混合型智能故障诊断方法在变压器运行中应用.pdf

《混合型智能故障诊断方法在变压器运行中应用.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47卷第6期Vol.47No.62010年6月TRANSFORMERJune2010混合型智能故障诊断方法在变压器运行中应用黄丹宇（沈阳职业技术学院，辽宁沈阳110045）摘要：介绍了一种可应用于变压器的混合型智能故障诊断方法。关键词：变压器；故障；诊断中图分类号：TM406文献标识码：B文章编号：1001－8425（2010）06－0073－03ApplicationofCombinedIntelligentFaultDiagnosisMethodtoTransformerOperationHUANGDan-yu（ShenyangPolytechnicCollege,

2、Shenyang110045,China）Abstract：Acombinedintelligentfaultdiagnosismethodfortransformerispresented.Keywords：Transformer；Fault；Diagnosis敛到局部最小的优点。然而，变压器中提取出的数据1引言往往受到噪声的污染和干扰，这将影响概率神经网变压器故障诊断是保证变压器生产安全、提高络的诊断精度。产品质量和经济效益的关键技术。结合小波去噪及PNN分类能力，本文中笔者提由于神经网络具有较好的容错性、反应快、分布出了一种WPNN方法,该方法利用小波对原始数据式信

3、息存储和自适应学习等优点，目前广泛应用于进行多尺度分解、降噪，同时，利用PNN较好的分类变压器等工业故障诊断中。目前使用的方法大多采特性完成故障监控。用基于误差反向传播（BP）学习算法的多层感知器2小波与PNN模型结构（BPNN）。与传统的数理统计方法相比，BPNN具有不需要原始数据的高斯正态分布、可融2.1小波去噪合多种类型数据及并行计算等优点，因此在分类效小波分析是当前数学中一个迅速发展的新领果上优于常规的概率统计方法。但基于梯度下降规域。小波变换是一个时间和频率的局部变换，能有效则的BP学习算法存在收敛速度缓慢、容易陷入局地从信号中提取信息，通过伸缩和平移等运算对函

4、部极小以及网络结构难以确定等缺陷，而这些大大数或信号进行多尺度细化分析，解决了傅立叶变换影响网络的学习效率和分类精度。尽管许多文献提不能解决的许多问题，所以小波分析被誉为“数学显出了一些改进的学习算法，但网络收敛缓慢和易陷微镜”。小波变换可以分为连续小波变换、二带小波于局部最小等问题仍没有根本解决。变换、小波框架、正交小波、双正交小波、向量小波及概率神经网络（ProbabilisticNeuralNetwork，提升框架等。PNN）是SpechtD.F于1988年提出的一种神经网在实际过程中，有用信号通常表现为低频信号络模型。这种基于统计原理的神经网络模型在分类或比较平稳

5、的信号，而噪声信号则通常表现为高频功能上与最优Bayes分类器等价，同时它不像传统信号。消噪过程可以按如下方法进行处理：首先对原的多层前向网络那样需要用BP算法进行反向误差始信号进行小波分解（如进行二层分解，分解过程如传播的计算，而是完全前向的计算过程，因此，与传图1所示），提取小波分解的低频系数cA1,cA2,则噪统的BP网络模型相比，具有训练时间短且不易收声部分通常包含在cD1,cD2中，通常可以以默认阈74第47卷S量wkj由目标向量决定，无阈值向量，竞争型网络层的神经元输入：cA1cD1yk=Σwkj·Oj，jcA2cD2输出：≠1y=max（y）≠kl≠l图1信

6、号分解示意图≠Ok=≠≠≠≠0yk≠max（yl）Fig.1Diagramofsignaldecomposition≠l2.3WPNN算法值等形式对小波系数进行处理，然后对信号进行重WPNN方法流程图如图3所示。构即可以达到消噪的目的。本文中在利用Haar小波数据预处理故障诊断对数据进行消噪处理时使用的是强制消噪处理方原小概诊法。率始波神断2.2PNN算法数消经结网据噪果PNN是一种监督学习的单隐含层的前向网络，络常用于模式分类。与其他网络相比，它不需要学习过图3WPNN方法流程图程，不需要设置初始权值，当输入矢量和目标值确定Fig.3FlowdiagramofWPNNm

7、ethod后，网络的权值也就确定了。由于它学习速度快，所以适合于实时故障检测、诊断和信号分类等问题。网3WPNN方法仿真试验研究络结构如图2所示。TE过程是由美国伊斯曼公司过程控制小组的radbaswJ.JDowns和E.F.Vogel提出的一个化工生产过程，jiwkjmaxx1y1该过程是基于一个真实工业过程的仿真，其中的成x2y2分、动力学及运行条件等因为专利权的问题都做了相应的修改。xmypTE过程包括五个主要单元：反应器、冷凝器、压缩机、汽/液分离器、汽提塔。整个系统各部分之间耦图2PNN网络结构合严重，高度非线性。T