变压器故障诊断及信息融合技术应用模型

2023-06-24 理论教育版权反馈

【摘要】：对象的公有部分如故障诊断方法等，其函数可由其子类继承。根据变压器故障以及信息融合技术的特点，在变压器故障诊断系统中，宜采用图3-17所示的基于信息融合的故障诊断模型。特征信息与变压器故障信息间存在一定的关联性质，这就是融合的关系之一，它依赖于故障机理等内在因素。采用匹配知识规则，引入模糊推理进行决策融合和故障诊断。

1.变压器故障诊断专家系统模型

（1）系统结构模型。专家系统采用“知识管理驱动模型运行”的设计思想，用专家系统技术实现数据库、案例库、模型库和规则库四库一体化。“知识管理驱动模型”是指系统中由知识库管理系统管理。其过程为：系统接受用户的请求，并以用户请求为目标，可通过基于案例的推理；还可对规则正向推理，并根据模型输入输出的依赖关系形成数据输入和输出的模型链，调用模型链中的各规则解决实际问题。系统总体结构模型如图3-15所示。

图3-15　系统总体结构模型

（2）面向对象模型。在变压器故障中，根据变压器故障本质，大体可分为绕组故障、磁路故障、结构及附件故障、冷却油及冷却介质故障等。它们既有各自的特点，又有一定的共性，具有一定的面向对象性。利用面向对象框架可以很好地解决诸如多重继承等问题。在系统中采用框架结构的表达方法，如图3-16所示。

图3-16　面向对象模型

类（class）是具有共同属性的密切相关的对象集合，类本身并不生成实际对象，由子类实例化生成实际对象。为规范起见，分别以每种变压器故障作为一个子类。子类生成对象，对象的私有部分不能被继承，如绕组绝缘电阻、铁芯对地绝缘电阻、运行时间等。对象的公有部分如故障诊断方法等，其函数可由其子类继承。

2.基于信息融合技术的变压器故障诊断系统结构

对于变压器故障诊断系统而言，既要包括数据融合，又要包括知识融合，还要包括由数据到知识的融合。在实际信息融合系统中，要先对来自多传感器的数据进行融合处理，将融合后的信息及来自变压器本体和其他方面的信息，按照一定的规则进行推理，即进行知识融合，同时将有关信息存入数据库系统，为利用数据挖掘技术进行知识发现作必要的数据储备。利用大量的数据，从中发现潜在而未知的新知识，并根据现有的运行状态来修正原有的知识，以更迅速、更准确、更全面地进行故障监测、报警和诊断。

监测诊断系统在实际应用中时常发生虚警、误报、漏报等情况，除了在监测原理和设备硬件方面可能存在的缺陷外，对监测信息缺乏综合统一的分析和判断也是造成诊断可靠性不高的重要原因。从信息学的角度来说，对监测信息处理不当主要体现在：①设备状态或故障的信息群出现了矛盾；②信息处理方法与信息数据之间的不匹配；③存在环境及其变化的干扰信息。从对信息的获取、变换、传输、处理、识别的整个过程来看，缺少“融合”环节，所获取的信息源越多，发生信息矛盾及信息熵增的可能性越大，所以必须进行信息融合。

根据变压器故障以及信息融合技术的特点，在变压器故障诊断系统中，宜采用图3-17所示的基于信息融合的故障诊断模型。

图3-17　基于信息融合的故障诊断模型

由于变压器监测的实时性要求，在该模型中，应遵循时域快速特征提取准则进行特征提取，从而有效表述状态的特征数据，形成统一的特征表述，以便数据匹配和特征关联的一致性，保证信息融合的成功。特征信息与变压器故障信息间存在一定的关联性质，这就是融合的关系之一，它依赖于故障机理等内在因素。采用匹配知识规则，引入模糊推理进行决策融合和故障诊断。

变压器故障诊断及信息融合技术应用模型

相关推荐