在配網(wǎng)中，配電變壓器（簡稱配變）數(shù)量龐大，保證其安全性是電網(wǎng)穩(wěn)定可靠運(yùn)行的基礎(chǔ)，對(duì)其狀態(tài)的精確感知、故障的準(zhǔn)確診斷、風(fēng)險(xiǎn)的及時(shí)排查，在保障供電可靠性、實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)警、降低事故發(fā)生概率等方面意義重大。

近年來，隨著大數(shù)據(jù)、數(shù)據(jù)挖掘等技術(shù)的迅速發(fā)展，其在變壓器故障診斷方面得到了廣泛的應(yīng)用。研究主要集中在故障特征量的智能化提取、故障類型與影響因素之間的關(guān)聯(lián)性挖掘、故障診斷的高精度算法設(shè)計(jì)、故障類型的高效快速檢出、非結(jié)構(gòu)化數(shù)據(jù)在故障診斷中的應(yīng)用等方面。

該類研究的故障診斷對(duì)象主要是輸電變壓器（指110kV及以上的主變壓器，簡稱輸變），在實(shí)際中，輸變與配變?cè)谶\(yùn)行工況、監(jiān)測(cè)手段、診斷周期等方面均存在較大差異。輸變通常不會(huì)過載運(yùn)行，運(yùn)行工況良好，所以一般不考慮外界環(huán)境對(duì)其故障的影響，且由于造價(jià)昂貴、更換周期長，對(duì)其內(nèi)部狀態(tài)量的監(jiān)測(cè)一般是全方位的，用于故障診斷的數(shù)據(jù)量是豐富的；而配變數(shù)量龐大，質(zhì)量參差不齊，更新?lián)Q代快，數(shù)據(jù)監(jiān)測(cè)量不全面，天氣和負(fù)載率等運(yùn)行工況對(duì)配變健康水平均會(huì)造成較大影響。

通過上述分析，輸變與配變的故障誘因存在差異，監(jiān)測(cè)狀態(tài)量有所不同，數(shù)據(jù)豐富度區(qū)別明顯，不能將輸變的故障診斷方法簡單移植到配變。

針對(duì)上述問題，國內(nèi)外學(xué)者對(duì)配變的故障診斷方法展開了一定的研究。文獻(xiàn)[15]將多變量灰色預(yù)測(cè)模型和改進(jìn)證據(jù)理論融合多時(shí)段狀態(tài)信息相結(jié)合，構(gòu)建了配變的運(yùn)行狀態(tài)評(píng)估模型。文獻(xiàn)[16]通過在線測(cè)量，計(jì)算出變壓器的短路電抗值，提出了一種配變繞組變形故障的在線監(jiān)測(cè)新方法。

在基于大數(shù)據(jù)技術(shù)的配變狀態(tài)評(píng)估及故障診斷領(lǐng)域研究尚少。文獻(xiàn)[17]提出了配變運(yùn)行狀態(tài)的大數(shù)據(jù)分析評(píng)估方法，構(gòu)建了常規(guī)評(píng)估方法與大數(shù)據(jù)方法結(jié)合的業(yè)務(wù)流程架構(gòu)。文獻(xiàn)[18]利用梅爾頻率系數(shù)挖掘故障特征參量，并利用隱式馬爾科夫模型進(jìn)行故障類型的識(shí)別。影響配變運(yùn)行狀態(tài)的因素種類繁多，在配變的故障診斷中，需要計(jì)及變壓器內(nèi)外多因素的影響，這對(duì)數(shù)據(jù)質(zhì)量和數(shù)量等方面均提出了較高要求。

上述研究一般假設(shè)數(shù)據(jù)獲取是全面的，然而在實(shí)際中，配變數(shù)量多、分布廣、監(jiān)測(cè)手段不到位、巡檢工作不及時(shí)，導(dǎo)致可獲取的數(shù)據(jù)質(zhì)量不高、類別不全；同時(shí)，配變運(yùn)行工況惡劣，可能長期過載運(yùn)行，健康水平惡化較快，運(yùn)行態(tài)勢(shì)不斷變化，新的故障誘因?qū)映霾桓F，因此原本數(shù)量不多的故障數(shù)據(jù)還存在數(shù)據(jù)過期的問題，難以用于新狀態(tài)下故障診斷模型的訓(xùn)練。這兩方面問題與配變故障診斷對(duì)數(shù)據(jù)的要求相矛盾。

遷移學(xué)習(xí)是一種近年來發(fā)展迅速的數(shù)據(jù)挖掘方法，其目標(biāo)是將一個(gè)環(huán)境中學(xué)到的知識(shí)進(jìn)行有效的信息提取，用以幫助新環(huán)境中的學(xué)習(xí)任務(wù)[19]。本文旨在利用遷移學(xué)習(xí)方法訓(xùn)練配網(wǎng)故障診斷模型，以解決配變狀態(tài)數(shù)據(jù)少和數(shù)據(jù)過期的問題，具體分為兩個(gè)層面：

①單個(gè)配變的故障信息有限，利用這些信息難以訓(xùn)練出一個(gè)泛化能力很強(qiáng)的故障診斷器，但是配變數(shù)量多，總體數(shù)據(jù)繁雜，需要將輔助配變的有效故障信息遷移至目標(biāo)配變故障診斷模型的訓(xùn)練中，建立基于信息遷移的配變故障診斷模型；

②針對(duì)數(shù)據(jù)過期的問題，對(duì)配變的健康狀態(tài)進(jìn)行分級(jí)，將其他狀態(tài)的有效故障信息遷移至目標(biāo)狀態(tài)的配變故障診斷，建立針對(duì)數(shù)據(jù)過期的配變故障診斷模型。

本文首先對(duì)影響變壓器故障的關(guān)鍵狀態(tài)量進(jìn)行挖掘；然后考慮不同配變故障信息的差異性，建立基于信息遷移的配變故障診斷模型；考慮配變運(yùn)行的態(tài)勢(shì)演變，建立針對(duì)數(shù)據(jù)過期的配變故障診斷模型；通過算例分析，驗(yàn)證了本文所建立模型的精確性。

圖2 配變故障診斷流程

圖4 配變狀態(tài)量與故障的關(guān)聯(lián)規(guī)則

結(jié)論

針對(duì)配變故障數(shù)據(jù)有限及數(shù)據(jù)過期的問題，本文提出了一種考慮多元因素態(tài)勢(shì)演變的配變遷移學(xué)習(xí)故障診斷模型。通過理論推導(dǎo)與算例分析，得到下述結(jié)論：

1）在利用配變狀態(tài)量進(jìn)行故障診斷時(shí)，應(yīng)對(duì)狀態(tài)量的關(guān)鍵程度進(jìn)行評(píng)判，若將非關(guān)鍵狀態(tài)量引入診斷器中，將會(huì)降低故障診斷精確度。

2）本文所構(gòu)建的M1和M2模型與傳統(tǒng)的故障診斷器相比均具有更強(qiáng)的泛化能力，目標(biāo)與輔助故障數(shù)據(jù)的相似度決定了故障診斷的精確度，在故障診斷時(shí)應(yīng)根據(jù)遷移度閾值等方法對(duì)輔助數(shù)據(jù)進(jìn)行篩選，以保證目標(biāo)與輔助故障數(shù)據(jù)的高相似度。

3）在目標(biāo)故障數(shù)據(jù)量一定時(shí)，輔助數(shù)據(jù)越多，故障診斷精確度越高，遷移學(xué)習(xí)越有利，但訓(xùn)練診斷器所需的迭代次數(shù)越多。