Der Gasanalysator bestimmt die Transformatorfehler durch die Analyse von gelöstem Gas in Öl (DGA), seine Genauigkeit ist kein fester Wert, beeinflusst von Faktoren wie Analysemethoden, Instrumentleistung und Betriebsspezifikationen, die Genauigkeit der herkömmlichen Methoden beträgt etwa 80% -86%, die Genauigkeit des Optimierungsprogramms mit intelligenten Algorithmen kann auf mehr als 95% erhöht werden, einige Optimierungsmodelle sind sogar nahe an 100%, die spezifischen Unterschiede sind wie folgt:
Traditionelle Analysemethoden: Die traditionelle Drei-Verhältnis-Methode, Rogers-Verhältnis-Methode und andere abhängen von der Gaskonzentration-Verhältnis, um Fehler zu beurteilen, die Genauigkeit ist durch unvollständige Codierung, die Bestimmung der absoluten Grenzen und andere Mängel eingeschränkt. Die Genauigkeit der Drei-Werte-Methode beträgt etwa 86,32%; Frühere Diagnosemethoden, die auf einfachen Modellen basierten, leisteten schlechter, wie zum Beispiel ein Basismodell, das auf einer Unterstützungsvektormaschine (SVM) basierte, mit einer Gesamtgenauigkeit von nur 90% bei der Fehlerdiagnose und einer Erkennungsrate von nur 80% bei einem Fehlertransformator.
Optimierung mit intelligenten Algorithmen: Durch die Integration von Algorithmen und Erkennungstechnologien wird die Genauigkeit erheblich verbessert. Eine Kombination des evolutionären k-Mittelwerts mit einem Expertenmodell mit einer Genauigkeit von 98,29% in der IECTC10-Datenbank; Intelligentes Diagnosesystem mit eingebettetem Zufallswaldsalgorithmus mit einer typischen Fehlererkennungsgenauigkeit von ≥98,5% für 6 große Kategorien und 32 Fehlermuster; Es gibt auch ein vages Argumentationssystem, das auf den Charakteristiken des Gasassoziierungscharakteristiks basiert, und die Genauigkeit von 100% bei spezifischen Fehlerzeitreihendatentests erreicht wird; In Kombination mit digitalen automatischen Vergleichen und intelligenten Erkennungstechnologien kann die Genauigkeit der Erkennung auch auf 95% erhöht werden.
Andere Modelloptimierungsmethoden: Einige maßgeschneiderte Modelle, die durch Eigenschaften und Algorithmen optimiert wurden, leisten auch hervorragende Leistungen. Zum Beispiel auf der Grundlage der bevorzugten Eigenschaften des Gold-Schakal-Optimierungsalgorithmus mit dem Sky-Eagle-Algorithmus zur Optimierung des Zufallswalds AO-RF-Modell, kann die Diagnosegenauigkeit um 1,84% -15,86% im Vergleich zu normalen RF-, SVM- und anderen Modellen verbessert werden; Modelle basierend auf Bayesianischen Netzwerken und Hypothesen-Tests haben eine maximale Diagnosegenauigkeit von 88,9 Prozent, die zwar niedriger ist als einige der führenden Algorithmusmodelle, aber im Vergleich zu herkömmlichen Methoden immer noch deutlich verbessert ist.
Allerdings ist die oben genannte Genauigkeit das Ergebnis der idealen Bedingungen, in der praktischen Anwendung, wenn es Probenaufnahmefehler, Ölproben Transportschwingungen verursachen, Gasentführung, unzureichende Reinheit des Transportgases und andere Probleme, kann etwa 23,7% Fehlerurteilung verursachen, wird die Genauigkeit der endgültigen Fehlerbeurteilung erheblich senken.