【正文】 目前訓(xùn)練 RBF 網(wǎng)絡(luò)應(yīng)用較多的是最小二乘法 OLS。以聚類中心作為核函數(shù)的中心，寬度參數(shù)可以用各類 樣 本 的方差的某一函數(shù)。這點優(yōu)于 BP，減小認得主觀性的作用，使訓(xùn)練結(jié)果接近最優(yōu)。 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。 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。其中 Xc 是核函數(shù)的中心，為函數(shù)的寬度參數(shù)，控制著函數(shù)的徑向作用范圍。 RBF網(wǎng)絡(luò) 原理 以單個輸出神經(jīng)元為例， RB 網(wǎng)絡(luò)由輸入層，隱含層，輸 出層構(gòu)成的三層前向網(wǎng)絡(luò)。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。 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。 圖 NodeNum=9 圖 NodeNum=7 圖 NodeNum=5 圖 NodeNum=11 陜西理工學(xué)院畢業(yè)設(shè) 計 第 17頁 共 46頁 圖 NodeNum=13 表 不同隱層節(jié)點數(shù)達到要求誤差小于 103所需步數(shù) NodeNum 達到要求誤差小于 103所需步數(shù) 9 81 7 28 5 76 11 30 13 300 綜上，選擇 Node Num=7 最合適。最大訓(xùn)練次數(shù)為 1000，最小均方誤差為 1e3。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。trainlm39。 陜西理工學(xué)院畢業(yè)設(shè) 計 第 15頁 共 46頁 表 BP 神經(jīng)網(wǎng)絡(luò)工具箱中 的激活函數(shù) 激活函數(shù) 函數(shù)描述 函數(shù)原形 返回值區(qū)間 logsig S 型的對數(shù)函數(shù) y=2/(1+exp(2x)) (0,1) dlogsig logsig 的導(dǎo)函數(shù) y=x*(1x) tansig 雙曲正切 S 型傳遞函數(shù) y=2/(1+exp(2x))1 (1,1) dtansig tansig 的導(dǎo)函數(shù) y=1x2 purelin 線形傳遞函數(shù) y=x dpurelin purelin 的導(dǎo)函數(shù) x=1 為了提高輸入向量的范圍，并使得輸出向量的范圍在（ 0， 1）內(nèi)，故本設(shè)計選取 tansig 為隱含層的激活函數(shù)， logsig 為輸出層的激活函數(shù)。 ② 單層隱層，隱層單元數(shù)為 (2 1)n? 。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。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。輸出向量采用一般過熱、嚴重過熱、局部放電、火花放電、電弧放電五個輸出神經(jīng)元。而且不能直接將各類氣體的含量作為輸入，因為如果原始數(shù)據(jù)數(shù)量級差別較大的話，一些重要的信息會無法獲得，判別精度 會不高，同時輸入空間還會過大，網(wǎng)絡(luò)規(guī)模進而增大。給定訓(xùn)練集和測試集如表 和表 所示。 （ 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。139。j=1,2,?,m 。 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。 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。 誤差信號反向傳播：網(wǎng)絡(luò)的實際輸出與理想輸出之間的差值即為誤差信號，誤差信號由輸出端開始逐層向前傳播， 這是誤差信號的反向傳播。 （ 2） BP 網(wǎng)絡(luò)算法 BP 算法模型為前向多層網(wǎng)絡(luò)，網(wǎng)絡(luò)不 僅有輸入、輸出層節(jié)點，還有隱含層節(jié)點，經(jīng)過作用函數(shù)后，再把隱節(jié)點的輸出信息傳播到輸出節(jié)點，最后給出結(jié)果。 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。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]。當(dāng)故障不太嚴重，產(chǎn)氣量較少時，所產(chǎn)生的氣體形成的氣泡在油里經(jīng)對流、擴散，不斷地溶解于絕緣油中。神經(jīng)網(wǎng)絡(luò)用于故障診斷時，相當(dāng)于把每一類型的故障視 為一個模式類，通過網(wǎng)絡(luò)的學(xué)習(xí)，找出該模式類的內(nèi)在規(guī)律與特點并區(qū)別于其他類型，以實現(xiàn)故障診斷。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)。 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。 一個典型的人工神經(jīng)元模型如圖 所示 ∑P1P2P3W1W2W3nf( * )by 圖 人工神經(jīng)元是人工神經(jīng)網(wǎng)絡(luò)的基本單元，從圖 中可以看出，它相當(dāng)于一個多輸入單輸出的非線性閾值器件。 一般而言，神經(jīng)元模型應(yīng)具備三個要素： 具有一組突觸或連接常用 wij表示神經(jīng)元 i 和神經(jīng)元 j 之間的連接強度，或稱之為權(quán)值。 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。 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)。 信號分析處理階段是故障診斷的關(guān)鍵，該階段實際上就是診斷技術(shù)的特征因子提取技術(shù)。具體如下： 信號采集技術(shù)。 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)。 4）利用 matlab 神經(jīng)網(wǎng)絡(luò)軟件包， 建立網(wǎng)絡(luò)模型。 2）對于故障油浸變壓器，其主要表現(xiàn)形式為變壓器導(dǎo)熱油發(fā)生一定的溶解，導(dǎo)致變壓器腔內(nèi)存在不同的氣體， CH C2H C2H C2H H CO 和 CO2 等。 本文研究的主要內(nèi)容 神經(jīng)網(wǎng)絡(luò)方法可以從變壓器油中溶解氣體數(shù)據(jù)中獲取隱含的故障診斷規(guī)律，而不用深入了解變壓器故障檢測的相關(guān)知識，便可以進行變壓器故障檢測診斷。 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。這些問題大大影響了其故障診斷的準確性。這些研究成果推動了專家系統(tǒng)的實用化，但同時也應(yīng)看到專家系統(tǒng)存在著兩個主要問題 :① 知識獲取的 “ 瓶頸 ” 問題。它為變壓器的絕緣故障診斷提供了一種新的途徑 [12]。 （ 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)。它能從一系列的數(shù)據(jù)中綜合出規(guī)律性的知識。隨著油的循環(huán)流動油中正電荷越積越多，場強增強。 （ 7）油流帶靜電故障 在強迫油循環(huán)冷卻的大型電力變壓器中，由于變壓器油流過絕緣紙及絕緣紙板的表面時，會發(fā) 陜西理工學(xué)院畢業(yè)設(shè) 計 第 3頁 共 46 頁 生油流帶靜電的現(xiàn)象，簡稱油流帶電。促使固體局部絕緣損壞，引發(fā)新的變壓器故障。 （ 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。這些絕緣材料的主要成分為纖維素，其在變壓器長期運行中會因發(fā)生分解而老化，甚至喪失絕緣強度，造成絕緣故障。有載開關(guān)的故障主要有：過渡電阻串連接螺栓松脫：輔助觸頭中的過渡電阻在切換過程中被擊穿或燒壞；分接開關(guān)由于密封不嚴而進水，導(dǎo)致絕緣性能降低造成相間短路；由于觸頭滾輪卡死使分接開關(guān)停在過渡位置，造成匝間短路而燒壞；選擇開關(guān)承受不了變壓器線圈分接引線的長期荷載而發(fā)生形變等。 （ 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。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。 變壓器故障主要有以下幾種 [9]: （ 1）鐵芯故障 鐵芯是變壓器 實現(xiàn)能量傳遞和電壓變換的主要部件。變壓器的故障按變壓器本體劃分可分為內(nèi)部故障和外部故障。 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。從各個診斷技術(shù)的分支來看，美國有著領(lǐng)先的地位。如何提前 對變壓器故障進行預(yù)測和在故障發(fā)生后迅速判斷故障原因是提高工作效率、減少經(jīng)濟損失的一個重要途徑。變壓器作為電力系統(tǒng)中非常復(fù)雜而且非常重要的設(shè)備，其工作狀態(tài)對電力系統(tǒng)、企事業(yè)單位及居民生活具有十分重要的影響。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。 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 所在院 (系 ) 電氣工程學(xué)院 專業(yè)班級 自控 081 班 指導(dǎo)教師 侯波 完成地點 陜西理 工學(xué)院（北區(qū) ） 501 樓