【正文】 過程階段。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。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。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)。
3）分析故障數(shù)據(jù)的分布情況，對故障樣本和故障數(shù)據(jù)進行分析歸類，確定輸入向量和輸出向量，建立故障模型。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。 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。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。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。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。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稱GA(Genetic 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。對于一些數(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。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)驗知識的問題上有獨特的優(yōu)勢，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，很多學(xué)者將專家系統(tǒng)與其它智能方法結(jié)合，進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。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。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。近年來很多國內(nèi)外研究學(xué)者都致力于運用神經(jīng)網(wǎng)絡(luò)進行變壓器故障診斷的研究。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。在神經(jīng)網(wǎng)絡(luò)系統(tǒng)中，信息的存儲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，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。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。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。放電時產(chǎn)生的高壓氣體引起絕緣體開裂并形成新的放電點，產(chǎn)生惡性循環(huán)；同時放電產(chǎn)生的雜質(zhì)堆積和沉積在固體絕緣上使散熱困難，使放電增強和出現(xiàn)過熱。放電對絕緣有很強的破壞作用。所以可通過分析各種特征氣體與CO和CO2間的伴生增長情況，來判斷固體絕緣故障的原因。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。（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。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)計和制造質(zhì)量差，結(jié)構(gòu)不合理，引起動靜觸頭絕緣擊穿，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動部件，其故障相對較高。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械損傷以及電磁力引起的繞組變形等。（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。另一方面主要是因為施工工藝不良造成短路以及鐵芯多點接地、鐵芯接地不良等。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。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。變壓器通常由許多部件構(gòu)成，其復(fù)雜的結(jié)構(gòu)會導(dǎo)致各種各樣的故障發(fā)生。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。其他的國家診斷技術(shù)也各有特色，如英國在摩擦診斷，丹麥在振聲診斷，日本在應(yīng)用方面都具有優(yōu)勢[5]。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。 診斷理論作為狀態(tài)識別方法的基礎(chǔ)，在工程與技術(shù)、生物與醫(yī)學(xué)及經(jīng)濟與社會領(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。只有正確地評估、準(zhǔn)確地診斷、可靠地預(yù)測變壓器的運行狀態(tài)，才能指導(dǎo)現(xiàn)場對缺陷變壓器開展?fàn)顟B(tài)檢修，提高檢修質(zhì)量，避免檢修人力、物力和財力的浪費。由于種種原因，變壓器故障時有發(fā)生，事故率仍相當(dāng)?shù)母摺? [關(guān)鍵詞]:變壓器 故障檢測 神經(jīng)網(wǎng)絡(luò) BP算法 RBF算法 支持向量機 Based on neural network 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 network has a strong pattern recognition classification ability and associative memory ability to the outside world, so neural network can be used for the transformer fault detection. Based on neural network 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 network (BP network, RBF network, support vector machine) used in transformer fault detection, are introduced the basic structure of the network and the principle and design and simulation model. key words : transformer ,fault detection ,neural network ,BP algorithm ,RBF algorithm ,support vector machine.目錄1 緒論 1 1 1 1 3 42 基于神經(jīng)網(wǎng)絡(luò)的變壓器故障檢測機理和基本理論 5 故障診斷技術(shù) 5 5 變壓器故障與油中溶解氣體的關(guān)系 73 基于BP神經(jīng)網(wǎng)絡(luò)的變壓器故障檢測模型 9 BP網(wǎng)絡(luò) 9 BP網(wǎng)絡(luò)模型設(shè)計 13 BP網(wǎng)絡(luò)參數(shù)的確定 13 15 15 系統(tǒng)仿真，訓(xùn)練與測試 16 16 184 基于RBF神經(jīng)網(wǎng)絡(luò)的變壓器故障檢測模型 20 RBF網(wǎng)絡(luò) 20 RBF網(wǎng)絡(luò)概述 20 RBF網(wǎng)絡(luò)原理 20 RBF網(wǎng)絡(luò)模型設(shè)計 21 RBF網(wǎng)絡(luò)模型 21 RBF網(wǎng)絡(luò)參數(shù)的選取 22 RBF網(wǎng)絡(luò)訓(xùn)練方法的確定 22 仿真結(jié)果 225 基于支持向量機的變壓器故障檢測模型 245 .1 支持向量機（SVM） 245 . 支持向量機（SVM）基本理論 24 支持向量機在故障診斷中的應(yīng)用現(xiàn)狀 28 基于支持向量機變壓器故障多分類算法 28 變壓器故障特征診斷模型設(shè)計 29 變壓器故障特征診斷參數(shù)選取 29 故障診斷流程 29 29 故障模型訓(xùn)練和參數(shù)尋優(yōu) 29 測試結(jié)果與分析 336 結(jié)論與展望 35致謝 36參考文獻 37英文文獻 391 緒論1 .1課題研究的目的和意義現(xiàn)代設(shè)備技術(shù)水平不斷提高，生產(chǎn)率、自動化要求越來越高，相應(yīng)地，故障也隨之增加?；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。油中溶解氣體法，是最有效的發(fā)現(xiàn)和檢測變壓器故障的方法之一。 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 2012年 5 月20日基于神經(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。電力變壓器故障檢測對電力系統(tǒng)的經(jīng)濟安全運行有著重要的意義。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。 本文將采用三種不同的神經(jīng)網(wǎng)絡(luò)（BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)、支持向量機）應(yīng)用于變壓器故障檢測中，分別介紹這幾種網(wǎng)絡(luò)的基本結(jié)構(gòu)和原理，并進行模型設(shè)計和仿真。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。以我國的110kV及以上變壓器事故來看，[1], 2001年國家電網(wǎng)的變壓器共發(fā)生非計劃停運達(dá)216次[2]，其故障最大的部位是變壓器的內(nèi)絕緣，主要的故障點是絕緣老化嚴(yán)重、運行環(huán)境惡劣、變壓器質(zhì)量有問題[3]。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。變壓器故