基于反向傳播神經(jīng)網(wǎng)絡(luò)的變壓器絕緣故障診斷方法

李 錚 姜思博

（東北電力大學(xué)研究生部，吉林 吉林 132012）

在電力系統(tǒng)中，大型變壓器不僅是關(guān)鍵部件，同時價格也極為昂貴，所以大型電力變壓器的管理維護(hù)就顯得極為關(guān)鍵，其維修工作同樣也是電力系統(tǒng)管理的核心內(nèi)容。變壓器的材料構(gòu)成主要包括：絕緣材料、框架材料、導(dǎo)電以及導(dǎo)磁材料。其中絕緣物主要是有機物，比如絕緣紙、礦物油以及各種有機合成物質(zhì)。這些絕緣物質(zhì)會隨著各種環(huán)境的作用，時間的變化等元素，其絕緣性能呈下降趨勢，并容易誘發(fā)各種電氣故障，造成供電系統(tǒng)失效。而且當(dāng)前的諸多文獻(xiàn)資料也證明，變壓器故障產(chǎn)生的重要原因就是絕緣材料的性能劣化。比如變壓器短路故障引發(fā)的擊穿；因為油溫升高導(dǎo)致絕緣物劣化后產(chǎn)生的絕緣故障等。

電力變壓器故障一旦產(chǎn)生，維修時間往往較長，特別是隨著變壓器容量和等級的上升，其故障產(chǎn)生的負(fù)面影響就會越嚴(yán)重，由此造成的經(jīng)濟損失和社會影響也就越大。雖然隨著材料技術(shù)的發(fā)展，變壓器選擇的構(gòu)建材料性能也得到了不同程度的提升，對于設(shè)備的可靠運行具有一定的幫助，但是在使用時不可避免會出現(xiàn)一些無可預(yù)估的問題，再加上運維方式的問題，電力變壓器依然會出現(xiàn)不同種類的故障。對此只有通過注重對變壓器絕緣狀態(tài)的監(jiān)測，并通過預(yù)防式的監(jiān)測才能夠做到防患于未然，消除潛伏故障，通過提前維修方式消除故障問題的擴大。另外通過先進(jìn)的狀態(tài)監(jiān)測技術(shù)也有助于快速定位發(fā)生故障的部位，從而有助于縮短變壓器的維修時間，這對于促進(jìn)電力系統(tǒng)安全穩(wěn)定顯然具有積極意義。

神經(jīng)網(wǎng)絡(luò)是由大量處理單元廣泛互連而成的網(wǎng)絡(luò)，其信息處理由神經(jīng)元之間的相互作用來實現(xiàn)；網(wǎng)絡(luò)的學(xué)習(xí)和識別決定于各神經(jīng)元連接權(quán)的動態(tài)演化過程。作為一個超大規(guī)模非線性連續(xù)時間自適應(yīng)信息處理系統(tǒng)，它具有高度的非線性，模擬并行性，高度容錯性，魯棒性，自聯(lián)想自學(xué)習(xí)和自適應(yīng)等許多特點。使其成為電氣設(shè)備在線監(jiān)測中最有前途的故障診斷方法之一。

本文研究改進(jìn)的反向傳播神經(jīng)網(wǎng)絡(luò)在變壓器油中溶解氣體故障診斷中的應(yīng)用，并著重就其算法的分析、網(wǎng)絡(luò)的選定、學(xué)習(xí)過程的收斂性以及實例計算等問題展開研究。

1 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)流程及其特點

由于神經(jīng)網(wǎng)絡(luò)是用神經(jīng)元互聯(lián)權(quán)矩陣來存儲長期記憶的，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法的目的就是要調(diào)整神經(jīng)元間的連接權(quán)值，使整個網(wǎng)絡(luò)達(dá)到預(yù)期的功能。在學(xué)習(xí)過程中，將訓(xùn)練樣本數(shù)據(jù)加到網(wǎng)絡(luò)的輸入端，同時將相應(yīng)的期望輸出與網(wǎng)絡(luò)的實際輸出相比較，得到誤差信號，以此控制權(quán)值連接強度的調(diào)整，經(jīng)過多次訓(xùn)練后收斂得到一個確定的權(quán)值W矩陣。根據(jù)BP網(wǎng)絡(luò)理論隱含層可以為一層或多層，但有一個隱含層的BP網(wǎng)絡(luò)已經(jīng)能以任意精度完成任何連續(xù)函數(shù)的映射，故一般只采用一個隱含層。學(xué)習(xí)過程由正向傳播輸出過程和反向傳播調(diào)整過程兩部分組成：在正向傳播過程中，輸入信號從輸入層經(jīng)隱含單元逐層處理，并傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)；如果在輸出層得不到期望的輸出，則輸出信號的誤差將沿著原來的連接通路反向傳播，直至輸入層；通過沿途修改各層神經(jīng)元間的連接權(quán)值和神經(jīng)元閾值，使得誤差逐步達(dá)到最小。調(diào)整權(quán)值和神經(jīng)元閾值的辦法很多，應(yīng)用得最廣泛的BP算法采用了最速下降的負(fù)梯度調(diào)整法。只考慮一個隱含層的BP神經(jīng)網(wǎng)絡(luò)如圖3.2所示，先給LA層單元與LB層單元之間和LB層單元與LC層單元之間的連接權(quán)以及LB層單元的閾值 θi、LC 層單元閾值 γi賦[-ε，+ε]區(qū)間的隨機值(ε≤1)。 對每個模式對(Ak，Tk)（k=1,2,m），圖3.2所示的學(xué)習(xí)流程框圖按下面的過程來學(xué)習(xí)：將輸入模式Ak送到LA層，LA層單元的激活值ah通過連接權(quán)矩陣V送到LB層，產(chǎn)生LB層新的凈輸入netbi，進(jìn)而產(chǎn)生LB層單元的輸出值bi：

BP算法是LMS算法在多層前饋神經(jīng)網(wǎng)絡(luò)中的應(yīng)用，是一個非線性技術(shù)的優(yōu)化問題。由于BP網(wǎng)絡(luò)在理論上的完整性，它在包含電氣設(shè)備絕緣故障診斷的許多領(lǐng)域得到了成功的應(yīng)用，但也存在不少的問題，如：已學(xué)習(xí)好的網(wǎng)絡(luò)的推廣泛化能力，即能否逼近規(guī)律和對于大量未經(jīng)學(xué)習(xí)的樣本也能正確處理；誤差曲面存在不少的局部最小點；學(xué)習(xí)算法收斂很慢；網(wǎng)絡(luò)的隱含層數(shù)目的選取缺少完整的理論指導(dǎo)。因此研究新的迭代收斂算法具有重要的實用價值。

2 自適應(yīng)共軛梯度算法在特征氣體診斷法中的應(yīng)用

共軛梯度算法簡介：

共軛梯度算法（ConjugateGradient）是重要的無約束最優(yōu)化方法。其特點是利用上一次的搜索方向和本次出發(fā)點的負(fù)梯度的線性組合來生成共軛方向，并以此搜索目標(biāo)函數(shù)極值。共軛梯度算法所述如下：

向量采用一般過熱、嚴(yán)重過熱、高能量放電、低能量放電4個輸出神經(jīng)元。高能量放電一般指電弧放電和比較強烈的火花放電；低能量放電一般指局部放電和比較微弱的火花放電。反映過熱性故障的只能有一個輸出大于0，因為它們是互斥的；反映放電性故障的只能有一個輸出大于0；但可在過熱類型和放電類型中可同時有大于0的輸出，因為實際故障中確有放電兼過熱類型的故障。輸出值最大為1.0，數(shù)值越大則表明該類型的故障的可能性和嚴(yán)重程度也越大，如輸出為{0.0，1.0，1.0，0.0}，那么則表示故障是嚴(yán)重過熱與高能量放電。

在選取學(xué)習(xí)樣本時，樣本中各類故障的百分比應(yīng)當(dāng)和實際變壓器故障發(fā)生的比率相當(dāng)，例如變壓器過熱故障較多，那么樣本中可多收集一些過熱故障的樣本；考慮到變壓器型式、容量、廠家、運行環(huán)境等因素的影響，搜集了125組不同制造廠生產(chǎn)的、運行在不同電壓等級下及不同地區(qū)的變壓器色譜分析記錄和相應(yīng)的實際故障結(jié)果，使樣本具有良好的廣泛性；經(jīng)過反復(fù)調(diào)試，選出能反映出各種故障類型的典型樣本18組，其它的樣本數(shù)據(jù)用來做驗證、檢驗。

因此該系統(tǒng)能夠?qū)崿F(xiàn)多故障的診斷，從序列為12、13、15、16、19能夠展現(xiàn)這種情況。另外通過三比值法得出的故障結(jié)論還出現(xiàn)了偏差，比如序號為20就說明了這個偏差，但是采用ACG－BP網(wǎng)絡(luò)則能夠消除這個誤差。

總之ACG－BP網(wǎng)絡(luò)系統(tǒng)能夠的學(xué)習(xí)積累能力較強，并且將其經(jīng)驗存儲在權(quán)值矩陣中，所以能夠快速準(zhǔn)確的進(jìn)行故障診斷。