一種由多個(gè)神經(jīng)網(wǎng)疥模塊構(gòu)成的智能電力變壓器故障診斷系統(tǒng)，該系統(tǒng)采用VC++語(yǔ)言開發(fā)，系統(tǒng)除了診斷精確度較高，具有一定的自學(xué)習(xí)功能外，還具有良好的人機(jī)界面，在工程實(shí)際中值得推廣。

　　學(xué)習(xí)由正向傳擂和反播縣成。！傳1播過(guò)程式。經(jīng)M10配次的訓(xùn)練后，其平方型為0h00004.bookmark2前言一些無(wú)法預(yù)計(jì)的外界原因和使用、運(yùn)行、維護(hù)等方法不正確，常使電力變壓器引發(fā)許多意想不到的故障，給整個(gè)電力系統(tǒng)甚至國(guó)家?guī)?lái)巨大的經(jīng)濟(jì)損失和不便，如2003年9月在美國(guó)發(fā)生的震驚全球全國(guó)大面積的停電事故。因此，開發(fā)一種能盡快找到故障原因，降低危害程度，減少經(jīng)濟(jì)損失的變壓器故障診斷系統(tǒng)是十分必要的。

　　本文介紹一種智能電力變壓器故障診斷系統(tǒng)，該系統(tǒng)開發(fā)的理論依據(jù)是BP神經(jīng)網(wǎng)絡(luò)理論，對(duì)新的故障具有不斷的學(xué)習(xí)能力。為了提高診斷的精確度，系統(tǒng)采用了多個(gè)子神經(jīng)網(wǎng)絡(luò)模塊同時(shí)進(jìn)行診斷，比較終得到一個(gè)綜合診斷結(jié)果。因此，系統(tǒng)不僅能及時(shí)有效精確地診斷出變壓器的故障類型，且具有良好的人機(jī)界面和功能可擴(kuò)展性。

　　2系統(tǒng)結(jié)構(gòu)簡(jiǎn)介本系統(tǒng)主要有四個(gè)模塊組成：三個(gè)神經(jīng)網(wǎng)絡(luò)診斷子模塊ANN1、ANN2、ANN3和一個(gè)綜合診斷模塊，如系統(tǒng)結(jié)構(gòu)圖。其中ANN1模塊是基于特征氣體法的BP神經(jīng)網(wǎng)絡(luò)模塊；ANN2為基于四比值法的BP神經(jīng)網(wǎng)絡(luò)模塊；ANN3為基于改良三比值法的BP神經(jīng)網(wǎng)絡(luò)模塊。

　　ANN1模塊診斷對(duì)話框ANN1模塊訓(xùn)練對(duì)話框3神經(jīng)網(wǎng)絡(luò)原理BP神經(jīng)網(wǎng)絡(luò)是一種多映射網(wǎng)絡(luò)，采用均方學(xué)習(xí)方式，它把一組樣本的輸入、輸出問題變成一個(gè)非線性優(yōu)化問題，使用了優(yōu)化算法中的梯度下降法，用迭代運(yùn)算求解權(quán)值，增加隱層能使可調(diào)參數(shù)增加，從而可得到更精確的輸出。為一典型的三層BP網(wǎng)絡(luò)模型，包括輸入層、隱層和輸出層。隱層與輸入層、輸出層是充分連接的，同層之間節(jié)點(diǎn)互不相連。BP算法的41基于特征氣體法ANN1模塊理論和實(shí)踐證明，變壓器油中的特征氣體能夠反映變壓器內(nèi)部的運(yùn)行狀況。基于特征氣體法的ANN1模塊是將故障樣本中的六種可燃性氣體（、出、4、2氏、壓、出）分別占它們總和的百分比值作為輸入量、故障類型作為輸出量來(lái)訓(xùn)練ANN1神經(jīng)網(wǎng)絡(luò)，再根據(jù)訓(xùn)練完后的神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)新故障進(jìn)行診斷，從而確定出故障類型。此方法可以判斷故障是否涉及固體絕緣，因?yàn)樘卣鳉怏wCO的含量直接關(guān)系到變壓器被破壞的程度。本神經(jīng)網(wǎng)絡(luò)有6個(gè)輸入節(jié)點(diǎn)，4個(gè)隱層節(jié)點(diǎn)，9個(gè)輸出節(jié)點(diǎn)（分別表示正常狀態(tài)和8種故障類型），隱層、輸出層神經(jīng)元節(jié)點(diǎn)激活函數(shù)取的是Sigmoid函數(shù)形式，見（1）式，（X）=+exP（-x）⑴會(huì)更準(zhǔn)確。這說(shuō)明網(wǎng)絡(luò)在訓(xùn)練迭代計(jì)算過(guò)程中沒有發(fā)生常見的目標(biāo)函數(shù)陷入局部比較小的情況，網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)和各參數(shù)的選取都較為合理。

　　由于網(wǎng)絡(luò)有一定的自學(xué)習(xí)功能，經(jīng)過(guò)對(duì)一些新故障類型樣本進(jìn)行訓(xùn)練后，它所能診斷的故障類型數(shù)目會(huì)不斷地增加，輸出節(jié)點(diǎn)數(shù)也會(huì)隨之增加，同樣，整個(gè)系統(tǒng)的故障診斷能力也因此得到提高。

　　42基于四比值法ANN2模塊C2H2/C2H4）的大小范圍來(lái)判定故障類型的方法。它的比較大特點(diǎn)就是對(duì)故障分類較詳細(xì)。有了這一優(yōu)勢(shì)再加上神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)功能，通過(guò)對(duì)新故障樣本的訓(xùn)練和學(xué)習(xí)，本模塊可診斷的故障類型數(shù)目會(huì)得到更大地增加。據(jù)以上分析，基于四比值法神經(jīng)網(wǎng)絡(luò)模塊（ANN2）輸入節(jié)點(diǎn)數(shù)取為4，隱層節(jié)點(diǎn)數(shù)取為10，輸出節(jié)點(diǎn)數(shù)比較初選為11（代表11種故障類型），學(xué)習(xí)率取0.3，沖量系數(shù)取為0……隱層、輸出層神經(jīng)元節(jié)點(diǎn)激活函數(shù)形式仍該模塊通過(guò)對(duì)新故障樣本的訓(xùn)練后，目前輸出節(jié)點(diǎn)數(shù)已增加為21個(gè)，即可診斷的故障類型已達(dá)21種。

　　4.基于改良三比值法ANN2模塊為體現(xiàn)變壓器故障診斷中的不確定因素，我們用模糊數(shù)學(xué)理論對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，即通過(guò)分別建立關(guān)于和三個(gè)比值的隸屬函數(shù)，來(lái)求取神經(jīng)網(wǎng)絡(luò)的實(shí)際輸入量。

　　考慮到檢測(cè)有噪聲，測(cè)量有誤差且存在受外界環(huán)境因素的干擾等，該模塊選取的隸屬函數(shù)具有以下特點(diǎn)：對(duì)于影響較小的數(shù)據(jù)考慮較少，而對(duì)影響較大數(shù)據(jù)重點(diǎn)考慮。本模糊神經(jīng)網(wǎng)絡(luò)的有3個(gè)輸入節(jié)點(diǎn)（即輸入量為~I3）12個(gè)隱層節(jié)點(diǎn)，8個(gè)輸出節(jié)點(diǎn)；網(wǎng)絡(luò)的學(xué)習(xí)函數(shù)如式（1）學(xué)習(xí)率n取為0.5沖量系數(shù)a取為0.25診斷實(shí)例分析1996年4月份以前，變壓器油色譜分析各組分含量均正常，5月27日定期色譜分析時(shí)發(fā)現(xiàn)，乙炔突然出現(xiàn)且數(shù)值很大，其它組分也全面上升，5月28日取油樣進(jìn)行分析，各氣體含量還在上升。具體數(shù)值見表1表1定期色譜分析結(jié)果（單位：L/L）曰期總烴用本系統(tǒng)對(duì)27日和28日的各氣體含量進(jìn)行診斷：ANN1模塊診斷出該故障中存在纖維過(guò)熱；ANN2模塊診斷為電弧放電??貫穿性放電，ANN1模塊的診斷結(jié)果為過(guò)熱兼電弧放電，經(jīng)綜合診斷模塊處理得比較終診斷結(jié)果為變壓器電弧貫穿性高能放電并導(dǎo)致纖維過(guò)熱分解。

　　經(jīng)器身檢查發(fā)現(xiàn)，該變壓器的B相均壓球在導(dǎo)管的螺扣上已松動(dòng)，僅剩不足一扣，且均壓球內(nèi)有大量的碳黑，并可看出導(dǎo)管與均壓球間有明顯的放電痕跡，與上述診斷結(jié)果一致。

　　系統(tǒng)診斷結(jié)果為：IMFICG法模塊診斷為高溫過(guò)熱；ANN1模塊診斷為油過(guò)熱；ANN2模塊診斷為接頭過(guò)負(fù)荷，ANN3模塊診斷為高溫過(guò)熱，綜合診斷結(jié)論為裸金屬或絕緣油高溫過(guò)熱。

　　吊心檢查的結(jié)果為分接頭開關(guān)嚴(yán)重?zé)龎模瑢儆诼憬饘俑邷剡^(guò)熱。此結(jié)果與上述診斷結(jié)論基本一致，但ANN1模塊的診斷結(jié)果不夠準(zhǔn)確，將該組故障數(shù)據(jù)加入到ANN1模塊中的樣本數(shù)據(jù)庫(kù)進(jìn)行重新訓(xùn)練。

　　通過(guò)以上分析，可見將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于變壓器故障診斷，確實(shí)能提高系統(tǒng)的診斷正確性，是較為理想的變壓器故障診斷方法。

　　4結(jié)論本文介紹的三個(gè)ANN模塊結(jié)構(gòu)設(shè)計(jì)合理，故障識(shí)別率較高（各神經(jīng)網(wǎng)絡(luò)的平方型誤差都可小于0.00005）是變壓器故障智能診斷系統(tǒng)中重要組成部分；在實(shí)際應(yīng)用中，隨著神經(jīng)網(wǎng)絡(luò)訓(xùn)練的故障樣本的積累，變壓器故障智能診斷系統(tǒng)可以越來(lái)越細(xì)致、準(zhǔn)確地診斷出故障。

　　該系統(tǒng)具有較強(qiáng)的工程實(shí)用性，值得推廣。