變壓器局放監(jiān)測(cè)與改進(jìn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型研究*

高立慧， 張長(zhǎng)勝， 趙振剛， 胡 威， 陳武奮， 李 川

(1.昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院,云南 昆明 650500；2.珠江水利委員會(huì)珠江水利科學(xué)研究院,廣東 廣州 510000)

變壓器局放監(jiān)測(cè)與改進(jìn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型研究*

高立慧1， 張長(zhǎng)勝1， 趙振剛1， 胡 威1， 陳武奮2， 李 川1

(1.昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院,云南 昆明 650500；2.珠江水利委員會(huì)珠江水利科學(xué)研究院,廣東 廣州 510000)

采用傳感系統(tǒng)監(jiān)測(cè)變壓器局部放電的變化情況，選取高頻電流信號(hào)和超聲波信號(hào)作為變壓器局部放電的監(jiān)測(cè)參量，利用改進(jìn)逆?zhèn)鞑?BP)神經(jīng)網(wǎng)絡(luò)算法對(duì)變壓器局部放電量進(jìn)行建模分析。以D9—QY—40000/220型電力變壓器(220 kV變壓器)為例進(jìn)行實(shí)例研究，結(jié)果表明：基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的局放預(yù)測(cè)模型訓(xùn)練集誤差系數(shù)為0.011 8，測(cè)試集誤差系數(shù)為0.023 2。此模型的局放預(yù)測(cè)值與實(shí)際值的曲線趨勢(shì)基本一致，有效地對(duì)變壓器局部放電量進(jìn)行預(yù)測(cè)，為變壓器故障診斷奠定了基礎(chǔ)。

傳感監(jiān)測(cè)系統(tǒng)； 改進(jìn)逆?zhèn)鞑?BP)神經(jīng)網(wǎng)絡(luò)； 局部放電； 變壓器

0 引 言

電力變壓器是電力系統(tǒng)重要的輸變電設(shè)備,其絕緣狀況的好壞直接影響著電力系統(tǒng)安全運(yùn)行[1～3]。局部放電已逐漸成為引起絕緣事故的主要原因之一，嚴(yán)重影響變壓器的正常運(yùn)行,所以需要對(duì)變壓器額局部放電進(jìn)行檢測(cè)[4～6]。2010年,孔令明等人將模糊理論應(yīng)用到人工神經(jīng)網(wǎng)絡(luò)中提出了模糊神經(jīng)網(wǎng)絡(luò)，并建立了應(yīng)用在電氣設(shè)備絕緣故障診斷中的模型，結(jié)合了模糊理論和人工神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，提高了故障診斷正確率[7]。2013年,華南理工大學(xué)周玲等人利用音頻信號(hào)處理技術(shù)與模式識(shí)別分類算法，可對(duì)采集到的局部放電超聲波信號(hào)進(jìn)行識(shí)別分類，從而對(duì)存在絕故障的設(shè)備進(jìn)行判斷與檢修[8]。

本文以220 kV(型號(hào)為D9—QY—40000/220型電力變壓器)變壓器為研究對(duì)象，選取了電力變壓器局部放電在線監(jiān)測(cè)系統(tǒng)所測(cè)得的高頻電流信號(hào)和超聲波信號(hào)的數(shù)據(jù)作為樣本數(shù)據(jù)，利用改進(jìn)逆?zhèn)鞑?back propagation，BP)神經(jīng)網(wǎng)絡(luò)模型對(duì)電力變壓器局部放電量進(jìn)行分析與預(yù)測(cè)，并評(píng)價(jià)預(yù)測(cè)模型的性能。

1 變壓器局放監(jiān)測(cè)系統(tǒng)研究

變壓器在發(fā)生局部放電過(guò)程中會(huì)產(chǎn)生電荷的遷移，并且會(huì)伴隨著爆裂狀的聲發(fā)射，產(chǎn)生超聲波信號(hào)，進(jìn)而引起變壓器局部過(guò)熱。因此，可以通過(guò)對(duì)這些不同物理和化學(xué)現(xiàn)象采用高頻脈沖電流檢測(cè)和超聲波檢測(cè)技術(shù)對(duì)變壓器局放進(jìn)行檢測(cè)。遷移的電荷可在外圍測(cè)量回路中產(chǎn)生脈沖電流，根據(jù)法拉第電磁感應(yīng)定律，變化的電場(chǎng)會(huì)產(chǎn)生變化的磁場(chǎng)，高頻脈沖電流傳感器從而獲取局部放電信號(hào)；超聲波傳感器根據(jù)壓電效應(yīng)，將局放的超聲信號(hào)轉(zhuǎn)換成對(duì)應(yīng)的電信號(hào)，數(shù)據(jù)采集裝置將高頻脈沖電流傳感器和超聲波傳感器采集發(fā)到的電信號(hào)轉(zhuǎn)換成標(biāo)準(zhǔn)的電壓信號(hào)并將信號(hào)傳送給上位機(jī)進(jìn)行顯示存儲(chǔ)。電力變壓器傳感局部放電在線監(jiān)測(cè)系統(tǒng)如圖1所示。

圖1 傳感監(jiān)測(cè)系統(tǒng)

根據(jù)220 kV電力變壓器局部放電的監(jiān)測(cè)需求，將超聲波傳感器與高頻脈沖電流傳感器安裝在變壓器器身處進(jìn)行局部放電的實(shí)時(shí)監(jiān)控。實(shí)驗(yàn)在變壓器工作在額定功率下對(duì)變壓器進(jìn)行局放監(jiān)測(cè)，根據(jù)電力變壓器的實(shí)際情況，選取了變壓器2015.3.10～2015.6.11所采集到的94個(gè)高頻脈沖電流傳感器和超聲波傳感器的數(shù)據(jù)，監(jiān)測(cè)數(shù)據(jù)變化曲線如圖2所示。

圖2 變壓器高頻脈沖電流傳感器與超聲波傳感器監(jiān)測(cè)數(shù)據(jù)曲線圖

2 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的局放預(yù)測(cè)模型

通過(guò)高頻電流傳感器和超聲波傳感器可以監(jiān)測(cè)到開關(guān)柜是否存在局部放電，但是無(wú)法監(jiān)測(cè)到局部放電的視在放電值；基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的變壓器局部放電預(yù)測(cè)模型可以通過(guò)所監(jiān)測(cè)的參量(高頻脈沖電流、超聲波信號(hào))訓(xùn)練出預(yù)測(cè)模型來(lái)預(yù)測(cè)變壓器局部放電量。

BP網(wǎng)絡(luò)是一類多層的前饋神經(jīng)網(wǎng)絡(luò)，如圖3所示是典型的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖，包含一個(gè)輸出層、一個(gè)中間層、一個(gè)輸入層，每一層神經(jīng)元的輸出，都是下一層神經(jīng)元的輸入，與此同時(shí)該方法只影響下一層神經(jīng)元的輸入，輸入信號(hào)從輸入層神經(jīng)元傳到中間層神經(jīng)元，最后再傳到輸出層神經(jīng)元。

圖3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

局部放電預(yù)測(cè)模型的基本思想是以所測(cè)得各個(gè)局放值所對(duì)應(yīng)的超聲波傳感器的原始數(shù)為基礎(chǔ)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理作為輸入樣本訓(xùn)練集的數(shù)據(jù)，通過(guò)訓(xùn)練數(shù)據(jù)創(chuàng)建合適的BP神經(jīng)網(wǎng)絡(luò)算法模型參數(shù)，構(gòu)造預(yù)測(cè)模型，對(duì)模型進(jìn)行性能評(píng)價(jià)，選取最佳模型，再輸入測(cè)試數(shù)據(jù)來(lái)預(yù)測(cè)開關(guān)柜局部放電量。模型采用誤差系數(shù)E作為評(píng)價(jià)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型性能的參數(shù)，多層前向型神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，其誤差函數(shù)如式(1)所示

(1)

在式(1)中，并沒(méi)有將每個(gè)樣本中輸出變量y的數(shù)值大小考慮進(jìn)去，因此，在網(wǎng)絡(luò)終止訓(xùn)練時(shí)，其優(yōu)化的最終誤差往往是每個(gè)樣本進(jìn)行擬合的絕對(duì)誤差較小，但是在實(shí)際的應(yīng)用當(dāng)中，如變壓器局部放電的檢測(cè)過(guò)程當(dāng)中，局部放電信號(hào)范圍非常大，如果將式(1)作為誤差函數(shù)，會(huì)出現(xiàn)每個(gè)樣本擬合的絕對(duì)誤差較小，但是相對(duì)于實(shí)際值非常小的樣本而言，其相對(duì)誤差就變得非常大的情況，這樣將會(huì)導(dǎo)致擬合的結(jié)果不均勻，即被測(cè)量變量較大的樣本擬合程度非常好，但是被測(cè)量變量較小的樣本擬合的程度卻非常差，因此，在本文中把傳統(tǒng)的誤差函數(shù)改進(jìn)為如式(2)所示

(2)

這樣，通過(guò)對(duì)誤差函數(shù)的改進(jìn)，在神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)束后，每個(gè)樣本的擬合誤差都相對(duì)較小，因此，能夠使每個(gè)樣本都能得到較好的擬合。局放預(yù)測(cè)模型算法流程參見圖4。

圖4 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型算法流程圖

3 變壓器局部放電預(yù)測(cè)模型數(shù)據(jù)分析與性能評(píng)價(jià)

通過(guò)電火花發(fā)生器連續(xù)打火模擬連續(xù)放電脈沖信號(hào)的實(shí)驗(yàn)，測(cè)得150個(gè)放電量所對(duì)應(yīng)的高頻脈沖電流傳感器和超聲波傳感器的樣本數(shù)據(jù)，特征項(xiàng)為高頻脈沖電流值和超聲波信號(hào)值。選擇前100個(gè)樣本數(shù)據(jù)作為訓(xùn)練集，用于模型訓(xùn)練與參數(shù)選擇，剩余的50個(gè)樣本數(shù)據(jù)作為測(cè)試集，用于預(yù)測(cè)結(jié)果的對(duì)比分析。

基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的局部放電預(yù)測(cè)模型訓(xùn)練完成后，訓(xùn)練集仿真結(jié)果參見圖5。

圖5 訓(xùn)練集預(yù)測(cè)結(jié)果圖

運(yùn)用式(2)中給出的誤差系數(shù)的計(jì)算方法，得到改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練集測(cè)試的誤差系數(shù)為0.0118，放電量跟超聲波傳感器及高頻脈沖電流傳感器具有很強(qiáng)的相關(guān)性。

為了對(duì)改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的性能進(jìn)行評(píng)價(jià)，對(duì)測(cè)試集的50個(gè)樣本數(shù)據(jù)進(jìn)行測(cè)試，測(cè)試集仿真結(jié)果參見圖6。

圖6 測(cè)試集預(yù)測(cè)結(jié)果對(duì)比圖

運(yùn)用式(2)中給出的決定系數(shù)的計(jì)算方法得出基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)局放測(cè)試集誤差系數(shù)為0.023 2。由圖6可以看出，基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的局放預(yù)測(cè)值與實(shí)際值的曲線趨勢(shì)基本一致。

根據(jù)實(shí)測(cè)數(shù)據(jù)，將采集到的94個(gè)原始數(shù)據(jù)作為輸入量，利用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型對(duì)變壓器局部放電量進(jìn)行仿真預(yù)測(cè)，仿真預(yù)測(cè)值如圖7所示。

圖7 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型變壓器局部放電預(yù)測(cè)值

4 結(jié) 論

本文利用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型為實(shí)現(xiàn)途徑，構(gòu)建了基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)變壓器局部放電預(yù)測(cè)模型。結(jié)果表明：基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的局放預(yù)測(cè)模型訓(xùn)練集誤差系數(shù)為0.011 8，測(cè)試集誤差系數(shù)為0.023 2，此模型的局放預(yù)測(cè)值與實(shí)際值的曲線趨勢(shì)基本一致，有效地對(duì)變壓器局部放電量進(jìn)行預(yù)測(cè)，為變壓器故障檢修提供了必要的依據(jù)。

[1] 陳武奮，劉愛蓮，李英娜，等.無(wú)線超聲傳感網(wǎng)在開關(guān)柜局部放電中的在線監(jiān)測(cè)研究[J].傳感器與微系統(tǒng)，2015，34(3):249-252.

[2] Hao L,Lewin R L.Partial discharge source discrimination using a support vector machine[J].IEEE Transactions on Dielectrics and Electrical Insulation,2010,17(1):189-197.

[3] 王國(guó)利，單 平，袁 鵬，等.變壓器局部放電超高頻電磁波的傳播特性[J].高電壓技術(shù)，2002，28(12):26-28.

[4] 程述一,律方成,謝 慶,等.基于暫態(tài)對(duì)地電壓和超聲陣列信號(hào)的變壓器局放定位方法[J].電工技術(shù)學(xué)報(bào),2012(4):255-262.

[5] 龔細(xì)秀.變壓器局部放電高頻和特高頻聯(lián)合監(jiān)測(cè)法的研究[D].北京：清華大學(xué)，2005.

[6] Werle P,Akbari A，Borsi H，et al.Enhanced online PD evaluation on power transformers using wavelet techniques and frequency rejection filter for noise suppression[C]∥2002 IEEE International Symposium on Electrical Insulation，2002:195-198.

[7] 孔令明，肖云東，劉 娟，等.開關(guān)柜局部放電帶電檢測(cè)定位技術(shù)的應(yīng)用與研究[J].山東電力技術(shù)，2010(6):5-8.

[8] 周 玲.基于超聲波信號(hào)的局部放電故障識(shí)別算法研究[D].廣州：華南理工大學(xué)，2013：5.

Research on transformer partial discharge monitoring and improved BP neural network forecasting model*

GAO Li-hui1, ZHANG Chang-sheng1, ZHAO Zhen-gang1, HU Wei1, CHEN Wu-fen2, LI Chuan1

(1.Faculty of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650500,China; 2.Pearl River Water Resources Commission of the Ministry of Water Resources,Guangzhou 510000,China)

Use sensing system to monitor the changing of the transformer partial discharge, ultrasonic and high-frequency current signal are selected as monitoring parameters of partial discharge and utilize improved back-propagation(BP)neural network algorithm to make modeling analysis on partial discharge quantity of transformer.With 220 kV Model D9—QTY—40000/220 power transformer as an example for case study.The results show that the error coefficient of test set based on improved BP neural network is 0.011 8 and the error coefficient of test set is 0.023 2.Prediction value of partial discharge the model is consistent with the actual value,it can effectively predict transformer magnitude of partial discharge and it lay foundation for transformer fault diagnosis.

sensing monitoring system; improved back propagation(BP)neural network； partial discharge; transformer

10.13873/J.1000—9787(2017)03—0040—03

2016—03—25

國(guó)家自然科學(xué)基金資助項(xiàng)目(51567013); 昆明理工大學(xué)人才培養(yǎng)基金資助項(xiàng)目(KKSY201303004); 云南省應(yīng)用基礎(chǔ)研究計(jì)劃資助項(xiàng)目(2013FZ021)

TP 212

A

1000—9787(2017)03—0040—03

高立慧(1989-)，女，碩士研究生，研究方向?yàn)楣饫w傳感技術(shù)，無(wú)線傳感網(wǎng)及其應(yīng)用等。

李 川(1971-),男，通訊作者，博士，教授，博士生導(dǎo)師，從事分布式光纖傳感技術(shù)、測(cè)控技術(shù)等研究工作,E-mail:291420772@qq.com。