变压器绝缘老化状态评估方法研究

针对传统拉曼老化模型对变压器绝缘老化状态评估准确率的问题,提出一种基于多维缩放(MDS)算法的特征降维结合改进BP神经网络的老化评估方法。首先以在250 mW激光功率、0.5s积分时间环境下获取的拉曼光谱作为数据来源,然后对该数据进行预处理和多维缩放降维,提取主要特征成分,最后通过改进BP神经网络进行变压器老化状态评估。结果表明,在10:1和15:1的单一油纸样本中,本模型的评估准确率分别为97.7%、98.3%;混合油纸样本中,模型评估准确率为96.4%。且相较于糠醛判别方法,本模型的判别结果与聚合度判别结果更为接近。由此说明,采用本模型可实现不同变压器油纸状态下的拉曼光谱老化评估,很大程度上提升了变压器老化状态的评估准确率,进一步验证了本模型的可靠性和准确性。