关键词：关联规则；模糊理论；故障诊断；电力变压器
引言
如何对电力变压器进行准确有效的故障诊断及维护具有重要作用与意义。对电力变压器潜伏性故障而言，设备内部缺陷类型与其故障征兆及故障模式之间存在着密切的关联，且具有多维性、复杂性及冗余性等特点，造成多年来电力变压器故障诊断一直是研究热点及难点。
1变压器故障分析
1.1外部线路短路
如果导线连接位置、T接线位置出现了断路问题，特别是在大风天气时产生“时接时断”，产生肉眼可见的弧光、火花，变压器就会发出“呱唧”声。如果低压线路出现了接地故障或短路故障，则变压器会发出较大的闷响声。
1.2变压器油质劣化
变压器中的绝缘油由于长期运行，难免受到潮气侵入以及电场、化学、油温过热氧化等因素影响，致使油质的劣化。而油质劣化则势必导致变压器整体绝缘性能受到影响，也就非常容易诱发变压器内部故障的产生，这就要求日常运行中对变压器油色的关注不可或缺。一般新近投运的变压器油色会呈现透明浅黄色，如果使用一段时间以后发现油色变成浅红色甚至开始变黑，应及时进行取样化验。经化验确定油质合格则继续使用；若不合格就对绝缘油进行过滤、再生处理和更换，确保油质达到合格要求再投入运行。否则有可能造成变压器外壳与绕组之间或绕组与绕组之间发生绝缘击穿，诱发短路故障。
1.3变压器内部声响异常
如遇到所带负荷中有大的动力设备启动时，因其启动电流较大会发出沉重的“嗡嗡”声，启动完毕即可恢复正常。当变压器持续发出很高而又沉闷的“嗡嗡”声时，则说明变压器过负荷运行，应加强巡视和关注负荷变化并及时汇报。如果发现在变压器的“嗡嗡”声中夹杂有其他异常响声（如轻微的金属敲击声），则可能是由于变压器铁芯的穿心螺栓松动造成铁芯的硅钢片震动造成的，长期震动可能破坏硅钢片间的绝缘层引起铁芯局部过热。应加强巡视，严密监视不正常现象的发展变化。若杂音不断增加时，应该及时汇报上级部门对该变压器停运并进行内部检查。当变压器内部有放电声、爆裂声和“嗡咚、嗡咚”的冲击声，则可能是由于变压器内部绕组或引出线对外壳闪络放电或发生短路故障引起，应立即汇报上级部门对变压器停运检修。
2基本挖掘步骤
强模糊关联规则的挖掘可分为两步：①根据支持度从模糊数据库中生成频繁集；②从频繁集中产生候选规则集，并对每一条规则集计算其蕴涵度，再根据DMin_imp得到强模糊关联规则集。此方法虽然直观易于理解，但其也存在一定问题：由于计算每一条候选规则的“蕴涵度”都需要扫描整个数据库，而候选规则的数量又非常庞大，这就带来大量的数据库扫描操作。为了减少扫描次数，可首先生成所有的候选规则集，再扫描一次数据库，得到所有候选规则的蕴涵度。候选规则集中的冗余模糊关联规则是强模糊关联规则，无需再计算其蕴涵度。在扫描数据库前，根据已经挖掘出的强模糊关联规则，从候选规则集中删除掉冗余模糊关联规则，从而可大幅提高效率。
3变压器故障特征模糊关联规则诊断模型
3.1特征量的模糊处理
目前关联规则分析只能针对离散数据，而变压器故障特征参量中的DGA数据均为连续数值型x′1~x′11，为了能进行关联规则挖掘，必须对各个特征量数据进行数据预处理，即：离散化。由于传统的离散化方法中认为，事物必定属于某个项集，对具有连续属性的事物也根据数值区间划分为具体类型，而实际变压器故障机理复杂，若沿用确定性及精确的概念表示经典集合及其生成的关联规则、条件项及决策项已难以有效表达变压器故障特征与故障之间的关系。因此，文中引入模糊集合理论，通过隶属度函数将具有连续属性数据转化为离散化数据。其中设备状态属性“正常”的隶属度函数选取半岭型分布中的偏小型，见式(1)
(1)
式(1)中：a1取相应属性数据正常值90%；a2取相应属性数据正常值的110%。设备状态属性“异常”的隶属度函数见式
通过计算变压器各特征模糊属性的隶属值并将其与均值进行比较，若高于均值则认为其隶属于该模糊属性，反之不隶属于。通过布尔离散化预处理可将含有连续数值的事务数据库T转化成布尔型的事务数据库T*，采用布尔离散，将正常值范围内的属性映射为“0”，非正常值范围内属性映射为“1”。
3.2Apriori算法
Apriori算法是一种挖掘关联规则频繁项集的算法，它的核心是通过生成候选集及其情节的向下封闭检测这两个阶段来挖掘频繁项集。Apriori算法采用连接和剪枝的方法，通过确定频繁项集，进而得到强关联规则这两个步骤完成规则的提取[17-20]。利用Apriori算法挖掘关联规则，给定支持度阈值ji置信度阈值，计算支持度得1-项集C1，进行剪枝操作得频繁1-项集L1，再进行连接、剪枝操作得频繁2-项集L2，进而得到频繁3-项集L3。此方法得到的候选项集较多，且将产生大量冗余规则。利用1.2节中的模糊关联规则的挖掘方法，可在提高提取规则效率的同时简化最终规则集。
3.3基于PCA的输入参数优选
变压器电气及绝缘油特性试验项目较为繁杂，全部进行测试不仅使得现场人员工作量剧增，后期涉及规则挖掘的计算量也相当庞大。考虑到变压器各特征量之间存在一定的关联性，其中某一特征参数所反映的信息即可基本代表与之相关的参量所包含的信息，所以有可能用精简后的特征参量作为模型的输入而几乎不影响其正判率。文中采用基于PCA的输入参数分析，对相关特征量进行优选。主成份分析主要是通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。利用主成份分析法，选取诊断模型对应的最优参数，并同步剔除影响故障诊断正确率的冗余参量。
结语
为保障变压器在日常运行中的安全性，需要加强对变压器的故障分析，针对故障表现出的故障类型、位置及程度，针对性地提出故障排除策略。此外，还需要做好变压器日常运维管理工作，定期检查，防止故障问题进一步扩大。
参考文献：
[1]方建文，杨文波，宁茂亮.变压器在线监测及故障处理系统研究[J].数字技术与应用，2015，（6）：766-767.
[2]蒋长荣，宋保杰.试论电力变压器铁芯多点接地故障及技术解决措施[J].科技经济市场，2015，（6）：122-124.
[3]王晗，孙莹.高压试验中变压器试验问题及故障处理方法研究[J].科学技术创新，2013，（17）：40-41.
[4]路永强.变压器常见故障处理及日常维护研究[J].建筑与装饰，2017，（10）：663-665.
论文作者:文博宇
论文发表刊物:《中国电业》2019年14期
论文发表时间:2019/11/15
标签：变压器论文; 规则论文; 故障论文; 模糊论文; 属性论文; 特征论文; 频繁论文; 《中国电业》2019年14期论文;