算法语言信息与电脑China Computer&Communication2018年第6期电力变压器故障诊断方法研究高 杰 王 海 何明成（安徽理工大学 电气与信息工程学院，安徽 淮南 232001）摘 要：变压器作为一个电能转换设备，是电力系统的特别重要的部分，被广泛应用于电力系统之中，因此，要准确监控其运行状态，对即将发生的故障进行预警。由于变压器本身特性，电磁量相对而言比较复杂，因此，多采用气体量进行分析，但在实际运用过程中这类方法存在着较大的局限性。最近几年随着智能算法的不断进步与发展，神经网络被广泛运用于故障分析领域，笔者就对各种方法在变压器故障诊断中的应用进行分析。关键词：三比值法；神经网络；变压器；故障诊断中图分类号：TM41;TM407 文献标识码：A 文章编号：1003-9767（2018）06-026-03Research on Power Transformer Fault DiagnosisGao Jie, Wang Hai, He Mingcheng(School of Electrical and Information Engineering, Anhui University of Science and Technology, Huainan Anhui 232001, China)power system. Therefore, we must accurately monitor its running state and predict the upcoming failures. Due to the characteristics of Abstract: Transformer, as an electrical energy conversion device, is a very important part of power system. It is widely used in the transformer itself, the electromagnetic quantity is relatively complex, so the gas volume is mostly used for analysis. However, there algorithm, neural network is widely applied in the field of fault analysis. The author analyzes the application of various methods in are great limitations in the actual application process. In recent years, with the continuous progress and development of intelligent transformer fault diagnosis.Key words: three-ratio method; neural network; transformer; fault diagnosis１ 引言变压器具有复杂的结构特点和电磁特性，因此，它的电随着国民经济的不断发展，电力应用渗透入各行各业，气量较为复杂，故障诊断大多数不选用电气量进行故障分析，电力系统也得到飞速发展，从而迫使电力部门重视降低运行大部分变压器故障诊断都以油中气体量为基础进行故障判断[2-3]成本、保护电力系统运行安全以及提高设备利用率等问题[1]。，但是油中气体分析的办法存在着较多的不足之处，在实根据相关数据显示，虽然近五年来用电量年均增速相比上一际使用过程中数据量较大难以自主分析，并且准确度相对而个五年有所降低，但整个社会的用电量总量仍在持续增长。言比较低，而且能够判断出的故障类型也比较少。基于神经为满足大负荷供电的需求，电网供电的可靠性与安全性面临网络的变压器故障诊断技术能够准确快速地判断，而且能够着严峻的考验。判断的误差情况更多。但神经网络同样存在着不足，在诊断变压器作为生活中比较常见的电力系统元器件，是电力速度以及正确率方面存在着较大的问题，在达到一定的准确系统的重要组成部分，对整个电力系统能否稳定运行具有直率之后提升较为困难，可以利用其他新型算法如遗传算法来接的影响，一旦出现故障，将会直接影响电能的传输以及电弥补神经网络的不足，从而使得系统更加完善。能的分配，严重影响企业的生产规划以及居民用电，长时间２ 三比值法停电甚至会造成巨额的直接经济损失以及人身伤亡事故。因大量实验数据显示，变压器故障诊断不能仅仅依靠变压此，提前预判变压器可能发生的故障，并且保证一定的准确器油中溢出气体量来直接判断，这样会导致输入量特别庞大，性，提高实时监测水平以及应急故障处理技术显得尤为重要。因此，采用气体之间的相对比值来减少输入量的个数，这就作者简介：高杰（1993-），男，江苏泰州人，硕士研究生。研究方向：故障诊断。— ２６ —信息与电脑2018年第6期China Computer&Communication算法语言是在变压器故障诊断当中常用的三比值法，当变压器出现故解出它的误差值。障时会有CH4、C2H6、C2H4、C2H2、H2、O2、CO等多种气第三步：调整各层的加权值。体从变压器油中溢出，通过选择CH4、C2H6、C2H4、C2H2、第四步：选定合适的精度的加权值。H2这5种气体，将其中溶液特性相近的气体组成CH4/H2、C４ ＰＮＮ神经网络2H2/C2H4、C2H4/C2H6这三对比值，依据比值范围的不同确定不同的编码，然后根据输入量所确定的编码通过查找对应概率神经网络（Probabilistic Neural Networks，PNN）的编码组合表诊断其故障类型[4-5]。如表1与表2所示。是由D.F.Specht在1990年提出的。PNN神经网络被广泛应表１ 三比值法用于模式分类的问题中。主要思想是Bayes法则，也就是贝叶斯最小风险准则的一种变形，从而得到期望的最小值，保气体比值范围对应的编码CH4/H2C2H2/C2H4C2H4/C2H6证了判断的准确性[7]。它是一种基于统计原理的人工神经网＜0.1010≥0.1-＜1100络，它是以Parzen窗口函数为激活函数的一种前馈网络模型。≥1-＜3121PNN具有径向神经网络的优点，完全是一个前向计算，所以≥3222整个系统相对于BP神经网络而言训练时间更短，而且避免表２ 编码组合了局部最优问题。它通常由4层组成，如图2所示。编码值CH4/H2C2H2/C2H4C2H4/C2H6对应故障类型001低温过热（低于150 ℃）020低温过热（150～300 ℃）021中温过热（300～700 ℃）00,1,22高温过热（高于700 ℃）010局部放电20,10,1,2低能放电220,1,2低能放电并且温度过高10,10,1,2电弧放电120,1,2电弧放电并且温度过高３ ＢＰ神经网络图２ ＰＮＮ神经网络结构图BP（Back Propagation）神经网络是1986年由Rumelhart第一层为输入层，输入值与神经元具有一一对应的关系，和McClelland为首的科学家提出的概念，是一种按照误差逆输入层与输出层之间没有直接的联系。第二层是模式层，模向传播算法训练的多层前馈神经网络，是目前应用最广泛的式层计算各输入值与各模式的匹配关系，该层的输出为：神经网络。网络结构由三大部分组成，分别是：输入层、输出层和隐含层。输入层与隐含层以及隐含层与输出层之间之 f(X,Wexp[−(X−Wi)T(X−Wi)i)=间通过一定的加权值相互连接，并且各个层中的神经元相互式中，W2δ2 i为输入层到模式层连接的权值，δ为平滑因子，，输入层和输出层都需要通过隐含层才能够相互联系[6]。选择不同的δ值会对结果的精度产生较大的影响，一般在算法是含有误差判断反馈的算法，图1为一个基本的三层的0.1～1进行选择，δ常被其他算法优化以达到更加精确的目BP网络结构图。的。第三层为求和层，主要作用就是将输入求和层的量进行线性求和，变压器的故障可能情况决定了PNN求和层的神经元的个数。基于PNN神经网络的变压器故障分析如下。通过分析CH4、C2H6、C2H4、C2H2、H2这5种在变压器发生故障时所产生的气体，为了减少输入的个数，并且提高整个系统的可靠性，利用三比值法CH4/H2、C2H2/C2H4、C2H4/C2H6作为输入进行训练。具体流程如图3所示。图１ ＢＰ神经网络基于BP神经网络的故障分析如下。BP神经网络选择甲烷、乙烷、乙烯、乙炔、氢气这5种特征比较明显的气体作为输入端，主要通过以下步骤来进行分析处理。第一步：进行数据处理。图３ ＰＮＮ神经网络流程图第二步：根据期望的结果对BP网络进行误差调整，求 （下转第31页）— ２７ —信息与电脑2018年第6期China Computer&Communication算法语言个方面进行评价。仿真结果如表1和图5所示。每次仿真在成功处理60个订阅后结束，每个算法运行10次取平均值。从表1中第一行可以看出层次式和无环式相比层级扩散法在订阅的转发效率上差距很大，尤其是层次式中订阅大量堆积在了高层级的保障中心里，对资源的利用不够充分。从第二行可以看出层次式的优点在于转发的订阅基本上可以一次成功，这有效降低了整个系统的通信压力，而无环式的转发效率就比较差，要求较高的订阅在不停被转发，很难尽快找到有高分维修场所的保障中心。多动态层级扩散算法相比其静图５ 不同方法效果比较态模式由于多了路由表的动态增减，使得订阅能够更准确转发给能够接收的保障中心，大大提高了转发效率。第三行匹４ 结 语配次数受多种因素影响，其中比较重要的是转发效率和匹配本文针对基于发布订阅模式的装备保障系统特点，提出效率，层次式在前者上有优势，而多动态层级扩散算法则在了多动态层级扩散这一新的发布订阅路由算法。借助搭建的这两方面表现都很优秀，尤其是动态链表树使订阅避免了无坦克维修系统仿真模型进行实例验证，对比了新算法与传统效匹配。从第四行可以看出多动态层级扩散法与传统的路由算法、相近算法的性能差异和不同条件下新算法的稳定性，结构、路由算法相比能够有效提高信息的传递效率。综上，仿真结果显示层扩法的表现最佳，能够明显提高信息传递效多动态层级扩散法在资源利用率、转发效率、匹配效率、处率、减少无效匹配量、提高资源利用率。同时，当系统初始理时间上远远优于传统路由算法，而多动态层级扩散法在时条件在一定范围内变化时层扩法依然稳定有效，基本达到了间、效率等综合评价上也优于静态层级扩散法。设计此算法的目的。表１ 不同方法仿真结果层扩法依然存在一些不足和能够改进的地方，例如，处层次式无环式静态层级扩散多动态层级扩散等待过订阅数量22.4510.516.296.41理发布订阅的保障中心应采用多线程技术，这样能够提高整转发订阅平均转发次数1.094.662.321.70体处理效率，减少等待时间对结果产生的影响；各个保障中全部订阅平均匹配次数5.3112.447.203.77心在匹配信息时，匹配算法比较简单，效率较低；另外，还订阅平均处理时间12.296.234.023.63应补充测试当局部订阅爆发时路由算法的表现。（上接第27页）PNN算法的故障诊断系统优势较为明显，此外利用其他算法第一步：采集数据。优化PNN算法中的平滑因子能够使得整个诊断的可靠性更高。第二步：训练网络。选取100个已知的变压器故障数据作为样本数据对该网络进行测试，其中的80个数据作为训练样本，20个数据用来检验。参考文献第三步：进行网络性能测试。当训练样本的输出值与实[1]杨湘泽.变压器故障诊断技术[J].电气时空,2003(10): 际故障基本吻合时，说明PNN网络已构造完成。18-19.第四步：利用网络进行监测。选用新的50组数据代入[2]刘虎威.气相色谱方法及应用[M].北京:化学工业出网络进行数据分析，求得整个网络的准确度。版社,2000:1-2.[3]许国旺.现代实用气相色谱法[M].北京:化学工业出５ 结 语版社,2004:2-3.实验证明，三比值法具有直观简洁、输入数据量小、模[4]陈伟根.以油中多种气体为特征量的变压器绝缘在线型搭建比较简单的特点，但是对实验数据量要求较高并且能监测及故障诊断技术[D].重庆:重庆大学,2003.够判断的故障量比较少。BP模型由于自身算法的局限性要求[5]操敦奎.变压器油中气体分析与诊断[M].武汉:湖北训练数据量比较大，故其泛化能力较差，而且易出现边界问新生报出版社,1987:166-168.题。PNN网络从构建、训练、测试以及对最后的未知样本进[6]刘君,胡绍刚.基于模糊的RBF变压器故障诊断研究行预测等，可以看出网络的训练时间短、效率高，并且准确[J].信息系统工程,2013,2(4):18.性也较高，所以在模式识别领域，PNN神经网络有着很大的[7]岳军,黄诚,任瑞云.PNN神经网络模型在变压器故优越性，而且变压器的故障诊断又属于模式识别，因此，基于障诊断建模中的应用[J].自动化技术与应用,2016,35(10).— ３１ —
