基于神经网络的变压器故障诊断

学号：
常州大学
毕业设计（论文）
（2012届）
题目基于神经网络的变压器故障诊断
学生
学院专业班级
校内指导教师专业技术职务
校外指导老师专业技术职务
二○一二年六月
摘要
现代设备技术水平不断提高，生产率、自动化要求越来越高，相应地，故障也随之增加。

变压器作为电力系统中非常复杂而且非常重要的设备，其工作状态对电力系统、企事业单位生产及居民生活具有十分重要的影响。

如何提前对变压器故障进行预测和在故障发生后迅速判断故障原因是提高工作效率、减少经济损失的一个重要途径。

因此研究变压器故障诊断对保证系统安全、可靠、经济运行，提高经济效益具有重要意义。

概率神经网络（probabilistic neural networks）结构简单、训练简洁，利用概率神经网络模型的强大的非线性分类能力，将故障样本空间映射到故障模式空间中，可形成一个具有较强容错能力和结构自适应能力的诊断网络系统，从而提高故障诊断的准确率。

本文在对油中溶解气体分析法进行深入分析后，以改良三比值法为基础，建立基于概率神经网络的故障诊断模型。

然后，选取23组变压器故障原始样本数据对概率神经网络模型进行“学习”训练，获得了具有预测诊断功能的网络模型；选取10组变压器在线监测数据作为测试数据，并查看了训练数据网络的分类效果图和预测数据网络的分类效果图，结果只有两个样本判断错误，即只有两种变压器的故障类型判断错误，验证了基于概率神经网络在变压器故障预测诊断处理中的有效性。

关键词故障诊断概率神经网络变压器油中溶解气体分析
THE STUDY OF POWER TRANSFORMER FAULT DIAGNOSIS BASED ON ARTIFICIAL NEURAL NETWORK
Abstract
With the technical level of modern facility improves continually, the fault probability increases greatly. Power transformer has a very significant influence to power system, enterprise s production and people s life. How to forecast transformer s fault ahead and find the fault reason quickly after the fault is a good way to increase work efficiency and lighten the economy losing.
Probabilistic neural network has the advantages of simple structure, simple training, the use of a probabilistic neural network model for strong nonlinear classification, fault sample space is mapped to a fault in the pattern space, can form a strong fault tolerant ability and structure of adaptive diagnosis system, so as to improve the accuracy of fault diagnosis. Based on the dissolved gas in oil analysis in-depth analysis, in order to improve the ratio of three as the basis, establish the fault diagnosis based on probabilistic neural network model. Then, select 23 group of transformer fault original sample data on the probabilistic neural network model of" learning" training, obtain the predictive diagnosis of functional network model; select 10 group of transformer on-line monitoring data as test data, and show the training data network classification effect diagram and the predicted data network classification effect chart, only the results of a sample of two errors of judgment, that only two transformer fault type judgement error, verification based on probabilistic neural network in transformer fault forecast and diagnosis treatment effectiveness.
Keywords fault diagnosis, probability neural networks（PNN）,power transformer,Dissolved Oas Analysis（DGA）
摘要 (1)
目录 (3)
1 绪论 (4)
1.1 国内外发展状况 (4)
1.2 研究目的和意义 (4)
1.3 论文工作介绍 (5)
2 变压器故障诊断 (6)
2.1 诊断工程概述 (6)
2.2 故障诊断运作机理研究 (6)
2.3 变压器故障诊断系统相关背景 (7)
2.4 变压器故障诊断方法 (8)
3 神经网络 (12)
3.1 神经网络概述 (12)
3.2神经网络的应用 (12)
3.3神经网络的发展方向 (13)
3.4 神经网络的结构 (14)
3.5 概率神经网络概述 (16)
3.6 概率神经网络与BP网络的比较选择 (17)
4 基于概率神经网络的变压器故障诊断研究 (19)
4.1 仿真环境简介 (19)
4.2故障诊断模型建立 (20)
4.3 基于概率神经网络的变压器故障诊断实现 (21)
4.4 仿真结果及讨论 (22)
5 总结 (25)
参考文献 (26)
致谢 (27)
故障诊断（FD，Fault Diagnosis）始于机械设备故障诊断。

现代设备技术水平和复杂度不断提高，设备故障对生产的影响也显著增加，因此要保证设备可靠、有效地运行，充分发挥其效益，必须发展故障诊断技术。

故障诊断技术借助于现代测试、监控和计算机分析等手段研究设备在运行中或相对静止条件下的状态信息，分析设备的技术状态，诊断其故障的性质和起因，并预测故障趋势，进而确定必要的对策。

利用故障诊断技术可以早发现故障征兆和原因，有利于及早排除故障和安全隐患，避免不必要的损失，因而具有很高的经济和社会效益[1]。

1.1 国内外发展状况
诊断理论作为状态识别方法的基础，在工程与技术、生物与医学以及经济与社会领域内都得到了广泛的应用。

从诊断技术的各分支技术来看，美国占有领先地位。

美国的许多权威机构，如美国机械工程师协会（ASME），美国宇航局（NASA）等都参与了这一领域的研究，投入了大量的资金，不少具有完善的监测功能，而且具有较强的诊断工程，在宇航、军事、化工等方面具有广泛的应用。

其他的一些国家，诊断技术的发展也各有特色，如英国在摩擦诊断方面，丹麦在振声诊断方面，日本在诊断技术应用方面都具有优势[2]。

我过诊断技术的发展始于70年代末，岁起步较晚，但经过追赶，特别是近几年的努力，已基本跟上了国外在此方面的步伐，在某些理论研究方面已和国外不相上下。

目前，我国在一些特定设备的诊断研究方面很有特色，形成了一批自己的监测诊断产品。

如西安交通大学的“大型旋转机械计算机状态监测与故障诊断系统”，哈尔滨工业大学的“机组振动微机监测和故障诊断系统”等。

纵观我国的设备诊断技术现状，其应用范围集中在化工、电力、冶金等行业，科研则主要集中在高校进行，许多高校都成立了颇具实力的诊断工程中心。

目前，全国性的设备诊断会议仅中国振动工程学会故障诊断学会已举办过多次，各国国际会议也举办过数次。

这对我国诊断技术的发展起到巨大的推动作用。

1.2 研究目的和意义
随着市场经济的发展，长期以来形成的定期检修已不能满足供电企业的生产目标（用最低的成本，建设具有足够可靠水平的输送电能的电力网络）。

面对激烈的市场竞争，如何提高供电可靠性、有效控制检修成本、合理延长设备使用寿命等都成为电力企业必须要解决的问题，因此开展状态监测和故障诊断就成为必然。

众所周知，变压器是整个电力系统最关键的设备，它的运行状态直接关系到电力系统的安全运行。

变压器也是最复杂的设备，必须顶起、实时地对变压器的几十种性能参数监测、分析、判断，使其工作在良好的状态。

国内外对变压器故障诊断技术的研究一直十分重视，并已经取得了大量的经验、形成了各种诊断方法。

电力设备故障诊断系统在国内的应用始于80年代末，众多专业院校和科研及后对此进行了大量的理论研究和开发设想，其中多数采用
变压器油中气体色谱分析方法。

十余年来，这些系统在声场实践中的试用取得了较好的效果，收到了电力行业用户的肯定；同时诊断理论也逐步完善，针对变压器不同故障类型的诊断发展处多种行之有效的诊断方式。

但这些方法大都依赖于工程技术人员的分析经验，同时电力变压器的运行维护水平、容量、电压水平、绝缘结构及负荷情况等客观因素均会给诊断结果带来影响，甚至对于同一变压器、同一运行条件下会出现采用不同诊断法则，获得不同诊断结果的现象[3]。

由于气体的成分及含量收到多方面因素的影响，所以要建立一个反映气体与故障的数学模型是比较困难的。

近年来星期的人工神经网络理论为接军该问题提供了一个新途径。

在国外，将神经网络技术用于电力系统安全检测已得到了广泛的应用，应用神经网络进行电力系统的静态和动态安全性分析、警报处理和故障诊断取得了很好的效果。

然而，将神经网络技术用于变压器故障诊断在我国还处于起步阶段。

1.3 论文工作介绍
不可否认，传统的故障诊断技术具有很多优点，产生了巨大的经济效益，但同时它也仍存在某些局限性，如专家的经验知识难以获得或精确描述；只是数据量大，难以维护管理；推理速度慢、效率低、能力弱；单一诊断方法误差较大；难以处理故障诊断中的不确定问题等。

人工神经网络是新近兴起的由大量简单计算单元广泛相连而组成的具有高度并行处理能力的一个非线性动力学系统，它对于非线性映射具有较强的逼近，且具有自组织及自学习和联想记忆能力，在故障诊断领域中显示了极大的应用潜力。

它为解决传统诊断系统中的知识获取、知识学习等问题提供了一条崭新的途径。

本课题即在此背景下，对变压器故障诊断系统进行了研究。

重点讲神经网络理论运用于其中，避免了直接建立故障征兆和故障类型之间的数学模型，同时与油中溶解气体分析法相结合，取得了良好的诊断效果。

具体内容包括：
（1）选择神经网络算法——概率神经网络，并对其进行改造，使之收敛速度和误差精度进一步提高；
（2）收集故障样本，对故障征兆和故障类型进行分析，确定网络的输入和输出向量；
（3）用油中溶解气体分析法的数据作为输入训练神经网络，调整权值和阀值，建立网络模型，实现对各项网络参数的比较确定，使误差满足要求；
本文第一章主要介绍了课题研究的背景，包括技术发展的现状，研究的目的及意义；第二章介绍了变压器故障诊断方面的相关知识，包括变压器故障的类型和诊断方法，其中着重介绍了目前流行的改良三比值法；第三章介绍了神经网络的相关知识，包括神经网络的结构、算法，还有对概率神经网络和BP神经网络进行了比较；第四章是本文的重点，主要介绍了如何在MATLAB平台上利用概率神经网络完成变压器故障诊断研究。

第五章则是本文的总结，还有对未来的发展展望。

2 变压器故障诊断
2.1 诊断工程概述
将神经网络用于变压器故障诊断系统，是本文的特点。

因此，故障诊断技术和神经网络理论是基础也是重点。

只有对相关理论有了深刻的理解，才能更好地进行系统设计和系统开发。

设备诊断技术是近40年来发展起来的一门科学。

设备诊断的历史和人类对设备的维修方式紧紧相连。

在工业革命后相当长的时期内，由于当时的生产规模、设备的技术水平和复杂度都较低，设备的利用率和维修费用都没有引起人们的重视，人类对设备的维修方式基本上是事后维修。

20世纪以后，由于大生产的发展，设备本身技术水平和复杂程度都大大提高，设备故障对生产影响显著增加，出于对经济利益的考虑出现了定期维修。

60年代开始，人们开始采用主动维修方式，即在设备正常运行过程中就开始进行监护，发现潜在的故障因素，及早采取措施，这样不仅可以大大避免灾难性的设备故障，而且可以便面失修和过剩维修，经济效益十分显著。

这种主动维修方式被许多大中型企业所采用，设备诊断技术很快发展起来[4]。

从科学发展的大环境来看，设备诊断技术的产生也是各学科交叉发展的必然，生产实际的需要是它发展的根本原因。

40年代以来，人类的生产方式日益向大工业方向发展。

在这种宏伟的设备大背景下，系统论、混沌学等纷纷诞生，尤其是控制理论出现了重大突破，产生了一系列现代控制方法。

生产系统的庞大化和复杂化同时也暴露了一些问题，即如何避免运行中故障的发生，这就要求有一门相应的诊断技术。

同一时期，电子技术，尤其是计算机技术的发展，为设备诊断技术提供了必要的技术基础。

60年代，快速Fourier 变换的出现，使诊断技术的发展产生了飞跃。

近年来，传感器技术的发展，信号处理的系列技术，如各种滤波技术，各种谱分析技术，人工智能的系列技术，如专家系统、神经网络等，以及其他技术在诊断中的应用，使设备诊断技术逐渐完善。

2.2 故障诊断运作机理研究
故障诊断是研究设备运行状态信息的变化，进而识别设备运行状态的科学。

其运作机理如图2.1所示。

图2.1故障诊断运作流程
从本质上讲，设备诊断技术是个模式分类问题，即把机器的运行状态分为正常和异常两类。

进一步讲，异常的信号样本究竟属于哪种故障，这又属于一个模式识别问题。

从图1开展设备诊断的流程来看，设备诊断过程主要分为信号采集，信号处理，故障诊断3个阶段。

围绕这一问题，设备诊断技术在下述方面展开了理论研究。

（1）信号采集技术的研究。

设备诊断技术从设备的症状入手进行分析研究。

设备症状指机器运行时产生的代表其状态的各种信号。

因此，信号采集技术是设备诊断技术的前提。

只有采集到反映设备实际状态的信号，诊断的后续工作才有意义。

（2）信号分析和处理方法的研究是设备诊断技术的关键，也是理论研究的热点之一，这实际上就是诊断技术中的特征因子（敏感因子）提取技术。

传感器采集的信号，称为原始信号，一部分可以直接利用，如温度、位移等，但火部分很难直接利用，如振动信号，虽然经过放大，由于含有噪声，一般从时域波形上很难反映问题，必须利用信号分析与处理技术取出噪声并把信号转化在不同的域内进行分析，才能得到更能敏感反映机器状态的特征因子。

滤波技术、频谱分析技术是传统的信号处理方法[5]。

近年来出现的数字滤波技术、自适应滤波技术、小波分析技术等，大大丰富了信号处理的内容。

（3）诊断方法的研究是设备诊断技术的核心。

识别设备的状态为正常或异常，判断为异常后再进行原因分析，这是诊断的实质。

目前，诊断技术根据不同的信号类型，分为振声诊断、温度诊断、油液分析、光谱分析等。

受技术条件的限制，在诊断技术发展初期，人的因素占绝对主导地位。

仪器处理后的信号基本上靠人去分析。

近年来，随着人工智能（AI）的发展，诊断自动化、智能化的要求逐渐变为现实。

其中，基于知识的专家系统（简称专家系统）的研究起步最早，目前在诊断中已有成功的应用。

”模糊理论由于具有处理不确定信息的能力，因此通常和专家系统相结合，作为前处理和后处理。

神经网络技术在诊断中的应用起步较晚，但由于它强大的并行计算能力和自学习功能及联想记忆能力，很适合做故障分类和模式识别，
因而在诊断中很受欢迎。

限于篇幅，本文重点对诊断技术的核心部分即诊断方法进行研究。

前面的两个环节——信号采集和信号处理暂不做详细讨论。

故系统中用到的样本数据和仿真数据是已经经过处理可以直接作为诊断系统输入的数据。

2.3 变压器故障诊断系统相关背景
故障诊断始于机械设备故障诊断。

现代设备技术水平和复杂度不断提高，设备故障对生产的影响也显著增加，因此要保证设备可靠、有效地运行，充分发挥其效益，必须发展故障诊断技术。

故障诊断技术借助于现代测试、监控和计算机分析等手段，研究设备在运行中或相对静止条件下的状态信息，分析设备的技术状态，诊断其故障的性质和起因，并预测故障趋势，进而确定必要的对策。

利用故障诊断技术可以早发现故障征兆和原因，有利于及早排除故障和安全隐患，避免不必要的损失，因而具有很高的经济和社会效益[6]。

运行中的变压器发生不同程度的故障时，会产生异常现象会信息。

故障分析就是搜
集变压器的异常现象或信息，根据这些现象或信息进行分析，从而判断故障的类型、严重程度和故障部位[7]。

因此，变压器故障诊断的目的首先是准确判断运行设备当前处于正常状态还是异常状态。

若变压器处于异常状态有故障，则判断故障的性质、类型和原因。

例如是绝缘故障、过热故障还是机械故障；若是绝缘故障，则是绝缘老化、受潮，还是放电性故障；若是放电性故障又是哪种类型的放点等。

变压器故障诊断还要根据故障信息或根据信息处理结果，预测故障的可能发展即对故障的眼中程度，发展趋势做出诊断；提出控制故障的措施，防止和消除故障；提出设备维修的合理方法和响应的反事故措施；对设备的设计、制造、装配等提出改进意见，为设备现代化管理提供科学依据和建议。

2.4 变压器故障诊断方法
变压器故障诊断就是根据变压器故障的征兆，确定故障的性质、部位和严重程度。

由于变压器故障的复杂性，其诊断过程不可能只采用单一方法，而要综合多种方法。

因此，必须从各学科中广泛探求有利于故障诊断的原理、方法和手段，这就使得故障诊断技术呈现多学科交叉的特点。

变压器故障诊断的方法很多，根据《电力设备预防实验规程》规定，常用的方法有绝缘试验、局部放电试验、绝缘油电气试验、油中溶解气体分析法（Dissolved Gases Aanalysis，简称DGA，工程中还被称为色谱分析）及其他预防性试验等。

其中，油中溶解气体分析法是诊断变压器内部故障最主要的技术手段[8]。

所以《电力设备预防性试验规程》把油中溶解气体分析法列在首位。

油中溶解气体分析法作为目前电力系统中对油浸电力设备常规使用的重要监测手段，能够及时发现变压器内部存在的早期故障，在遗忘的运行维护中消除了不少事故隐患。

据统计，我国电网中有50%以上的故障变压器是通过该试验结果检出的。

由于这一检测技术能够在无需停电的情况下进行，不受外界电场和磁场因素的影响，因此可以定期在设备运行中对其内部绝缘状况进行诊断，确保设备的安全运行，该方法数据可靠性高，技术成熟，从定性到定量分析都积累了很多的经验，有利于促进由定期维修方式向状态维修方式的过渡，该方法对于发现变压器内部的潜伏性故障及其严重程度十分有效。

根据《变压器油中溶解气体分析和判断导则》，通过分析油中甲烷（CH4）、乙烷（C2H6）、乙烯（C2H4）、乙炔（C2H2）以及一氧化碳（CO）、二氧化碳（CO2）和氢气（H2）七种组分的含量来判断并分析故障。

对于大型变压器，目前几乎都是用油来绝缘和散热，电力变压器油与油中的纸和纸板等固体有机绝缘材料在运行电压下因电、热、氧化和局部电弧等多种因素作用会逐渐老化、裂解，产生少量的CH4、C2H6、C2H4、C2H2低分子烃类以及CO、CO2和H2等气体，并多数溶解在油中，变压器内部存在的潜伏性过热或放点故障又会加快产气的速率[9]。

随着故障的缓慢发展，裂解出来的气体形成气泡在油中经过对流和扩散作用，就会不断地溶解，并不断地增加，油中溶解气体的组分和含量在一定程度上反映出变压器绝缘老化或故障的程度，可以作为反映电力设备异常的特征量。

通过对运行中的变压器
定期分析溶解于油中的气体组分、含量及产气速率，就能够及早发现变压器内部存在的潜伏性故障，判断是否会危及变压器的安全运行。

Halstead在1973年发表的报告中，对油中分解的碳氢气态化合物的产生过程进行了热动力学理论分析，认为对应于不同温度下的平衡压力，一种碳氢气体相对于另一种谈情提起的析出速率随温度而变化，没中气体在不同的温度下达到其最大析出速率，在特定温度下各种气体的相对析出速率是固定的[10]。

根据这一假设，随着温度升高，析出速率最大值的次序依次为：H2、CH4、C2H6、C2H4和C2H2。

Halstlead假说是应用油中溶解气体比值法诊断设备故障类型并估计热点温度的理论基础。

根据这一假设，温度不同，故障点产生的各气体组份剑的相对比例也不同。

Rogers由此选择五种特征气体的四个相对比例CH4/ H2，C2H6/ CH4，C2H4/ C2H6和C2H2/ C2H4来进行故障诊断。

由于C2H6/ CH4只能反映油纸分解的极有限的温度范围，所以在后来的国际电工委员会（International Electro Technical Commission，简称IEC）将此比值删去，修改后的三比值法被普遍认为是最为简明的解释，伺候，IEC三比值法一直是利用DGA结果对充油电力设备进行故障诊断的最基本的方法。

三比值法的原理是根据变压器内的油和绝缘物在故障下裂解产生气体组分含量的
相对浓度与温度的相互依赖关系，从五种特征气体中选用溶解度和扩散系数相近的气体组分组成三对比值，以不同的编码表示。

表1和表2是我国《变压器油中溶解气体分析和判断导则》推荐的改良三比值法（类似于IEC推荐的改良三比值法）的编码规则和故障类别判别方法。

根据表2.1的编码规则和表2.2的故障类型判断方法作为诊断故障性质的依据[11]。

这种方法消除了油的体积效应影响，是判断变压器故障诊断的主要方法，可以得出对故障状态较可靠的诊断。

大量实例及分析表明，三比值法存在以下不足：
（1）三比值法推荐呃编码组合由典型事故统计分析获得，由于变压器内部故障非常复杂，在实际应用中常常出现不包括在表2.1范围内的标码组合所对应的故障类型，使判断无法进行。

（2）只有油中气体各组分含量足够高或超过注意值，并且经综合分析确定变压器内部存在故障后，才能用三比值法判断其故障性质。

而对油中各气体组分含量正常的变压器，其比值没有意义。

如果不论变压器是否存在故障，一律使用三比值法，就有可能对正常的变压器造成错误的判断。

（3）在实际应用中，当有多种故障联合作用时，可能在表中找不到相应的比值编码；同时，在三比值编码边界模糊的比值区间内的故障，往往容易误判。

（4）三比值法不适用于气体继电器里收藏到的气体分析诊断故障类型。

（5）当故障涉及固体绝缘的正常老化过程与劣化分解时，将引起CO和CO2含量的明显增长，表2.1这种无此编码组合，此时要利用CO2/ CO比值配合诊断。

（6）由于故障分类存在模糊性，一种故障状态可能引起多种故障特征，而一种故障特征也可在不同程度上反映多种故障状态，因此三比值法不能全面反映故障状态[12]。

总之，虽然目前三比值法应用较为广泛，但是由于故障分类本身存在模糊性，每一组编码与故障类型之间也具有模糊性，三比值法还未能包括和反映变压器内部故障的所有形态，所以它还在不断发展和积累经验，并继续进行改良，以便全面地反映故障信息。

近年来，人工神经网络、模糊理论、灰色系统理论和专家系统等多种智能信息处理技术被引入变压器故障诊断中，获得了巨大成功，并取得了较好的效果。