安徽省安慶市曙光化工股份有限公司 程 俊 韓 雨 章 毅 程世亮

電氣自動化系統(tǒng)是利用電氣技術(shù)和自動化技術(shù)實(shí)現(xiàn)對電力設(shè)備的監(jiān)測、控制和管理的系統(tǒng)。變壓器是電力系統(tǒng)中重要的設(shè)備之一，變壓器管理是指對變壓器的運(yùn)行狀態(tài)、負(fù)載情況、溫度變化、油質(zhì)狀況等進(jìn)行監(jiān)測、分析和控制[1]。電氣自動化系統(tǒng)的優(yōu)化設(shè)計(jì)是指在滿足電力系統(tǒng)安全、可靠、經(jīng)濟(jì)和環(huán)保等要求的基礎(chǔ)上，對電氣自動化系統(tǒng)的結(jié)構(gòu)、參數(shù)、功能和性能進(jìn)行優(yōu)化，以提高電氣自動化系統(tǒng)的運(yùn)行效率和質(zhì)量[2]。

1 研究背景

變壓器是電氣自動化系統(tǒng)中的核心設(shè)備，其能夠?qū)崿F(xiàn)電能的轉(zhuǎn)換、分配和輸送，保證電力系統(tǒng)的穩(wěn)定運(yùn)行和安全供電[3]。變壓器的管理涉及變壓器的設(shè)計(jì)、制造、安裝、運(yùn)行、維護(hù)、檢修、更新等各個(gè)環(huán)節(jié)，對于提高變壓器的性能、延長變壓器的壽命、降低變壓器的故障率、減少變壓器的運(yùn)行成本等方面都具有重要意義。

為了適應(yīng)電力系統(tǒng)發(fā)展的需求，提高變壓器管理的水平，近年來出現(xiàn)了如智能變壓器、無線傳感網(wǎng)絡(luò)、云計(jì)算、大數(shù)據(jù)分析、人工智能等新技術(shù)和新方法[4]。新技術(shù)和新方法能夠?qū)崿F(xiàn)對變壓器的實(shí)時(shí)監(jiān)測、遠(yuǎn)程控制、智能診斷、預(yù)測維護(hù)等功能，提高變壓器管理的效率和效果。然而，這些技術(shù)和方法也存在一些問題和挑戰(zhàn)，如數(shù)據(jù)采集和傳輸?shù)目煽啃院桶踩?、?shù)據(jù)處理和分析的準(zhǔn)確性和有效性、人工智能算法的適應(yīng)性和可解釋性等[5]。因此，研究變壓器管理在電氣自動化系統(tǒng)中的重要性及現(xiàn)狀，分析變壓器管理面臨的問題和挑戰(zhàn)，探索變壓器管理的新技術(shù)和新方法，對于促進(jìn)電力系統(tǒng)的可靠性、安全性和經(jīng)濟(jì)性都具有重要意義[6]。

2 研究基礎(chǔ)和關(guān)鍵技術(shù)

2.1 變壓器管理的相關(guān)理論及方法

變壓器管理在電力系統(tǒng)中至關(guān)重要，包括運(yùn)行監(jiān)測、故障診斷、維護(hù)保養(yǎng)和優(yōu)化控制等。運(yùn)行監(jiān)測實(shí)時(shí)檢測并記錄變壓器參數(shù)，故障診斷評估故障類型和位置，維護(hù)保養(yǎng)根據(jù)情況制定計(jì)劃，優(yōu)化控制調(diào)節(jié)變壓器操作。需研究變壓器數(shù)學(xué)模型、信號處理、數(shù)據(jù)挖掘、人工智能和優(yōu)化算法等技術(shù)。以上研究是確保電力系統(tǒng)安全穩(wěn)定經(jīng)濟(jì)運(yùn)行的基礎(chǔ)和關(guān)鍵技術(shù)[7]。

2.2 電氣自動化系統(tǒng)的建模和分析

本文提出了一種基于深度學(xué)習(xí)的變壓器故障診斷方法。該方法利用深度學(xué)習(xí)的特征提取和分類能力，將變壓器故障診斷問題轉(zhuǎn)化為圖像識別問題，通過訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型來實(shí)現(xiàn)對變壓器故障類型、故障位置和故障程度的準(zhǔn)確識別。為了驗(yàn)證該方法的有效性，本文采用MATLAB/Simulink 作為仿真平臺，生成了不同類型、不同位置和不同程度的變壓器故障數(shù)據(jù)，并將其作為卷積神經(jīng)網(wǎng)絡(luò)模型的輸入。仿真結(jié)果表明，該方法能夠在噪聲干擾下實(shí)現(xiàn)變壓器故障診斷，并且具有較好的準(zhǔn)確性和泛化能力。其中，卷積神經(jīng)網(wǎng)絡(luò)是一種深度神經(jīng)網(wǎng)絡(luò)，其作用是提取圖像中的局部特征和全局特征。卷積神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)表示如下：

式中，y為輸出特征圖；x為輸入特征圖；W為卷積核；b為偏置項(xiàng)；＊為卷積運(yùn)算；f為激活函數(shù)。

本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷方法。首先，將變壓器中的特征氣體值由十進(jìn)制轉(zhuǎn)化為二進(jìn)制，并將其表示為8×8的矩陣，作為變壓器故障樣本的圖像輸入。然后，通過對矩陣進(jìn)行旋轉(zhuǎn)、平移、縮放、裁剪等變換，增加數(shù)據(jù)量和多樣性。接著，根據(jù)IEC 60599標(biāo)準(zhǔn)，給每個(gè)樣本賦予三個(gè)標(biāo)簽，分別表示故障類型、故障位置和故障程度。之后，將數(shù)據(jù)集按照8:1:1的比例劃分為訓(xùn)練集、驗(yàn)證集和測試集。

接下來，構(gòu)建一個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型，包含兩個(gè)卷積層、兩個(gè)池化層、一個(gè)全連接層和一個(gè)輸出層。輸出層采用多標(biāo)簽分類的方式，輸出三個(gè)標(biāo)簽。然后，使用交叉熵?fù)p失函數(shù)和Adam 優(yōu)化器對模型進(jìn)行訓(xùn)練，并調(diào)整學(xué)習(xí)率、批次大小、迭代次數(shù)等超參數(shù)。最后，使用測試集對模型進(jìn)行評估，并計(jì)算準(zhǔn)確率、召回率、F1值等指標(biāo)。

仿真結(jié)果顯示，該方法能夠在噪聲干擾下實(shí)現(xiàn)變壓器故障診斷，并且具有較高的準(zhǔn)確性和泛化能力。與傳統(tǒng)方法相比，該方法可簡單地將數(shù)據(jù)轉(zhuǎn)化為圖像，并利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和識別。因此，該方法為電氣自動化系統(tǒng)中變壓器故障診斷提供了一種新穎有效的解決方案。

仿真結(jié)果表明，該方法能夠在噪聲干擾下實(shí)現(xiàn)變壓器故障診斷，并且具有較好的準(zhǔn)確性和泛化能力。與傳統(tǒng)方法相比，該方法不需要人工經(jīng)驗(yàn)和專家知識，也不需要復(fù)雜的特征提取和選擇過程，只需要簡單地將數(shù)據(jù)轉(zhuǎn)化為圖像，并利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和識別。因此，該方法為電氣自動化系統(tǒng)中變壓器故障診斷提供了一種新穎有效的解決方案。

2.3 優(yōu)化設(shè)計(jì)的原理和算法

優(yōu)化設(shè)計(jì)是在一定約束下，尋找最優(yōu)或近似最優(yōu)的設(shè)計(jì)方案，以實(shí)現(xiàn)某種或多種目標(biāo)的極值。優(yōu)化設(shè)計(jì)的原理是用數(shù)學(xué)模型和算法，分析和求解設(shè)計(jì)變量和目標(biāo)函數(shù)的關(guān)系，以得到最優(yōu)解或可行解。優(yōu)化設(shè)計(jì)的算法有確定性算法和隨機(jī)性算法兩類。確定性算法按規(guī)則和步驟從初始解出發(fā)，逐步改進(jìn)解，直到終止或達(dá)到最優(yōu)。這類算法收斂快、精度高，但易陷入局部最優(yōu)或?qū)Τ跏冀饷舾小?/p>

隨機(jī)性算法用隨機(jī)數(shù)或概率分布，對解空間進(jìn)行隨機(jī)搜索或采樣，以期找到最優(yōu)或接近最優(yōu)。這類算法全局搜索強(qiáng)、魯棒性好，但要計(jì)算的資源多、迭代次數(shù)多。本文針對電氣自動化系統(tǒng)優(yōu)化設(shè)計(jì)的特點(diǎn)和需求，選用了一種改進(jìn)的遺傳算法和模擬退火算法的混合優(yōu)化算法，并進(jìn)行了應(yīng)用。該混合優(yōu)化算法結(jié)合了遺傳算法的多樣性和模擬退火算法的強(qiáng)化能力，能有效跳出局部最優(yōu)，提高優(yōu)化效果。

3 基于變壓器管理的電氣自動化系統(tǒng)優(yōu)化設(shè)計(jì)建模及應(yīng)用

3.1 基于變壓器管理的電氣自動化系統(tǒng)優(yōu)化設(shè)計(jì)模型建立

本節(jié)主要目的是構(gòu)建基于變壓器管理的電氣自動化系統(tǒng)優(yōu)化設(shè)計(jì)模型，以實(shí)現(xiàn)對變壓器的運(yùn)行監(jiān)測、故障診斷、維護(hù)保養(yǎng)和優(yōu)化控制等方面的綜合優(yōu)化。該模型主要由以下幾個(gè)部分組成：一是變壓器的運(yùn)行監(jiān)測模型。該模型是基于變壓器的工作原理和運(yùn)行特性，建立變壓器的數(shù)學(xué)模型，用于描述變壓器的各項(xiàng)運(yùn)行參數(shù)和狀態(tài)，以及變壓器的異常現(xiàn)象。該模型可以采用常微分方程、偏微分方程、狀態(tài)空間方程等形式，也可以采用神經(jīng)網(wǎng)絡(luò)、模糊邏輯等方法進(jìn)行建模。

二是變壓器的故障診斷模型。該模型是基于變壓器的運(yùn)行監(jiān)測數(shù)據(jù)，建立變壓器的故障診斷模型，用于判斷和評估變壓器的故障類型、故障位置和故障程度。該模型可以采用專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、卷積神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行建模。

三是變壓器的維護(hù)保養(yǎng)模型。該模型是基于變壓器的運(yùn)行情況和故障診斷結(jié)果，建立變壓器的維護(hù)保養(yǎng)模型，用于制定合理的維護(hù)計(jì)劃和保養(yǎng)方案，對變壓器進(jìn)行必要的檢修和調(diào)整。該模型可以采用可靠性理論、壽命預(yù)測、成本效益分析等方法進(jìn)行建模。

四是變壓器的優(yōu)化控制模型。該模型是基于電力系統(tǒng)的運(yùn)行需求和變壓器的運(yùn)行特性，建立變壓器的優(yōu)化控制模型，用于實(shí)現(xiàn)對變壓器的合理調(diào)節(jié)和控制，以達(dá)到最優(yōu)或近似最優(yōu)的運(yùn)行狀態(tài)。該模型可以采用最優(yōu)控制理論、自適應(yīng)控制理論、魯棒控制理論等方法進(jìn)行建模。

基于變壓器管理的電氣自動化系統(tǒng)優(yōu)化設(shè)計(jì)模型是一個(gè)多目標(biāo)、多約束、非線性、動態(tài)的復(fù)雜系統(tǒng)，需要采用相應(yīng)的優(yōu)化算法進(jìn)行求解。本文選擇了一種基于遺傳算法和模擬退火算法相結(jié)合的混合優(yōu)化算法，并對其進(jìn)行了改進(jìn)和應(yīng)用。

3.2 基于變壓器管理的電氣自動化系統(tǒng)優(yōu)化設(shè)計(jì)算法實(shí)現(xiàn)

本文提出了一種基于變壓器管理的電氣自動化系統(tǒng)優(yōu)化設(shè)計(jì)算法，該算法是一種結(jié)合了遺傳算法和模擬退火算法的混合優(yōu)化算法。該算法的實(shí)現(xiàn)過程如下：首先，利用正交試驗(yàn)設(shè)計(jì)和拉丁超立方抽樣相結(jié)合的方法，生成均勻覆蓋解空間的初始種群，并設(shè)置模擬退火算法的相關(guān)參數(shù)；其次，利用熵權(quán)法和層次分析法相結(jié)合的方法，確定各目標(biāo)函數(shù)的權(quán)重系數(shù)，并利用懲罰函數(shù)和可行域縮減相結(jié)合的方法，處理約束條件，計(jì)算每個(gè)解的適應(yīng)度值。然后，利用精英保留和多樣性保持相結(jié)合的方法，根據(jù)適應(yīng)度值選擇父代個(gè)體；接著，利用自適應(yīng)調(diào)整概率的方法，根據(jù)種群狀態(tài)動態(tài)調(diào)整交叉概率和變異概率，對父代個(gè)體進(jìn)行交叉和變異操作，生成子代個(gè)體；再者，利用自適應(yīng)調(diào)整溫度的方法，根據(jù)接受更差解的比例動態(tài)調(diào)整降溫系數(shù)，對子代個(gè)體進(jìn)行模擬退火操作，增加搜索多樣性和跳出局部最優(yōu)的能力；最后，將子代個(gè)體與當(dāng)前種群合并，進(jìn)行排序和篩選，保留一定數(shù)量的解作為新的種群，并判斷是否滿足終止條件。如果滿足，則輸出最優(yōu)解和最優(yōu)目標(biāo)函數(shù)值；如果不滿足，則返回第二步繼續(xù)迭代。

3.3 基于變壓器管理的電氣自動化系統(tǒng)優(yōu)化設(shè)計(jì)性能評估

本節(jié)對基于變壓器管理的電氣自動化系統(tǒng)優(yōu)化設(shè)計(jì)的性能進(jìn)行了評估，主要從以下幾個(gè)方面進(jìn)行分析：一是維護(hù)保養(yǎng)效益。利用可靠性理論、壽命預(yù)測和成本效益分析等方法，對變壓器的維護(hù)保養(yǎng)模型進(jìn)行了評估，比較了不同維護(hù)策略下變壓器的運(yùn)行可靠性、壽命期望和維護(hù)成本。評估結(jié)果表明，基于優(yōu)化設(shè)計(jì)模型制定的維護(hù)計(jì)劃和保養(yǎng)方案，能夠有效地提高變壓器的運(yùn)行性能，延長變壓器的使用壽命，并降低維護(hù)費(fèi)用。

二是優(yōu)化控制效果。利用最優(yōu)控制理論、自適應(yīng)控制理論和魯棒控制理論等方法，對變壓器的優(yōu)化控制模型進(jìn)行了評估，分析了不同控制策略下變壓器的運(yùn)行狀態(tài)、輸出質(zhì)量和控制精度。評估結(jié)果表明，基于優(yōu)化設(shè)計(jì)模型實(shí)現(xiàn)的優(yōu)化控制模型，能夠?qū)崿F(xiàn)對變壓器的合理調(diào)節(jié)和控制，并達(dá)到最優(yōu)或近似最優(yōu)的運(yùn)行狀態(tài)。

本節(jié)評估了基于變壓器管理的電氣自動化系統(tǒng)優(yōu)化設(shè)計(jì)的性能，從電磁學(xué)仿真、故障診斷準(zhǔn)確性、維護(hù)保養(yǎng)效益和優(yōu)化控制效果等幾個(gè)方面進(jìn)行了分析。評估結(jié)果表明，該方法能夠有效地提高變壓器的運(yùn)行性能，延長變壓器的使用壽命，并降低維護(hù)費(fèi)用，實(shí)現(xiàn)對變壓器的合理調(diào)節(jié)和控制，并達(dá)到最優(yōu)或近似最優(yōu)的運(yùn)行狀態(tài)，驗(yàn)證了該方法的有效性和優(yōu)越性。

4 總結(jié)

本文針對電氣自動化系統(tǒng)優(yōu)化設(shè)計(jì)問題，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷方法。該方法將變壓器故障診斷問題轉(zhuǎn)化為圖像識別問題，利用卷積神經(jīng)網(wǎng)絡(luò)的特征提取和分類能力，實(shí)現(xiàn)對變壓器故障類型、故障位置和故障程度的準(zhǔn)確識別。本文采用MATLAB/Simulink 作為仿真平臺，生成了不同類型、不同位置和不同程度的變壓器故障數(shù)據(jù)，并將其作為卷積神經(jīng)網(wǎng)絡(luò)模型的輸入。仿真結(jié)果表明，該方法能夠在噪聲干擾下實(shí)現(xiàn)變壓器故障診斷，并且具有較好的準(zhǔn)確性和泛化能力。本文為電氣自動化系統(tǒng)中變壓器故障診斷提供了一種新穎有效的解決方案。