基于BP神經(jīng)網(wǎng)絡(luò)的絕緣子污穢度在線診斷研究

摘? 要：針對高壓絕緣子污閃事故頻繁發(fā)生，給電力系統(tǒng)造成巨大損失的狀況，本文提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的絕緣子污穢度在線檢測系統(tǒng)，通過對絕緣子的表面泄漏電流采樣、數(shù)據(jù)處理及樣本訓(xùn)練后，仿真效果表明，該神經(jīng)網(wǎng)絡(luò)系統(tǒng)能達到在線檢測絕緣子污穢度的要求。

關(guān)鍵詞：絕緣子;污穢度;BP神經(jīng)網(wǎng)絡(luò)

中圖分類號：TM216;TP183 ? ? ? 文獻標(biāo)識碼：A 文章編號：2096-4706（2019）21-0038-03

Abstract：In view of the frequent occurrence of pollution flashover accidents of high-voltage insulator，which causes huge losses to the power system. In this paper，an online detection system of insulator contamination based on BP neural network is proposed. After the sampling，data processing and sample training of insulator surface leakage current，the simulation results show that the neural network system can meet the requirements of online detection of insulator contamination.

Keywords：insulator;contamination;BP neural network

0? 引? 言

目前，我國電力系統(tǒng)污閃事故數(shù)量巨大，僅次于雷擊事故數(shù)量，且污閃事故造成的直接損失是雷擊損失的10倍以上[1]。因此，開發(fā)一套高效的絕緣子污穢度在線檢系測統(tǒng)是十分必要的。有了在線檢測系統(tǒng)，能夠準(zhǔn)確劃分污區(qū)，并確定清掃周期[2]。

本文開發(fā)了一種對高壓絕緣子污穢度在線檢測的BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)，首先用電感流傳器對絕緣子的表面泄漏電流采樣，經(jīng)過濾波限幅、消諧及遠程參數(shù)設(shè)定等數(shù)據(jù)處理后，用數(shù)據(jù)對BP神經(jīng)網(wǎng)絡(luò)樣本訓(xùn)練。仿真效果在一定誤差范圍內(nèi)與鹽灰密度法的實驗結(jié)果基本符合，證明該神經(jīng)網(wǎng)絡(luò)系統(tǒng)能達到在線檢測絕緣子污穢度的要求。

1? 表面泄漏電流的采樣及數(shù)據(jù)處理

1.1? 采樣系統(tǒng)

本文對表面泄漏電流采樣的系統(tǒng)如圖1所示[3]。

在圖1中，電感流傳器裝在絕緣子的最后一片上，初始信號經(jīng)電感流傳器輸入檢測儀及程控增益處進行濾波限幅，接著進行諧波治理環(huán)節(jié)，之后將數(shù)額輸入MCU，結(jié)合環(huán)境溫度、濕度等進行遠程參數(shù)設(shè)定。

1.2? 數(shù)據(jù)處理

1.2.1? 濾波限幅、放大

本文對初始泄漏電流進行濾波后，對泄漏電流的峰值、峰值平均值及脈沖數(shù)等數(shù)據(jù)由多路復(fù)用器和程控增益放大器限幅放大。

1.2.2? 諧波治理

因為傳感器處于高電壓與高磁場中，初始的泄漏電流信號中存在諧波成分，只有消除諧波成分，才能得到合理的數(shù)據(jù)，提高系統(tǒng)的運行速度。

本文消除諧波的核心部件是積分濾波器，以消除諧波的主要部分即3次諧波和相應(yīng)的間諧波，積分濾波器輸出K個采樣值，相加形成的積分區(qū)間長度為諧波的周期或整數(shù)倍，諧波積分的結(jié)果就是負半波所圍面積與之相消[4]，從而消去諧波。

1.2.3? 遠程參數(shù)設(shè)定及數(shù)據(jù)打包

初始泄漏電流的峰值、峰值平均值及脈沖數(shù)等數(shù)據(jù)限幅放大之后，與溫度、濕度等環(huán)境參數(shù)打包存儲，由計算機綜合分析，估算絕緣子污穢狀況，最后輸入BP神經(jīng)網(wǎng)絡(luò)進行樣本訓(xùn)練。

2? 檢測絕緣子污穢度的BP神經(jīng)網(wǎng)絡(luò)模型

2.1? BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

如圖2所示，本文設(shè)計的BP神經(jīng)網(wǎng)絡(luò)共有3層：一個輸入層，一個輸出層，一個隱層。本文設(shè)計的BP神經(jīng)網(wǎng)絡(luò)中，輸入層傳遞函數(shù)采用的是S型對數(shù)函數(shù)，一個隱層傳遞函數(shù)采用的是S型正切函數(shù)，輸出層有一個神經(jīng)元，輸出量為絕緣子的污穢等級和仿真鹽灰密度值[5]。

圖2中，輸入層的輸入數(shù)據(jù)分兩類，一類是環(huán)境參數(shù)（溫度、濕度及覆冰厚度等，樣本訓(xùn)練時還有樣本鹽灰密度值），可視當(dāng)?shù)丨h(huán)境略去某個參數(shù);另一類是泄漏電流參數(shù)，主要為泄漏電流的峰值、峰值平均值及二者的標(biāo)準(zhǔn)差、脈沖數(shù)等。

泄漏電流參數(shù)主要滿足以下關(guān)系：

式（1）（2）（3）中， 為泄漏電流的平均值，Im為泄漏電流的峰值，δ為標(biāo)準(zhǔn)差。三個參數(shù)可以全面地反映絕緣子污穢度，文獻[6]指出，以XP-70型絕緣子為例，三者的關(guān)系為：

在本文中，為了將仿真效果與鹽灰密度值法相比較，把環(huán)境參數(shù)和樣本鹽灰密度值歸一化，輸入BP神經(jīng)網(wǎng)絡(luò)，作為訓(xùn)練樣本參量。具體的歸一化公式如下：

2.2? BP神經(jīng)網(wǎng)絡(luò)的算法

2.2.1? BP神經(jīng)網(wǎng)絡(luò)的初始化

隨機給權(quán)值wij和閾值θ一個初值，設(shè)定誤差e=0.01，訓(xùn)練精度ε=0.000291，學(xué)習(xí)次數(shù)為3000，每隔25步顯示一下結(jié)果[7]。

2.2.2? 預(yù)處理輸入值

歸一化環(huán)境參數(shù)和樣本鹽灰密度值，提供訓(xùn)練樣本參量，設(shè)定目標(biāo)輸出值為絕緣子污穢度等級和仿真鹽灰密度值。

2.2.3? 各層輸出值

式（8）為泄漏電流輸出值，式（9）為式（8）中參數(shù)的迭代式：

2.2.4? 計算各層的學(xué)習(xí)誤差

各層的學(xué)習(xí)誤差按下式計算：

2.2.5? 權(quán)值和閾值的學(xué)習(xí)速率

神經(jīng)網(wǎng)絡(luò)權(quán)值的計算式如式（12）：

2.2.6? 樣本訓(xùn)練

計算各層的權(quán)值后，由誤差e和訓(xùn)練精度ε來判斷是否滿足要求，誤差e≤0.01及訓(xùn)練精度ε≤0.000291時，滿足要求，樣本訓(xùn)練結(jié)束;否則，返回前面繼續(xù)樣本訓(xùn)練。

3? 仿真及效果

本文對運城市部分電力線路做了關(guān)于環(huán)境參數(shù)和泄漏電流參數(shù)的數(shù)據(jù)采樣，結(jié)合這些線路2013年度的鹽灰密度值，進行了樣本訓(xùn)練和數(shù)據(jù)仿真，將BP神經(jīng)網(wǎng)絡(luò)的樣本訓(xùn)練和數(shù)據(jù)仿真結(jié)果與電力部門按照鹽灰密度值法劃分的絕緣子污穢度等級做了誤差分析[8]。具體內(nèi)容如下。

3.1? 運城市部分電力線路的鹽灰密度實驗數(shù)據(jù)

表1為運城市鹽湖區(qū)部分電力線路的鹽灰密度實驗數(shù)據(jù)，包含鹽灰密度值及劃分的絕緣子污穢度等級。

3.2? 樣本訓(xùn)練和數(shù)據(jù)仿真結(jié)果

3.2.1? 樣本訓(xùn)練結(jié)果

以表1前5行運城市鹽湖區(qū)部分電力線路鹽灰密度實驗數(shù)據(jù)為訓(xùn)練樣本，表2為本文設(shè)計的BP神經(jīng)網(wǎng)絡(luò)的樣本訓(xùn)練結(jié)果，包含鹽密度值及劃分的絕緣子污穢度等級。

3.2.2? 數(shù)據(jù)仿真結(jié)果

以表1后5行的運城市部分電力線路對應(yīng)桿號為對象，采集了它們的泄漏電流數(shù)據(jù)及環(huán)境數(shù)據(jù)后，用本文設(shè)計的BP神經(jīng)網(wǎng)絡(luò)對這些數(shù)據(jù)進行了仿真，表3為本文BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)仿真結(jié)果，包含鹽密度值及劃分的絕緣子污穢度等級。

由表2的神經(jīng)網(wǎng)絡(luò)樣本訓(xùn)練結(jié)果及表3的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)仿真結(jié)果可知，本文設(shè)計的BP神經(jīng)網(wǎng)絡(luò)無論是樣本訓(xùn)練還是數(shù)據(jù)仿真，效果高度接近運城市部分電力線路鹽灰密度實驗數(shù)據(jù)，最大誤差僅在3.5%左右。仿真效果表明：本文設(shè)計的BP神經(jīng)網(wǎng)絡(luò)是可行的，基本上能達到監(jiān)測絕緣子污穢度的實用要求。

4? 結(jié)? 論

本文針對絕緣子污穢度在線監(jiān)測問題，開發(fā)了一套基于BP神經(jīng)網(wǎng)絡(luò)的絕緣子污穢度在線監(jiān)測系統(tǒng)，結(jié)合運城市部分電力線路的鹽灰密度實驗數(shù)據(jù)，對該BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)進行了仿真實驗，經(jīng)樣本訓(xùn)練后，BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)輸出的仿真效果表明，在一定的誤差范圍內(nèi)，本文的BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)是可行的，基本上能達到對絕緣子污穢度實時監(jiān)測的要求。

參考文獻：

[1] 清華大學(xué)，西安交通大學(xué).高電壓絕緣 [M].北京：電力工業(yè)出版社，1980.

[2] 蔡偉，李敏，楊顏紅.污穢絕緣子在線監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn) [J].電力系統(tǒng)自動化，2002（17）：45-48+53.

[3] 仝衛(wèi)國，于浩進，張秋實.基于神經(jīng)網(wǎng)絡(luò)的絕緣子故障診斷 [J].計算機仿真，2013，30（9）：310-313.

[4] 張強，王維慶，李長凱.針對烏市高壓絕緣子在線監(jiān)測信號中諧波處理 [J].新疆大學(xué)學(xué)報（自然科學(xué)版），2011，28（1）：105-111.

[5] 吳曉立，戴沖，姜向東.LabVIEW在絕緣子漏電流檢測中的應(yīng)用 [J].現(xiàn)代電子技術(shù)，2007（18）：16-18.

[6] 李璟延，司馬文霞，孫才新，等.絕緣子污穢度預(yù)測特征量提取與神經(jīng)網(wǎng)絡(luò)模型 [J].電力系統(tǒng)自動化，2008（15）：84-88.

[7] 楊慶，司馬文霞，蔣興良，等.復(fù)雜環(huán)境條件下絕緣子閃絡(luò)電壓預(yù)測神經(jīng)網(wǎng)絡(luò)模型的建立及應(yīng)用 [J].中國電機工程學(xué)報，2005（13）：155-159.

[8] 盛仲飆.BP神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預(yù)測中的應(yīng)用 [J].軟件導(dǎo)刊，2016，15（1）：147-148.

作者簡介：葉永衛(wèi)（1977-），男，漢族，山西聞喜人，講師，本科，研究方向：電工與電器教學(xué)及科學(xué)研究。