BP神经网络在变压器故障诊断中的应用.pdf

《BP神经网络在变压器故障诊断中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第46卷第1期Vol．46No．12009年1月TRANSFORMERJanuary2009BP神经网络在变压器故障诊断中的应用122杨海马，刘瑾，张菁（1．上海理工大学光学与电子信息工程学院，上海200093；2．上海工程技术大学电子电气工程学院，上海201620）摘要：基于BP神经网络理论设计了以气体浓度为输入、故障类型为输出的变压器故障诊断系统，并进行了计算机仿真。关键词：变压器；气体分析；BP神经网络中图分类号：TM406文献标识码：B文章编号：1001－8425（2009）01－0067－04ApplicationofBPNeuralNetworktoTransfo

2、rmerFaultDiagnosis122YANGHai－ma,LIUJin,ZHANGJing（1．UniversityofShanghaiforScienceandTechnology,Shanghai200093,China;2．ShanghaiUniversityofEngineeringandScience,Shanghai201620,China）Abstract：ThetransformerfaultdiagnosissystemisdesignedbasedonthetheoryofBPneutralnetnwork．Inthesystem,theinputi

3、sthegasconcentrationandtheoutputisthekindoffault．Thesimulationispresentedbycomputer．Keywords：Transformer；GasAnalysis；BPneutralnetwork表1变压器故障与特征气体的关系1引言Table1Relationbetweenfaultsandcharacteristicgassesinoil电力系统的安全运行具有十分重要的意义，当高压变压器或其他类似设备在运行中出现局部过故障性质产生气体热、不完全放电或电弧放电等故障时，其内部绝缘绝缘油受热分解主要是H2、C

4、H4、C2H4和C2H6等，C2H2较少油、绝缘纸等绝缘材料将分解产生多种气体，包括固体绝缘材料受热分解主要是CO和CO2，烃类气体含量不变电弧放电主要是C2H2和H2，其次是C2H4和CH4短链烃类气体（C2H2、CH4等）和H2、CO2等，这些气产气速度快，主要是C2H2和H2，也包括体称作特征气体。特征气体的组分和含量与故障严火花放电CH4、C2H6、C2H4重程度有很密切的关系，故障与特征气体的对照关局部放电主要是H2，其次是CH4、C2H2系如表1所示。因此，监视某气体浓度变化可预防早期故障的发生并对变压器进行故障诊断，对保证习的方法是用一组训练样本对网络进行训练，

5、每一大型变压器安全运行具有重大意义。个样本都包括输入以及期望的输出两部分。训练时，笔者将BP神经网络理论应用于变压器故障诊首先把样本的输入信息输入到网络中，由网络自第断中，避免了直接建立故障征兆和故障类型之间的一隐层开始逐层地进行计算，并向下一层传递，直至数学模型，同时与油中溶解气体分析法相结合来实传至输出层，其间每一层神经元只影响到下一层神现变压器故障的诊断。经元的状态。然后，以其输出与样本的期望输出进行比较，如果它们的误差不能满足要求，则沿着原来的2基本原理连接通路逐层返回，并利用两者的误差按一定的原BP算法学习的目的是对网络的连接权值进行则对各层节点的连接权值进行调整，

6、使误差逐步减调整，使得对任一输入都能得到所期望的输出。学小，直到满足要求为止。68第46卷n输入层有m个节点，对应的输入向量为X＝（x1，12E＝Σ（dl－Ol）（9）x2，…，xm）；隐含层有k个节点，对应的隐层输出向量2l＝1为Y＝（y1，y2，…，yk）；输出层有n个节点，对应的输式中dl———网络的期望输出出向量为O＝（o1，o2，…，on）。令输入层任一节点x1到Ol———实际输出隐层任一节点yj之间的连接权值为ωij；隐层节点yj将误差公式展开至隐层，则有：2到输出层节点Ol之间的连接权值为ωj1；θj为网络nnk121隐层第j个神经元的阈值，θl为网络输出层第l

7、个神E＝2ΣΣdl－f（Netl）Σ＝2ΣΣdl－fΣΣωjlyjΣΣl＝1l＝1j＝0经元的阈值，其中：（10）j＝（1，2，…，k）；l＝（1，2，…，n）；i＝（1，2，…，m）进一步展开至输入层，有：下面分析各层信号之间的数学关系：2nk（1）对于输入层，输入＝输出，即xi＝oi。E＝1ΣΣdl－fΣΣωjlf（Netj）ΣΣ＝2l＝1j＝0（2）对于隐层有：2mnkm1输入：Netj＝Σωijxi－θji＝1，2，…，m（1）2ΣΣdl－fΣΣωjlfΣΣωijxiΣΣΣ（11）i＝1l＝1j