本文是一篇工程管理论文，本文在比较各类数据挖掘算法的优势、缺陷的基础上，选择适用于处理多分类、小数据集的随机森林算法作为变压器故障诊断的构建模型，并重点围绕决策树的数量和决策树最大深度两个参数进行调整。以收集到的故障变压器油中溶解气体数据为例，对所提故障诊断模型进行了数据训练和仿真测试。
1绪论
1.1研究背景
改革开放40年来，我国经济实现了跨越式发展，2020年全国GDP总量突破100万亿元，是1980年的40多倍。在这样的增长奇迹背后，离不开我国电力工业提供的基础保障能源和不竭动力支持。电网规模的不断扩大和区域互联互通，提高了供电能力和经济效益，也增加了安全稳定问题的风险。近年来，美国、英国、巴西和台湾等国家地区都发生了大面积停电动荡，3000多个城市受到影响，数以万计的人民生活受到影响。在2015年冬天，我国辽宁多处变电站受到恶劣的天气影响，发生故障，造成部分区域停电，损失负荷达255.2MW[1]。这说明自然灾害、恶劣环境等“黑天鹅”事件都可能会导致电网大面积停电。除外部因素影响外，大规模失电的原因还与电力网结构和设备故障有着直接关系。电网设备作为组成电力网络的基础元件，如果在运行中发生故障，将引发不同程度的电网震荡；严重的情况下，还将造成电网系统崩溃、解列，严重影响工农业生产，波及民生领域。因此，发现电网设备存在的问题和隐藏的危险性尤其重要。通过对现有设备工作、异常数据的深入研究，实现对各种故障的准确判断，甚至是提前感知。根据诊断结果，为电力设备维护提供合理的运行方案、配置、维护和应急预案，避免大规模停电，保证电网安全稳定运行。
乌海市坐落宁蒙陕三省交界处，是一座因矿产资源而兴起的城市。乌海市拥有丰富的自然资源，形成以能源和化学工业为主的产业体系，是我国有机硅、碳化钙等化工产品的重要生产区。其中，棋盘井-海南工业园、乌斯泰-乌达工业园硅铁年产量均在200万吨以上，居世界第一。为了服务于地方特色产业，十二五、十三五期间，乌海地区电网累计投资109亿元，投产火力发电站13座，降压变电站35座，区域电网规模实现了翻一番。随着乌海城市、经济的继续发展，“十四五”期间，乌海电网还将规划建设16座110kV 及以上变电站，规模增幅约30%。
1.2研究意义
1.2.1理论意义
经过多年的快速发展，我国的电网系统已经成为世界装机容量最大、输送电能最多、网架结构最复杂的系统。为了监控电网中各类设备的运行情况，在电力网络系统中建设了许多信息系统。电力设备的基本台账信息、运行电气量、离线和在线试验数据等运行和状态信息，都分散储存在MIS平台、设备状态监测平台、ERP等不同系统的数据库内。而传统的数据处理方式的比较粗糙，只能专注于一些重点数据，数据利用率和处理深度不足。近年来，以人工智能和知识发现为代表的数据挖掘技术在银行、云支付、物流、电商等行业得到了成功应用。这给电力网数据处理带来了新的想法。尤其是随着数字化发展战略的深入，电网数字化平台将会越来越多，数据规模将会更大。整合和共享来自不同来源的大量信息，深度挖掘数据价值，成为电网数字化发展的必然趋势。
面对电网系统数据呈指数级增长的趋势，研究和应用数据挖掘算法，实现各种有效电力设备信息的综合合理利用，具有非常重要的意义。由于影响电力网设备状态的变量很多，为了正确且高效地分析多源信息，需要数据平台的计算性能满足要求。这要求算法尽可能高效，需要对现有的数据挖掘算法进行优化，为电网数据研究人员提供理论支撑。
目前专家已在电力设备全景信息感知、电力设备健康状态诊断、基于人工智能的电力系统评估与决策等方面开展了一些研究，特别是对变压器、GIS气体绝缘开关、电缆等重要电力设备状态特征参量与故障类型、部件、严重程度和发展趋势的关联关系研究，取得了一定的成果[2]。但是为了实现前述愿景，仍然需要进行一系列基础理论方法与关键技术的研究、大型科研平台与数据平台的搭建以及技术的落地应用验证。
2文献综述与基本理论
2.1电网设备故障分析与诊断的研究现状
电网设备的故障分析和诊断技术的实质是利用安装在电网设备上的各种传感器来监测其的运行状态。然后利用获取的设备运行参数的重要信息，与正常运行状态或相关程序进行比较分析，发现异常信息。根据异常信息分析电气设备故障原因，分析故障的类型、范围、诊断故障的位置，甚至是实现故障的预测。目前，实践成果较多、运用较广的技术有专家系统、人工神经网络、模糊理论、贝叶斯网络方法和Petri网方法等，具体技术特点总结如下：
2.1.1基于专家系统的诊断
专家系统是电网设备故障分析和诊断中最早的人工智能技术[4]。它的主要特征是存在一个知识规则经验集，其是由大量领域内的专业知识和相关建议、经验形成的。由专家运用计算机技术将该知识规则经验集构建为知识库。有了这个库，专家系统可以模拟专家的思维方式和处理事件的过程。因此，该系统具有很强的逻辑推理性能，能够对可能出现的故障进行推断。
早在1973年，专家系统就正式在电力领域开展研究，随后发展迅速。随着各国科学家的不断研究，专家系统的功能挖掘越来越深入，获得了许多成功的案例，解决了大量的现场电网设备故障。例如赵冬梅等（2000）为了解决电网系统发生故障后产生的大量未经处理的信息，提出了基于开关跳闸信息的故障诊断专家系统，实现了在电网发生故障的情况下开关警报信息能最先到达调度端，可以减小调度人员的压力并做出诊断结果[5]。
2.2数据挖掘技术的研究
2.2.1数据挖掘技术概述
面对大量的数据，人们往往无法直接获得所需的有价值信息，而数据挖掘的实质就是从大量数据中寻找有价值、有意义信息的过程[19]。同时数据挖掘技术还可以将提取到的有价值的信息，转换成可理解的语言。电网系统作为数字化程度很高的系统，内部有着丰富数据资源。数据挖掘技术可以提升对电网设备大量的数据的深度利用能力。通过数据之间的关系分析，揭示其运行规律，寻找故障特性，为电网设备管理人员更好的运维设备提供新的思路。
目前有一些专家学者已经在探讨利用数据挖掘技术来提升电网设备的管控水平。如FEI Siyuan（2018）分析并提出大数据技术在配电网运行、检修、规划和资产管理的前景与展望[20]；胥佳等（2020）提出一种基于Change-Point的风电数据挖掘算法，用来解决风电机组故障及变化发生时间点查找问题[21]；黄大荣等（2017）通过数据挖掘的方法对电力变压器故障数据进行故障特征提取，采用模式识别理论实现故障诊断[22]；蔡泽祥等（2019）将数据挖掘技术应用到电力设备的状态评估，为突破设备状态评估的瓶颈带来了全新的解决思路和技术手段[23]。
3基于随机森林算法的电网设备故障诊断模型构建.......................26
3.1电力变压器状态量的选取.............................26
3.2故障数据的收集与处理.......................................28
4电网设备故障诊断模型的应用.............................37
4.1高能放电故障...............................37
4.1.1故障诊断分析.............................37
4.1.2处理结果................................38
5总结和展望.........................44
5.1研究总结........................................44
5.2研究展望.......................................44
4电网设备故障诊断模型的应用
4.1高能放电故障
2020年9月29日3:53分，乌海供电公司220kV顺达变电站油浸式1号变压器（型号SFPZ9-150000/220）差动保护装置动作，201、101断路器跳闸。收到设备跳闸信息后，设备管理人员立刻赶赴事故现场进行检查。现场发现1号变压器旁边的顺永Ⅰ回159线路门型架构T型线夹与抱箍间断裂，造成A相导线落地，产生近区短路使1号变压器差动保护装置动作，断路器跳闸。同时发现1号变压器瓦斯继电器内有气体，说明近区短路冲击使变压器内部产生了故障，导致油中溶解气体激增，并上涌至瓦斯内继电器内。因此设备管理人员对1号主变压器进行取油，并送至乌海供电公司化学实验室进行分析。9月29日，实验室给出的油中溶解气体含量结果如表4.1。
4.1.1故障诊断分析
从测定结果分析，能够明显发现C2H2含量远远超过了注意值，初步确定主变压器内部出现了放电情况。利用所建立的电网设备故障诊断模型对该数据进行识别，诊断故障类型为“3-高能放电故障”。但是，根据传统的三比值法分析，其代码组合为“0，0，2”，为高温过热故障。这与电网设备故障诊断模型判断结果不符。但高温过热故障的产气特征应主要表现在C2H4和CH4，而非H2和CH4。
5总结和展望
5.1研究总结
本文研究了基于随机森林算法的变压器故障诊断模型，并基于所提出的模型采用Python语言进行编程。总结全文研究内容，主要可归纳为以下几方面：
（1）本文在比较各类数据挖掘算法的优势、缺陷的基础上，选择适用于处理多分类、小数据集的随机森林算法作为变压器故障诊断的构建模型，并重点围绕决策树的数量和决策树最大深度两个参数进行调整。以收集到的故障变压器油中溶解气体数据为例，对所提故障诊断模型进行了数据训练和仿真测试。再通过对比逻辑回归模型、最近邻算法模型、支持向量机分类模型以及随机森林模型，得出选择的随机森林模型具备更高的故障诊断正确率和性能。
（2）本文通过2020年至2
