. 电力自动化设备， 2019 ， 39 （ 6 ）： 166 - 172 .

LIU Yunpeng ， FU Haochuan ， XU Ziqiang ， et al . Transformer fault diagnosis technology based on AdaBoost-RBF algorithm and DSmT ［J］. Electric Power Automation Equipment ， 2019 ， 39 （ 6 ）： 166 - 172 .

赵文清，祝玲玉，高树国，等 . 基于多源信息融合的电力变压器故障诊断方法研究［J］. 电力信息与通信技术， 2018 ， 16 （ 10 ）： 25 - 30 .

ZHAO Wenqing ， ZHU Lingyu ， GAO Shuguo ， et al . Research on fault diagnosis method of power transformer based on multi-source information fusion ［J］. Electric Power Information and Communication Technology ， 2018 ， 16 （ 10 ）： 25 - 30 .

汪可，李金忠，张书琦，等 . 变压器故障诊断用油中溶解气体新特征参量［J］. 中国电机工程学报， 2016 ， 36 （ 23 ）： 6570 - 6578 .

WANG Ke ， LI Jinzhong ， ZHANG Shuqi ， et al . New features derived from dissolved gas analysis for fault diagnosis of power transformers ［J］. Proceedings of the CSEE ， 2016 ， 36 （ 23 ）： 6570 - 6578 .

KARI T ， GAO Wensheng ， ZHAO Dongbo ， et al . Hybrid feature selection approach for power transformer fault diagnosis based on support vector machine and genetic algorithm ［J］. IET Generation ， Transmission & Distribution ， 2018 ， 12 （ 21 ）： 5672 - 5680 .

LI Shuaibing ， WU Guangning ， GAO Bo ， et al . Interpretation of DGA for transformer fault diagnosis with complementary SaE-ELM and arctangent transform ［J］. IEEE Transactions on Dielectrics & Electrical Insulation ， 2016 ， 23 （ 1 ）： 586 - 595 .

DAI J ， SONG H ， SHENG G ， et al . Dissolved gas analysis of insulating oil for power transformer fault diagnosis with deep belief network ［J］. IEEE Transactions on Dielectrics and Electrical Insulation ， 2017 ， 24 （ 5 ）： 2828 - 2835 .

变压器油中溶解气体分析和判断导则： GB/T 7252—2001 ［S］. 2001 .

Guide to the analysis and the diagnosis of gases dissolved in transformer oil ： GB/T 7252—2001 ［S］. 2001 .

IEEE guide for the interpretation of gases generated in oil-immersed transformers： IEEE Std C57.104—2008 ［S］. 2008 .

DUVAL M ， DEPABLA A . Interpretation of gas-in-oil analysis using new IEC publication 60599 and IEC TC 10 databases ［J］. IEEE Electrical Insulation Magazine ， 2001 ， 17 （ 2 ）： 31 - 41 .

DUVAL M . A review of faults detectable by gas-in-oil analysis in transformers ［J］. IEEE Electrical Insulation Magazine ， 2002 ， 18 （ 3 ）： 8 - 17 .

LI E ， WANG L ， SONG B . Fault diagnosis of power transformers with membership degree ［J］. IEEE Access ， 2019 ， 7 ： 28791 - 28798 .

LI Enwen ， WANG Linong ， SONG Bin ， et al . Improved fuzzy C-means clustering for transformer fault diagnosis using dissolved gas analysis data ［J］. Energies ， 2018 ， 11 （ 9 ）： 2344 - 2361 .

李典阳，张育杰，王善渊，等 . 基于多预测模型融合的电力变压器安全预判［J］. 中国电力， 2020 ， 53 （ 1 ）： 72 - 80 .

LI Dianyang ， ZHANG Yujie ， WANG Shanyuan ， et al . Safety prejudging method for power transformer based on multi-prediction model fusion ［J］. Electric Power ， 2020 ， 53 （ 1 ）： 72 - 80 .

CHAWLA N V ， BOWYER K W ， HALL L O ， et al . SMOTE： synthetic minority over-sampling technique ［J］. Journal of Artificial Intelligence Research ， 2002 ， 16 （ 1 ）： 321 - 357 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Federated Learning Based Fault Diagnosis of Power Transformer with Unbalanced Sample Data

电力变压器故障的客观熵权识别及诊断方法

Centralized Fault Diagnosis Method for DC Microgrid Based on Switching Model

Related Author

Dianyang LI

GUO Fanghong

LIU Shishuo

WU Xiang

CHEN Bo

ZHANG Wenan

GE Qiyun

HUANG Darong

Related Institution

State Grid Liaoning Electric Power Limited Company

College of Information Engineering, Zhejiang University of Technology

Kerun Intelligent Control Co., Ltd.

College of Information Science and Engineering, Chongqing Jiaotong University

China Southern Power Grid Research Institute Co., Ltd.

⁰