【正文】 過選擇、交叉和變異等操作，產(chǎn)生新一代適應(yīng)力更強(qiáng)的群體。 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。 陜西理工學(xué)院畢業(yè)設(shè) 計(jì) 第 4頁(yè) 共 46 頁(yè) 另外還有灰色理論、支持向量機(jī) ((SVM)算法、 Bayes 推理法、證據(jù)組合法以及粒子群優(yōu)化算法(PSO)等多種人工智 能方法，亦各有其自身的特性和優(yōu)點(diǎn)。 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(cè)的相關(guān)知識(shí)，便可以進(jìn)行變壓器故障檢測(cè)診斷。所以，本文的內(nèi)容就是運(yùn)用神經(jīng)網(wǎng)絡(luò)對(duì)變壓器狀態(tài)監(jiān)測(cè)所得的數(shù)據(jù)進(jìn)行分析處理，從而對(duì)變壓器狀態(tài)進(jìn)行監(jiān)測(cè)，故障進(jìn)行檢測(cè)診斷。 2）對(duì)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。為此，課題的故障數(shù)據(jù)為上述氣體數(shù)據(jù)。 4）利用 matlab 神經(jīng)網(wǎng)絡(luò)軟件包， 建立網(wǎng)絡(luò)模型。 陜西理工學(xué)院畢業(yè)設(shè) 計(jì) 第 5頁(yè) 共 46 頁(yè) 2 基于神經(jīng)網(wǎng)絡(luò)的變壓器故障檢測(cè)機(jī)理和基本理論 本文的主要特點(diǎn)是將神經(jīng)網(wǎng)絡(luò)用于變壓器故障檢測(cè) 。 故障診斷技術(shù) 故障診斷是研究設(shè)備狀態(tài)運(yùn)行的變化，進(jìn)而識(shí)別設(shè)備狀態(tài)運(yùn)行的一門科學(xué)。異常又屬于哪種故障，又是一個(gè)模式識(shí)別與分類的問題。具體如下： 信號(hào)采集技術(shù)。設(shè)備的癥狀主要是指設(shè)備運(yùn)行時(shí)所產(chǎn)生的能體現(xiàn)其狀態(tài)的信號(hào)。 信號(hào)分析處理階段是故障診斷的關(guān)鍵，該階段實(shí)際上就是診斷技術(shù)的特征因子提取技術(shù)。 傳統(tǒng)的信號(hào)分析處理技術(shù)有濾波技術(shù)、頻譜分析技術(shù)。 故障診斷是設(shè)備故障診斷技術(shù)的核心，識(shí)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(shí)質(zhì)。在診斷技術(shù)發(fā)展初期，由于技術(shù)條件不夠成熟，占主導(dǎo)地位的是人，儀器處理后的信號(hào)主要由人去分析。 神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò)是由簡(jiǎn)單的處理單元所組成的大量并行分布的處理機(jī)，這種處理機(jī)具有存儲(chǔ)和應(yīng)用經(jīng)驗(yàn)知識(shí)的自然特性，它與人腦的相似之處概括為兩個(gè)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(shí)；二是內(nèi)部神經(jīng)元可以用來存儲(chǔ)獲取的知識(shí)信息。但它并不是人腦的真實(shí)描寫，而只是它的某種抽象、簡(jiǎn)化和模擬。 一般而言，神經(jīng)元模型應(yīng)具備三個(gè)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(qiáng)度，或稱之為權(quán)值。 陜西理工學(xué)院畢業(yè)設(shè) 計(jì) 第 6頁(yè) 共 46 頁(yè) 具有一個(gè)激勵(lì)函數(shù)用于限制神經(jīng)元輸出。 一個(gè)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(gè)多輸入單輸出的非線性閾值器件。 傳輸函數(shù)一般為單調(diào)升函數(shù)，但它又是一個(gè)有限值函數(shù)，神經(jīng)元的輸出可以表示為 1()riiia f w p ????? （ ） 神經(jīng)網(wǎng)絡(luò)具有高速并行處理、分布存儲(chǔ)信息等特性，它符 合人類視覺系統(tǒng)的工作原則具有很強(qiáng)的學(xué)習(xí)能力、自組織能力、容錯(cuò)性、非線性映射、高魯棒性、聯(lián)想記憶功能、分類和識(shí)別、知識(shí)處理、推理意識(shí)功能強(qiáng)等特點(diǎn)。 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。 訓(xùn) 練 集 測(cè) 試 集訓(xùn) 練 測(cè) 試達(dá) 到目 標(biāo)投入工作調(diào) 整 學(xué) 習(xí) 參數(shù) ， 再 次 學(xué) 習(xí)NY 圖 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程 一般而言，訓(xùn)練集只占到整個(gè)知識(shí)空間的一極少部分，訓(xùn)練完成以后，通過對(duì)測(cè)試集的 測(cè)試來評(píng)價(jià)其學(xué)習(xí)效果，從而來考察神經(jīng)網(wǎng)絡(luò)對(duì)未知的知識(shí)的推廣學(xué)習(xí)能力。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)。 這些學(xué)習(xí)之后具有外推和內(nèi)插的能力使得神經(jīng)網(wǎng)絡(luò)有著非常廣泛的應(yīng)用，包括函數(shù)逼近（高維曲面擬合、自適應(yīng)控制）、模式識(shí)別與分類、預(yù)測(cè)和預(yù)報(bào)等。神經(jīng)網(wǎng)絡(luò)用于故障診斷時(shí)，相當(dāng)于把每一類型的故障視 為一個(gè)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(diǎn)并區(qū)別于其他類型，以實(shí)現(xiàn)故障診斷。 “ 癥狀 ” 為輸入， “ 原因 ” 為輸出 [1819]。當(dāng)故障不太嚴(yán)重，產(chǎn)氣量較少時(shí)，所產(chǎn)生的氣體形成的氣泡在油里經(jīng)對(duì)流、擴(kuò)散，不斷地溶解于絕緣油中。當(dāng)產(chǎn)生速率大于溶解速率時(shí)，在變壓器里會(huì)有一部分氣體進(jìn)入氣體繼電器。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(duì)油中溶解氣體進(jìn)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]。絕緣油在精煉過程中會(huì)形成少量氣體，脫氣時(shí)不可能完全去除。 我國(guó)現(xiàn)行的《變壓器油中溶解氣體分析和判斷導(dǎo)則 》中對(duì)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(duì)于新投運(yùn)的變壓器還要求出廠試驗(yàn)前后的兩次分析結(jié)果，以及投運(yùn)前后的兩次分析結(jié)果不能有明顯區(qū)別。 表 出廠和投運(yùn)前電氣設(shè)備氣體含量的極限值 氣體 變壓器和電抗器 互感器 套管 氫氣 ＜ 30 ＜ 50 ＜ 150 乙炔 0 0 0 總烴 ＜ 20 ＜ 10 ＜ 10 陜西理工學(xué)院畢業(yè)設(shè) 計(jì) 第 8頁(yè) 共 46 頁(yè) 表 運(yùn)行中電氣設(shè)備氣體含量的注意值 設(shè)備氣體組分含量 330kV 及以上 220kV 及以下 乙炔 1 5 變壓器和電抗器 總烴 150 150 氫氣 150 150 甲烷 100 100 套管 乙炔 1 2 氫氣 500 500 當(dāng)變壓器發(fā)生故障時(shí)不同故障類型所產(chǎn)生的主要特征氣體有所差異，將其歸納為表 . 表 不同故障產(chǎn)生的氣體差異 故障類型 主要?dú)怏w成分 次要?dú)怏w成分 油過熱 甲烷、乙烯 氫氣、乙烷 油和紙過熱 甲烷、乙烯、一氧化碳 、二氧化碳 氫氣、乙烷 油紙絕緣中局部放電 氫氣、甲烷、一氧化碳 乙炔、乙烷、二氧化碳 油中火花放電 氫氣、乙炔 油中電弧放電 氫氣、乙炔 甲烷、乙烯、乙烷 油和紙中電弧放電 氫氣、乙炔、一氧化碳、 _氧化碳 甲烷、乙烯、乙烷 陜西理工學(xué)院畢業(yè)設(shè) 計(jì) 第 9頁(yè) 共 46 頁(yè) 3 基于 BP神經(jīng)網(wǎng)絡(luò)的變壓器故障檢測(cè)模型 BP 網(wǎng)絡(luò) （ 1） BP 網(wǎng)絡(luò)機(jī)理 Vi jWi jd1d2dlO1O2OlX1X2Xl輸入期望輸出向量隱 含 層 輸 出 層+++信 號(hào) 流誤 差 圖 BP 網(wǎng)絡(luò)結(jié)構(gòu) BP（反向傳播算法）是多層感知器的一種有效學(xué)習(xí)算法，它把一組樣本的輸入輸出問題變成非線性優(yōu)化問題，使用了最優(yōu)化問題和其中最普遍的梯度下降算法，用迭代算法求解權(quán)值，加入隱節(jié)點(diǎn)使優(yōu)化問題的可調(diào)參數(shù)增加，從而可得到精確解。 （ 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(diǎn)，還有隱含層節(jié)點(diǎn)，經(jīng)過作用函數(shù)后，再把隱節(jié)點(diǎn)的輸出信息傳播到輸出節(jié)點(diǎn)，最后給出結(jié)果。在信號(hào)的前向傳遞過程中網(wǎng)絡(luò)的權(quán)值是固定不變的，每一層神經(jīng)元的狀態(tài)只影響到下一層神經(jīng)元的狀態(tài)。 誤差信號(hào)反向傳播：網(wǎng)絡(luò)的實(shí)際輸出與理想輸出之間的差值即為誤差信號(hào)，誤差信號(hào)由輸出端開始逐層向前傳播， 這是誤差信號(hào)的反向傳播。 系統(tǒng)不斷地循環(huán)這兩個(gè)過程，重復(fù)學(xué)習(xí)，一直到輸出值和期待值的誤差減小到規(guī)定范圍內(nèi)，系統(tǒng)停止學(xué)習(xí)。 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(jì) 第 10頁(yè) 共 46頁(yè) V=(v1,v2, ?v m) T ，列向量 vj表示隱層第 j 個(gè)神經(jīng)元對(duì)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(gè)神經(jīng)元對(duì)應(yīng)的權(quán)向量。 ( ) ( )[1 ( )]f a f a f a?? 在網(wǎng)絡(luò)的實(shí)際應(yīng)用中，其實(shí)際輸出往往與期望輸出有一定的差距，二者之間存在誤差，用 E 來表示，定義如下： 211 ()l kkkE d ol ???? () 將上述誤差公式展開至隱層，有 212101 [ ( )]1 [ ( )]lkkklmk jk jkjE d f n etld f w yl?????????? () 進(jìn)一步展開至輸入層，有 () 21021 0 01 [ ( ( ) ) ]1 { [ ( ) ] }lmk jk jkjl m nk jk ij ik j iE d f w f n e tld f w f v xl??? ? ???????? ? ? 由此可見，網(wǎng)絡(luò)的輸入誤 差是各權(quán)值的函數(shù)。 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(fù)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(jì) 第 11頁(yè) 共 46頁(yè) ij ijEv v? ?? ?? ? ， i=1， 2， ?,n ； j=1， 2， ?,m ； () 負(fù)號(hào)表示梯度在下降，常數(shù) (0,1?