变压器内部故障诊断研究.pdf

《变压器内部故障诊断研究.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、《电气开关》(2013．No．5)文章编号：1004—289X(2013)05—0044～04变压器内部故障诊断研究李霖，刘飞霞，杨章俊，李娜，贺莹(长沙理工大学，湖南长沙410003)摘要：主要介绍以变压器油中溶解气体为分析对象，采用BP神经网络对变压器内部故障进行诊断。采用几种BP神经网络算法进行网络建模和仿真，并对它们进行了分析比较，得到了优于其他几种算法的将自适应学习率法和动量BP法相结合的学习率可变的动量BP算法，建立了一种具有较强学习能力、泛化能力和适应能力的神经网络模型，并通过实验证明了其对变压器故障诊断的准确性。关键词：神经网络；变压器；油中溶解气体；算法中图分类号：TM4

2、1文献标识码：BStudyonFaultDiagnosisofTransformersL／Lin，LIUFei—xia，YANGZhang-jun，LINa，HEYing(ChangshaUniversityofScienceandTechnology，Changsha410003，China)Abstract：ThispapermainlydescribesthatuseBPneuralnetworktoanalysetransformeroildissolvedgasanddiagnosistransformerfault．Inthispaper，useseveralBPneuraln

3、etworkalgorithmtonetworkmodelingandsimulation，analysesandcomparesthesealgorithm，getthevariablelearningratemomentumBPalgorithmwhichisbetterthanotheralgorithmsthatistheadaptivelearningratemethodcombinedwithmomentumBPmethod，estabilishaneuralnetworkmodelwithstronglearningabilityandadaptability，thegene

4、ralizationability，andexperimentshowstheaccuracyoftransformerfaultdiagno—sis．Keywords：neuralnetworktransformerdissolvedgasinoilalgorithm1引言2神经网络的结构原理和学习算法电气设备故障一直是危及电网安全的主要根结所2．1人工神经网络在，而在这些电气设备故障中，发生故障最多的就是电人工神经网络(ANN)，简称为神经网络(NN)，是力变压器，所以变压器的故障检测对于整个电网的安一种用类似大脑神经突触的连接结构来进行处理的数全可靠有着极为重要的意义。常规的油中溶解

5、气体分学模型，是一种信息处理系统』。人工神经网络是一析方法对充油设备的故障诊断率可高达85％，可见油种运算模型，有大量的节点即神经元相互连接构成，它中溶解气体(DGA)分析H．2方法能够有效预测变压器的构成由来是受生物学上的生物神经网络功能的启内部潜伏故障，让变压器得到及时维护以使电力系统发，以及对生物神经网络的模拟而产生的应用于实际能够稳定运行，是现场变压器故障诊断的重要手段。的一种方法、手段和工具。常用的几种油中溶解气体分析方法有：特征气体分析2．2BP神经网络模型法，IEC三比值法采用编码法等。本文采用的则是神2．2．1神经网络基本结构经网络算法，因为神经网络(ANN)并行处理、有较

6、强人工神经网络的种类很多，其中反向传播(BP)神的学习能力、非线性映射、自适应能力和鲁棒性等特经网络

7、4目前应用比较普遍。BP神经网络是一种由性，非常适用于电气设备故障诊断领域。非线性单元组成的误差反向传播的前馈网络。广泛应用于函数逼近，模式识别分类等，而故障诊断属于模式《电气开关》(2013．No．5)45识别问题，故可采用反向传播神经网络进行变压器故阀值向量得到一个稳定的解。梯度下降法的权值和阀障诊断。值调整方法如下：要建立一个BP神经网络，首先要确定神经网络(n+1)=(n)一r／AE(n)(2)的结构。BP神经网络是一种分层型的多层网络，有输E(n)=oE(-A入层，输出层和隐含层

8、，输入层与隐含层和隐含层与输)出层都是通过权值和阀值相关联，同一层的单元不相互连接。单层神经网络如图1所示，在单层神经网络的基础上可以构造多层神经网络。本文采用的神经网络结构为含有单隐层的三层BP神经网络进行变压器故障诊断。将需要识别的模式输入节点，然后从输入层经隐含成逐层正向计算，得到输出层的输出。输人BP神经元层一P一厂]=_]一a=J[Wp+b)图1BP神经网络结构2．1．2神经网络的相关数据确定图2BP网络训练学