【电力变压器故障诊断DGA数据集】500kV变压器真实数据，随机森林模型验证，准确率达97%可靠性高

电力变压器是电力系统和发电企业的核心设备之一，它广泛应用于电力输配电领域。变压器的主要功能是将输入电流变换为使输出设备所需的电流类型、电压和电能的电气设备。然而，变压器在运行过程中难免会出现一些故障，如放电、过热等情况。这些故障的发生会导致变压器损坏并且影响系统的稳定运行，甚至引发事故。

因此，及时准确地诊断变压器的故障状态是非常重要的。在过去，变压器故障诊断需要依赖专业的工程师进行手动分析，这不仅费时费力还不够准确。然而，随着机器学习的发展，智能算法可以更加准确地诊断变压器的故障状态，并可以节省大量的时间和人力成本。

油中溶解气体分析（dissolved gases analysis, DGA）犹如人体的“血常规”检验，可以提前发现变压器的潜伏性故障，国际电工委员会IEC已将油中溶解气体分析DGA作为油浸式变压器的一种重要检测和诊断方法。我国制定的DL/T596《电力设备预防性试验规程》也将DGA放在了变压器预防性试验的首要位置。目前已整理收集了500kV大型油浸式电力变压器DGA数据609组，并通过了随机森林RF、支持向量机SVM等常用模型的检验，收集数据可靠性高，适合机器学习算法，下图为随机森林RF模型验证结果展示，准确率达97%，这些数据可以用于进行变压器故障诊断科研和工程实践。

数据集包含:

输入变量:H2，CH4，C2H6,C2H4,C2H2 5种特征气体

输出类别:正常、局部放电、低能放电、高能放电、中低温过热和高温过热共 6种运行状态。

本文采用随机森林模型RF对数据集进行了验证，数据测试结果如图所，准确率达97%，数据的可靠性和预测效果较好。

随机森林模型RF对DGA数据的测试结果展示

609组DGA数据在MATLAB中的读取运行数据样式