基于神經(jīng)網(wǎng)絡(luò)的運(yùn)行變壓器故障診斷技術(shù)及其應(yīng)用

國(guó)網(wǎng)江蘇省電力有限公司徐州供電公司 鄧劍鳴 齊豐科技股份有限公司 李明亮 戴世平

在變壓器內(nèi)部故障診斷方法中，溶解氣體色譜分析法的準(zhǔn)確性較高，是目前我國(guó)電力系統(tǒng)當(dāng)中使用最多的方法。越來(lái)越多的人提出了全新的檢測(cè)模式和方法，但以油溶解氣體為主的在線檢測(cè)系統(tǒng)判斷故障準(zhǔn)確率最高。

1 概念簡(jiǎn)介

1.1 神經(jīng)網(wǎng)絡(luò)

BP網(wǎng)絡(luò)是在上世紀(jì)八十年代由Rumelhart所領(lǐng)導(dǎo)的實(shí)驗(yàn)小組構(gòu)建的一種神經(jīng)模型，BP神經(jīng)模型的基本結(jié)構(gòu)主要如下：net(l)jp=∑n(i-1)W(l)jiO(l-1)ip-Θ(l)n；O(l)ip=fl(net(l)jp)。BP神經(jīng)網(wǎng)絡(luò)是一種可反向傳遞并進(jìn)行誤差修復(fù)的網(wǎng)絡(luò)體系，如參數(shù)正確時(shí)，BP網(wǎng)絡(luò)可得到準(zhǔn)確的方差，也是目前使用最為廣泛的網(wǎng)絡(luò)體系結(jié)構(gòu)。對(duì)于BP網(wǎng)絡(luò)可劃分成輸入層、隱形層、輸出層。在不同的層次間實(shí)現(xiàn)全連接，在每一層的神經(jīng)元當(dāng)中沒(méi)有鏈接。

如果對(duì)于樣本進(jìn)行學(xué)習(xí)并傳輸給網(wǎng)絡(luò)后神經(jīng)元將會(huì)激活，且輸入數(shù)據(jù)后輸出層的神經(jīng)網(wǎng)絡(luò)獲得響應(yīng)，最后減少存在的實(shí)際誤差，將輸出層通過(guò)中間層修正之后鏈接，最后回到輸入流程當(dāng)中，隨著誤差逆?zhèn)鞑サ牟粩鄡?yōu)化和升級(jí)，網(wǎng)絡(luò)對(duì)于輸入的相應(yīng)正確率也出現(xiàn)了明顯增加[1]。對(duì)于BP網(wǎng)絡(luò)學(xué)習(xí)算法來(lái)說(shuō)，就是假設(shè)BP網(wǎng)絡(luò)體系當(dāng)中一共L層，需給定P個(gè)樣本，對(duì)于網(wǎng)絡(luò)期望需要輸出TD，當(dāng)輸入到第P個(gè)樣本時(shí)，對(duì)于整體神經(jīng)網(wǎng)絡(luò)中第L個(gè)神經(jīng)層中的第J個(gè)神經(jīng)元的操作模式可用以下公式表示，一般選擇S類型的函數(shù)：f(x)=1/(1+e-n)，對(duì)于輸出層可表達(dá)為：EP=1/2∑nj=1(Tjdp-T^jp)2，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)最根本目的是對(duì)于每一個(gè)樣本的誤差進(jìn)行分析，讓其達(dá)到最小，從而保證總誤差保持在最小的情況。

BP人工神經(jīng)網(wǎng)絡(luò)自帶的迅速擬合任意復(fù)雜非線性關(guān)系這一功能，在電力系統(tǒng)的變壓器預(yù)報(bào)問(wèn)題方面有很大應(yīng)用價(jià)值。在預(yù)測(cè)過(guò)程中，只需給出變壓器與相關(guān)變量的一定數(shù)量樣本，通過(guò)訓(xùn)練該神經(jīng)網(wǎng)絡(luò)，就能對(duì)相應(yīng)的函數(shù)關(guān)系進(jìn)行模擬。換言之，在變壓器預(yù)報(bào)領(lǐng)域只要是經(jīng)過(guò)以上訓(xùn)練的網(wǎng)絡(luò)都可進(jìn)行直接運(yùn)用[2]。

1.2 變壓器故障

對(duì)于變壓器的分類可以根據(jù)用途、繞組電壓、結(jié)構(gòu)以及輸入和輸出的箱數(shù)、冷卻方式、調(diào)壓方式等進(jìn)行劃分，本文就主要分析根據(jù)相數(shù)分類以及絕緣材料分類、冷卻方式分類介紹變壓器的分類，對(duì)于變壓器相數(shù)分類可簡(jiǎn)單的劃分為單相變壓器、三相變壓器、多相變壓器三類，對(duì)于材料分類可劃分為浸漬式（礦物油變壓器、合成油變壓器、B液變壓器）和干式（包封式變壓器、非包式變壓器），對(duì)于冷卻方式可劃分為油浸（油浸子冷、油浸風(fēng)冷、強(qiáng)油水冷、強(qiáng)油風(fēng)冷）和干式變壓器（干式子冷、干式風(fēng)冷）。

1.3 變壓器故障分析

變壓器的故障較多，根據(jù)不同的分類法可劃分為不同的故障，根據(jù)故障出現(xiàn)的區(qū)域可劃分為內(nèi)部故障和外部故障，對(duì)于故障的性質(zhì)可劃分為局部過(guò)熱、低能量放電、老化等。以故障發(fā)生的時(shí)間來(lái)分析，可將其分為突發(fā)性故障和慢性故障。本文主要針對(duì)變壓器故障特性進(jìn)行分析，在變壓器故障的種類進(jìn)行分類可將這些故障分為高溫過(guò)熱故障、中低溫過(guò)低故障及高能量放電故障等，如從故障的發(fā)生現(xiàn)象進(jìn)行區(qū)分可將變壓器故障分為溫度故障和電性故障。

1.3.1 熱性故障

據(jù)有關(guān)資料顯示，在檢查360臺(tái)故障變壓器時(shí)，發(fā)現(xiàn)有234臺(tái)變壓器是存在過(guò)熱故障的、整體故障率為62.3%，有68臺(tái)變壓器具有高能量放電故障、整體故障率為17.9%，有42臺(tái)是存在有過(guò)熱兼高能量放電故障、整體故障率為9.8%，有28臺(tái)是存在火花放電故障的、整體故障率為7.2%，剩余的2.1%是存在局部放電故障及受潮放電故障的。通過(guò)一些數(shù)據(jù)可總結(jié)出，在變壓器的各種故障中占比最高的是存在熱性故障的變壓器。

在變壓器正常運(yùn)轉(zhuǎn)過(guò)程中，會(huì)伴有由變壓器金屬結(jié)構(gòu)件、鐵芯、繞組等部件所產(chǎn)生的負(fù)載損耗及空載損耗；當(dāng)這些損耗全部轉(zhuǎn)化成熱量后，有一部分會(huì)使結(jié)構(gòu)件、鐵芯、繞組等主要部件的溫度過(guò)高，剩余的部分則會(huì)散發(fā)到周圍的變壓器油、絕緣物等介質(zhì)中，從而提高發(fā)熱體周圍介質(zhì)的溫度，同時(shí)會(huì)利用冷卻裝置及油箱等設(shè)備來(lái)將熱量散布到周圍的環(huán)境空氣中。當(dāng)各部分的溫度可達(dá)到散出的熱量平衡于產(chǎn)生的熱量這一狀態(tài)時(shí)，就是所說(shuō)的熱平衡狀態(tài)，那么各部件的溫度就會(huì)保持在一定值上；與之相反的情況時(shí)就無(wú)法達(dá)到熱平衡狀態(tài)，從而導(dǎo)致變壓器的某一部位出現(xiàn)熱故障現(xiàn)象。

1.3.2 電性故障

一般在電場(chǎng)強(qiáng)度較高電壓下就會(huì)發(fā)生電性故障，按照能量密度的不同可把變壓器的電性故障分成局部放電故障、低能量的火花放電故障和高能量的電弧放電故障：在出現(xiàn)高能量電弧放電故障時(shí)，會(huì)直接燒壞或擊穿絕緣體；火花放電故障屬于是一種最為常見的間歇性放電故障，局部放電所釋放的能量值是最小的，這種放電所釋放出來(lái)的能力和兩極擊穿方面所釋放的能量數(shù)值相同。在發(fā)生局部放電現(xiàn)象時(shí)會(huì)伴隨著產(chǎn)生一些熱效應(yīng)現(xiàn)象，這是電子轟擊所產(chǎn)生的，能量處在1～1eV范圍內(nèi)。

電弧放電別稱高能量放電，通?？捎^察到繞組段間、層間或匝間出現(xiàn)擊穿并燒壞絕緣的現(xiàn)象，此外還會(huì)伴有多類故障，如分接開關(guān)飛弧、對(duì)地閃絡(luò)、引線斷裂等，由于沒(méi)有任何先兆且大部分都是瞬間爆發(fā)，所以很難實(shí)現(xiàn)精準(zhǔn)預(yù)測(cè)；在發(fā)生高能量放電故障時(shí)通常都會(huì)產(chǎn)生大量的乙炔和氫氣；CH4與C2H4緊隨其后。因?yàn)楣收鲜峭蝗话l(fā)生的，所以產(chǎn)生的氣體會(huì)直接進(jìn)入到氣體繼電器中，根本來(lái)不及溶解在變壓器油里。可總結(jié)出，故障的發(fā)生位置及持續(xù)時(shí)間將對(duì)變壓器油中的氣體含量造成直接影響。

火花放電別稱低能量放電，引線接觸有問(wèn)題、分解開關(guān)插拔電位懸浮電位、不穩(wěn)定的鐵芯接地、導(dǎo)線連接處、套管儲(chǔ)油柜對(duì)電位未固定的套管導(dǎo)電桿、引線等都是最易發(fā)生低能量放電的位置。由于故障所產(chǎn)生的能量值較低，所以并不會(huì)產(chǎn)生過(guò)多的烴類氣體，同樣是以氫氣和乙炔為主要的特征氣體。

2 基于網(wǎng)絡(luò)模型的變壓器故障診斷

2.1 網(wǎng)絡(luò)模型的變壓器故障診斷意義分析

電力變壓器是電網(wǎng)的核心設(shè)備，變壓器發(fā)生故障將會(huì)直接影響電網(wǎng)運(yùn)行，嚴(yán)重時(shí)甚至?xí)霈F(xiàn)爆炸，變壓器故障診斷的作用主要用于判斷設(shè)備的狀態(tài)及對(duì)故障的性質(zhì)進(jìn)行分析，神經(jīng)網(wǎng)絡(luò)能將輸入樣本進(jìn)行有效的分類處理，將神經(jīng)網(wǎng)絡(luò)在變壓器故障診斷過(guò)程中發(fā)揮關(guān)鍵性作用，能夠全面提升變壓器的穩(wěn)定性以及安全性。

2.2 BP網(wǎng)絡(luò)設(shè)計(jì)

2.2.1 BP網(wǎng)絡(luò)參數(shù)設(shè)計(jì)

輸入向量的確定，在案例中輸入階段和正常模式的維數(shù)相似，基于變壓油中溶解氣體H2、CH4、C2H4、C2H2含量的具體數(shù)據(jù)，將其視為輸入特征向量，從而判定變壓器故障。在輸入向量時(shí)，如輸入太少的向量將很難實(shí)現(xiàn)對(duì)變壓器故障的分析，如輸入太多的向量就導(dǎo)致網(wǎng)絡(luò)的收斂性降低。值得提出的是網(wǎng)絡(luò)對(duì)于較小的數(shù)據(jù)敏感性不足，對(duì)于一部分較為重要的特性獲取難度較大，導(dǎo)致精度不能達(dá)到實(shí)際的水平，并導(dǎo)致樣本的輸入空間較大，網(wǎng)絡(luò)只有達(dá)到標(biāo)準(zhǔn)化規(guī)定的泛化能力才能實(shí)現(xiàn)樣本數(shù)的提升，同時(shí)網(wǎng)絡(luò)規(guī)模才能有所提升，進(jìn)而影響正常訓(xùn)練和診斷。

針對(duì)于網(wǎng)絡(luò)輸出字節(jié)這種故障，輸出向量中使用正常、中低溫過(guò)熱、高溫過(guò)熱、低能量放電及高能量放電等五個(gè)輸出神經(jīng)元為主?；贚OGSIG函數(shù)的特點(diǎn)，如果輸出值在0～1，也就是故障的程度，數(shù)值越接近1故障程度越嚴(yán)重。

網(wǎng)絡(luò)層設(shè)計(jì)，為了證明三層的BP網(wǎng)絡(luò)可在任意的精度接近非線性的物理對(duì)象，增加層數(shù)最根本的目的就是降低誤差，但是網(wǎng)絡(luò)的結(jié)構(gòu)會(huì)更加復(fù)雜。因此在一般的模式下，需要使用最少的網(wǎng)絡(luò)層數(shù)構(gòu)建神經(jīng)網(wǎng)絡(luò)，本次研究選擇三層網(wǎng)絡(luò)。

表1 網(wǎng)絡(luò)輸出字節(jié)故障表

2.2.2 隱層節(jié)點(diǎn)數(shù)設(shè)計(jì)

2.2.3 訓(xùn)練樣本集的設(shè)計(jì)

因?yàn)樽儔浩饔椭械臍怏w分析法是診斷和處理充油電氣設(shè)備最常用的一種方法，所以需選擇充油中的溶解氣體的含量作為本次網(wǎng)絡(luò)輸入特征的向量。訓(xùn)練樣本的收集工作本身就是一件非常復(fù)雜的工作內(nèi)容，當(dāng)此項(xiàng)工作執(zhí)行效果不佳時(shí)會(huì)出現(xiàn)網(wǎng)絡(luò)映射錯(cuò)誤的情況，導(dǎo)致網(wǎng)絡(luò)學(xué)習(xí)過(guò)程存在問(wèn)題。

樣本首先需代表性，樣本本身需全面體現(xiàn)出輸入及輸出關(guān)系，樣本故障的占比需和實(shí)際變壓器的故障占比相同。例如在變壓器故障的診斷過(guò)程中故障的發(fā)生率高，通過(guò)這種方式就能收集到一些有用的樣本。對(duì)于訓(xùn)練樣本的收集需做到學(xué)習(xí)過(guò)程的收斂，較為復(fù)雜，樣本需具有代表性和廣泛性及緊湊性。根據(jù)故障變壓器的色譜進(jìn)行統(tǒng)計(jì)數(shù)據(jù)，選出故障的類型后進(jìn)行訓(xùn)練。選擇15組數(shù)據(jù)作為測(cè)試的樣本，將變壓器當(dāng)中的氣體含量的百分比作為網(wǎng)絡(luò)的輸入量和期望值。

2.3 各種訓(xùn)練算法比較

針對(duì)于函數(shù)逼近網(wǎng)絡(luò)而言，LM算法的收斂情況是最好的，同時(shí)速度也是最快的，如要求的精確度較高優(yōu)點(diǎn)更加明顯，在很多時(shí)候使用LM算法訓(xùn)練函數(shù)可得到更小的誤差，但在網(wǎng)絡(luò)權(quán)值不斷提升時(shí)TRINLM的優(yōu)點(diǎn)將會(huì)降低，對(duì)于TRAINLM模式的識(shí)別等相關(guān)問(wèn)題的處理能力就會(huì)受到影響。通過(guò)RPROP的算法訓(xùn)練函數(shù)TRAIRP速度最快，這一點(diǎn)算法所需要的儲(chǔ)存空間更低，對(duì)于SCG算法在網(wǎng)絡(luò)較大的模式中具有良好的性能，識(shí)別模式和PRPOP一致，但性能更加優(yōu)秀、對(duì)于空間的儲(chǔ)存需求更低，但是運(yùn)算量會(huì)因?yàn)榫W(wǎng)絡(luò)的大小出現(xiàn)大量的增加。BFGS算法和LM算法相似，需要的空間更小，但運(yùn)算量會(huì)因?yàn)榫W(wǎng)絡(luò)大小的增加出現(xiàn)大量的增長(zhǎng)，在特定情況下收斂速度變慢反而會(huì)得到更好的效果，所以本文基于彈性的BP算法訓(xùn)練網(wǎng)絡(luò)[3]。

表2 訓(xùn)練樣本故障表

表3 訓(xùn)練算法表

表4 網(wǎng)絡(luò)診斷表

2.4 仿真結(jié)果分析

對(duì)于BP網(wǎng)絡(luò)中十五組檢測(cè)數(shù)據(jù)的結(jié)果如表4所示，從中可了解到BP網(wǎng)絡(luò)的診斷方法具有較高的故障識(shí)別和分類能力，準(zhǔn)確率較高達(dá)到了80%。

綜上，本文介紹了BP網(wǎng)絡(luò)的概念以及結(jié)構(gòu)和算法的原理，設(shè)計(jì)了相應(yīng)的方案，針對(duì)于不同隱層神經(jīng)元數(shù)量對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練性能的影響進(jìn)行了分析，通過(guò)不同方法的比較，尋找到性能變現(xiàn)最佳的隱層神經(jīng)元數(shù)量為10，通過(guò)比較BP算法和其他算法之間的優(yōu)、劣勢(shì)確定了本次的算法為彈性的BP網(wǎng)絡(luò)算法，進(jìn)行仿真實(shí)驗(yàn)、得到結(jié)果，本次診斷的正確率也達(dá)到了80%。