【正文】 20xx 年 5 月 20 日 陜西理工學(xué)院畢業(yè)設(shè) 計 基于神經(jīng)網(wǎng)絡(luò)的變壓器故障檢測 楊文 （陜西理工學(xué)院電氣工程學(xué)院自動化專業(yè) 081 班，陜西 漢中 723003） 指導(dǎo)教師：侯波 [摘要 ]:電力變壓器作為電力系統(tǒng)中最為重要的設(shè)備之一，對電力系統(tǒng)安全、可靠、優(yōu)質(zhì)、經(jīng)濟的運行起著決定性作用，因而，必須盡量減少變壓器故障的產(chǎn)生?；谏窠?jīng)網(wǎng)絡(luò)的以變壓器油中溶解氣體為特征量的故障檢測方法為變壓器故障檢測提供了新的途徑。由于種種原因，變壓器 故障時有發(fā)生，事故率仍相當(dāng)?shù)母?。所以采用智能方法建立相?yīng)模型，研究變壓器狀態(tài)與運行工況、歷史運行記錄的關(guān)系及其規(guī)律，利用變壓器的信息準(zhǔn)確地診斷、預(yù)測和評估變壓器運行狀態(tài)對實施變壓器狀態(tài)維修，對保證系統(tǒng)安全、可靠、經(jīng)濟運行，提高經(jīng)濟效益具有重要意義。美國的很多權(quán)威機構(gòu)，如美國機械工程師協(xié)會，美國宇航局等都參與了在這一領(lǐng)域的研究，也有很多高校和企業(yè)都設(shè)立了診斷技術(shù)的研究中心。目前我國在一些特定的診斷研究領(lǐng)域很有特色，形成了自己的檢測故障產(chǎn)品，如西安交通大學(xué)的 “ 大型旋轉(zhuǎn)機械計算機狀態(tài)監(jiān)測與故障診斷系統(tǒng) ” ，哈爾濱工業(yè)大學(xué)的 “ 機組振動微機監(jiān)測和故障診斷系統(tǒng) ” 等。內(nèi)部故障主要有各相繞組間的相間短路、繞組的線匝之間的匝間短路、繞組或引出線與油箱外殼接地等故障。統(tǒng)計資料表明鐵芯故障是變壓器事故發(fā)生比較多的故障之一。 陜西理工學(xué)院畢業(yè)設(shè) 計 第 2頁 共 46 頁 （ 2）繞組故障 繞組是電力變壓器的中心部件，它也是變壓器涉及電氣量的主要部件。分接開關(guān)是變壓器高壓回路中的運動部件，其故障相對較高。 （ 4）變壓器油絕緣故障 在變壓器運 行過程中，由于高溫、強電場以及光合作用的共同作用下，絕緣油會不斷地進行氧化。當(dāng)故障點涉及固體絕緣時，在故障點釋放能量的作用下，油紙絕緣將發(fā)生裂解，纖維素要發(fā)生解環(huán)、斷鏈，水分從纖維素中脫離后將加速纖維材料脆裂，釋放出 CO 和 CO2和糠醛，使油紙絕緣的擊穿電壓和體積電阻率降低，介質(zhì)損耗增大，聚合度和抗張強度都將逐步降低。放電對絕緣有很強的破壞作用。對于局部放電、火花放電和電弧放電三種放電形式，它們相互之間不是獨立的，而是相互聯(lián)系和交織在一起的。變壓器的絕緣紙和紙板的組成成分主要是纖維素和木質(zhì)素，對于強迫油循環(huán)冷卻的大型變壓器，變壓器油經(jīng)油泵加速傳到繞組內(nèi)的冷卻油道時，油與絕緣紙板發(fā)生摩擦，在油與絕緣紙和絕緣紙板界面上產(chǎn)生靜電電荷的分離。當(dāng)某處電荷積累超過某一程度時，就有可能向絕緣紙板放電，使絕緣紙板絕緣受損傷，并最終導(dǎo)致絕緣故障。其應(yīng)用已滲透到各個領(lǐng)域，并在智能控制、模式識別、計算機視覺、自適應(yīng)信號處理、知識處理、傳感技術(shù)與機器人等方面得到廣泛的應(yīng)用。 1974 年，英國的 E .H. Mamdani 首次用模糊規(guī)則和模糊邏輯實現(xiàn)了蒸汽機的運行過程控制，取得了比傳統(tǒng)控制算法更好的效果，從而宣告模糊控制的誕生。 (3)專家系統(tǒng)診斷法 專家系統(tǒng) (Expert System ES)是一種具有大量專門知識的程序系統(tǒng)，它根據(jù)多個專家提供的專業(yè)知識進行推理，解決通常需要專家才一能解決的復(fù)雜問題。一方面由于專家知識的不完備，另一方面由于專家知識表述規(guī)則化有相當(dāng)?shù)碾y度，兩者造成了診斷系統(tǒng)知識庫的不完備，表現(xiàn)為當(dāng)遇到一個沒有相應(yīng)規(guī)則與之對應(yīng)的新故障現(xiàn)象時，系統(tǒng)顯得無能為力。 （ 4）基于遺傳算法的故障診斷 遺傳算法簡稱 GA(Geic Algorithm)，是由生物進化思想啟發(fā)而得出的一種具有全局搜索能力的算法。目前遺傳算法在模式識別、神經(jīng)網(wǎng)絡(luò)、圖像處理、機器學(xué)習(xí)、工業(yè)優(yōu)化控制、自適應(yīng)控制、生物科學(xué)、社會科學(xué)等方面都得到了廣泛的應(yīng)用。同時能根據(jù)實際變壓器油中溶解氣體的數(shù)據(jù)進行自適應(yīng)調(diào)整。同時，實踐表明不同氣體含量能夠從一定程度上說明變壓器的故障類型。用新 的故障數(shù)據(jù)，檢驗故障模型的準(zhǔn)確性和可靠性，得出相應(yīng)的指標(biāo)數(shù)據(jù)。本質(zhì)而言，故障診斷是個模式識別與分類的問題，通常把機器的運行分為正常與異常。設(shè)備的診斷技術(shù)從設(shè)備的癥狀入手進行研究分析。原始信號為傳感器采集的信號，像溫度、位移等部分信號可以直接利用，但有的信號則不能，如振動信號，雖然經(jīng)過放大，但含有 噪聲，所以不能準(zhǔn)確地反映問題，必須利用信號分析處理技術(shù)，才能得到敏感的能夠反映設(shè)備狀態(tài)的特征因子。目前，診斷技術(shù)按信號類型的不同分為振聲診斷、溫度診斷、油液診斷、光譜分析等。 人工神經(jīng)網(wǎng)絡(luò)又被稱為連接機制模型或者稱為并行分布處理模型，是由大量神經(jīng)元廣泛連接而成的，它是在現(xiàn)代神經(jīng)科學(xué)研究的基礎(chǔ)上提出來的，反映了人腦的基本特征。與人腦的神經(jīng)元不同，人工神經(jīng)元的權(quán)值的取值可在正值和負(fù)值之間； 具有反映生物神經(jīng)時空整合功能的輸入信號累加器。定義 12[ , , , ]Trp p p l p? 表示其他神經(jīng)元的輸出，亦即該神經(jīng)元的輸入向量；12[ , , , ]rw w w l w? 表示其他神經(jīng)元與該神經(jīng)元 R 個突觸地連接強度，亦即權(quán)值向量；其每個元素的值可正可負(fù)，分別表示為興奮性突觸和抑制性突觸； θ 為神經(jīng)元的閾值，如果神經(jīng)元輸入向量的加權(quán)和 iiwp? 大于 θ ，則該神經(jīng)元被激活，所以輸入向量的加權(quán)和也稱為激活值； f 表示神經(jīng)元的輸入輸出關(guān)系函數(shù)，亦即傳輸函數(shù)。其學(xué)習(xí)過程如圖 。這種泛化能力就其本質(zhì)而言相當(dāng)于是對函數(shù)的一種外推和內(nèi)插。網(wǎng)絡(luò)的每一個訓(xùn)練樣本和測試樣本都是由 “ 癥狀 ” 與 “ 原因 ” 構(gòu)成。當(dāng)設(shè)備內(nèi)部存在潛伏性過熱，或放電故障時，就會加快這些氣體的產(chǎn)生。 新投運的變壓器，特別是國產(chǎn)的充油電力變壓器，由于制造工藝以及所使用的絕緣材料等原因，運行初期往往有氫氣、一氧化碳和二氧化碳?xì)怏w組分增加較快的現(xiàn)象，但達到一定極限含量后會逐漸降低。正常運行中的變壓器其注意值如表 所示，當(dāng)氣體濃度達到注意值時，應(yīng)該對變壓器進行追蹤分析，查明原因 。 此算法的學(xué)習(xí)過程可以描述如下： 工作信號正向傳播：輸入信號從輸入層經(jīng)過隱含層單元，傳向輸出層，在輸出端產(chǎn)生輸出信號，這就是工作信號的正向傳播。在這一過程中，網(wǎng)絡(luò)的權(quán)值 和閾值 由誤差反饋進行調(diào)節(jié)，使輸出接近期望。 下面為各層信號之間的數(shù)學(xué)關(guān)系 [22]： 對于輸入層，輸入輸出均為 X： 對于隱層有 輸入： 10nj ij ii v x b???? ， j=1， 2， ?,m ； () 輸出： ()jjy f ? ， j=1， 2， ?,m ； () 對于輸出層有： 輸入： 20mk jk jj w y b???? ， k=1， 2， ?,l ； () 輸出： ()kko f ? ， k=1， 2， ?,l ； () 在上式中， f(*)為激勵函數(shù)，在此采用 S 型函數(shù)： 1() 1 afa e?? ? () f(a)具有連續(xù)性、可導(dǎo)性，且 39。 為 了 進一 步得 出 明確 的權(quán) 值調(diào) 整公 式 ，我 們做 以下 推 導(dǎo)， 在此 過程 中始 終 有j=0,1,2,?,m。 39。39。具體編程步驟如下： 1）、初始化 對權(quán)值 W、 V 隨機賦值，樣本模式計數(shù)器 p 和訓(xùn)練次數(shù)計數(shù)器 q 置 1，誤差 E 置 0.學(xué)習(xí)率 ?和網(wǎng)絡(luò)訓(xùn)練誤差精度 Emin 設(shè)為（ 0,1）的小數(shù)； 2）輸入訓(xùn)練樣本，計算隱層、輸出層的輸出； 3）計算網(wǎng)絡(luò)輸出誤差 設(shè)共有 P 對訓(xùn)練樣本，對應(yīng)不同的樣本具有不同的誤差 Ep，總誤差為E Ep?? /P2； 4）計算各層誤差信號 即 ? ； 5）調(diào)整各權(quán)值 用公式調(diào)整； 6）檢查是否對所有樣本完成了一次輪訓(xùn)，若 pP， p、 q 加 1， ,返回（ 2），否則繼續(xù)步驟（ 7）； 7）檢查網(wǎng)絡(luò)總誤差是否達到要求，是，訓(xùn)練結(jié)束；否則 E 置 0， P 置 1，返回（ 2） 其流程圖如圖 。 表 訓(xùn)練集 CH4 H2 [C1+C2] C2H2 故障等級 42 123 8 3 15 7 2 87 9 2 26 85 108 47 4 10 10 4 15 10 2 18 180 0 1 76 16 1 19 51 91 44 4 67 0 48 2 125 243 0 2 107 127 496 224 5 表 測試集 CH4 H2 [C1+C2] C2H2 故障等級 10 2 4 5 陜西理工學(xué)院畢業(yè)設(shè) 計 第 14頁 共 46頁 1）輸入向量的確定 網(wǎng)絡(luò)中輸入節(jié)點等于模式的維數(shù)。影響正常的訓(xùn)練和診斷。輸出量為 0 或 1 的五位故障編碼，對應(yīng)于上述五類故障類型，故障編碼如表 所示。因此一般情況下，我們都用最少的網(wǎng)絡(luò)層來構(gòu)建神經(jīng)網(wǎng) 絡(luò)。而隱層的結(jié)構(gòu)（包括隱層層數(shù)，隱層單元數(shù)）極大地影響網(wǎng)絡(luò)的性能，過少無法達到需要的誤差，過多則又可能造成過渡擬合，訓(xùn)練效果會不好。 ③ 單層隱層，隱層單元數(shù)為 n m a??， a 是一個 0～ 10 之間的數(shù)。 基于 BP 神經(jīng)網(wǎng)絡(luò)變壓器故障檢測模型 Vi jWi jd1d2d3O1O2O3輸入隱 含 層 輸 出 層+++信 號 流++故 障 1期望輸出向量故 障 2故 障 3故 障 4故 障 5O4O5d4d5C H4H2C 1 + C 2C 2 H 2誤 差 圖 BP 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu) 數(shù)據(jù)歸一化處理 歸一化方法主要是為了消除不同量綱造成的虛假變異的影響，方法如下： 把數(shù)據(jù)轉(zhuǎn)換為 ? ?0,1 之間，采用如下公式： 陜西理工學(xué)院畢業(yè)設(shè) 計 第 16頁 共 46頁 min39。)。 BP 網(wǎng)絡(luò)采用單隱層，由經(jīng)驗公式 (2 1)n?有，隱層單元數(shù)暫選為 9 個。網(wǎng)絡(luò)訓(xùn)練性能如圖所示。 輸入層與隱含層的權(quán)值如下： iw1 = 隱含層神經(jīng)元閾值： b1 = 陜西理工學(xué)院畢業(yè)設(shè) 計 第 18頁 共 46頁 隱含層與輸出層的權(quán)值如下： iw2 = 輸出層神經(jīng)元閾值： b2 = 網(wǎng)絡(luò)測試 為了檢驗網(wǎng)絡(luò)的故障診斷能力和準(zhǔn)確性，把測試數(shù)據(jù)輸入到訓(xùn)練好的 BP 網(wǎng)絡(luò)中去并運行程序。因而， RBF 網(wǎng)絡(luò)也叫做局部接受域網(wǎng)絡(luò)。 因為輸出層單元的性特性，其參數(shù)調(diào)節(jié)會很簡單。隱含層采用徑向基函數(shù)作為激勵函數(shù)。 陜西理工學(xué)院畢業(yè)設(shè) 計 第 21頁 共 46頁 隱含層的每個神經(jīng)元和輸入層相連的權(quán)向量Ｗｌ ｉ 和輸入矢量 Xq(地 q個輸入向量 )之間的距離乘上閾值 bli作為本身的輸入，如圖 所示 [