混合神經(jīng)網(wǎng)絡(luò)在變壓器故障診斷中的應(yīng)用分析

摘要：本文首先詳細(xì)分析了混合神經(jīng)網(wǎng)絡(luò)系統(tǒng)原理，并且以此作為基礎(chǔ)條件和核心因素，進(jìn)一步總結(jié)出混合神經(jīng)網(wǎng)絡(luò)應(yīng)用策略。

關(guān)鍵詞：混合神經(jīng)網(wǎng)絡(luò);變壓器;故障診斷;系統(tǒng)原理

變壓器是一種用于電能轉(zhuǎn)換的重要電器設(shè)備，在工業(yè)生產(chǎn)中占據(jù)著舉足輕重的地位，它的可靠運(yùn)行對(duì)維護(hù)電力系統(tǒng)的安全穩(wěn)定具有重大意義，因此，對(duì)變壓器進(jìn)行故障的早期預(yù)測(cè)、檢測(cè)是十分必要的。

一、混合神經(jīng)網(wǎng)絡(luò)系統(tǒng)原理

（一）SOM神經(jīng)網(wǎng)絡(luò)基礎(chǔ)原理

SOM神經(jīng)網(wǎng)絡(luò)在建設(shè)過(guò)程中，最初由芬蘭提出了無(wú)監(jiān)督神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模式，此種學(xué)習(xí)模式將人腦相關(guān)的神經(jīng)元基礎(chǔ)屬性應(yīng)用至神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中，并且經(jīng)過(guò)多次、頻繁的訓(xùn)練，完成和實(shí)現(xiàn)了對(duì)互聯(lián)網(wǎng)輸入模式的凝聚劃分。SOM神經(jīng)網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)包含信息輸入階層以及系統(tǒng)競(jìng)爭(zhēng)結(jié)構(gòu)層兩種發(fā)展結(jié)構(gòu)模式，其中信息輸入階層所產(chǎn)生的輸入節(jié)點(diǎn)與競(jìng)爭(zhēng)結(jié)構(gòu)層的神經(jīng)元相互連接，為此需要使用連接權(quán)數(shù)值提高標(biāo)識(shí)連接基礎(chǔ)強(qiáng)度。其中當(dāng)傳輸信息量為T(mén)參數(shù)傳輸至網(wǎng)絡(luò)結(jié)構(gòu)時(shí)，則需要按照標(biāo)準(zhǔn)公式針對(duì)輸入向量與競(jìng)爭(zhēng)神經(jīng)元之間計(jì)算標(biāo)準(zhǔn)距離，進(jìn)而選找出距離最小的神經(jīng)元參數(shù)。而使用其他參數(shù)公式則需要針對(duì)網(wǎng)絡(luò)神經(jīng)元先關(guān)領(lǐng)域中所包含的神經(jīng)權(quán)利數(shù)值系數(shù)進(jìn)行調(diào)整和控制。

（二）PSO-SOM計(jì)算原則

PSO-SOM計(jì)算過(guò)程中，神經(jīng)網(wǎng)絡(luò)與其他無(wú)監(jiān)督凝聚類(lèi)精算方式相比較，基礎(chǔ)收斂速度和效率極快并且學(xué)習(xí)過(guò)程更加精準(zhǔn)，加上凝聚類(lèi)計(jì)算結(jié)果的權(quán)利數(shù)值對(duì)于其初始分布影響相對(duì)較大，加上權(quán)利參數(shù)初始分布情況是隨機(jī)分布，所以越來(lái)越多技術(shù)人員將PSO計(jì)算方式與SOM計(jì)算方式相互結(jié)合，最終完善系統(tǒng)計(jì)算問(wèn)題和不足[1]。

由于PSO參數(shù)計(jì)算方式主要計(jì)算原則和思想是以粒子最優(yōu)化，進(jìn)一步模擬鳥(niǎo)類(lèi)覓食等相關(guān)行為，并且通過(guò)數(shù)據(jù)迭代記錄等管理方式不斷更新最佳參數(shù)信息，而每次信息更新迭代環(huán)節(jié)中，其粒子物質(zhì)與該物質(zhì)具體位置需要按照標(biāo)準(zhǔn)公式進(jìn)行全面更新和完善。其中在隨機(jī)數(shù)據(jù)不斷更新和完善環(huán)節(jié)上，第i個(gè)粒子物質(zhì)需要在第d維度上保證位置的標(biāo)準(zhǔn)性，粒子運(yùn)轉(zhuǎn)速度需要在第i個(gè)粒子物質(zhì)上現(xiàn)出第d維度上的個(gè)體極限數(shù)值，并且還需要在其他維度上展現(xiàn)出全局極限數(shù)值。除此之外，采用PSO算法優(yōu)化SOM神經(jīng)網(wǎng)絡(luò)的初始權(quán)值向量，優(yōu)化得到的結(jié)果即為SOM網(wǎng)絡(luò)的最佳連接權(quán)值參數(shù)，以此為基礎(chǔ)構(gòu)建SOM網(wǎng)絡(luò)并進(jìn)行網(wǎng)絡(luò)訓(xùn)練，實(shí)現(xiàn)樣本分類(lèi)。

二、混合神經(jīng)網(wǎng)絡(luò)應(yīng)用策略

本次研究過(guò)程中，變壓設(shè)備可能產(chǎn)生的故障問(wèn)題需要以設(shè)備運(yùn)行現(xiàn)狀作為研究理論基礎(chǔ)條件，并且結(jié)合絕緣性氣體物質(zhì)的核心含量開(kāi)展深入探索，為此技術(shù)人員實(shí)際開(kāi)展混合神經(jīng)網(wǎng)絡(luò)研究時(shí)，應(yīng)該根據(jù)物質(zhì)不同參數(shù)，對(duì)無(wú)故障設(shè)備、中低溫、高熱量以及低熱量等相關(guān)互聯(lián)網(wǎng)種類(lèi)進(jìn)行詳細(xì)區(qū)分。其中0-1數(shù)值示所對(duì)應(yīng)的運(yùn)轉(zhuǎn)狀態(tài)產(chǎn)生概率，數(shù)值越接近1時(shí)，表示混合神經(jīng)網(wǎng)絡(luò)處于異常狀態(tài)的可能性以及嚴(yán)重程度越大。所以本次實(shí)驗(yàn)環(huán)境所使用的硬件平臺(tái)操作系統(tǒng)的CPU 為酷睿 2 雙核 E7500，2.93 GHz，內(nèi)存4 GB，硬盤(pán)150 GB，而軟件系統(tǒng)的平臺(tái)則為MATLAB7.9.0，并且軟件運(yùn)轉(zhuǎn)系統(tǒng)需要為Windows旗艦版。

其中整個(gè)實(shí)驗(yàn)環(huán)節(jié)包含至少5個(gè)不同類(lèi)型的小組數(shù)值和參數(shù)，其測(cè)試樣本則需要由至少22組信息數(shù)據(jù)共同構(gòu)成，最終將整個(gè)實(shí)驗(yàn)制作成訓(xùn)練樣本之后輸入SOM、PSO-SOM神經(jīng)網(wǎng)絡(luò)開(kāi)展基礎(chǔ)訓(xùn)練，隨后針對(duì)統(tǒng)一化的測(cè)試數(shù)據(jù)樣本進(jìn)行互聯(lián)網(wǎng)故障問(wèn)題診斷，進(jìn)而相互比較至少3種不同類(lèi)型的計(jì)算方式之間的實(shí)際性能，最終實(shí)現(xiàn)對(duì)變壓設(shè)備所產(chǎn)生故障問(wèn)題進(jìn)行全面診斷和分析[2]。

本次實(shí)驗(yàn)基礎(chǔ)參數(shù)設(shè)置為了保證基礎(chǔ)可行性，其粒子個(gè)數(shù)為50，并且保證粒子之間的運(yùn)動(dòng)學(xué)習(xí)質(zhì)量和效率為0.8，由于PSO計(jì)算方式與LVQ神經(jīng)互聯(lián)網(wǎng)更新次數(shù)與頻率分別為50，100，所以輸入階層節(jié)點(diǎn)數(shù)量為5，并且實(shí)驗(yàn)過(guò)程中所隱含的階層點(diǎn)數(shù)量為8，輸出階層節(jié)點(diǎn)為5。

針對(duì)變壓器故障診斷的訓(xùn)練樣本數(shù)量進(jìn)行統(tǒng)一化技術(shù)處理后，需要使用SOM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，針對(duì)其網(wǎng)格化訓(xùn)練開(kāi)展全面分析，由于其訓(xùn)練次數(shù)和頻率為200次，為此需要將經(jīng)過(guò)互聯(lián)網(wǎng)所訓(xùn)練的樣本神經(jīng)元進(jìn)行準(zhǔn)確分類(lèi)，對(duì)變壓設(shè)備所產(chǎn)生的故障問(wèn)題進(jìn)行詳細(xì)診斷，至少將22組測(cè)試樣本開(kāi)展歸一化處理。

而在混合神經(jīng)網(wǎng)絡(luò)測(cè)試過(guò)程中，針對(duì)表格傳輸編碼進(jìn)行詳細(xì)描述之后，進(jìn)而針對(duì)變壓設(shè)備實(shí)際運(yùn)行狀態(tài)和故障診斷繼續(xù)詳細(xì)對(duì)比，并且利用對(duì)比SOM神經(jīng)網(wǎng)絡(luò)參數(shù)計(jì)算方式進(jìn)一步針對(duì)基礎(chǔ)診斷性能進(jìn)行正確且合理的了解。通過(guò)對(duì)混合神經(jīng)網(wǎng)絡(luò)運(yùn)轉(zhuǎn)現(xiàn)狀進(jìn)行詳細(xì)分析，使用SOM神經(jīng)網(wǎng)絡(luò)計(jì)算方式所產(chǎn)生的互聯(lián)網(wǎng)問(wèn)題診斷所得到效果并不完整且理想化，所以所得到的診斷精準(zhǔn)程度明顯不高。

PSO-SOM計(jì)算方式在實(shí)施過(guò)程中，應(yīng)該在SOM神經(jīng)網(wǎng)絡(luò)系統(tǒng)基礎(chǔ)上進(jìn)行不斷優(yōu)化和改進(jìn)，所以該計(jì)算方式所產(chǎn)生的迭代更新頻率和次數(shù)需要設(shè)置為180次左右，并且經(jīng)過(guò)互聯(lián)網(wǎng)進(jìn)行項(xiàng)目訓(xùn)練之后，需要使用22小組測(cè)試樣本進(jìn)行互聯(lián)網(wǎng)問(wèn)題診斷。從變壓器故障診斷問(wèn)題現(xiàn)狀能夠進(jìn)一步觀察出，PSO-SOM計(jì)算方式在變壓設(shè)備所產(chǎn)生故障問(wèn)題中應(yīng)用效果明顯不高，并且長(zhǎng)期計(jì)算之后會(huì)存在大量誤差。為此，將兩種計(jì)算方式進(jìn)行對(duì)比處理之后，PSO-SOM混合神經(jīng)計(jì)算方式在變壓器故障問(wèn)題診斷環(huán)節(jié)上，其計(jì)算質(zhì)量明顯高于單一SOM計(jì)算方式最終效果，其中互聯(lián)網(wǎng)診斷數(shù)據(jù)模式使用混合方式相比單獨(dú)使用神經(jīng)網(wǎng)絡(luò)計(jì)算方式效率明顯高，但是其問(wèn)題診斷仍然存在著誤差和遺漏[3]。

為了提高故障問(wèn)題診斷效果和質(zhì)量水平，則需要使用PSO-SOM混合神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷以及網(wǎng)絡(luò)判斷，以此作為基礎(chǔ)條件設(shè)置PSO更新頻率以及互聯(lián)網(wǎng)診斷次數(shù)。使預(yù)計(jì)診斷數(shù)值與實(shí)際參數(shù)相互結(jié)合，確保判斷結(jié)果與實(shí)際運(yùn)轉(zhuǎn)類(lèi)型完全一致，保證預(yù)測(cè)結(jié)果的正確效率能夠達(dá)到100%。所以想要有效對(duì)比出不同類(lèi)型的神經(jīng)網(wǎng)絡(luò)診斷中所產(chǎn)生的明顯差異性，需要針對(duì)不同類(lèi)型的參數(shù)使用不同類(lèi)型的數(shù)據(jù)計(jì)算方式，最終得出相關(guān)結(jié)論：變壓設(shè)備故障問(wèn)題診斷測(cè)試樣本條件完全相同下，混合神經(jīng)網(wǎng)絡(luò)針對(duì)故障問(wèn)題診斷程度最高，最終得到診斷正確率為100%，為此與單一混合神經(jīng)網(wǎng)絡(luò)相互比較，使用PSO-SOM神經(jīng)網(wǎng)絡(luò)故障診斷精準(zhǔn)程度明顯較高，其精準(zhǔn)程度為81%。

在所有故障問(wèn)題診斷種類(lèi)運(yùn)轉(zhuǎn)過(guò)程中，由于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)針對(duì)高溫放電以及高能量放電兩種故障問(wèn)題診斷能力相對(duì)較低，其中高能量放電成為了電壓設(shè)備故障問(wèn)題診斷的主要樣本信息數(shù)據(jù)主體，所以至少有4組樣本信息數(shù)據(jù)得到了成功診斷，而在高壓過(guò)熱處理過(guò)程中，針對(duì)變壓器所產(chǎn)生的故障問(wèn)題則不能全部有效診斷和處理。從不同的計(jì)算方式進(jìn)行比較，SOM神經(jīng)網(wǎng)絡(luò)對(duì)測(cè)試樣本故障問(wèn)題的基礎(chǔ)效果明顯最差，其測(cè)算精準(zhǔn)程度為72%。低能量放電所產(chǎn)生的故障問(wèn)題則需要利用不同類(lèi)型的信息數(shù)據(jù)進(jìn)行分別診斷，最終得出相關(guān)結(jié)論：穩(wěn)定測(cè)試環(huán)境下，該混合神經(jīng)網(wǎng)絡(luò)對(duì)低溫過(guò)熱或者高溫過(guò)熱等兩種故障問(wèn)題診斷效果并不理想。

結(jié)束語(yǔ)：

與此可見(jiàn)，本次實(shí)驗(yàn)使用PSO計(jì)算方式和SOM神經(jīng)網(wǎng)絡(luò)相互結(jié)合等進(jìn)一步優(yōu)化了該神經(jīng)網(wǎng)絡(luò)平臺(tái)的權(quán)利數(shù)值，從而完善了SOM神經(jīng)網(wǎng)絡(luò)平臺(tái)的初始結(jié)構(gòu)固定信息，隨后再結(jié)合有效監(jiān)督學(xué)習(xí)模式針對(duì)其計(jì)算方式所產(chǎn)生的問(wèn)題進(jìn)行全面優(yōu)化和改進(jìn)。

參考文獻(xiàn)：

[1]徐新， 蔣波濤， 曹雯. 蝗蟲(chóng)優(yōu)化神經(jīng)網(wǎng)絡(luò)在變壓器故障診斷中的應(yīng)用[J]. 電網(wǎng)與清潔能源， 2021， 37（5）：7-7.

[2]賈亦敏， 史麗萍， 嚴(yán)鑫. 基于精英混沌蜂群算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[J]. 高壓電器， 2020， 56（8）：7-7.

[3]孔德錢(qián)， 張新燕， 童濤，等. 基于差分進(jìn)化算法與BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[J]. 電測(cè)與儀表， 2020， 57（5）：5-5.

作者簡(jiǎn)介;

馮安強(qiáng)（1991.11.26），性別：女;籍貫：泰安;民族：漢;學(xué)歷：研究生、碩士;職稱(chēng)：工程師;研究方向：電氣工程