【正文】 25]。 輸出層的輸入為各隱含層神經(jīng)元的輸出的加權(quán)和。 隱含層節(jié)點(diǎn)數(shù)的確定 在 RBF 網(wǎng)絡(luò)的訓(xùn)練過(guò)程中至關(guān)重要，傳統(tǒng)的選法是使其與輸入向量的元素個(gè)數(shù)一樣。 RBF網(wǎng)絡(luò) 參數(shù)的選取 在 RBF 網(wǎng)絡(luò)中可調(diào)的參數(shù)為：隱函數(shù)基函數(shù)中心、方差及輸出單元的權(quán)值這些參數(shù)的選擇方法如下： 1. 依據(jù)經(jīng)驗(yàn)選擇函數(shù)中心。在選定了隱含層基函數(shù)的參數(shù)后，因?yàn)槠漭敵鰡卧骄€性的，所以其權(quán)值可以簡(jiǎn)單地用最小二乘法來(lái) 計(jì)算； 3．三組可調(diào)參數(shù)都通過(guò)訓(xùn)練樣本用誤差糾正法得到。此法運(yùn)算速度快，簡(jiǎn)單可行，但是不適合遞推運(yùn)算，而且基函數(shù)的確定 仍然需要進(jìn)一步的研究。 RBF網(wǎng)絡(luò) 訓(xùn)練方法的確定 該網(wǎng)絡(luò)的學(xué)習(xí)步驟分為兩步：一、確定高斯核函數(shù)的中心和寬度；二、調(diào)節(jié)輸出層和隱含層的權(quán)值，用線性優(yōu)化技術(shù)，比如最小二乘法。 。 陜西理工學(xué)院畢業(yè)設(shè) 計(jì) 第 22頁(yè) 共 46頁(yè) 在 MATLAB 環(huán)境下進(jìn)行仿真時(shí)隱含層節(jié)點(diǎn)數(shù)可以在訓(xùn)練過(guò)程中獲得最佳，不必事前設(shè)定。 隱含層選擇常用的高斯核函數(shù)作為傳遞函數(shù)，輸出層選用線性傳遞函數(shù) 。 Bl 和 C的關(guān)系在 MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱中為 1 /iibC? () 將 代入 中，就會(huì)發(fā)現(xiàn)實(shí)際上 C 值的大小反應(yīng)了輸出對(duì)輸入的響應(yīng)寬度。我們最經(jīng)常用的徑向基函數(shù)是高斯核函數(shù)，形式為 ( | | | | ) e x p { | | | | 2 / ( 2 * ) 2 ) }k x X c x X c ?? ? ? ? ? ?。 RBF 與 BP 神經(jīng)網(wǎng)絡(luò)的區(qū)別可以總結(jié)如下 [24]： １ .RBF 神經(jīng)網(wǎng)絡(luò)為固定的兩層結(jié)構(gòu)（不包括輸入層），而ＢＰ網(wǎng)絡(luò)則是三層或多層； 2. RBF 對(duì)輸入空間具有局部接受特性，而ＢＰ網(wǎng)絡(luò)在較大的輸入范圍內(nèi)都會(huì)有非零響應(yīng)； 3. RBF 的輸出一定是線性的，而ＢＰ網(wǎng)絡(luò)的輸出則可以是線性也可以是非線性的； 4. RB 神經(jīng)元是對(duì)輸入和中心之間的距離進(jìn)行某種線性變換，而ＢＰ網(wǎng)絡(luò)則是對(duì)輸入加權(quán)和進(jìn)行某種非線性變換。在 RBF 神經(jīng)網(wǎng)絡(luò)中，隱含層單元的中心及半徑也是提前設(shè)定好的，僅隱含層和輸出層之間的權(quán)值是可調(diào)的。 陜西理工學(xué)院畢業(yè)設(shè) 計(jì) 第 20頁(yè) 共 46頁(yè) 4 基于 RBF 神經(jīng)網(wǎng)絡(luò)的變壓器故障檢測(cè)模型 RBF 網(wǎng)絡(luò) RBF網(wǎng)絡(luò)概述 RBF 神經(jīng)網(wǎng)絡(luò)即徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（ Radial Basis Function Neural Networks） 是 一種三層前饋式神經(jīng)網(wǎng)絡(luò)， 由 輸入層、隱含層、輸出層 三層節(jié)點(diǎn)組成，其結(jié)構(gòu)圖如圖 所示。表 為不同隱層節(jié)點(diǎn)數(shù)達(dá)到要求誤差小于 103所需步數(shù)。訓(xùn)練函數(shù)取默認(rèn)函數(shù) trainlm。 系統(tǒng)仿真，訓(xùn)練與測(cè)試 輸入層根據(jù)輸入元的個(gè)數(shù)選取，因?yàn)檫x取主元數(shù)為 4，所以輸入層神經(jīng)元個(gè)數(shù)選為 n=4。 數(shù)據(jù)歸一化的語(yǔ)句的語(yǔ)法格式為： =newff(minmax(n1),[NodeNum TypeNum],{TF1 TF2},39。通過(guò)激活函數(shù)對(duì)輸入和輸出進(jìn)行函數(shù)轉(zhuǎn)換，可以將無(wú)限域的輸入變成指定的有限范圍內(nèi)的輸入。 ① 單層隱層，隱層單元數(shù)為 (2 )nm? 。 4）隱層節(jié)點(diǎn)數(shù)的設(shè)計(jì) 一個(gè)具有無(wú)限隱層節(jié)點(diǎn)數(shù)的兩層 BP 神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)任意輸入到輸出的非線性映射。增加層數(shù)的目的在于進(jìn)一步的降低誤差，同時(shí)也使網(wǎng)絡(luò)更為復(fù)雜，增加了網(wǎng)絡(luò)的權(quán)閥值訓(xùn)練時(shí)間。 2）輸出向量的確定 網(wǎng)絡(luò)的輸出節(jié)點(diǎn)數(shù)等于故障類(lèi)型數(shù)。網(wǎng)絡(luò)對(duì)較小的數(shù)據(jù)不敏感，在選擇輸入向量時(shí)，輸入模式選擇太少的特征向量不能足夠的分類(lèi)變壓器故障；而太多不相關(guān)的特征向量又會(huì)使網(wǎng)絡(luò)的收斂性變差。檢測(cè) 的氣體濃度為 CH H [C1+C2]、 C2H2四種，故障分 5 級(jí)：一般過(guò)熱、嚴(yán)重過(guò)熱、局部放電、火花放電、電弧放電，分別用 1～ 5 表示。 由上可推導(dǎo)出整，各層權(quán)值的調(diào)整公式： ojk jk k iyij ij j iw w yv v x????? ? ? ??? () 以此為依據(jù)可對(duì)權(quán)值進(jìn)行調(diào)，完成對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。39。對(duì)隱含層始終有 i=0,1,2 ,?n。因而調(diào)節(jié)各權(quán)值便可改變誤差 E。此刻將新樣本輸入到已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)，就可以得到相應(yīng)的輸出值。如果在輸出層得到的輸出信號(hào)不是理想的輸出信號(hào)，則轉(zhuǎn)入誤差信號(hào)反向傳播。典型的 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，是由輸入層、隱含層和輸出層構(gòu)成的 ,如圖 。如果變壓器以前發(fā)生過(guò)故障，那么故障產(chǎn)生的氣體即使經(jīng)過(guò)脫氣處理后，仍然會(huì)有少量被纖維材料吸附，再慢慢釋放于油中，因而變壓器在投運(yùn)前就可能含有少量故障特征氣體，正常運(yùn)行中的變壓器油中也會(huì)含有某些故障特征氣體。此外，發(fā)熱和放電的產(chǎn)生程度不同，所產(chǎn)生的氣體種類(lèi)、油中溶解氣體的濃度、各種氣體的比例關(guān)系也不相同。 變壓器故障與油中溶解氣體的關(guān)系 對(duì)于大型電力變壓器，目前幾乎都是用油來(lái)絕緣和散熱，變壓器油與油中的固體有機(jī)絕緣材料在運(yùn)行電壓下隨運(yùn)行時(shí)間的增加，因放電和熱的作用會(huì)逐漸老化和分解，產(chǎn)生少量的各種低分子烴類(lèi)及 CO,CO2氣體，而變壓器的內(nèi)部絕緣故障卻伴隨著局部過(guò)熱和局部放電現(xiàn)象，使油或紙或油和紙分解產(chǎn)生 CH C2H C2H C2H H CO 和 CO2等氣體。其中對(duì)模式識(shí)別與分類(lèi)能力使神經(jīng)網(wǎng)絡(luò) 陜西理工學(xué)院畢業(yè)設(shè) 計(jì) 第 7頁(yè) 共 46 頁(yè) 可用于故障的檢測(cè)診斷。神經(jīng)網(wǎng)絡(luò)還具有在線學(xué)習(xí)的能力，這種通過(guò)對(duì)少數(shù)已知樣本的學(xué)習(xí)來(lái)獲取未知的知識(shí)能力，也叫做泛化能力。人工神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代神經(jīng)科學(xué)研究領(lǐng)域成果的基礎(chǔ)上提出來(lái)的，信息的分布存儲(chǔ)和并行協(xié)同能力是其特點(diǎn)，很適用于像故障診斷類(lèi)的多變量非線性問(wèn)題。激勵(lì)函數(shù)將輸出信號(hào)限制在一個(gè)允許范圍內(nèi)，將其成為有限值，通常神經(jīng)元輸出的擴(kuò)充范圍在 (0,1)或（ 1,1）閉區(qū)間。網(wǎng)絡(luò)的信息處理是由神經(jīng)元之間 的相互合作來(lái)實(shí)現(xiàn)，知識(shí)和信息的存儲(chǔ)表現(xiàn)為網(wǎng)絡(luò)元件互連，網(wǎng)絡(luò)的學(xué)習(xí)和識(shí)別取決于各神經(jīng)元連接權(quán)值的動(dòng)態(tài)演化過(guò)程。隨著人工智能的發(fā)展，診斷的自動(dòng) 化，智能化逐漸成為現(xiàn)實(shí)。新興的數(shù)字濾波技術(shù)、自適應(yīng)濾波技術(shù)、小波分析技術(shù)等大大提高了信號(hào)處理技術(shù)。因而，信號(hào)采集是設(shè)備故障診斷的前提。 其運(yùn)作流程如圖 所示 : 設(shè) 備 運(yùn) 行 特 征 信 號(hào) 信 息 處 理 征 兆 診 斷 故 障決 策 圖 故障診斷運(yùn)作流程 由圖 可知，設(shè)備診斷過(guò)程主要有信號(hào)采集，信號(hào)分析處理，故障診斷三個(gè)過(guò)程階段。 所以，故障診斷技術(shù)和神經(jīng)網(wǎng)絡(luò)的基本理論是研究的基礎(chǔ)和重點(diǎn)。 3）分析故障數(shù)據(jù)的分布情況，對(duì)故障樣本和故障數(shù)據(jù)進(jìn)行分析歸類(lèi)，確定輸入向量和輸出向量，建立故障模型。 具體內(nèi)容包括： 1)選擇合適的神 經(jīng)網(wǎng)絡(luò)算法，本文采用 BP 神經(jīng)網(wǎng)絡(luò) 、 RBF 神經(jīng)網(wǎng)絡(luò)和支持向量機(jī) 。隨著各種智能方法的應(yīng)用研究，將多種智能方法融合起來(lái)進(jìn)行故障診斷也成為智能診斷方法新興發(fā)展起來(lái)的一個(gè)方向。 1967 年 Bagley J. D最早提出遺傳算法的概念。對(duì)于一些數(shù)學(xué)相關(guān)性不確定的故障現(xiàn)象的診斷，其準(zhǔn)確性難以保證。專家系統(tǒng)在解決難以建立數(shù)學(xué)模型，較多依賴人類(lèi)專家經(jīng)驗(yàn)知識(shí)的問(wèn)題上有獨(dú)特的優(yōu)勢(shì)，在信息不完整或不確定的情況下仍能給出較為合理的結(jié)論，因此國(guó)內(nèi)外有不少學(xué)者從專家系統(tǒng)的角度去研究變壓器故障診斷 [1314]，與此同時(shí)，很多學(xué)者將專家系統(tǒng)與其它智能方法結(jié)合，進(jìn)行變壓器的故障 診斷研究 [1517]。模糊理論作為一種精確描述不確定性關(guān)系的方法，在解決變壓器故障診斷的問(wèn)題具有著獨(dú)特的優(yōu)勢(shì)。近年來(lái)很多國(guó)內(nèi)外研究學(xué)者都致力于運(yùn)用神經(jīng)網(wǎng)絡(luò)進(jìn)行變壓器故障診斷的研究。在神經(jīng)網(wǎng)絡(luò)系統(tǒng)中，信息的存儲(chǔ)和處理是合為一體的，能從不完全的，不精確的信息聯(lián)想出完整 的信息，神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的學(xué)習(xí)能力、信息處理能力和學(xué)習(xí)過(guò)程中的完善性能。這樣油就 帶正電而紙板表面帶負(fù)電。隨著故 障的發(fā)展和擴(kuò)大，常常會(huì)變成火花放電和電弧放電。放電時(shí)產(chǎn)生的高壓氣體引起絕緣體開(kāi)裂并形成新的放電點(diǎn)，產(chǎn)生惡性循環(huán)；同時(shí)放電產(chǎn)生的雜質(zhì)堆積和沉積在固體絕緣上使散熱困難，使放電增強(qiáng)和出現(xiàn)過(guò)熱。所以可通過(guò)分析各種特征氣體與 CO 和 CO2間的伴生增長(zhǎng)情況，來(lái)判斷固體絕緣故障的原因。 （ 5）固體絕緣故障 油浸式變壓器采用的固體絕緣材料主要包含絕緣紙、絕緣板、絕緣墊、木塊等。無(wú)載分接開(kāi)關(guān)常見(jiàn)的故障有：變壓器滲油是無(wú)載分接開(kāi)關(guān)裸露在空氣中受潮，導(dǎo)致絕緣性能下降，產(chǎn)生放電短路，損壞變壓器；無(wú)載分接開(kāi) 關(guān)的設(shè)計(jì)和制造質(zhì)量差，結(jié)構(gòu)不合理，引起動(dòng)靜觸頭絕緣擊穿，使兩抽頭間短路或?qū)Φ囟搪贩烹?，燒壞抽頭線圈；變壓器油的老化引起分接開(kāi)關(guān)觸頭出現(xiàn)碳化膜和油垢，使導(dǎo)電部位接觸不良，接觸電阻增大，產(chǎn)生發(fā)熱和電弧而燒壞開(kāi)關(guān)。繞組故障發(fā)生的原因主要是繞組絕緣老化、繞組受潮、各相繞組之間發(fā)生的相間短路、單相繞組部分線匝之間發(fā)生的匝間短路、單相繞組通過(guò)外殼發(fā)生的單相接地、繞組斷裂、繞組擊穿、繞組過(guò)熱燒壞、系統(tǒng)短路和沖擊電流造成繞組機(jī)械損傷以及電磁力引起的繞組變形等。另一方面主要是因?yàn)槭┕すに嚥涣荚斐啥搪芬约拌F芯多點(diǎn)接地、鐵芯接地不良等。若按變壓器的部位劃分，變壓器故障可分為鐵芯故障、分接開(kāi)關(guān)故障、繞組故障和套管故障 [68]等。 變壓器故障種類(lèi) 變壓器通常由許多部件構(gòu)成，其復(fù)雜的結(jié)構(gòu)會(huì)導(dǎo)致各種各樣的故障發(fā)生。其他的國(guó) 家診斷技術(shù)也各有特色，如英國(guó)在摩擦診斷，丹麥在振聲診斷，日本在應(yīng)用方面都具有優(yōu)勢(shì) [5]。 國(guó)內(nèi)外發(fā)展?fàn)顩r 診斷理論作為狀態(tài)識(shí)別方法的基礎(chǔ)，在工程與技術(shù)、生物與醫(yī)學(xué)及經(jīng)濟(jì)與社會(huì)領(lǐng)域里都有著廣泛的應(yīng)用。只有正確地評(píng)估、準(zhǔn)確地診斷、可靠地預(yù)測(cè)變壓器的運(yùn)行狀態(tài)，才能指導(dǎo)現(xiàn)場(chǎng)對(duì)缺陷變壓器開(kāi)展?fàn)顟B(tài)檢修，提高檢修質(zhì)量，避免檢修人力、物力和財(cái)力的浪費(fèi)。 [關(guān)鍵詞 ]:變壓器 故障檢測(cè) 神經(jīng)網(wǎng)絡(luò) BP 算法 RBF 算法 支持向量機(jī) 陜西理工學(xué)院畢業(yè)設(shè) 計(jì) Based on neural work of transformer fault detection Author： Yang wen (Grade 08， Class 01， Major Automation， Department of Electrical Engineering ， Shaanxi University of Technology ， Hanzhong ， 723003， Shaanxi ) Tutor :Hou Bo Abstract : as the most important part of the power system equipment,the power transformer to the safety of the electricity system, reliable and high quality, and the operation of the economy plays a decisive role, therefore, we must try to reduce the of transformer faults. Power transformer of electric power system fault detection of the economic security has important significances. The dissolved gas method, is one the most effective and found that one of the ways to detect transformer faults. Neural work has a strong pattern recognition classification ability and associative memory ability to the outside world, so neural work can be used for the transformer fault detection. Based on neural work to gases dissolved in transformer oil for the characteristic features of fault detection method f