付剛 王偉 張洋 孫鵬

摘? 要：電力變壓器是電力系統(tǒng)中最重要的設(shè)備之一，它的安全穩(wěn)定運(yùn)行關(guān)系到整個電力系統(tǒng)的安全性和穩(wěn)定性。文章首先分析了電力變壓器油中溶解氣體的特征，然后以三比值法作為主要實驗依據(jù)，設(shè)計了BP神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)兩種模型，在此基礎(chǔ)上對變壓器故障診斷進(jìn)行了實驗，最后對比分析實驗結(jié)果。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò);模糊神經(jīng)網(wǎng)絡(luò);油中溶解氣體;故障診斷

中圖分類號：TM41? ? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號：2095-2945（2019）26-0005-04

Abstract： Power transformer is one of the most important equipment in power system， and its safe and stable operation is related to the security and stability of the whole power system. In this paper， the characteristics of dissolved gas in power transformer oil are analyzed， and then two models of BP neural network and fuzzy neural network are designed based on the three-ratio method， on the basis of which the fault diagnosis of transformer is tested. Finally， the experimental results are compared and analyzed.

Keywords： BP neural network; fuzzy neural network; dissolved gas in oil; fault diagnosis

引言

隨著電力變壓器設(shè)備技術(shù)的發(fā)展，其結(jié)構(gòu)復(fù)雜度和部件的關(guān)聯(lián)性也在不斷的提高，電力變壓器的安全、穩(wěn)定運(yùn)行密切關(guān)系著整個電力系統(tǒng)的生產(chǎn)安全，它能否正常運(yùn)作對于電力能源的傳輸有著重要的影響，因此對電力變壓器的研究一直以來是國內(nèi)外學(xué)者和專家研究的熱門課題之一[1-2]。

在目前電力變壓器故障診斷方法中，對油中溶解氣體檢測的研究一直以來都是研究的重點[3]。早在1973年

Halstead就發(fā)現(xiàn)了油中溶解氣體的相對含量與變壓器內(nèi)部故障之間確實存在一定的關(guān)系，并做出了進(jìn)一步研究。國內(nèi)外學(xué)者對變壓器故障診斷的研究方法主要分為傳統(tǒng)方法和人工智能方法。油中溶解氣體檢測方法是最經(jīng)典的傳統(tǒng)方法之一[4]。人工智能方法有粗糙集理論、信息融合、證據(jù)理論和人工神經(jīng)網(wǎng)絡(luò)等，這些方法各有優(yōu)劣。例如貝葉斯網(wǎng)絡(luò)的利用條件限制較多，現(xiàn)場運(yùn)用非常復(fù)雜;人工神經(jīng)網(wǎng)絡(luò)雖然在一定程度上提高了準(zhǔn)確率，但是數(shù)據(jù)量增加后運(yùn)行效率變低;支持向量機(jī)在小樣本的實驗中凸顯了優(yōu)勢，在處理大量數(shù)據(jù)時效率太低。本文對BP神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)兩種模型進(jìn)行了對比實驗，結(jié)果表明在電力變壓器故障診斷中模糊神經(jīng)網(wǎng)絡(luò)優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。

1 神經(jīng)網(wǎng)絡(luò)模型

1.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種按照誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則是運(yùn)用最快下降法，通過正向計算和逆向傳播來不斷調(diào)整網(wǎng)絡(luò)內(nèi)的各個節(jié)點的權(quán)值和閾值，最終使網(wǎng)絡(luò)的誤差平方和最小，從而達(dá)到整個網(wǎng)絡(luò)最優(yōu)的目的。它的特點是在不需要描述映射關(guān)系的前提下，能夠自主學(xué)習(xí)和貯藏大量的輸入-輸出模式之間的映射關(guān)系。

BP神經(jīng)網(wǎng)絡(luò)具有以下優(yōu)點：（1）具有很強(qiáng)的非線性映射能力，從根源上實現(xiàn)了輸入數(shù)據(jù)到輸出結(jié)構(gòu)的映射功能，這一優(yōu)點使得BP神經(jīng)網(wǎng)絡(luò)特別適合運(yùn)用在一些非線性的復(fù)雜問題上;（2）自學(xué)習(xí)和自適應(yīng)能力，不需要復(fù)雜的操作就可以自主的學(xué)習(xí)和調(diào)整整個網(wǎng)絡(luò)的運(yùn)行;（3）泛化能力，即BP神經(jīng)網(wǎng)絡(luò)不僅能保證當(dāng)前分類對象的正確性，還能對未來遇到的情況作出正確的預(yù)判和分析;（4）容錯能力，BP神經(jīng)網(wǎng)絡(luò)比較穩(wěn)定，不會因為某個部分的神經(jīng)元被破壞后而出現(xiàn)非常大的差錯，即對檢測結(jié)果影響不大，具有一定的容錯能力。BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)從左至右分三層。第一層為變壓器初始數(shù)據(jù)輸入層，三個不同的特征信號分別對應(yīng)輸入層的三個神經(jīng)元。第二層為隱含層，采用tansig和logsig傳遞函數(shù)處理數(shù)據(jù)，并通過共軛梯度動量算法反復(fù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。第三層為輸出層，根據(jù)網(wǎng)絡(luò)計算的結(jié)果輸出故障類型。

1.2 模糊神經(jīng)網(wǎng)絡(luò)

模糊神經(jīng)網(wǎng)絡(luò)是基于模糊集理論和人工神經(jīng)網(wǎng)絡(luò)提出的一種神經(jīng)網(wǎng)絡(luò)。模糊神經(jīng)網(wǎng)絡(luò)具有以下兩點優(yōu)勢：（1）普通人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)泛化能力的優(yōu)勢;（2）模糊邏輯推理中的強(qiáng)大結(jié)構(gòu)性知識表達(dá)能力。因此受到了大家的廣泛關(guān)注和研究。簡單而言，模糊神經(jīng)網(wǎng)絡(luò)就是普通神經(jīng)網(wǎng)絡(luò)的產(chǎn)物，利用神經(jīng)網(wǎng)絡(luò)的特性來實現(xiàn)模糊集理論。較BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)而言，模糊神經(jīng)網(wǎng)絡(luò)的層數(shù)更多，結(jié)構(gòu)更復(fù)雜，一般采用五層網(wǎng)絡(luò)結(jié)構(gòu)。模糊神經(jīng)網(wǎng)絡(luò)的五層結(jié)構(gòu)分別是：第一層是網(wǎng)絡(luò)的輸入層，最后一層是網(wǎng)絡(luò)的結(jié)果輸出層，中間三層分別是隸屬度函數(shù)層、模糊規(guī)則層和歸一化層。訓(xùn)練樣本通過輸入層進(jìn)入神經(jīng)網(wǎng)絡(luò)，每個單元模式輸出之間的關(guān)系可以用公式（1）計算：

模糊規(guī)則層是模糊神經(jīng)網(wǎng)絡(luò)中比較特殊的一部分，也是模糊神經(jīng)網(wǎng)絡(luò)的特點所在，主要利用匹配模糊規(guī)則計算出每條規(guī)則的適應(yīng)度，對不確定的信息進(jìn)行分類和計算。

2 基于神經(jīng)網(wǎng)絡(luò)的故障診斷模型和算法

2.1 故障診斷理論

電力變壓器故障診斷，就是根據(jù)電力變壓器故障產(chǎn)生的特征和部位來確定故障類型和故障的嚴(yán)重程度[5]。變壓器故障診斷的方法有很多，比較常用的一些預(yù)防性試驗有絕緣試驗、局部放電試驗、絕緣油電氣試驗、油中氣體分析法等[6]。油中溶解氣體分析法是對油浸式電力變壓器內(nèi)部故障檢測最主要的技術(shù)手段，故油中溶解氣體分析法在《電力設(shè)備預(yù)防性試驗規(guī)程》里被列為重點方法。

油中溶解氣體分析法具有及時發(fā)現(xiàn)早期潛伏在電力變壓器內(nèi)部的故障問題的能力，可以提早消除不少在運(yùn)維中的事故隱患問題。這種方法的特點之一就是能夠在不停電的情況下進(jìn)行，且不受外界的電場和磁場的影響。此種方法技術(shù)成熟，便于實施，數(shù)據(jù)來源可靠，早已在國內(nèi)外的電力變壓器故障診斷中運(yùn)用，積累了很多經(jīng)驗。油中溶解氣體分析法主要依靠分析油中的CH4、C2H6、C2H4、C2H2和H2五種組分的含量并根據(jù)氣體相對含量與設(shè)備老化損壞之間的聯(lián)系對故障進(jìn)行判斷，變壓器老化產(chǎn)生一氧化碳（CO）和二氧化碳（CO2）也是造成故障產(chǎn)生的一些原因，有時也會被當(dāng)做參考量作為輸入數(shù)據(jù)中。由于油中溶解氣體法中把這五種氣體中的兩兩比值作為分析的依據(jù)來進(jìn)行分析，從而得到三個比值的數(shù)值作為分析的結(jié)果，故稱“三比值法”。

故障特征分析即為對信號的分析與處理。故障診斷工程的核心問題是如何從傳感器上的原始信號中分離出有用信息并分析出與故障特征相關(guān)的信息。大部分的機(jī)械在出現(xiàn)故障時都會出現(xiàn)異常聲音或震動，所以聲音和震動數(shù)據(jù)對于機(jī)械設(shè)備故障診斷是十分重要的故障信息。比較常用的提取故障特征的方法有時域分析法、頻域分析法、相位分處理等。以上的方法都是基于線性信號進(jìn)行提取分析的，而對于機(jī)械故障來說，故障信號都是非線性的。因此，我們使用上述方法時很難將多個故障信號之間的關(guān)系完全地解釋清楚。1980年以后，在信號分析處理中采用非線性的人工神經(jīng)網(wǎng)絡(luò)開始流行起來，我國也開始將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于設(shè)備故障研究方面，并取得了實質(zhì)性的進(jìn)步與成果[7-9]。

2.2 變壓器故障診斷

本文對BP神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)的建立步驟如圖1所示。

本文運(yùn)用三比值法的編碼規(guī)則以及對故障診斷結(jié)果的分類進(jìn)行了改進(jìn)并制定了表1、表2所示的編碼表格，這種方法摒棄了油浸式變壓器中油的體積不確定的缺點，可以比較準(zhǔn)確的對變壓器的故障進(jìn)行判斷。

經(jīng)由三比值編碼方法對數(shù)據(jù)樣本進(jìn)行處理可得到比值編碼數(shù)據(jù)，部分比值編碼數(shù)據(jù)如表3所示。

3 實驗仿真與分析

本實驗在Matlab環(huán)境下建立BP神經(jīng)網(wǎng)絡(luò)模型和模糊神經(jīng)網(wǎng)絡(luò)模型，用實際數(shù)據(jù)進(jìn)行模型訓(xùn)練，從90組4維數(shù)據(jù)中抽取70組數(shù)據(jù)對兩個神經(jīng)網(wǎng)絡(luò)同時進(jìn)行訓(xùn)練（前3列都是三比值法的比值代碼數(shù)據(jù)，第4列為分類輸出，即為故障分類），然后將最后20組數(shù)據(jù)樣本作為驗證樣本。實驗的測試集實驗結(jié)果如圖2和圖3所示。

神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖中都顯示了各神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和定義的各項參數(shù)。所有的訓(xùn)練集和測試集對比圖都為一個坐標(biāo)圖，其中橫坐標(biāo)為訓(xùn)練樣本和測試樣本的序號，縱坐標(biāo)分別表示無故障（0）、低溫過熱（1）、中溫過熱（2）、高溫過熱（3）、局部放電（4）等，按照表3的故障順序依次類推。

為了更好地對比兩個神經(jīng)網(wǎng)絡(luò)，我們做了一個關(guān)于兩個神經(jīng)網(wǎng)絡(luò)的縱向和橫向?qū)Ρ?，即將?xùn)練集數(shù)據(jù)樣本組數(shù)從10組開始，每組以10為等差值不斷向上增加訓(xùn)練組數(shù)，并對比它們兩個在不同訓(xùn)練分組下的訓(xùn)練集正確率和測試集正確率。經(jīng)過實驗，得到了如圖4和圖5所示的對比圖，X方向代表訓(xùn)練集數(shù)，Y方向代表訓(xùn)練的準(zhǔn)確率。

在第一個實驗中，由BP神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集和測試集對比圖看出，在訓(xùn)練集數(shù)據(jù)樣本達(dá)到70組時，模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練集沒有出錯，且測試集中正確率為95%（20組訓(xùn)練數(shù)據(jù)樣本中只出現(xiàn)了一個故障分析錯誤），在訓(xùn)練集同樣沒有出錯的情況下，BP神經(jīng)網(wǎng)絡(luò)測試集的正確率只有90%（出現(xiàn)了兩個故障分析錯誤），在此情況下模糊神經(jīng)網(wǎng)絡(luò)對于電力變壓器的故障診斷能力優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。在第二個實驗中，由對比圖可以看出，在訓(xùn)練組數(shù)不斷遞增的情況下，模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和收斂能力都優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。

4 結(jié)論

通過理論分析和實驗結(jié)果表明，如果擁有更多的氣體比值數(shù)據(jù)，能將訓(xùn)練集不斷地增加去訓(xùn)練兩種神經(jīng)網(wǎng)絡(luò)，模糊神經(jīng)網(wǎng)絡(luò)對于電力變壓器故障診斷的預(yù)測能力，判斷故障的準(zhǔn)確率以及收斂能力都是優(yōu)于BP神經(jīng)網(wǎng)絡(luò)的，為今后研究變壓器提供了思路。電力變壓器是一個非常復(fù)雜的設(shè)備，對于故障的研究今后還需運(yùn)用深度學(xué)習(xí)的知識進(jìn)行研究，從而大大提高診斷的準(zhǔn)確性。

參考文獻(xiàn)：

[1]李剛，張博，趙文清，等.電力設(shè)備狀態(tài)評估中的數(shù)據(jù)科學(xué)問題：挑戰(zhàn)與展望[J].電力系統(tǒng)自動化，2018，42（21）：10-20.

[2]李剛，于長海，劉云鵬，等.電力變壓器故障預(yù)測與健康管理：挑戰(zhàn)與展望[J].電力系統(tǒng)自動化，2017，41（23）：156-167.

[3]劉冰堯，雷菊陽，耿英博.油浸式變壓器故障診斷的研究[J].化工自動化及儀表，2018，45（01）：69-72.

[4]楊振勇，葉林.變壓器油中溶解氣體色譜分析誤差來源及排除[J].湖北電力，2014，38（06）：22-24.

[5]趙文清，祝玲玉，高樹國，等.基于多源信息融合的電力變壓器故障診斷方法研究[J].電力信息與通信技術(shù)，2018，16（10）：25-30.

[6]李剛，于長海，范輝，等.基于多級決策融合模型的電力變壓器故障深度診斷方法[J].電力自動化設(shè)備，2017，37（11）：138-144.

[7]陳龍龍，王波，袁玲.一種電力變壓器神經(jīng)網(wǎng)絡(luò)故障診斷方法[J].南京信息工程大學(xué)學(xué)報（自然科學(xué)版），2018，10（02）：199-202.

[8]譚子兵，黃秀超，鐘建偉.基于BP人工神經(jīng)網(wǎng)絡(luò)的電力變壓器故障診斷研究[J].湖北民族學(xué)院學(xué)報（自然科學(xué)版），2018，36（01）：89-92.

[9]張奎，王建南，王肖峰.基于神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[J].電子測量技術(shù)，2017，40（12）：98-101.