趙小軍

摘 要： 電力變壓器的故障問題較為復雜，對此在實際中必須要通過科學的方式加強研究，探究其存在的故障問題，因此文章主要對向量機的油浸式電力變壓器故障診斷方法進行了淺顯的探討。

關鍵詞： 相關向量機；油浸式電力變壓器；故障診斷

相關向量機（Relevance Vector Machine RVM）就是Michael E.TipPing在2000年提出的一種有效的監(jiān)督學習方式，此種方式在一定程度上綜合了貝葉斯理論、馬爾科夫性質、最大似然估計以及自動相關決定先驗等相關理論與觀點。

1.相關向量機概述

RV M通過加入超參數負于權重向量的零均值的高斯先驗分布的方式可以有效的保障模型中的稀疏性，超參數在實際中可以通過最大邊緣的似然函數的方式對其進行計算。在實際中 RV M以及SVM都可以有效的解決小樣本、高維以及非線性分類等相關問題，但是其中RV M的效果更有優(yōu)勢，其主要表現在以下幾點：

RV M核函數在實際中不會受到Mercer條件的影響以及限制，核函數的實際選取范圍較為廣闊；無規(guī)則化系數，在實際中不需要通過交叉驗證的方式與手段獲得相關參數數據；其具有較為強大的泛化能力；基函數權值中極少的一部分非零，其實際的相關向量數量相對較少，模型較為稀疏；其實際的測試時間以及診斷速度更為快捷，可以真正的實現在線診斷；可以通過概率輸出的方式分析問題中存在的各種不確定因素。

2.基于相關向量機的變壓器故障診斷

2.1基于RVM的變壓器故障診斷模型

油浸式電力變壓器的故障的成因相對較為復雜，其故障類型的總結歸納方式也相對較多，但是在實際中一些因為外部以及內部因素導致的變壓器故障問題都會通過熱和電的性質表現，對此在對變壓器的故障類型特征進行分析的基礎之上，基于變壓器運行的狀態(tài)將其進行劃分，對此可以分為正常狀態(tài)、低能放電、高能放電、中低溫過熱小于等于700℃、高溫過熱大于700℃四種故障類型。

變壓器故障診斷在本質上來說就是一個多分類的問題，RVM作為一種二分類算法，在實際中要想對其進行診斷可以把變壓器故障診斷問題轉化為不同的多個的二分類問題。其主要方式主要有“一對多”、“一對一”以及“二叉樹”等相關方式手段。

在整個診斷模型性其不同的RVM分類器學習過程具有一定的圖理性，在實際中可以真正的實現不同分類器的學習過程的并行化開展。同時在實際中基于其具體問題的特征，不同的RVM分類器在實際中可以選擇相同的輸入特征作為其變量組，同時也可以選擇不同內容的輸入特征作為其變量組。例如在整個診斷模型中，其識別的電性故障以及熱性故障分類器RVM2和其識別低能放電以及高能放電的相關分類器RVM3在實際中可以基于實際的狀況選擇應用兩組不同的特征變量。其診斷模型在實際中可以通過分層結構的詳實開展，在不同的層間中的診斷過程為串行，對此在實際中勢必會出現一定的誤差累計狀況與問題。

2.2基于RVM的變壓器故障診斷的實現過程

第一，選取特征變量以及樣本數據，在實際中要把其想樣本數據基于特定比例進行劃分，將其劃分為訓練集以及測試集兩種方式。在實際中可以通過CH4， C2H6， C2H4以及C2H2等相關特征氣體含量，基于既定的方式進行樣本數據的選擇，在對其進行標準化操作。

第二，確立變壓器故障的相關診斷模型。在實際中可以通過“二叉樹”的分類方式，通過分層結構方式構建變壓器故障診斷的相關模型。

第三，在其實際的訓練集之上開展RV M的分類模型學習，應用RVM 1～RVM4為分類器。通過正常以及故障兩種樣本數據獲得分類器的RVM1，其中正常的數據樣本類型可以通過1對其進行標簽，全部的故障樣本數據類別的標簽則是通過0對其進行表示；RV M2的分類器則是通過涵蓋低能放電以及高能放電兩種模式的電性故障的相關樣本數據以及涵蓋了中低溫以及高溫過熱的熱性故障的樣本數據學習活動，其中電性故障的樣本數據類型可以通過標簽1對其進行表示，熱性故障樣本數據則是通標簽0對其進行表示；RV M3分類器是通過低能放電以及高能放電的相關樣本數據獲得，通過標簽1表示低能放電樣本，通過標簽0表示高能放電樣本數據；RVM4分類主要就是通過中低溫過熱以及高溫過熱樣本數據獲得，其表示同上。

第四，通過測試集加強對RV M分類模型的相關性能測試。在實際中把相關測試樣本輸入RV M 1的分類器之中，如果其輸出的數據數值高于0.5；則其診斷的結果就為正常，整個診斷就結束；如果其數值不正常就要將其輸入到RVM2之中，其獲得的輸出值高于0.5，就要在繼續(xù)輸入到RVM3之中，如果其獲得的輸出數值高于0.5，那么其獲得的診斷結果就為低能放電，如果不是則為高能放電，整個診斷結束；如果RVM2的輸出數值不是大于0.5，就要繼續(xù)在RVM4中輸入測試樣本，其獲得的數值要是高于0.5，則其診斷結果就是中低溫過熱，否則則為高溫過熱，整個診斷結束。

結束語：

在實際中通過對基于相關向量機的油浸式電力變壓器故障診斷方法的探討分析可以了解，其診斷方法可以有效的分析其存在的不確定因素，可以在根本上提升其診斷速度。endprint