【正文】 油或紙或油和紙分解產(chǎn)生 CH C2H C2H C2H H CO 和 CO2等氣體。網(wǎng)絡(luò)的每一個(gè)訓(xùn)練樣本和測(cè)試樣本都是由 “ 癥狀 ” 與 “ 原因 ” 構(gòu)成。其中對(duì)模式識(shí)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(jì) 第 7頁 共 46 頁 可用于故障的檢測(cè)診斷。這種泛化能力就其本質(zhì)而言相當(dāng)于是對(duì)函數(shù)的一種外推和內(nèi)插。神經(jīng)網(wǎng)絡(luò)還具有在線學(xué)習(xí)的能力，這種通過對(duì)少數(shù)已知樣本的學(xué)習(xí)來獲取未知的知識(shí)能力，也叫做泛化能力。其學(xué)習(xí)過程如圖 。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的多變量非線性問題。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(gè)突觸地連接強(qiáng)度，亦即權(quán)值向量；其每個(gè)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)。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。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(shí)空整合功能的輸入信號(hào)累加器。網(wǎng)絡(luò)的信息處理是由神經(jīng)元之間 的相互合作來實(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)演化過程。 人工神經(jīng)網(wǎng)絡(luò)又被稱為連接機(jī)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。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)。目前，診斷技術(shù)按信號(hào)類型的不同分為振聲診斷、溫度診斷、油液診斷、光譜分析等。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)。原始信號(hào)為傳感器采集的信號(hào)，像溫度、位移等部分信號(hào)可以直接利用，但有的信號(hào)則不能，如振動(dòng)信號(hào)，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(hào)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。因而，信號(hào)采集是設(shè)備故障診斷的前提。設(shè)備的診斷技術(shù)從設(shè)備的癥狀入手進(jìn)行研究分析。 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)備診斷過程主要有信號(hào)采集，信號(hào)分析處理，故障診斷三個(gè)過程階段。本質(zhì)而言，故障診斷是個(gè)模式識(shí)別與分類的問題，通常把機(jī)器的運(yùn)行分為正常與異常。 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)。用新 的故障數(shù)據(jù)，檢驗(yàn)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)。 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，確定輸入向量和輸出向量，建立故障模型。同時(shí)，實(shí)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。 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) 。同時(shí)能根據(jù)實(shí)際變壓器油中溶解氣體的數(shù)據(jù)進(jìn)行自適應(yīng)調(diào)整。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(jìn)行故障診斷也成為智能診斷方法新興發(fā)展起來的一個(gè)方向。目前遺傳算法在模式識(shí)別、神經(jīng)網(wǎng)絡(luò)、圖像處理、機(jī)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(huì)科學(xué)等方面都得到了廣泛的應(yīng)用。 1967 年 Bagley J. D最早提出遺傳算法的概念。 （ 4）基于遺傳算法的故障診斷 遺傳算法簡(jiǎn)稱 GA(Geic Algorithm)，是由生物進(jìn)化思想啟發(fā)而得出的一種具有全局搜索能力的算法。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。一方面由于專家知識(shí)的不完備，另一方面由于專家知識(shí)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(shí)庫的不完備，表現(xiàn)為當(dāng)遇到一個(gè)沒有相應(yīng)規(guī)則與之對(duì)應(yīng)的新故障現(xiàn)象時(shí)，系統(tǒng)顯得無能為力。專家系統(tǒng)在解決難以建立數(shù)學(xué)模型，較多依賴人類專家經(jīng)驗(yàn)知識(shí)的問題上有獨(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]。 (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(shí)的程序系統(tǒng)，它根據(jù)多個(gè)專家提供的專業(yè)知識(shí)進(jìn)行推理，解決通常需要專家才一能解決的復(fù)雜問題。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(dú)特的優(yōu)勢(shì)。 1974 年，英國(guó)的 E .H. Mamdani 首次用模糊規(guī)則和模糊邏輯實(shí)現(xiàn)了蒸汽機(jī)的運(yùn)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。近年來很多國(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。其應(yīng)用已滲透到各個(gè)領(lǐng)域，并在智能控制、模式識(shí)別、計(jì)算機(jī)視覺、自適應(yīng)信號(hào)處理、知識(shí)處理、傳感技術(shù)與機(jī)器人等方面得到廣泛的應(yīng)用。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)過程中的完善性能。當(dāng)某處電荷積累超過某一程度時(shí)，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。這樣油就 帶正電而紙板表面帶負(fù)電。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(duì)于強(qiáng)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(shí)，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。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。對(duì)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(dú)立的，而是相互聯(lián)系和交織在一起的。放電時(shí)產(chǎn)生的高壓氣體引起絕緣體開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)過熱。放電對(duì)絕緣有很強(qiáng)的破壞作用。所以可通過分析各種特征氣體與 CO 和 CO2間的伴生增長(zhǎng)情況，來判斷固體絕緣故障的原因。當(dāng)故障點(diǎn)涉及固體絕緣時(shí)，在故障點(diǎn)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(qiáng)度都將逐步降低。 （ 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。 （ 4）變壓器油絕緣故障 在變壓器運(yùn) 行過程中，由于高溫、強(qiáng)電場(chǎng)以及光合作用的共同作用下，絕緣油會(huì)不斷地進(jìn)行氧化。無載分接開關(guān)常見的故障有：變壓器滲油是無載分接開關(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；無載分接開 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)熱和電弧而燒壞開關(guān)。分接開關(guān)是變壓器高壓回路中的運(yùn)動(dòng)部件，其故障相對(duì)較高。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、單相繞組通過外殼發(fā)生的單相接地、繞組斷裂、繞組擊穿、繞組過熱燒壞、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。 陜西理工學(xué)院畢業(yè)設(shè) 計(jì) 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。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。統(tǒng)計(jì)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。若按變壓器的部位劃分，變壓器故障可分為鐵芯故障、分接開關(guān)故障、繞組故障和套管故障 [68]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。 變壓器故障種類 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。目前我國(guó)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(cè)故障產(chǎn)品，如西安交通大學(xué)的 “ 大型旋轉(zhuǎn)機(jī)械計(jì)算機(jī)狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng) ” ，哈爾濱工業(yè)大學(xué)的 “ 機(jī)組振動(dòng)微機(jī)監(jiān)測(cè)和故障診斷系統(tǒng) ” 等。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]。美國(guó)的很多權(quán)威機(jī)構(gòu)，如美國(guó)機(jī)械工程師協(xié)會(huì)，美國(guó)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。 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。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(yùn)行工況、歷史運(yùn)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(cè)和評(píng)估變壓器運(yùn)行狀態(tài)對(duì)實(shí)施變壓器狀態(tài)維修，對(duì)保證系統(tǒng)安全、可靠、經(jīng)濟(jì)運(yùn)行，提高經(jīng)濟(jì)效益具有重要意義。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)。由于種種原因，變壓器 故障時(shí)有發(fā)生，事故率仍相當(dāng)?shù)母摺? [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 for transformer fault detection offers a new way. Therefore. This article will use three different neural work (BP work, RBF work, support vector machine) used in transformer fault detection, are introduced the basic structure of the work and the principle and design and simulation model. key words : transformer ,fault detection ,neural work ,BP algorithm ,RBF algorithm ,support vector machine.