电力变压器作为电力系统的重要设备之一,其故障诊断技术一直是国内外学者研究的热点。故障的多样性、不确定性和各种故障之间联系的复杂性构成了故障诊断技术上的难点,仅靠单一的故障特征量和诊断方法无法完成诊断任务。本文将信息融合的基本思想引入变压器故障诊断中,可以提高故障诊断结果的可靠性,最大限度地减小不确定性。 信息融合具有数据层、特征层、决策层三个层次,它能将来自多传感器或多源的信息和数据进行综合处理,从而得出更为准确、可靠的结论,可根据不同的应用背景选择相应的融合层次和算法。本文研究了建立在油色谱分析基础上的信息融合技术,将油色谱分析与电气试验等其他信息相结合,建立基于信息融合技术的变压器故障诊断模型,对变压器故障进行分层决策,不仅能判定故障性质,还能初步判定故障部位。 针对故障诊断中的不确定性,本文建立基于D-S证据推理的变压器故障诊断模型,将油色谱分析与电气试验等多源信息的判断结果进行融合,通过应用实例证明,在故障诊断中采用证据理论可以有效提高故障诊断的精度和可信度,减小诊断的不确定性。 针对故障信息的冗余性,本文建立基于粗糙集融合的变压器故障诊断模型,将油色谱分析结果与电气试验结果结合,利用粗糙集理论建立故障诊断决策表,并对决策表进行约简,最后形成诊断规则,能诊断故障性质及故障部位,并在matlab中编制了故障诊断程序。实例表明,该模型能够利用故障信息的冗余性,通过避开遗漏的或错误的信息来处理不完备的故障信息,在实际应用中可以直接使用,具有很好的工程实用价值。