Python实现变压器故障诊断：逻辑回归、SVM与KNN对比

1. 变压器故障诊断项目概述

在电力系统运维中，变压器作为核心设备，其状态监测与故障诊断直接影响电网可靠性。传统人工巡检方式存在效率低、主观性强等问题，而基于机器学习的智能诊断方法正逐渐成为行业标配。这个项目使用Python实现了逻辑回归、SVM和KNN三种经典算法构建诊断模型，特别适合电力行业数据分析师和设备维护工程师快速搭建原型系统。

我曾参与过多个变电站智能化改造项目，发现很多现场工程师虽然熟悉设备特性，但在算法实现上常遇到两个典型问题：一是代码可读性差导致难以二次开发，二是算法参数设置不合理影响诊断准确率。因此本项目特别注重以下三点：(1)完整的中文代码注释 (2)三种算法的并行实现对比 (3)关键参数的可视化调优过程。

2. 核心需求与技术选型

2.1 电力设备诊断的特殊性

变压器故障数据具有三个显著特征：

1. 样本不均衡：正常样本远多于故障样本（通常>10:1）
2. 特征维度高：包括油色谱数据（H2、CH4等气体含量）、电气参数（绕组电阻、绝缘电阻）、温度数据等
3. 时序相关性：多数故障有渐进发展过程

python复制# 典型数据格式示例
import pandas as pd
data = pd.DataFrame({
    'H2_ppm': [120, 85, 210],  # 氢气含量
    'CH4_ppm': [35, 28, 102],  # 甲烷含量
    'winding_resistance': [0.85, 0.92, 1.35],  # 绕组电阻(Ω)
    'insulation_MΩ': [500, 450, 120],  # 绝缘电阻
    'fault_type': [0, 0, 1]  # 0正常 1故障
})

2.2 算法对比决策矩阵

基于上述特征，我们选择三种各具特点的算法：

经验分享：在实际变电站项目中，我通常会先用逻辑回归做基线模型，再用SVM进行优化，最后用KNN验证特殊故障模式。

3. 数据预处理关键步骤

3.1 特征工程实战

电力设备数据预处理有三大难点：

1. 量纲差异大（如ppm级气体含量与MΩ级绝缘电阻）
2. 传感器缺失值处理
3. 故障样本增强

python复制from sklearn.preprocessing import MinMaxScaler
from sklearn.impute import KNNImputer

def preprocess_data(df):
    # 缺失值处理（采用KNN填充）
    imputer = KNNImputer(n_neighbors=3)
    df_imputed = pd.DataFrame(imputer.fit_transform(df), columns=df.columns)
    
    # 特征缩放（避免量纲影响）
    scaler = MinMaxScaler()
    scaled_features = scaler.fit_transform(df_imputed.drop('fault_type', axis=1))
    
    # SMOTE过采样处理样本不均衡
    from imblearn.over_sampling import SMOTE
    X_resampled, y_resampled = SMOTE().fit_resample(
        scaled_features, df_imputed['fault_type'])
    
    return X_resampled, y_resampled

3.2 特征重要性分析

使用随机森林评估特征重要性是诊断模型的关键前置步骤：

python复制from sklearn.ensemble import RandomForestClassifier

def feature_importance(X, y):
    model = RandomForestClassifier()
    model.fit(X, y)
    importance = model.feature_importances_
    
    # 可视化
    plt.barh(range(len(importance)), importance, tick_label=feature_names)
    plt.title('Feature Importance in Transformer Diagnosis')
    return importance

避坑指南：曾遇到某项目因未做特征筛选，导致温度特征主导模型而忽略关键气体指标。建议设置重要性阈值（如>0.1）进行特征初选。

4. 三种算法实现详解

4.1 逻辑回归实现

针对电力数据特点，需特别关注：

• 正则化选择（L1更适合特征选择）
• 类别权重设置（应对样本不均衡）

python复制from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report

def logistic_model(X_train, X_test, y_train, y_test):
    # 设置类别权重（故障样本权重提升）
    class_weight = {0:1, 1:5}  
    
    model = LogisticRegression(
        penalty='l1',
        solver='liblinear',
        class_weight=class_weight,
        max_iter=1000
    )
    model.fit(X_train, y_train)
    
    # 输出评估报告
    print(classification_report(y_test, model.predict(X_test)))
    
    # 获取系数用于故障分析
    coef_df = pd.DataFrame({
        'feature': feature_names,
        'coefficient': model.coef_[0]
    })
    return model, coef_df

4.2 SVM参数调优

电力数据常见调优策略：

• 核函数选择（RBF适合非线性关系）
• 网格搜索结合交叉验证

python复制from sklearn.svm import SVC
from sklearn.model_selection import GridSearchCV

def svm_model(X_train, X_test, y_train, y_test):
    param_grid = {
        'C': [0.1, 1, 10],
        'gamma': ['scale', 'auto', 0.1, 1],
        'kernel': ['rbf', 'poly']
    }
    
    grid = GridSearchCV(
        SVC(class_weight='balanced'),
        param_grid,
        cv=5,
        scoring='f1'
    )
    grid.fit(X_train, y_train)
    
    best_model = grid.best_estimator_
    print(f"Best params: {grid.best_params_}")
    print(classification_report(y_test, best_model.predict(X_test)))
    
    return best_model

4.3 KNN距离优化

针对设备数据特点：

• 距离度量选择（马氏距离考虑特征相关性）
• 动态权重设置（近邻权重更高）

python复制from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import pairwise_distances

def knn_model(X_train, X_test, y_train, y_test):
    # 计算马氏距离矩阵
    cov_matrix = np.cov(X_train, rowvar=False)
    inv_cov = np.linalg.pinv(cov_matrix)
    
    def mahalanobis_dist(x, y):
        return pairwise_distances(
            x.reshape(1,-1), 
            y.reshape(1,-1), 
            metric='mahalanobis', 
            VI=inv_cov
        )[0][0]
    
    model = KNeighborsClassifier(
        n_neighbors=5,
        weights='distance',
        metric=mahalanobis_dist
    )
    model.fit(X_train, y_train)
    
    print(classification_report(y_test, model.predict(X_test)))
    return model

5. 模型集成与部署方案

5.1 投票集成策略

三种算法的优势互补方案：

python复制from sklearn.ensemble import VotingClassifier

def ensemble_model(X_train, X_test, y_train, y_test):
    estimators = [
        ('lr', logistic_model(X_train, X_test, y_train, y_test)[0]),
        ('svm', svm_model(X_train, X_test, y_train, y_test)),
        ('knn', knn_model(X_train, X_test, y_train, y_test))
    ]
    
    voting = VotingClassifier(
        estimators,
        voting='soft',
        weights=[1, 2, 1.5]  # 根据单独测试结果调整
    )
    voting.fit(X_train, y_train)
    
    print("Ensemble Performance:")
    print(classification_report(y_test, voting.predict(X_test)))
    return voting

5.2 工程化部署建议

在实际变电站部署时需考虑：

1. 实时数据接口：通过OPC UA协议获取SCADA数据
2. 模型更新机制：设置半年期的增量学习流程
3. 结果可视化：用PyQt开发诊断看板

python复制# 简易部署示例
import pickle
from datetime import datetime

def save_model(model, filename):
    with open(filename, 'wb') as f:
        pickle.dump({
            'model': model,
            'timestamp': datetime.now(),
            'version': '1.0'
        }, f)

def load_model(filename):
    with open(filename, 'rb') as f:
        return pickle.load(f)['model']

6. 典型问题排查手册

6.1 准确率波动问题

现象：模型在不同时间段数据上表现差异大
排查步骤：

1. 检查特征分布变化（绘制特征箱线图对比）
2. 验证传感器校准记录
3. 重新评估特征重要性

python复制def check_feature_drift(old_data, new_data):
    plt.figure(figsize=(10,6))
    plt.subplot(121)
    old_data.boxplot()
    plt.title('Old Data Distribution')
    plt.subplot(122)
    new_data.boxplot()
    plt.title('New Data Distribution')
    plt.show()

6.2 误报问题处理

常见原因：

• 过采样导致的过拟合
• 故障阈值设置不合理

解决方案：

1. 采用SMOTEENN混合采样
2. 调整分类阈值（默认0.5可能不适合）

python复制from imblearn.combine import SMOTEENN

def improved_sampling(X, y):
    return SMOTEENN().fit_resample(X, y)

def adjust_threshold(model, X, threshold=0.4):
    proba = model.predict_proba(X)[:,1]
    return (proba > threshold).astype(int)

7. 项目优化方向

7.1 时序特征增强

现有改进方案：

• 添加滑动窗口统计量（均值、方差）
• 采用LSTM处理时序模式

python复制from keras.models import Sequential
from keras.layers import LSTM, Dense

def build_lstm_model(input_shape):
    model = Sequential([
        LSTM(64, input_shape=input_shape),
        Dense(1, activation='sigmoid')
    ])
    model.compile(loss='binary_crossentropy', optimizer='adam')
    return model

7.2 迁移学习应用

利用其他变电站数据预训练：

1. 先在大规模数据集上预训练特征提取器
2. 在小样本目标站进行微调

python复制from sklearn.base import clone

def transfer_learning(base_model, X_target, y_target):
    new_model = clone(base_model)
    new_model.fit(X_target, y_target)  # 只训练最后一层
    return new_model

在完成这个项目的过程中，我发现电力设备的故障诊断有个特点：没有放之四海皆准的通用模型。不同型号、不同服役年限的变压器需要定制化的解决方案。建议在实际应用中建立设备档案库，为每台关键设备保留专属的训练数据和模型参数。另外要特别注意模型的可解释性——运维人员更愿意相信能说明"为什么"的诊断结果，而不是黑箱预测。