基于数据-特征增强与参数优化的变压器故障识别方法

 

童宇轩¹，李灿²，周佳炎¹

(1 国网浙江省电力有限公司慈溪市供电公司，浙江 慈溪 315300； 2 浙江省送变电工程有限公司，浙江 杭州 310020)

 

    摘 要 ：针对油浸式电力变压器故障诊断中存在的样本不平衡及模型参数优化问题，提出一种基于数据-特征增强与自适应参数优化的油浸式变压器机器学习故障识别模型。通过合成少数类过采样技术 (SMOTE) 解决数据集故障类别不平衡问题，并结合IEC三比值法构建多维故障特征增强数据集特征表征能力；采用融合正余弦策略和柯西变异机制的改进麻雀搜索算法 (SCSSA) 实现对机器学习模型的自适应调参，来有效提升最小二乘支持向量机 (LSSVM) 超参数寻优性能。实验对比表明，所提模型较传统模型具有更高的诊断精度和稳定性，对提升超期服役变压器的故障诊断能力具有工程应用价值。

    关键词 ： 变压器 ；故障诊断；合成少数类过采样技术；改进麻雀搜索算法；最小二乘支持向量机

    中图分类号 ：TM407     文献标识码 ：B     文章编号 ：1007-3175(2025)12-0042-06

 

Transformer Fault Recognition Method Based on Data-Feature Enhancement and Parameter Optimization

 

TONG Yu-xuan¹ , LI Can² , ZHOU Jia-yan¹

（1 Cixi Power Supply Company of State Grid Zhejiang Electric Power Co., Ltd, Cixi 315300, China; 2 Zhejiang Power Transmission and Transformation Engineering Co., Ltd, Hangzhou 310020, China）

 

    Abstract: Aiming at the problems of sample imbalance and model parameter optimization existing in the fault diagnosis of oil-immersed power transformers, a machine learning fault recognition model for oil-immersed transformers based on data-feature enhancement and adaptive parameter optimization is proposed. The synthetic minority over-sampling technique (SMOTE) is employed to solve imbalance problem in datasets fault categories, and the IEC three-ratio method is combined to construct a multidimensional fault feature set, thereby enhancing the feature representation capability of the dataset. Subsequently, an improved sparrow search algorithm (SCSSA) that integrates sine and cosine strategies and Cauchy mutation mechanisms is adopted to achieve adaptive parameter tuning of machine learning models, effectively enhancing the hyperparameter optimization performance of least squares support vector machines (LSSVM).Comparative experiments demonstrate that the proposed model has higher diagnostic accuracy and stability than the traditional model, and has engineering application value for improving the fault diagnosis capability of transformers that have exceeded their service life.

    Key words: transformer; fault diagnosis; synthetic minority over-sampling technique; improved sparrow search algorithm; least squares support vector machines

 

参考文献

[1] 任志勇，张天旭 . 一起110 kV 变压器内部放电故障分析 [J]. 电工电气，2024(1)：71-73.

[2] 谢乐，杨浙，潘成南 . 基于分步特征选取和WOA-LSSVM的变压器故障诊断 [J]. 电工电气，2024(8)：31-36.

[3] 闵永智，令世文，王果 . 基于混合特征选择和IOMA-CNN的变压器故障诊断 [J]. 电力系统保护与控制， 2024，52(23)：1-9.

[4] 党珑，王琪，董佳宁，等 . 电力变压器故障诊断方法的比较研究 [J]. 江苏理工学院学报，2023，29(6) ：69-80.

[5] 李雷军，吴超，付华，等 . 基于油中溶解气体分析的ISSA优化LSSVM变压器故障诊断研究 [J]. 电工电能 新技术，2023，42(10)：84-94.

[6] 孔博，赵占军，郭海波，等 . 基于SSA-CNN的电力变压器 故障智能诊断方法 [J]. 电工技术，2024(23)：190-195.

[7] 黄旭，许冬云 . 基于MF-SAE-SSA-KELM油浸式变压器 故障诊断方法 [J]. 工业控制计算机，2024，37(10)： 126-128.

[8] 吕鑫，慕晓冬，张钧，等 . 混沌麻雀搜索优化算法 [J]. 北京航空航天大学学报，2021，47(8) ：1712-1720.

[9] YUAN J H, ZHAO Z W, LIU Y P, et al.DMPPT control of photovoltaic microgrid based on improved sparrow search algorithm[J].IEEE Access，2021，9： 16623-16629.

[10] LIU G Y, SHU C, LIANG Z G, et al.A modified sparrow search algorithm with application in 3d route planning for UAV[J].Sensors，2021，21(4) ：1224.

[11] 王玲芝，李晨阳，李程，等 . 多策略改进 SSA优化LSTM网络的短期光伏发电功率预测 [J]. 武汉大学学 报 ( 工学版 )，2025，58(8) ：1356-1366.

[12] 周萱，吴伟丽 . 基于改进 SMOTE不均衡样本处理和 IHPO-DBN的变压器故障诊断方法研究 [J]. 电力系统 保护与控制，2024，52(11) ：21-30.

[13] 蔡赛男，宋卫星，班利明，等 . 基于鲸鱼算法优化 LSSVM的滚动轴承故障诊断 [J]. 控制与决策，2022， 37(1) ：230-236.

[14] 刘泽宇，彭泽源，韩爱国 . 基于SCSSA-CNN-BiLSTM的行驶工况下锂电池寿命预测 [J]. 重庆理工大学学报 ( 自然科学版 )，2024，38(1) ：308-318.

[15] 柴岩，常晓萌，任生 . 融合多策略改进的白鲸优化算法 [J]. 计算机工程与应用，2025，61(5) ：76-93.