刍议基于神经网络的变压器故障诊断技术

烷、 氢气 、 乙炔 和 总烃 四类 。 而 根据 四种气 体 的浓 度 组成 可 以完 成 特 征 向量 的设 定 ， 并 表示 为 输入 矩 阵形 式 。 同时， 可 以根据 特 征气 体 法 描述 完 成 变压 器 故 障类 型 的分类 ， 然后 表 示 成输 出矩 阵 。根 据 Ｓ ｉ ｇ — ｍ ｏ ｉ ｄ函数 ， 可 以确 定 输 出值 在 ０ ～ １ 之间 ， 并 根 据 最 大隶 属 度 原 则 完 在数 值越 接 近 １ 时， 就表 示 故 障严 重程 度 较大 。 术等等。 相比较而言， 神经网络具有非线性映射 、 自适应和并行处理 成 故障 属 性 的判 断 。 等优点 ， 更适用于研究变压器故障的非线性关系 ， 所 以在一定程度 而 在故 障 小于 ０ ． ５时 ， 则可 以认 为无 此类 故 障产 生 。 上得到了应用。因此 ， 有必要对基于神经网络的变压器故障诊断技 ２ ． ２ ． ２训 练 参数 的确定 术展 开 研究 ， 以便 更好 地 应用 该技 术 开 展相 关 工作 。 在确定 Ｂ Ｐ 神 经 网 络模 型 的训 练参 数 时 ， 需 要 遵 循一 定 的原 则 。 １基于 神经 网络 的故 障诊 断 原理 具体来讲 ， 就是样本中的故障百分 比需要与实际变压器故障发生 比 在 故 障诊 断方 面 ， 神 经 网络 方 法 的运 用 可 以完 成 变压 器 油 中溶 率 相 当 ， 并 且 需要 考 虑 变压 器 型号 、 容量 和 运 行环 境 等 因 素 ， 以便 使 解气体数据 中的隐含诊断规律的获取 ， 所 以不需要利用变压器故障 样 本 具有 一定 的广泛 性 同时 ， 样本 还 要具 有 一定 的紧凑 性 ， 从 而避 诊断的相关知识。 同时 ， 根据实 际变压器的油 中溶解气体数据 ， 神经 免 网络学 习 过程 收敛 困难 或不 收敛 的 问题 出现 ， 继 而避 免 网 络错 误 网络能 够 进行 自适应 调 整 。 因此 ， 可 以利 用 神 经 网络 完 成对 变 压 器 映射 。 而Ｂ Ｐ网络模型结构应为三层 ， 可 以任意精度逼近任何非线性 状 态 的 监测 。 并 对 监测 数 据 进 行 分析 和处 理 ， 继 而 了解 被 监 测 对 象 物理 对象 。 随着 层数 的增加 ， 精 度也 将 得 到提 高 ， 但是 网络也 会 过 于 的运行状态或故障原 因。而就 目前来看 ， 很多神经 网络都可 以在变 复杂 。所 以 ， 要尽 可 能使 用 最 少 的网 络层 进行 Ｂ Ｐ神 经 网络 的构 建 ， 压 器故 障 诊 断 中应用 ［ １ ］ 。 所 以， 只有 通 过分 析 和 比较 才 能找 到一 种 相 以便更加直观的观察和调整训练效果 。 最终 ， 可以确定 Ｂ Ｐ网络结构 对优秀的神经网络 ， 继而使变压器故障诊断的准确率得到提高。 为三 层 ， 输入 层 中 含有 三 个 神经 元 ， 中间 层含 有 十 个 神经 元 ， 输 出层 含有七个神经元。从传递 函数上来看 ， 中间层与输 出层的传递选择 ２基于神经网络的变压器故障诊断技术分析 ２ ． １基于概率神经网络的变压器故障诊断 ｌ ｏ ｇ ｓ ｉ ｇ函数 ， 训 练 函数 为 ｔ ｒ ａ ｉ ｎ ｌ ｍ， 并 且 采 用 了优 化算 法 训 练 网络 ， 以 概率 神 经 网络具 有 结构 简 单 和训 练 简 洁 的特 点 ， 可 以利用 自身 便使训练过程保持稳定。 强大非线性分类能力完成故障样本空间的映射 ， 继而得到故障模型 ２ － ３概 率 网络模 块 与 Ｂ Ｐ网络模 块 的仿 真 利用 Ｍ Ａ Ｔ Ｌ Ａ Ｂ完成 概率 神 经 网络 的创 建 后 ，可 以在 仿 真 过 程 空间 。 而通 过 形成 具有 一 定结 构 自适 应 能力 和 较强 容 错 能力 的诊 断 网络 系统 ， 则 可 以使 故 障诊 断 的准 确率 得 到提 高 。 中对 Ｓ Ｐ Ｒ Ｅ Ａ Ｄ多次 取 值 ，以便 通 过 查 看 分类 效 果 确 定 Ｓ Ｐ Ｒ Ｅ Ａ Ｄ的 值。 观 察训 练 效果 可 以 发现 ， ４ ０ 组 训 练样 本 中只有 ４ 组 样 本 出错 ， 训 ２ ． １ ． １故 障确 定 网络 的输 入 和 输 出 在建立概率神经网络模型时， 想要正确地反映问题特征就要先 练 时 间也 较快 ， 所 以可 以将 概 率 网络 用 于 诊 断变 压 器故 障 。而 为 了 Ｔ Ｌ Ａ Ｂ开展 准确选取输入的特征向量 。 而变压器潜伏性故障可以通过油 中溶解 对概率神经 网络的泛化能力进行验证 ，则需要利用 ＭＡ Ｐ神经网络的仿真对比实验。 具体来讲 ， 就是利用 气体分析法反应处理 ， 同时改 良三 比值法在诸多诊断方法 中有较 高 概率神经 网络与 Ｂ Ｐ网络 的训 练和 测试 ，然后 对 二者 的训 练效 果 的 判 断准 确 率 ， 所 以， 可 以选 取 变 压 器 色谱 试 验 的 五 种关 键 气体 的 相 同数据 样本 进 行 Ｂ 三比值法当做是网络输入［ ２ １ 。 在输出特征向量 的选取方面 ， 则可以将 进 行 对 比 。 从 训 练时 间 和预 测准 确 率 角度 来看 ， Ｂ Ｐ神 经 网络 ｌ Ｉ 练时 秒， 概 率 神 经 网络训 练 时 间不 足 ０ ． ５ 秒。 同时 ， Ｂ Ｐ神 经 网 无故 障、 低能放 电、 低温过热 、 中温过热和高温过热等几种故 障模式 间超 过 了 ２ 络 的预测准确率为 ７ ６ ％左右 ，概率神经 网络的预测 准确率 为约为 当做是输出向量特征 ， 并利用阿拉伯数字进行故障的表示 。 ８ １ ％。由于存在诸多不稳定因素， 利用 Ｂ Ｐ神经 网络学 习需要经过反 ２ ． Ｉ ． ２ 故 障特 征量 的选 择 并且 无 法 保证 训练 的全局 最 优性 ［ ４ １ 。 因此 ， 相 较于 Ｂ Ｐ神 经 网 按照概率模型故障的特征选择要求 ， 需要使故障样本包含最大 复训 练 ， 故障信息量。所以， 通过分析变压器故障产生机理和故障信息传递 络 ， 概 率 神 经 网络 显然 在 变压 器故 障 诊 断方 面具 有更 大 的 优势 。 ３结 束 语 ． 关系 ， 可 以完 成最 能 反 映故 障 的特 征 量 的选 择 。而忽 视 一些 关 系 较 总 而 言之 ，变 压器 故 障 具 有 复杂 的 现象 和一 定 的不 确 定 性 ， 故 小的特征量 ， 则能使概率神经网络 的规模最小 。在建立基于概率神 经 网络 的故 障诊 断模 型时 ， 需要 以改 良三 比值 法 为基 础 。 具体 来讲 ， 障的判 断需要采用油中溶解气体的色谱分析技术和基于神经网络 就 是 采用 ６ １ ＂ ４维 的矩 阵作 为 数 据 。而 矩 阵 中的 前三 列 为 改 良三 比 的 故 障诊 断技 术 。 而基 于 概率 神 经 网络 的变 压器 故 障诊 断 技术 是较 在 故 障诊 断 方 面具 有 一定 的非 线 性分 类 能 力和 泛 化 值 法 数值 ， 第 四列 为故 障类 别 ， 即分 类输 出 。同 时 ， 需 要 将 故 障样 本 为 实用 的 技术 ， 分成是测试样本和训练样本两种 ，以便对模 型的分类效果进行验 能 力 ， 因此 可 以得 到更 好 的应 用 。 参 考 文献 证。 但 在 实 际的 变压 器 故 障 中 ， 由 于大 部分 故 障为 高 温过 热 故 障 ， 所 以需 要 先按 照 实 际故 障 比例 完 成样 本 的抽 取 ， 从 而 确 定训 练 输 入样 『 １ １ 龚瑞 昆 ， 马亮 ， 赵延 军， 等． 基 于 量 子 神 经 网络 信 息 融合 的 变 压 器 本 。此 外 ， 网络模 型应 该包 含 三 个 输 入层 和七 个 输 出 层 ， 并含有 ２ １ 故 障诊 断『 Ｊ ］ ． 电力 系统 保 护 与控 制 ， ２ ０ １ １ ， ２ ３ ： ７ ９ — ８ ４ ＋ ８ ８ ． 各模 式 层 ， 而 每一 个模 式 层对 应 一个 测 试样 本 。 从 传 递 函数 上 来看 ， ｆ ２ １ 王杉 ， 苑津莎， 张卫 华． 基于Ｂ Ｐ神 经 网络 的 变压 器 故 障诊 断【 Ｊ ］ ． 黑 ２ ０ １ ｌ ， ２ ９ ： ４ ０ — ４ １ ． 中间层为径向基传递函数 ， 输出层为竞争传递函数［ 引 。最后 ， 需要将 龙 江科技 信 息 ， ３ ］ 任静 ， 黄 家栋 ． 基于免疫 Ｒ Ｂ Ｆ神 经 网络 的 变压 器故 障诊 断【 Ｊ Ｊ ． 电力 所 有 样 本按 照 故 障 类 型 分类 顺 序 排 列 ，以便 使 网络 训 练 效 果 更 直 ［
科 技创 新与 应用 ｌ ２ ０ １ ５ 年 第３ ３ 期
பைடு நூலகம்
电 力 科 技
刍议基于神 经网络 的变压器故障诊 断技术
郝 晓 强 颜 士 远
（ 江 苏省 电力 公 司检 修 分公 司淮 安 运 维 分部 ， 江苏 淮安 ２ ２ ３ ０ ０ ０ ）
摘 要： 变压 器故障征兆和故障类型具有一定的非线性特征 ， 需要结合一定的故障诊断技术进行判断。而就 目前来看 ， 除 了使用 油 中 气体分 析 法 ， 基 于神 经 网络 的 变压 器故 障诊 断技 术 也 可 以 用于诊 断 变压 器故 障。 因此 ， 文章 对基 于神 经 网络 的 故 障诊 断 原 理进 行 了 阐述 ， 并 对基 于 Ｂ Ｐ神 经 网络 和 基 于概 率神 经 网络 的 两种 故 障诊 断技 术展 开 了分析 和 比较 ， 以便 为关 注 这 一话 题 的 人 们提 供 参 考 。 关键词 ： 神经网络 ； 变压器； 故障诊 断技术