基于并行化大数据流及迁移学习的配电变压器故障在线辨识-诊断模型

• 作者: 严方彬 周任飞 杨帆 杨志淳 沈煜 雷杨
• 来源期刊: 高电压技术
• 关键词: 故障诊断 配电变压器 迁移学习 大数据流 Storm平台
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 配电物联网专题
• 页码范围: 1697-1706
• 页数: 10页
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.20190604003

摘要

针对配变故障在线诊断对计算速度的要求,以及配变单体在线监测量种类及例行试验数据量不足的问题,建立了一种基于并行化大数据流及迁移学习的配电变压器故障在线辨识-诊断模型.首先,分析配变在线监测量在故障辨识中的可行性,基于此提出配变故障在线辨识的主要指标;其次,提出基于ARIMA预测技术的配变故障在线辨识方法,建立了基于大数据流的配变故障在线辨识模型,并利用Storm平台完成配变故障的并行化在线辨识,辨识出存在故障隐患的配变作为待诊断配变;再次,构建配变故障诊断指标体系,利用迁移学习算法TrAdaBoost从大量配变中提取有效故障信息,辅助待诊断配变进行故障诊断,建立了基于迁移学习的配变故障诊断模型,并在Storm平台上完成配变故障的并行化诊断;最后,根据配变故障数据进行算例分析,仿真结果表明,所建模型故障诊断精确性高达97％,能够实现配变故障的实时辨识与诊断.