摘要：在现有相关研究基础上，探讨将云理论引入变压器油色谱分析过程中，以确保能够在变压器出现异常时利用色谱数据进行短期预测，并对可能存在的多重故障进行精确有效的诊断。

    0 引言
    随着我国社会经济的不断发展，社会生产生活对电力的要求越来越高，而作为电力系统枢纽设备的变压器，如何保证它的稳定运行，以及故障时的准确诊断或故障前的精确预测，已成为当的研究重点。油中溶解气体分析技术（DGA）是当前变压器故障诊断及故障预测的重要手段，而且近年来越来越多的学者尝试将DGA与比值分析、支持向量机及人工神经网络等结合起来，使得变压器故障诊断获得了极大的进步与发展。本文在以上研究的启发下借鉴云推理方法在矿井涌水预测、空间负荷预测等研究经验的基础上，尝试利用云理论对短期内油色谱数据变化的期望值进行预测，并进一步实现对多重故障的诊断。

    1 相关理论分析
    到目前为止，云理论仍然是一种比较先进的理论方法，在实际中的应用并不多，因此要利用云理论对变压器多重故障进行诊断及短期预测，首先应解决云理论的基本概念、云理论如何与DGA中的各种数据相结合等问题。
    1.1云理论及云推理等相关概念分析
    一般来说，融合模糊集合论及概率论两种理论后，得到的能实现定性概念与定量数值之间不确定转换的数学模型称之为云模型。从概念来看，云模型是一种能对概念的模糊性、随机性及关联性进行科学描述的算法，能通过期望、嫡、超嫡3个数字特征对云概念进行描述。其中，期望（EX）主要进行定性描述，嫡（En）主要描述模糊程度，超嫡（He）主要描述不确定性。在DGA中，油中气体体积分数采样数据的离散程度主要通过超嫡的数值来反映，因此通过云模型便能将油中气体体积分数采样样本数据的随机性与模糊性联系起来。
    1.2云变换及其概念的分析
    由上述分析可知，通过云模型及采用云变换法，可将油中气体的定量数据转换成为期望、嫡、超嫡3个数字特征，由此便得到了油中气体定量数据的云概念。具体来说，其转换步骤如下。
    第一，归一化处理采集到的油中气体数据。归一化公式为：

    式中，Gi为油中第i种气体归一化后的数值；gi为油中第i种气体归一化前的数值；gmax为油中第i种气体含量最多时的数值。
    第二，对上百组变压器油色谱数据进行归一化处理后，综合分析各种气体在不同数值段的分布频数，并得到频率分布曲线图。随后在处理油色谱数据频率分布曲线时，采用基于峰值的云变换算法提取样本数据中的云概念分布。
    第三，在云变换后，会有可能出现两个相邻云概念过近，或一个云概念包含另一个云概念的情况。由于产生的概念重复、多余会给后续样本数据的所属概念划分造成困难和混乱，因此在变换后还需对得到的云概念进行合并跃升，确保每个云概念都独立而清晰。
1.3发掘云推理规则
    通常来说，在得到云概念后，会对已收集的各变压器故障时的油色谱数据进行分析，确定各油色谱数据分别属于哪一个云概念。这个过程需要耗费一定时间及精力，因此为了提升分类效率，需要先利用云概念例数判定精简油色谱数据库。本文在极大判定法的基础上，通过选择数据例数度最大的云概念判定概念隶属。
    通常，可将每种变压器故障都看成是一种定性概念，因此本文基于对故障类型的分析，得到低能放电（Cfi）、高能放电（Cf2）、低温过热（Cm）、中温过热（Cf4）、高温过热（Cf5）、绝缘受潮（Cf6）几种云概念。

[1] [2] [3]  下一页