基于模糊神经网络的变压器故障诊断技术与方法的研究

基于模糊神经网络的变压器故障诊断技术与方法的研究

ID:36753700

大小:286.30 KB

页数:4页

时间:2019-05-14

基于模糊神经网络的变压器故障诊断技术与方法的研究_第1页
基于模糊神经网络的变压器故障诊断技术与方法的研究_第2页
基于模糊神经网络的变压器故障诊断技术与方法的研究_第3页
基于模糊神经网络的变压器故障诊断技术与方法的研究_第4页
资源描述:

《基于模糊神经网络的变压器故障诊断技术与方法的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、YANJIUYUFEN礤究与分栋一..ll。i罄棼誊基于模糊神经网络的变压器故障诊断技术与方法的研究王鹏,姜晓飞(1.西安利群建筑工程设计事务所,陕西西安710069;2.陕西电力职工培训中心,陕西西安710032)0引言1基于油中溶解气体分析的故障诊断方法油浸式变压器的绝缘系统(包括液体绝缘和固体绝缘)由于长时间的运行受温度、局部放电、杂质1.1特征气体法等多种因素的影响,绝缘介质会发生老化,使绝缘性变压器油中溶解的特征气体随着故障类型、故障能下降,若不注意及时采取措施,最终会导致恶性变能量及其涉及的绝缘材料的不同而不同。特征气体法

2、压器故障_lJc变压器绝缘系统故障常常会产生大量是根据油中溶解气体含量大小进行故障判定的一种特征气体,故障特征气体的组成和含量与故障的类重要方法,因此特征气体法对故障性质判断有较强的型及其严重程度有密切关系。因此,分析溶解于油中针对性,比较直观、方便。其具体描述如表1所示。的气体,就能尽早发现设备内部存在的潜伏性故障。表1特征气体法故障诊断技术是把获得的油中溶解气体的数据,由故障性质特征气体的描述计算机的数据库和专家系统进行分析、判断,对设备一般过热性故障总烃较高,C,H<5L的状态做出评估和预测,确定变压器的运行是否正常闭。通过油中

3、溶解气体分析来判断变压器故障是严重故障盏骞皇高txL/L未构成。丰耍目前最有效、最普遍的故障诊断方法。局部放电总烃不高,H:>100L,CH占总烃主要成分在目前的变压器故障诊断技术中,气相色谱法火花放电总烃不高,C:H>10p.IJI,H2含量较高电弧放电总烃高,C:H高并构成总烃主要成分,H:含量较高检测变压器故障局限性较大,无法实现在线监测:而过热兼电总烃高,CH占总烃的5.5%~18%,H占氢烃总量有的在线监测技术所监测的气体太少,只能监测一弧放电的27%以下种或几种气体,不能全面地反映故障情况;在故障诊断方法上,单一的诊断方法

4、势必影响诊断的准确性[31。特征气体法的缺点是对特征气体含量的描述比本文提出同时监测变压器油中6ft,特征气体(CO、较模糊,有时很难区分是哪种故障。H:、CH、CH、cH、cH),并运用具有典型意义的特1-2改良三比值法征气体法和改良三比值法对变压器监测数据进行分改良三比值法的基本原理是:根据变压器内油、析,判断变压器的运行状态,避免了单一气体、单一绝缘在故障下裂解产生气体组分含量的相对浓度与诊断方法的局限性。温度的相互依赖关系,从5种特征气体中选取2种溶收稿日期:2010—02—06作者简介:王鹏(198O一),男,山东聊城人,助

5、理1:程师,从事电力系统及其自动化方面的研究工作。研究与分析YAN31UYUFENX解度和扩散系数相近的气体组分组成3对比值:cH络内部信号反映到外部的接I:3部分。图1是BP网络/C2H、CH/H:、C:H/C:H,以不同的编码表示。根的示意图I5l。据已知的编码规则和分类方法,查表确定故障性误差反传(学习算法)质。改良三比值法的编码规则和分类方法及相关分析分别如表2和表3所示。表2改良三比值法编码规则O0O01012Ol111输入层222隐含2层输出层信息流图1BP网络BP算法的基本思想是最小二乘法。它采用梯度搜索技术,以期使网络

6、的实际输出值与期望输出值表3改良三比值法故障判断标准的误差均方值为最小。BPt~经网络经过大量样本的编码组合故障判断CzH2/C2H4CH4/H2C2H4/C2H6学习,可对需要分析的数据做出正确诊断。O0低温过热<150℃针对BP神经网络算法训练速度选择难、容易陷O低温过热150~300℃人局部极小的问题,比较好的改进方法有附加动量O中温过热300~700℃法和自适应学习速率法嘲。00,1,2高温过热>7002.2基于模糊神经网络的故障诊断O1局部放电本文选择基于特征气体法的BP神经网络模块10,1低能放电和基于改良三比值法的模糊神

7、经网络模块对变压器1低能放电兼过热0.1电弧放电故障进行诊断,然后综合2种诊断方法对变压器故障电弧放电兼过热状况做出判断。这2个神经网络系统都是用Matlab来实现的,通过Matlab程序的调试,给出了误差变改良三比值法的缺点是编码边界过于绝对,且化曲线图,从图中可以看出误差在神经网络训练过在实际诊断过程中,有时会出现编码缺损的情况,程中变化的趋势及最终误差的大小。即根据编码规则和分类方法得到的编码超出了已知本文通过对c0、H、CH、CH、CH、CH:6种特的编码列表。因而无法确定故障性质。征气体的分析来判断变压器的故障性质。由于将C

8、O针对特征气体法中的语义表达、改良三比值法的含量考虑进去,因此,该网络也可以诊断涉及固体中的编码缺损及故障划分边界过于精细等问题,目绝缘方面的故障类型。前比较好的处理方法是采用模糊数学方法及人T神2.2.1基于特征气体法

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。