核电厂电力变压器异常检测的机器学习方法
机器学习
2022-11-22 v1 系统与控制
系统与控制
摘要
电力变压器是核电厂（NPP）的重要组成部分。目前，核电厂运行着大量已超过设计寿命25年的延寿电力变压器。由于寿命延长，监测电力变压器技术状态的任务变得紧迫。监测电力变压器的重要方法是溶解气体色谱分析，其基于控制变压器油中溶解气体浓度的原理。设备中几乎任何类型缺陷的出现都伴随有溶解于油中的气体生成，且特定类型缺陷以不同数量产生各自对应的气体。目前，核电厂的变压器设备监测系统对油中溶解气体浓度采用预设控制限值。本研究描述了利用机器学习与数据分析方法自动检测变压器缺陷与故障的算法开发阶段。在机器学习模型中，我们训练了逻辑回归、决策树、随机森林、梯度提升、神经网络。其中最优模型随后被组合为一个集成模型（StackingClassifier），在测试样本上取得了0.974的F1分数。为建立数学模型，我们使用了包含气体浓度（H2、CO、C2H4、C2H2）时间序列的变压器状态数据。数据集经过标注，包含四种运行模式：正常模式、局部放电、低能放电、低温过热。
引用
@article{arxiv.2211.11013,
title = {Machine Learning Methods for Anomaly Detection in Nuclear Power Plant Power Transformers},
author = {Iurii Katser and Dmitriy Raspopov and Vyacheslav Kozitsin and Maxim Mezhov},
journal= {arXiv preprint arXiv:2211.11013},
year = {2022}
}
备注
9 pages, 5 figures, 4 tables, 33 references