基于BP网络远程无线电力变压器故障诊断系统.pdf

《基于BP网络远程无线电力变压器故障诊断系统.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38卷第23期电力系统保护与控制Vbl_38NO．232010年l2月1日PowerSystemProtectionandControlDec．1，2010基于BP网络远程无线电力变压器故障诊断系统熊树，俞阿龙(淮阴师范学院物理与电子电气工程系，江苏淮安223001)摘要：针对电力变压器故障的特点，运用BP神经网络技术对传统的电力变压器故障诊断方法加以完善，以TMS320VC5402DSP为硬件核心，设计了高速实时电力变压器故障诊断模块，同时利用zigbee网络实现了电力变压器故障远距离无线诊断。通过电力变压器故障诊断实例，

2、比较了BP神经网络法和传统的改良三比值法在诊断电力变压器故障类型方面的性能。比较实例表明，基于BP网络远程无线电力变压器故障诊断方法能有效地对电力变压器单故障和多故障样本进行分类诊断，提高了诊断准确率，同时还可以进行远距离无线诊断，从而节省了成本。关键词：电力变压器；故障诊断；无线；BP网络PowertransformerlongdistancewirelessfaultdiagnosissystembasedonBPNNXIONGShu，YUA—long(DepartmentofPhysicsandElectronicEle

3、ctricalEngineering，HuaiyinNormalUniversity，Huaian223001，China)Abstract：Accordingtocharacteristicofactualpowertransformerfaultdiagnosis，traditionalpowertransformerfaultdiagnosismethodisimprovedbyusingBPNNtechnique．Thehigh·speedreal—timefaultdiagnosismoduleofpowertran

4、sformerisdesignedbasedonTMS320VC5402DSPandlongdistancewirelessfaultdiagonosisisrealizedbyZigbee．TheperformanceofBPnetworkapproachandrefinedthreeratiosarecomparedintermsofdiagnosingfaulttypestbrpowertransformersviapracticalinstanceofpowertransformerfaultdiagnosis．The

5、resultsofnumericalexamplesshowthatpowertransformerlongdistancewirelessfaultdiagnosisalgorithmbasedonBPNNhasgoodclassilyingcapabilityofbothsingle·-faultandmultiple--faultsamplesaswellashighaccuracyoffaultdiagnosis．Atthesametime，itcanalsocarryonlong-distancewirelessdi

6、agnosis，therebysavingcosts．Keywords：powertransformer；faultdiagnosis；wireless；BPNN中图分类号：TM41文献标识码：A文章编号：1674-3415(2010)23—0207—050引言1基于BPNN的电力变压器故障诊断方法电力变压器能否可靠运行是电力工业和其他工基于BPNN的电力变压器故障诊断学习模型如业生产正常运行的基础。利用电力变压器绝缘油中图1所示f2-3]。溶解气体分析(DGA)方法，检测其内部早期故障，已成为变压器绝缘监督的重要手段。DGA

7、故障类别目前一般沿用IEC三比值法及相关改良比值法等经典方法加以判别，但是由于三比值法的故障分类本口—————身存在模糊性，每一组编码与故障类型之间也具有d—二—+模糊性，三比值法未能包括和反映变压器内部故障d————的所有形态】。针对这一问题，本文提出了一种基于BP网络的电力变压器故障远程无线诊断系统。输入层隐含层输出层(LI层)(LH层)(LO层)基金项目：淮阴师范学院青年优秀人才支持计划项目图1基于BPNN的电力变压器故障诊断学习模型Fig．1Learningmodelofpowertransformerfaultdia

8、gnosis(07QNZCO05)；淮安市2008年度科技支撑计划(工业)资systembasedonBPNN助项目(HAG08035)电力系统保护与控制结合图1的故障诊断学习模型，令输入层神经式中：J=1,2，⋯，g；k=1,2，⋯，m(m为总的样元数为，z，，=，⋯，}为