【正文】 位接觸不良，接觸電阻增大，產(chǎn)生發(fā)熱和電弧而燒壞開關(guān)。隨著故 障的發(fā)展和擴大，常常會變成火花放電和電弧放電。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題具有著獨特的優(yōu)勢。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進行故障診斷也成為智能診斷方法新興發(fā)展起來的一個方向。 其運作流程如圖 所示 : 設(shè) 備 運 行 特 征 信 號 信 息 處 理 征 兆 診 斷 故 障決 策 圖 故障診斷運作流程 由圖 可知，設(shè)備診斷過程主要有信號采集，信號分析處理，故障診斷三個過程階段。網(wǎng)絡(luò)的信息處理是由神經(jīng)元之間 的相互合作來實現(xiàn)，知識和信息的存儲表現(xiàn)為網(wǎng)絡(luò)元件互連，網(wǎng)絡(luò)的學(xué)習(xí)和識別取決于各神經(jīng)元連接權(quán)值的動態(tài)演化過程。其中對模式識別與分類能力使神經(jīng)網(wǎng)絡(luò) 陜西理工學(xué)院畢業(yè)設(shè) 計 第 7頁 共 46 頁 可用于故障的檢測診斷。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 。對隱含層始終有 i=0,1,2 ,?n。網(wǎng)絡(luò)對較小的數(shù)據(jù)不敏感，在選擇輸入向量時，輸入模式選擇太少的特征向量不能足夠的分類變壓器故障；而太多不相關(guān)的特征向量又會使網(wǎng)絡(luò)的收斂性變差。 ① 單層隱層，隱層單元數(shù)為 (2 )nm? 。訓(xùn)練函數(shù)取默認函數(shù) trainlm。 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)元是對輸入和中心之間的距離進行某種線性變換，而ＢＰ網(wǎng)絡(luò)則是對輸入加權(quán)和進行某種非線性變換。 陜西理工學(xué)院畢業(yè)設(shè) 計 第 22頁 共 46頁 在 MATLAB 環(huán)境下進行仿真時隱含層節(jié)點數(shù)可以在訓(xùn)練過程中獲得最佳，不必事前設(shè)定。在選定了隱含層基函數(shù)的參數(shù)后，因為其輸出單元式線性的，所以其權(quán)值可以簡單地用最小二乘法來 計算； 3．三組可調(diào)參數(shù)都通過訓(xùn)練樣本用誤差糾正法得到。 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 [25]。 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。 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。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。39。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。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。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，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)。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。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。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。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。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。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。所以采用智能方法建立相應(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。神經(jīng)網(wǎng)絡(luò)對外界具有很強的模式識別分類能力和聯(lián)想記憶能力，因此神經(jīng)網(wǎng)絡(luò)可以用于變壓器故障檢測。 我國的診斷技術(shù)發(fā)展于 70 年代末，起步比較晚，但經(jīng)過不懈努力，特別是最近幾年的追趕，已經(jīng)基本跟上了國外的步伐，在有的理論研究方面已和國外不相上下。 （ 3）分接開關(guān)故障 分接開關(guān)是變壓器的重要部分，其可靠性直接影響著變壓器的可靠性。促使固體局部絕緣損壞，引發(fā)新的變壓器故障。 （ 2）基于模糊理論 CFuzzy Theory)的故障診斷 1965 年美國加州大學(xué) L. A. zadeh 教授首次提出了表達 事物模糊性的重要概念 :隸屬函數(shù)，從而奠定模糊理論的基礎(chǔ)。 1975 年 Michigan 大學(xué)的 J. H. Holland 開始了遺傳算法的理論和方法的系統(tǒng)性研究。 故障診斷技術(shù) 故障診斷是研究設(shè)備狀態(tài)運行的變化，進而識別設(shè)備狀態(tài)運行的一門科學(xué)。 神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò)是由簡單的處理單元所組成的大量并行分布的處理機，這種處理機具有存儲和應(yīng)用經(jīng)驗知識的自然特性，它與人腦的相似之處概括為兩個方面：一是通過學(xué)習(xí)過程，利用神經(jīng)網(wǎng)絡(luò)從外部環(huán)境中獲取知識；二是內(nèi)部神經(jīng)元可以用來存儲獲取的知識信息。而且在學(xué)習(xí)之前它無需在事先獲取系統(tǒng)的任何相關(guān)參數(shù)。 我國現(xiàn)行的《變壓器油中溶解氣體分析和判斷導(dǎo)則 》中對新變壓器的氣體含量極限值給出了明確規(guī)定 [21]，如表 所示，對于新投運的變壓器還要求出廠試驗前后的兩次分析結(jié)果，以及投運前后的兩次分析結(jié)果不能有明顯區(qū)別。 而調(diào)節(jié)權(quán)值的目的是使誤差減小，所以應(yīng)該使權(quán)值的調(diào)節(jié)量與誤差的負梯度成正比，亦即 jk jkEw w? ?? ?? ? ， j=1， 2， ?,m ； k=1， 2， ?, l； () 陜西理工學(xué)院畢業(yè)設(shè) 計 第 11頁 共 46頁 ij ijEv v? ?? ?? ? ， i=1， 2， ?,n ； j=1， 2， ?,m ； () 負號表示梯度在下降，常數(shù) (0,1?? )表示比例系數(shù)，也稱學(xué)習(xí)率。給定訓(xùn)練集和測試集如表 和表 所示。但對于有限個輸入模式到輸出模式的映射，并不需要無限個隱層節(jié)點，輸入層、輸出層數(shù)目一般根據(jù)實際問題來確定，但是隱層的設(shè)計卻至今都沒有確定的指導(dǎo)思想和解析解，只能依經(jīng)驗設(shè)制。因為本實驗中故障是互斥的，所以選用 5 個神經(jīng)元輸出構(gòu)成輸出向量。隱含層執(zhí)行一種固定不變的非線性變換，將輸入空間映射到一個新的隱含層空間中，進而輸出層再在此新空間中完成線性組合。 由于 RBF 網(wǎng)絡(luò)的訓(xùn)練目的和 BP 網(wǎng)絡(luò)是一樣的，都是為了判斷出變壓器的故障類型，因而我們采用相同的輸入輸出節(jié)點，即網(wǎng)絡(luò)有個輸入節(jié)點和個輸出節(jié)點。 目前訓(xùn)練 RBF 網(wǎng)絡(luò)應(yīng)用較多的是最小二乘法 OLS。 C 越大，隱含層對輸入矢 量的響應(yīng)范圍就會越大，而且神經(jīng)元間的平滑度也較好。 X 2 X 1X nY 2Y 1Y nR1( x )R2( x )Rl( x )Rf( x ) . . . 圖 RBF 神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)結(jié)構(gòu) RBF 神經(jīng)網(wǎng)絡(luò)是一種前向神經(jīng)網(wǎng)絡(luò)，其隱 含層激活函數(shù)通常為有著局部接受域的函數(shù)，即只有當(dāng)輸入在某一范圍的時候才會才會有輸出。trainlm39。而增加隱含層的神經(jīng)元數(shù)目亦可以使誤差精度得到提高，其訓(xùn)練效果也比增加層數(shù)更容易觀察和調(diào)整。 （ 3） BP 網(wǎng)絡(luò)程 序?qū)崿F(xiàn) [23] 神經(jīng)網(wǎng)絡(luò)的具體實現(xiàn)需要計算機編程來完成。 在三層前饋網(wǎng)絡(luò)中，假設(shè)輸入向量為 X=（ x1,x2,?x n） T，如加入 b1=1 ，可為隱層神經(jīng)元引入閥值；隱層輸出向量為 Y=(y1,y2, ?y m) T，如加入 b2=1,可為輸出神經(jīng)元引入閥值；輸出層向量為O=(o1,o2,?o l)T，期望輸出向量為 D=(d1,d2,?d l) T，輸入層到隱層之間的權(quán)值矩陣用 V 來表示， 陜西理工學(xué)院畢業(yè)設(shè) 計 第 10頁 共 46頁 V=(v1,v2, ?v m) T ，列向量 vj表示隱層第 j 個神經(jīng)元對應(yīng)的權(quán)向量；隱層到輸出層間的權(quán)矩陣用 W來表示， W=(w1,w2,?w) T ，列向量 wk表示輸出層第 k 個神經(jīng)元對應(yīng)的權(quán)向量。因而，油中溶解氣體的成分和含量在一定程度上反映了變壓器故障的程度，通過對油中溶解氣體進行分析，便可發(fā)現(xiàn)變壓器內(nèi)部的發(fā)熱和放 電性故障種類 [20]。 神經(jīng)網(wǎng)絡(luò)是一種具有學(xué)習(xí)功能的非線性映射器。 故障診斷是設(shè)備故障診斷技術(shù)的核心，識別設(shè)備狀態(tài)異常與否，異常后再分析原因，此為診斷的實質(zhì)。 4）利用 matlab 神經(jīng)網(wǎng)絡(luò)軟件包， 建立網(wǎng)絡(luò)模型。這些問題大大影響了其故障診斷的準確性。它能從一系列的數(shù)據(jù)中綜合出規(guī)律性的知識。 （ 6）放電故障 通常根據(jù)放電的能量密度的大小將變壓器的放電故障分為局部放電、火花放電和 電弧放電三種類型。變壓器正常運行時，變壓器鐵芯只有一點接地才是正確可靠的正常接地。從各個診斷技術(shù)的分支來看，美國有著領(lǐng)先的地位。 陜西理工學(xué)院畢業(yè)設(shè) 計 畢 業(yè) 論 文（設(shè) 計） 題 目 基于神經(jīng)網(wǎng)絡(luò)的變壓器故障檢測 姓 名 楊文 學(xué)號 0817014004