（1.云南电网有限责任公司信息中心 云南昆明 650217；2.昆明能讯科技有限责任公司 云南昆明 650217）
摘要：随着变压器在线监测技术的逐步完善，电力企业为避免主变压器定期预防性试验及定期检修对设备检修“过度”或“漏失”引起的运行可靠性降低和经济损失，迫切需要建立以主变压器在线监测分析技术为基础的设备状态评估，提高主变设备的安全性、可靠性、稳定性。本文提供一种基于决策树算法的主变压器状态评估预测方法，采用在线监测数据，决策算法训练，为主变压器状态评估提供有力的预测方法及手段支撑，带来主变状态评估预测方式的进步。
关键词：主变压器；状态预测；决策树；在线监测；算法
ABSTRACT：With the transformer on-line monitoring technology is gradually perfect，the electric power enterprise as the main transformer is avoided by regular preventive tests and regular maintenance of equipment maintenance "transition" or "leakage" and reduce the reliability and caused economic losses，the urgent need to establish a main transformer on-line monitoring equipment state analysis technology based assessment，improve safety and the reliability and stability of the main transformer equipment.This paper provides an evaluation of main transformer state prediction method based on decision tree algorithm，using the online monitoring data，training decision algorithm，provide powerful support means and prediction method of transformer condition based assessment，forecasting the progress of main transformer state assessment.
KEYWORD：main transformer；State prediction decision tree；Online monitoring；algorithm
1 概述
现有电网设备的定期检修与停电预防性试验不考虑主变压器本身的运行状态，针对性不强，经济性不足，这些矛盾已在电力生产实践中表现得越来越突出。
随着科学技术、信息技术不断发展，电力系统主变压器在线监测终端装置越来越完善，采集的信息逐渐丰富。
但是，目前主变设备采集的在线监测数据，有大量的设备运行实时信息未能很好利用，对于这些设备的实时数据，运维人员（或监控人员）掌握不到或掌握不准确，对这些设备运行状态好坏情况的掌握，主要靠运维人员（或监控人员）人工经验，对无人值班的设备状态，既不能做到实时监控，又要花大量的人物力到现场核查。所以，研究建立专用的主变设备状态数据，决策树算法技术，对实现主变设备状态预测具有突破性的重要意义。
2 研究内容
主变压器状态评估预测目的是为了克服现有技术存在的缺陷而提供一种基于大数据决策算法的状态评估预测方法，是建立在主变设备在线监测信息的采集、整合和存储基础上的一种分析预测技术。
从信息的采集来看，数据库需要接入不同的在线监测数据，数据接入数据库后，对接入的数据要进行分析、筛选、清洗、特征处理等，从而为算法与模型的建立、算法运算的准确性提供真实可信的数据。
2.1数据样本进行采集、筛选、分析、处理
利用已有在线监测装置采集数据，以固定间隔时间（如15分钟）提取、筛选H2含量、CH4含量、CO含量、油温、主变压器状态（正常1，异常0），作为训练样本基础数据，然后对训练样本数据进行处理，处理异常值，异常值处理方法采用平均值填补方法。流程如下：
决策树模型图
3）决策树算法步骤
决策树构建的步骤：
1.开始时，把所有变量的记录（H2含量、CH4含量、CO含量、油温）看作一个节点；
2.找到每个变量的最好的分割点；
3.分割成两个节点；
4.对两个节点分别执行，直到每个节点满足要求为止。
4）决策树算法停止条件
决策树的构建是一个递归的过程，需要确定停止条件，否则过程将不会结束。对各节点分别执行，直到每个节点满足要求为止。直观的方式是当每个子节点只有一种类型的记录时停止，如下图：
1）当CH4含量>138.2时，设备异常的概率达到100%；
2）当CO含量<=613.4时，设备正常的概率到达100%；
3）当CO含量>613.4时，设备异常概率达到95.8%。
3、主变压器状态评估预测
利用在线监测装置采集以固定间隔时间（如15分钟）的括H2含量、CH4含量、CO含量、油温作为样本，用决策树算法的递归过程对样本数据进行训练计算。直到得出样本的正确划分（直观的方式是当每个子节点只有一种类型最终的记录时停止）。这个节点的唯一类型就是主变压器的状态，正常（1）或异常（0）。通过决策树算法对在线监测数据进行计算预测，可以极大提升主变压器状态评估的的实时性与可预见性。
4 结 语
变压器在线监测技术的逐步完善，可以最大限度避免主变压器由定期预防性试验及定期检修对设备检修“过度”或“漏失”而引起的运行可靠性降低和经济损失，建立以主变压器在线监测分析技术为基础的设备状态评估，可以提高主变设备的安全性、可靠性、稳定性。通过基于决策树算法的主变压器状态评估预测方法，为主变压器状态评估提供有力的预测手段支撑，带来主变状态评估预测方式的进步。
从信息的采集角度来看，数据库层面需接入不同的在线监测数据，数据接入后，对接入的数据进行分析、筛选、清洗等，为算法与模型的建立提供真实数据。决策树算法技术，为主变设备实时状态的分析提供了强有力的支撑手段，对实现主变设备状态预测具有突破性的重要意义。
参考文献：
[1] 钟金，郑睿敏，杨卫红.建设信息时代的智能电网[J].电网技术，2009，（13）：12-18.
[2] 刘骥；黄国方；徐石明.智能电网状态监测的发展.电力建设.2009.1-3
[3] 卢强.数字电力系统（DPS）忉[J].电力系统自化化，2000.
[4] 幸晋渝；刘念；郝江涛；薄丽雅；陈卓.电力设备状态监测技术的研究现状及发展.继电器.2005.80-84
[5] 陈维荣[1]；孙锦鑫[2].电力系统设备状态监测的概念及现状.电网技术.2000.12-17
[6] 杜亚平.电力设备状态检修辅助分析系统[D].2007
[7] 樊春玲，孙四通，金志华.贝叶斯神经网络建模预测方法及其应用.中国惯性技术学报.第17卷第1期 2009.2
论文作者:马文1,杨东宁1,李华锋2
论文发表刊物:《电力设备》2017年第20期
论文发表时间:2017/11/20
标签：在线论文; 状态论文; 变压器论文; 设备论文; 算法论文; 数据论文; 含量论文; 《电力设备》2017年第20期论文;