基于EW Pentagon与AACM-ANN信息融合的农网变压器故障诊断技术研究

作     者：张丞鸣 

作者单位：西南大学 

学位级别：硕士

导师姓名：谢菊芳

授予年度：2022年

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

主      题：变压器故障诊断 能量加权油中溶解气体分析 相关性分析 空间分析理论 信息融合理论 

摘      要：变压器作为农村电网的枢纽设备,其安全稳定运行是保障农村居民生活及生产正常运作的必要基础。因此,进一步研究变压器故障诊断技术,提高变压器运行的可靠性,对保障农村经济社会发展具有十分重要的意义。油中溶解气体分析(Dissolved Gas Analysis,DGA)作为应用最为广泛的变压器故障诊断手段之一,可有效识别变压器故障模式以及故障严重程度。然而,传统DGA诊断方法在对变压器故障模式进行判别时,忽略了不同油中溶解气体组分之间的能量差异,并且存在边界过于绝对化的局限性,这直接影响了模型的诊断性能;另外,由于变压器故障机理复杂,导致仅凭单一诊断方法难以获得精准、可靠的诊断结论。为了解决上述问题,本文在现有变压器故障诊断方法的基础上,从能量表征与信息融合两个角度,对变压器故障诊断技术进行了研究,具体研究成果如下:(1)基于热力学理论与热力学焓变理论对矿物绝缘油裂解产气规律进行分析,依据矿物油裂解产气模型与热焓分析计算油中溶解气体的生成能,用于量化表征不同油中溶解气体组分之间的能量差异。在此基础上,应用相关性分析法评估能量加权特征参量与变压器故障模式的相关性,验证了能量加权特征参量的有效性。相关性分析结果表明,与传统DGA的特征参量相比,能量加权特征参量与变压器故障模式之间存在更强的相关性。(2)以热力学理论与热力学焓变理论为基础,应用空间分析理论构造了能量加权五边形(Energy Weighted Pentagon,EW Pentagon)模型,用于实现变压故障模式判别,并通过实例分析验证了模型的有效性。实例分析结果表明:与现行标准推荐的Duval triangle1法、IEC比值法、Duval Pentagon1法以及Mansour Pentagon法相比,EW Pentagon法的诊断准确率分别提升了26.08%、27.25%、14.51%、16.47%。(3)基于信息融合基本思想,将非对称卷积、注意力机制以及人工神经网络技术相结合,构造了AACM-ANN信息融合模型,用于实现变压器多源决策信息融合,并通过多次仿真实验,验证了模型的可行性与有效性。仿真实验结果表明,与EW Pentagon、SVM、ELM初级诊断模型相比,AACM-ANN的诊断准确率均值分别提升了10.02%、7.95%、8.78%;与DS、DSmT信息融合模型相比,AACM-ANN的诊断准确率均值分别提升了6.57%、5.95%。