根據(jù)模糊理論和神經(jīng)網(wǎng)絡(luò)理論,，提出了變壓器故障診斷的新方法，根據(jù)DGA(dissolved gas analysis) 法,、電氣試驗(yàn)法及外部故障特征法,，建立了基于模糊輸入的BP-ART2混和神經(jīng)網(wǎng)絡(luò)對電力變壓器故障進(jìn)行綜合診斷。仿真結(jié)果表明本方法能有效提高變壓器故障診斷正確率,。
關(guān)鍵詞：模糊控制; BP神經(jīng)網(wǎng)絡(luò);ART2模型;故障診斷;電力變壓器
THE APPLICATION OF BP-ART2 HYBRID NEURAL NETWORK FOR POWER TRANSMITTER SYNTHETIC FAULT DIAGNOSIS BASED ON FUZZY INPUT
Gao Ru-xin, Wang Fu-zhong, Ran Zheng-yun
(Jiaozuo Institute of Technology ,Jiaozuo 454000,China)
ABSTRACT: This paper researches a new method for power transmitter based on fuzzy theory and neural network theory. According to DGA , electrical experiment and environmental characters ,a BP-ART2 model is presented based on fuzzy input . this model can deal with uncertain factor effectively and timely, and have enough ability for data obtaining.
KEY WORDS: fuzzy control; BP neural network; ART2 model; fault diagnosis; power transmitter
1.引言
電力變壓器是電力系統(tǒng)中重要的設(shè)備之一,，對電力系統(tǒng)的安全運(yùn)行起著舉足輕重的作用。搞好變壓器的運(yùn)行維護(hù),，特別是故障診斷工作,，對于提高電力系統(tǒng)安全運(yùn)行可靠性具有非常重要的作用。
DGA的出現(xiàn)和逐漸成熟,，給變壓器故障診斷帶來了許多便利,。利用DGA來判斷變壓器故障的方法有許多種，如羅杰斯法,、特征氣體法,、三比值法、電協(xié)研法等,，然而這些方法本身具有一定程度的不完善性,，僅基于DGA，并不能對故障進(jìn)行準(zhǔn)確評判,，不能準(zhǔn)確定位,。結(jié)合電氣試驗(yàn)，如測直流電阻,，絕緣電阻,，吸收比等，再加上一些故障特征,，如溫度升高,，油位下降等，綜合進(jìn)行評判,，可以有效提高診斷質(zhì)量,。
BP神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的非線性逼近能力，能進(jìn)行故障模式識別,，還能進(jìn)行故障嚴(yán)重程度評估和故障預(yù)測,，應(yīng)用很廣，但它對異常類故障處理能力低,，不具備增量學(xué)習(xí)功能,。ART 2模型是一種自組織的網(wǎng)絡(luò)模型，采用無監(jiān)督的競爭學(xué)習(xí)規(guī)則,，不存在BP算法對樣本知識的強(qiáng)烈依賴性問題,，能正確識別出異常類故障,，且識別速度快,。但是,，該模型是通過聚類來完成模式分類任務(wù)的，它不能進(jìn)行故障嚴(yán)重性評估和發(fā)展趨勢預(yù)測,。把BP神經(jīng)網(wǎng)絡(luò)和ART2模型結(jié)合起來,，將有監(jiān)督算法和無監(jiān)督算法集成起來，用模糊量作為輸入,，構(gòu)成一種新的模糊神經(jīng)網(wǎng)絡(luò),，來對變壓器進(jìn)行診斷，可以取得良好診斷效果【1】,。
2.電力變壓器常見故障及其特點(diǎn)【3】
變壓器故障有很多種,，一些常見的故障及其故障特點(diǎn)如下：
（1）分解開關(guān)接觸不良：直流電阻差值大,，特征氣體中既含有H2又含有CO,，且CH4或C2H4含量高。
?。?）繞組匝間短路：變比偏差大,，直流電阻差值大，H2和C2H2含量高,，含有CO,。
（3）有載分接開關(guān)箱漏油：溫度過高,，油位下降率高,。
（4）過熱性故障：CH4和C2H4含量高,，還可能含有CO和CO2,，溫度較高。
?。?）絕緣老化：介質(zhì)損耗tg較大,，絕緣電阻過低，特征氣體中CO,、CO2 和CH4較多,。
（6）嚴(yán)重受潮：介質(zhì)損耗tg較大,，水分含量大,，吸收比小于1.3，絕緣電阻過低,，特征氣體中H2含量大,。
?。?）油中局部放電：H2、C2H2,、CH4和CO含量高,。
（8）斷線故障：直流電阻差值大,，H2含量最大,。
變壓器常見故障很多，故障原因也很多,。把故障的多種特征提取出來,，送到故障診斷模型中，進(jìn)行分析,、綜合,，最后可得出故障診斷結(jié)果。
3.故障診斷模型－多重模糊神經(jīng)網(wǎng)絡(luò)的建立
用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行變壓器故障診斷時(shí),，考慮到實(shí)際應(yīng)用中樣本多,，數(shù)據(jù)差異大，采用一個網(wǎng)絡(luò)非常復(fù)雜,，而且收斂性差,，診斷準(zhǔn)確率低，因此,，本文根據(jù)某些特征指標(biāo)和一定的規(guī)則組合,，將整個樣本分為若干個相互獨(dú)立的子樣本集，建立多重子模糊神經(jīng)網(wǎng)絡(luò),，如圖1所示,。
圖中x1，x2,，x3為表2中所述的三比值法輸入值,。
第一塊模糊神經(jīng)網(wǎng)絡(luò)采用特征氣體，如H2,，C2H2,，CH4，C2H4,，C2H6,，CO及CO2等測定值作為輸入，產(chǎn)生一系列的輸出,。第二塊模糊神經(jīng)網(wǎng)絡(luò)采用氣體三比值法作為輸入,，產(chǎn)生一系列的輸出。第三塊模糊神經(jīng)網(wǎng)絡(luò)可采用直流電阻、絕緣電阻,、吸收比,、極化指數(shù)、變比,、介質(zhì)損耗tgδ,、水分等電氣試驗(yàn)測定值作為輸入。第四塊模糊神經(jīng)網(wǎng)絡(luò)可采用油位,、油溫度等測定值作為輸入,。輸入模糊化后,，送入BP神經(jīng)網(wǎng)絡(luò),，經(jīng)處理后，產(chǎn)生一系列結(jié)果,，送入ART2模型中,，再經(jīng)處理后產(chǎn)生診斷結(jié)果，輸出量有：正常,，絕緣老化,，繞組匝間短路，分接頭接觸不良,，絕緣擊穿,，嚴(yán)重受潮，油中局部放電,，有載分接開關(guān)箱漏油,，斷線，過熱性故障,，鐵心短路,，固體絕緣電弧分解等。
混合神經(jīng)網(wǎng)絡(luò)中BP神經(jīng)網(wǎng)絡(luò)為如下圖所示三層結(jié)構(gòu)：
BP1為3層,，其輸入量為7個第1到3輸入量為H2,，總烴及C2H2測定量，第4到7輸入量為C2H2,，H2,，CH4與C2H4在總烴中所占的比例，隱含層20個,，輸出量為6個,，分別表示一般過熱（>500℃），局部放電,，火花放電,，電弧放電與過熱兼電弧放電;BP2也為3層，其輸入量為3個,，隱含層12個,，輸出量為9個,，其輸入輸出含義見表2。BP1,、BP2兩類在現(xiàn)場已有應(yīng)用,，因此，其輸入,、輸出及隱含層神經(jīng)元數(shù)量是由經(jīng)驗(yàn)給出的,；由于現(xiàn)場條件的限制，BP3,、BP4輸入量,、輸出量的個數(shù)及隱含層數(shù)由根據(jù)現(xiàn)場實(shí)際所能提供的測定數(shù)據(jù)來確定，仿真中采用介質(zhì)損耗tgδ,、直流電阻,、吸收比、油位,、水分的測量值作為輸入,，網(wǎng)絡(luò)也采用三層結(jié)構(gòu)，其輸入層,、隱含層,、輸出層分別為3、10,、6和2,、8、5,。BP神經(jīng)網(wǎng)絡(luò)采用文獻(xiàn)5所述的學(xué)習(xí)算法,。由于BP算法存在收斂速度慢，學(xué)習(xí)精度低等問題,，本文采用加動量因子,，及不等權(quán)、半隨機(jī)初始解等方法加以解決,，以加快收斂速度,。
ART2神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如3圖所示【9】：
自適應(yīng)共振理論ART2具有快速的學(xué)習(xí)算法，且無需大量樣本,，在故障在線識別領(lǐng)域有很大的應(yīng)用潛力,。圖3是典型的單ART2神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，適用于模擬向量輸入,。網(wǎng)絡(luò)可分為注意子系統(tǒng)和調(diào)整子系統(tǒng)兩部分,，前者完成輸入向量的相似度匹配及競爭選擇，后者檢驗(yàn)輸入模式與長期記憶模式之間的相似度是否達(dá)到滿意的程度，并根據(jù)檢驗(yàn)結(jié)果作出相應(yīng)處理,，成功或重置,。提取的特征向量Ii輸入F1層(比較層)。在F1層通過向量歸一化和非線性變換經(jīng)迭代得到穩(wěn)定的中層模式u,，并經(jīng)p送入F2層(識別層),，由F2層經(jīng)競爭選擇激活F2層候選模式(本文中對應(yīng)故障類型)，得到系統(tǒng)的短期記憶,。F2層的輸出經(jīng)長期記憶加權(quán)后反饋回F1層,，反饋信息與u一起送入調(diào)整子系統(tǒng)，檢驗(yàn)系統(tǒng)長期記憶模式與輸入模式的相似程度,，若通過相似程度檢驗(yàn),，則可確定輸入模式屬于F2層的候選模式，并按快速學(xué)習(xí)算法,，一步完成權(quán)值的學(xué)習(xí),；若未通過檢驗(yàn),，則強(qiáng)迫F2層重置并選擇下一輸出節(jié)點(diǎn),，若所有的輸出節(jié)點(diǎn)都不能通過匹配檢驗(yàn)，則增加一個新的輸出節(jié)點(diǎn)即另一新類,。
在應(yīng)用ART2時(shí)必須注意的是ρ(相似測度警戒限,，為0到1之間的正數(shù))的選擇。ρ值決定了網(wǎng)絡(luò)對輸入模式進(jìn)行分類的間隔大小,，直接影響分類性能,。若ρ選得太小，分類粗糙,，不能把不同故障類型區(qū)分開,；若ρ選得太大，分類又太紉,，則同一故障類型可能被劃分到不同輸出模式中,，引起錯分。ρ的選樣沒有一定的規(guī)則,，需要在具體應(yīng)用中調(diào)整,。本文中ρ取0.5即可達(dá)到較滿意的分類效果。ART2網(wǎng)絡(luò)參考了文獻(xiàn)10所述的學(xué)習(xí)算法,。
變壓器故障診斷過程屬于一個非平穩(wěn),、非線性的隨機(jī)過程。在學(xué)習(xí)階段,，通過對足夠量的樣本訓(xùn)練,，逐層調(diào)整接點(diǎn)權(quán)重和閾值，直至誤差達(dá)到精度要求。在工作期間,，投入不同的測試樣本,，進(jìn)行故障診斷模式識別，最終實(shí)時(shí)判別故障類型和故障可能發(fā)生的位置,。
4.知識處理
4.1特征氣體的模糊知識表示
4.2三比值法模糊知識表示
參照表2,，采用升半正態(tài)分布函數(shù)，可以具有對較弱數(shù)值持不敏感態(tài)度,，而對足以淹沒噪聲的較大數(shù)值,，持較敏感態(tài)度。分布函數(shù)如上公式所示,。
4.3電氣試驗(yàn)數(shù)據(jù)的模糊處理
4.3.1直流電阻【2】
測量直流電阻一般可用于分析斷線,，導(dǎo)線斷股或脫焊，匝簡短路,，分接頭接觸不良等故障,。GB規(guī)定，一般各相測得值（要換算到20℃時(shí)的對應(yīng)值）相互差值應(yīng)小于平均值的4%,，線間測得的相互差值應(yīng)小于平均值的2%,。實(shí)際的差值應(yīng)與出廠試驗(yàn)記錄的記錄實(shí)測值相比較。
4.3.2絕緣電阻,、吸收比及極化指數(shù)【2】
測量繞組絕緣電阻,、吸收比及極化指數(shù)可以作為發(fā)現(xiàn)變壓器的絕緣擊穿、大范圍受潮的故障的一個手段,。按GB規(guī)定,，絕緣電阻不應(yīng)低于出廠試驗(yàn)值的70%。吸收比k=R60/R15≥1.3,認(rèn)為變壓器沒有受潮現(xiàn)象,。極化指數(shù)的狀態(tài)見表3,。
4.3.3 介質(zhì)損耗tg【3】
測量介質(zhì)損耗tgδ對于判斷變壓器絕緣老化，受潮等整體狀況有一定作用,。一般情下tgδ（要換算到20℃時(shí)的對應(yīng)值）小于3%為良好,，大于3%小于6%為要注意，大于6%說明不良,。
4.3.4 水分【4】
測量水分主要用來判斷變壓器受潮情況,。一般情況下水分小于35ppm為良好，大于35ppm小于50ppm為要注意,，大于50ppm說明不良,。
5.仿真
在對歷年電力變壓器有關(guān)技術(shù)刊物及相應(yīng)資料上公布的故障實(shí)例進(jìn)行統(tǒng)計(jì)后，選取了經(jīng)實(shí)際檢驗(yàn)驗(yàn)證證明結(jié)論較明確的811臺次故障變壓器的數(shù)據(jù),，經(jīng)隨機(jī)選取后組成的訓(xùn)練樣本集及檢驗(yàn)樣本集內(nèi)各故障類型的分布情況見表4,。
根據(jù)本文所述的模型,，判斷結(jié)果如表5所示。
由表5可見,，基于模糊輸入的BP-ART2混合神經(jīng)網(wǎng)絡(luò)用于電力變壓器故障診斷診斷正確率較高,，對于諸如分接或引線等導(dǎo)電回路過熱故障以及匝間短路或引線閃絡(luò)等涉及固體絕緣的放電故障的診斷正確性方面有較明顯的提高，這說明本方法用于變壓器故障診斷確實(shí)能夠取得較好的診斷效果,。
6.結(jié)論
本文的目的是找到一種用于電力變壓器故障診斷的新型有效方法,，為此，采用BP-ART2混合神經(jīng)網(wǎng)絡(luò)用于此目的,。該方法充分利用BP神經(jīng)網(wǎng)絡(luò)和ART2模型的優(yōu)點(diǎn),，克服了各自的不足之處，對電力變壓器故障診斷工作是一種新的嘗試,。仿真結(jié)果可以發(fā)現(xiàn),，應(yīng)用此方法可以收到良好的效果。