基于神经网络的变压器故障诊断.docx

基于神经网络的变压器故障诊断.docx

《基于神经网络的变压器故障诊断.docx》由会员分享，可在线阅读，更多相关《基于神经网络的变压器故障诊断.docx（25页珍藏版）》请在冰豆网上搜索。

基于神经网络的变压器故障诊断

学号：

常州大学

毕业设计（论文）

（2012届）

题目基于神经网络的变压器故障诊断

学生

学院专业班级

校内指导教师专业技术职务

校外指导老师专业技术职务

二○一二年六月

摘要

现代设备技术水平不断提高，生产率、自动化要求越来越高，相应地，故障也随之增加。

变压器作为电力系统中非常复杂而且非常重要的设备，其工作状态对电力系统、企事业单位生产及居民生活具有十分重要的影响。

如何提前对变压器故障进行预测和在故障发生后迅速判断故障原因是提高工作效率、减少经济损失的一个重要途径。

因此研究变压器故障诊断对保证系统安全、可靠、经济运行，提高经济效益具有重要意义。

概率神经网络（probabilisticneuralnetworks）结构简单、训练简洁，利用概率神经网络模型的强大的非线性分类能力，将故障样本空间映射到故障模式空间中，可形成一个具有较强容错能力和结构自适应能力的诊断网络系统，从而提高故障诊断的准确率。

本文在对油中溶解气体分析法进行深入分析后，以改良三比值法为基础，建立基于概率神经网络的故障诊断模型。

然后，选取23组变压器故障原始样本数据对概率神经网络模型进行“学习”训练，获得了具有预测诊断功能的网络模型；选取10组变压器在线监测数据作为测试数据，并查看了训练数据网络的分类效果图和预测数据网络的分类效果图，结果只有两个样本判断错误，即只有两种变压器的故障类型判断错误，验证了基于概率神经网络在变压器故障预测诊断处理中的有效性。

关键词故障诊断概率神经网络变压器油中溶解气体分析

THESTUDYOFPOWERTRANSFORMERFAULTDIAGNOSISBASEDONARTIFICIALNEURALNETWORK

Abstract

Withthetechnicallevelofmodernfacilityimprovescontinually,thefaultprobabilityincreasesgreatly.Powertransformerhasaverysignificantinfluencetopowersystem,enterprisesproductionandpeopleslife.Howtoforecasttransformersfaultaheadandfindthefaultreasonquicklyafterthefaultisagoodwaytoincreaseworkefficiencyandlightentheeconomylosing.

Probabilisticneuralnetworkhastheadvantagesofsimplestructure,simpletraining,theuseofaprobabilisticneuralnetworkmodelforstrongnonlinearclassification,faultsamplespaceismappedtoafaultinthepatternspace,canformastrongfaulttolerantabilityandstructureofadaptivediagnosissystem,soastoimprovetheaccuracyoffaultdiagnosis.Basedonthedissolvedgasinoilanalysisin-depthanalysis,inordertoimprovetheratioofthreeasthebasis,establishthefaultdiagnosisbasedonprobabilisticneuralnetworkmodel.Then,select23groupoftransformerfaultoriginalsampledataontheprobabilisticneuralnetworkmodelof"learning"training,obtainthepredictivediagnosisoffunctionalnetworkmodel;select10groupoftransformeron-linemonitoringdataastestdata,andshowthetrainingdatanetworkclassificationeffectdiagramandthepredicteddatanetworkclassificationeffectchart,onlytheresultsofasampleoftwoerrorsofjudgment,thatonlytwotransformerfaulttypejudgementerror,verificationbasedonprobabilisticneuralnetworkintransformerfaultforecastanddiagnosistreatmenteffectiveness.

Keywordsfaultdiagnosis,probabilityneuralnetworks（PNN）,powertransformer,DissolvedOasAnalysis（DGA）

目录

摘要1

目录3

1绪论4

1.1国内外发展状况4

1.2研究目的和意义4

1.3论文工作介绍5

2变压器故障诊断6

2.1诊断工程概述6

2.2故障诊断运作机理研究6

2.3变压器故障诊断系统相关背景7

2.4变压器故障诊断方法8

3神经网络12

3.1神经网络概述12

3.2神经网络的应用12

3.3神经网络的发展方向13

3.4神经网络的结构14

3.5概率神经网络概述16

3.6概率神经网络与BP网络的比较选择17

4基于概率神经网络的变压器故障诊断研究19

4.1仿真环境简介19

4.2故障诊断模型建立20

4.3基于概率神经网络的变压器故障诊断实现21

4.4仿真结果及讨论22

5总结25

参考文献26

致谢27

1绪论

故障诊断（FD，FaultDiagnosis）始于机械设备故障诊断。

现代设备技术水平和复杂度不断提高，设备故障对生产的影响也显著增加，因此要保证设备可靠、有效地运行，充分发挥其效益，必须发展故障诊断技术。

故障诊断技术借助于现代测试、监控和计算机分析等手段研究设备在运行中或相对静止条件下的状态信息，分析设备的技术状态，诊断其故障的性质和起因，并预测故障趋势，进而确定必要的对策。

利用故障诊断技术可以早发现故障征兆和原因，有利于及早排除故障和安全隐患，避免不必要的损失，因而具有很高的经济和社会效益[1]。

1.1国内外发展状况

诊断理论作为状态识别方法的基础，在工程与技术、生物与医学以及经济与社会领域内都得到了广泛的应用。

从诊断技术的各分支技术来看，美国占有领先地位。

美国的许多权威机构，如美国机械工程师协会（ASME），美国宇航局（NASA）等都参与了这一领域的研究，投入了大量的资金，不少具有完善的监测功能，而且具有较强的诊断工程，在宇航、军事、化工等方面具有广泛的应用。

其他的一些国家，诊断技术的发展也各有特色，如英国在摩擦诊断方面，丹麦在振声诊断方面，日本在诊断技术应用方面都具有优势[2]。

我过诊断技术的发展始于70年代末，岁起步较晚，但经过追赶，特别是近几年的努力，已基本跟上了国外在此方面的步伐，在某些理论研究方面已和国外不相上下。

目前，我国在一些特定设备的诊断研究方面很有特色，形成了一批自己的监测诊断产品。

如西安交通大学的“大型旋转机械计算机状态监测与故障诊断系统”，哈尔滨工业大学的“机组振动微机监测和故障诊断系统”等。

纵观我国的设备诊断技术现状，其应用范围集中在化工、电力、冶金等行业，科研则主要集中在高校进行，许多高校都成立了颇具实力的诊断工程中心。

目前，全国性的设备诊断会议仅中国振动工程学会故障诊断学会已举办过多次，各国国际会议也举办过数次。

这对我国诊断技术的发展起到巨大的推动作用。

1.2研究目的和意义

随着市场经济的发展，长期以来形成的定期检修已不能满足供电企业的生产目标（用最低的成本，建设具有足够可靠水平的输送电能的电力网络）。

面对激烈的市场竞争，如何提高供电可靠性、有效控制检修成本、合理延长设备使用寿命等都成为电力企业必须要解决的问题，因此开展状态监测和故障诊断就成为必然。

众所周知，变压器是整个电力系统最关键的设备，它的运行状态直接关系到电力系统的安全运行。

变压器也是最复杂的设备，必须顶起、实时地对变压器的几十种性能参数监测、分析、判断，使其工作在良好的状态。

国内外对变压器故障诊断技术的研究一直十分重视，并已经取得了大量的经验、形成了各种诊断方法。

电力设备故障诊断系统在国内的应用始于80年代末，众多专业院校和科研及后对此进行了大量的理论研究和开发设想，其中多数采用变压器油中气体色谱分析方法。

十余年来，这些系统在声场实践中的试用取得了较好的效果，收到了电力行业用户的肯定；同时诊断理论也逐步完善，针对变压器不同故障类型的诊断发展处多种行之有效的诊断方式。

但这些方法大都依赖于工程技术人员的分析经验，同时电力变压器的运行维护水平、容量、电压水平、绝缘结构及负荷情况等客观因素均会给诊断结果带来影响，甚至对于同一变压器、同一运行条件下会出现采用不同诊断法则，获得不同诊断结果的现象[3]。

由于气体的成分及含量收到多方面因素的影响，所以要建立一个反映气体与故障的数学模型是比较困难的。

近年来星期的人工神经网络理论为接军该问题提供了一个新途径。

在国外，将神经网络技术用于电力系统安全检测已得到了广泛的应用，应用神经网络进行电力系统的静态和动态安全性分析、警报处理和故障诊断取得了很好的效果。

然而，将神经网络技术用于变压器故障诊断在我国还处于起步阶段。

1.3论文工作介绍

不可否认，传统的故障诊断技术具有很多优点，产生了巨大的经济效益，但同时它也仍存在某些局限性，如专家的经验知识难以获得或精确描述；只是数据量大，难以维护管理；推理速度慢、效率低、能力弱；单一诊断方法误差较大；难以处理故障诊断中的不确定问题等。

人工神经网络是新近兴起的由大量简单计算单元广泛相连而组成的具有高度并行处理能力的一个非线性动力学系统，它对于非线性映射具有较强的逼近，且具有自组织及自学习和联想记忆能力，在故障诊断领域中显示了极大的应用潜力。

它为解决传统诊断系统中的知识获取、知识学习等问题提供了一条崭新的途径。

本课题即在此背景下，对变压器故障诊断系统进行了研究。

重点讲神经网络理论运用于其中，避免了直接建立故障征兆和故障类型之间的数学模型，同时与油中溶解气体分析法相结合，取得了良好的诊断效果。

具体内容包括：

（1）选择神经网络算法——概率神经网络，并对其进行改造，使之收敛速度和误差精度进一步提高；

（2）收集故障样本，对故障征兆和故障类型进行分析，确定网络的输入和输出向量；

（3）用油中溶解气体分析法的数据作为输入训练神经网络，调整权值和阀值，建立网络模型，实现对各项网络参数的比较确定，使误差满足要求；

本文第一章主要