基于组合神经网络模型的电力变压器故障诊断方法

《基于组合神经网络模型的电力变压器故障诊断方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据第18卷第2期电工技术学报2003年4月基于组合神经网络模型的电力变压器故障诊断方法FaultDiagnosisofPowerTransformerUsingaCombinatorialNeuraJNetwork刘娜高文胜谈克雄(清华大学电机系100084)LiuNaGaoWenshengTanKexiong(DepartmentofElectricalEngineeringTsinghuaUniversity100084China)摘要对故障空间的划分以及组合神经网络的构造方式，是利用组合神

2、经网络进行变压器故障识别的关键。在讨论变压器故障空问划分方法及其存在问题的基础上，针对已积累的故障变压器的大量溶解气体数据，考察了各类故障的气体特征及聚类分析结果，并在此基础上构造了组合神经网络分层结构模型，实现了对变压器故障由粗到细的逐级划分，以提高诊断的准确性，为制定维修策略提供了依据。最后，结果显示了该模型的有效性。关键词：电力变压器溶解气体分析故障诊断神经网络聚类分析中图分类号：TM855AbstractMethodsoffaultclassificationandorganizationof

3、combinatorialneuralnetwork(CNN)arekeystothediagnosisofpowertransformerfaultswithCNN．Inthispaper，basedoilthediscussionoffaultclassificationmethodsandaclusteranalysisofdissolvedgasdataofthirteenusualtransformerfaults，aCNNisintroducedtorealizethemulti—reso

4、lutionrecognitionoftheinsulationfaults，whichnotonlycanmakethefaultdiagnosisbemoreexace，butalsoishelpfultoestablishasignificantstrategyfortherepairwork．Finally，therecognitionresultsshowthatthismodeliseffec—tiveKeywords：Powertransforrner，dissolvedgasanaly

5、sis，faultdiagnosis，neuralnetwork，clusteranalysis1前言故障的合理分类是电气设备诊断的重要基础之一．但以往文献及电力部门统计资料中，变压器的故障分类方式却存在较大差别。常用的三比值法是根据油中溶解气体分析(DissolvedGasAnalysis，DGA)结果，给出故障点的物理信息，即将故障分为8类不同的放电性或过热性故障”J。这种方法规则简明、故障机理判断明确，但对故障定位及制定维修策略缺乏指导性。电力系统统计资料中，通常将变压器的常见早期故障归纳为表l

6、所示的13种类别，给出了故障的位置信息，对维修更具指导意义【2,3]。这些方法虽有逻辑清晰、类别完备等优点，但未考虑故障在特征气体空间上的聚集特性。目前，聚类分析方法引入到DGA技术中，它依靠故障数据的特点来划分故障类别，这种故障空间划分方式具有积极意义，在实际应用中取得了较国家自然科学基金资助重点项目(59637200)。刘蚌女，1975年生，博士生，研究方向为电力设备故障检测和诊断技术。高文胜男，1968年生，i}}师，研究方向电力设备故障检测和诊断技术。万方数据84电工技术学报2003年4月好的

7、效果}4J。然而直接利用聚类方法进行故障分类也出现了一些问题，如聚类结果受样本点的数量、聚类准则等多种因素影响；且其以最近类样本作为诊断结果，并不能给出完全确定性的结论。同时，树思路的引入，组合神经网络方法的提出，使分层次的、逐步细化的故障识别成为可能【5J。可是这些工作都以三比值法为基础，仍难以避免对维修缺乏指导的缺点。因此，本文以按照部位划分故障的方法为基础，针对已积累的故障变压器的大量溶解气体数据，考察了各类故障的气体特征及聚类结果，并在此基础上构建组合神经网络，实现对故障由粗到细的逐级划分，以

8、提高诊断的有效性。2变压器故障类型的划分表l中列出了13种变压器常见故障。这种划分方式具有划分细致、有利于维修等优点。可是进一步考察各类故障的溶解气体数据，发现这种划分也存在缺陷。一方面，某些类的故障气体数据不具有统一的特征。如，“悬浮放电”类故障的特征气体与放电源的位置等关系紧密，其特征量不具有一致的规律。再如，虽然“分接开关烧损”的特征气体数据绝大多数表现为过热性特征，却有少量数据的乙炔含量很高。另一方面，有时故障发生机理和部位相异，其气体特征也可能