论文部分内容阅读
变压器在长期工作负荷下，难以避免地会逐渐出现各种异常，甚至故障问题。为避免造成严重的停电事故，变压器异常监测具有重要的现实意义。基于上述背景，提出一种变电站变压器异常状态监测数据可视化方法。该研究中利用气相色谱设备、加速度传感器分别获取变压器的油色谱成分数据和振动信号。利用三比值法提取油色谱成分数据特征，利用小波能量法提取振动信号的能量均值，由以上组成特征集合。以特征为输入，通过计算各个状态等级上的概率分布确定变压器状态异常等级，随机森林算法确定变压器异常类型，完成变电站变压器异常状态监测。结果表明：所研究方法应用下，概率值最高对应异常程度高，票数比值最高对应高能量放电，说明变压器发生高能量放电问题，并且该问题已经发展到高程度，亟需进行维修。