（高电压与绝缘技术专业论文）基于dga的变压器故障诊断专家系统的研究.pdf

摘要 基于d g a 的变压器故障诊断专家系统的研究 摘要 电力变压器是电力系统中最重要的电气设备之一，也是导致电力 系统事故最多的电气设备之一，其运行状态直接影响系统的安全性水 平。及早发现变压器的潜伏性故障，保证变压器的安全运行，从而提 高供电的可靠性，是电力部门关注的一个重要问题。因此，研究变压 器故障诊断技术，提高变压器的运行维护水平，具有重要的现实意义。 本文首先论述了对基于油中溶解气体分析的变压器故障诊断的 原理及多种诊断方法，在此理论基础上开发了基于神经网络的专家系 统。在系统中，改进b p 神经网络作为专家系统的一个知识模块，成 为诊断主模块，以基于模糊的知识模块为辅助诊断模块，以改进三比 值法知识模块为参考诊断模块。 本文介绍了b p 神经网络的模型结构及学习机制，对故障诊断系 统所采用的b p 网络存在收敛速度慢、不易收敛等问题，分别对神经 网络在不同激活函数、不同神经元个数以及不同训练函数的情况下进 行了仿真，并作了分析和研究，其中数值优化算法中 l e v e n b e r g m a r q u a r d t 法作为学习函数网络训练效果最好。 本文在构建故障诊断的专家系统时，采用v b 语言为开发工具， 在程序设计方面，直接利用v b 调用m a t l a b 神经网络工具箱。本系统 具有界面友好，易于操作和维护，运行快捷、准确等特点。 关键词：油中溶解气体分析变压器故障诊断神经网络 专家系统 a b s t r a c t e x p e r ts y s t e mr e s e a r c ho fp o w e r t r a n s f o r m e rf a u l t d i a g n o s i sb a s e d - o nd g a a b s t r a c t p o w e ri x a n s f o r m e ri so n eo ft h em o s ti m p o r t a n te l e c t r i c a le q u i p m e n t si nt h e e l e c t r i cs y s t e m i t so p e r a t i n gs t a t ea t t a c h e si m p o r t a n c et os y s t e m 。ss a f e t yd i r e c t l y i n a d d i t i o n , i ti sas i g n i f i c a n ti s s u ef o re l e c t r i c a ld e p a r t m e n tt of i n dp o t e n t i a lf a u l t so f t h e t r a n s f o r m e rs oa st ok e e pi to p e r a t i n gs a f e l y t h e r e f o r e ，t h ef a u l td i a g n o s i st e c h n o l o g y i sa v a i l a b l ea n dr e l i a b l et oo p e r a t ea n dm a i n t a i nt h et r a n s f o r m e r f i r s t ，t h ep a p e rh a sd e e p l ya n a l y z e dt h ep r i n c i p l eo f u s i n gg a sd i s s o l v e di no i la s c h a r a c t e rt od i a g n o s et r a n s f o r m e rf a u l ta n dt h em e t h o d so ff a u l td i a g n o s i s b a s e do n t h e s et h e o r i e s a ne x p e r ts y s t e r mb a s e do nn e u r a ln e m r kw a sd e v e l o p e d n e u r a l n e t w o r kw a so n eo ft h ek n o w l e d g em o d u l e si ne x p e r ts y s t e m ，w h i c h 硒ap r i n c i p a l d i a g n o s i sm o d u l e ，t h ek n o w l e d g em n d u i e sw h i c hb a s e do nt h ef u z z ym a t h e m a t i c sf o r t h ed i a g n o s i sm o d u l ea n dt h ek n o w l e d g em o d u l e sw h i c hb a s e do i lm o d i f i e di e c t r i r a t i cm e t h o d t h i sp a p e ri n t r o d u c e st h eb pn e u r a ln e t w o r km o d e ls t r u c t u r ea n dm e c h a n i s mf o r l e a r n i n g a d d r e s st h ep r o b l e m ss u c h 船b pn e u r a ln e t w o r kc o n v e r g e n c es l o wa n d d i f f i c u l t yc o n v e r g e n c eo ft h ef a u l td i a g n o s i ss y s t e m ，t h ea c t i v a t i o nt r a n s f e rf u n c t i o n , t h ed i f f e r e n tn e u r o n sf u n c t i o na n dt r a i n i n gf u n c t i o no fn e u r a ln e t w o r kw e r es i m u l a t e d r e s p e c t i v e l y ，a n da l s og i v ea n a l y s i sa n d r e s e a r c h l mm e t h o da sat r a i n i n gf u n c t i o n e f f e c tb e s tr e s u l t si nt h en u m e r i c a lo p t i m i z a t i o na l g o r i t h m i nt h ep a r to fc o n s t r u c t i n gf a u l td i a g n o s i se x p e r ts y s t e mi nt h i sp a p e r , o nt h e i s s u eo fp r o g r a md e s i g n , c a l l i n gm a t l a bn e u r a ln e t w o r kt o o l b o xi nv bd i r e c t l y t h i s s y s t e mh a sm a n yg o o dc h a r a c t e r i s t i c ss u c ha st h ef r i e n di n t e r f a c e e a s yo p e r a t i o na n d m a i n t e n a n c e c a l c u l a t i n gf a s ta n da c c u r a t ea n d s oo n h a b s t r a c t k e yw o r d s ：d i s s o l v e dg a s i n - o i la n a l y s i s ；p o w e rt r a n s f o r m e r ；f a u l td i a g n o s i s ；n e u r a l n e t w o r k ；e x p e r ts y s t e m i l l 广西大学学位论文原创性声明和使用授权说明 原创性声明 本人声明：所呈交的学位论文是在导师指导下完成的，研究工作所取得的成果和相 关知识产权属广西大学所有，本人保证不以其它单位为第一署名单位发表或使用本论文 的研究内容。除已注明部分外，论文中不包含其他人已经发表过的研究成果，也不包含 本人为获得其它学位而使用过的内容。对本文的研究工作提供过重要帮助的个人和集 体，均已在论文中明确说明并致谢。 论文作者签名：玳1 地舞谰年f 月 日 学位论文使用授权说明 本人完全了解广西大学关于收集、保存、使用学位论文的规定，即： 按照学校要求提交学位论文的印刷本和电子版本： 学校有权保存学位论文的印刷本和电子版，并提供目录检索与阅览服务 学校可以采用影印、缩印、数字化或其它复制手段保存论文； 在不以赢利为目的的前提下，学校可以公布论文的部分或全部内容。 请选择发布时间： 、舀命时发布口解密后发布 ( 保密论文需注明，并在解密后遵守此规定) 论文作者签名：基眦i 5 ；导师签名：孬声互加0 7 年万月多日 【 致谢与声明 致谢 在硕士生涯即将结束、值此论文完成之际，谨向所有关心、帮助和鼓励我 的老师同学表示衷心的感谢。 感谢最尊敬的导师郑江教授对我学习、工作和生活的关心。论文的完成与 导师精心的指导是分不开的，从资料的搜集到论文的构思与写作无不凝聚着导 师的心血。导师严谨的治学态度，对科学事业孜孜不倦的执着追求时时启发和 激励着我，将我逐步引入科学的殿堂；导师高尚的人品和处世风格永远是我学习 的楷模。 感谢杭乃善、李啸骢、吴杰康、李世作等老师对我学习的指导和督促；感 谢广西大学电气学院为我三年的学习和生活所提供的良好环境；感谢李小伟师 姐、成蓬勃、郭壮志等同门在思维和学习方式上对我的启迪：感谢家人和男友 对我默默无闻的支持和鼓励。感谢电气学院2 0 0 4 级全体硕士研究生在生活上对 我的关心和帮助。这些都是激励我不断上进的源泉。 最后，再次谢谢你们我的老师、家人和朋友们! 刘灿萍 2 0 0 7 年3 月 = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = ；= = = = = = = = 声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究 工作所取得的成果。尽我所知，除文中已经注明引用的内容外，本学位论文的 研究成果不包含任何他人享有著作权的内容。对本论文所涉及的研究工作做出 贡献的其他个人和集体，均已在文中以明确方式标明。 签名：孙削前日期：加q 年彳日1 。 第一章绪论 第一章绪论 1 1 选题的背景及意义 国家电力工业的迅速发展说明全国发、输、配电的容量在不断增加，电力 系统在日益扩大。当然所用的电器设备也越来越多，确保电力系统的安全运行， 对整个国民经济的发展至关重要。大型电力变压器是电力系统中重要的输变电 设备，在电力系统中处于枢纽地位。它一旦发生故障，轻则影响生产减少发电 量，给人们的生活带来不便；重则危及人们的生命和财产安全，大大妨碍了整 个国民经济的发展进程。为此，要加强对设备运行状态的监测，及时查出内部 的早期故障，防止事故于未然。 比如，据不完全统计，全国1 8 9 5 1 9 9 0 年间8 0 的变压器事故是在预防性 试验合格的情况下发生的【1 】。为弥补常规试验的不足，实现对设备状态不问断监 视，发展起来了绝缘在线监测的技术，其中变压器油中气体在线监测技术是较 为成功的一种。绝缘油在热和电的作用下，分解出氢气、一氧化碳、二氧化碳、 以及多种小分子烃类气体，这些气体会溶解于油中。不同类型的故障及不同严 重程度的故障产生气体的类型和浓度是不同的，其中一些气体能反映变压器故 障的情况，通常称这些气体为特征气体。变压器油中溶解气体分析( d i s s o l r e d g a s - i n o i la n a l y s i s ，简称d g a ) 就是根据气相色谱方法获得油中各种特征气体 的浓度，然后根据获得的各种气体浓度判断故障的一种方法。对于变压器油中 溶解气体色谱分析的在线监测方法，以油中溶解气体为反映故障的特征量，它 是直接在变压器现场实现油色谱的在线智能化监测与故障诊断。这样，不仅可 以及时掌握变压器的运行状况，发现和跟踪存在的潜伏性故障，并且可以及时 根据人工智能技术对故障自动进行诊断，以便运行人员迅速做出相应的措旌：同 时，可以降低常规油色谱分析法人为的误差，提高了故障诊断的可靠性。 1 2 当前国内外的研究现状 变压器状态监测技术起始于上世纪6 0 年代，经过多年的发展早已成为国内 外的研究热点，特别是国外研究开展较早。各类专家在长期的运行实践中提出 第一章绪论 了不少基于不同参量的各种变压器状态监测技术，其中主要有局部放电、直流 放电、油或纸的酸性和湿度、油中气体分析、振动分析、热成像图、极化波谱 和恢复电压、低压脉冲等方法。根据变压器的各种机械和电气特征，可以建立 各种变压器绝缘寿命模型。一种基于油中的化学成分的分析而建立的新的变压 器绝缘寿命模型，可对不同的油纸条件下的变压器绝缘寿命进行估计，利用声 学方法可对变压器内部局部放电进行诊断和定位；采用恢复电压来确定变压器 中绝缘纸的温度，以监测其绝缘强度等，都是常用的变压器状态监测方法。高 压变压器油中的糠醛浓度，是变压器油中绝缘纸机械强度和绝缘强度的一个重 要指标。而通过荧光测量来检测糠醛的浓度，则是一种新的不同于常规油色谱 分析的糠醛浓度检测法1 2 1 。综合多种监测方法，利用油中气体分析、局部放电、 负荷电流符合电压、线圈温度、压力真空等参数来监测变压器或变压器抽头 的状态，是变压器状态监测的趋势；而采用一些新的分析工具和手段，如神经 网络、模糊逻辑、数据挖掘技术、专家系统来改变常规的特征分析和判断。 油中溶解气体分析不受各种电磁干扰的影响，数据可靠性高，技术成熟， 从定性到定量分析都积累了相当的经验。如根据特征气体产气速率、特征气体 法和多种比值法，这些方法都存在编码不足或编码太过于绝对的问题，对某些 编码的故障类型判断不够全面。随着计算机技术和人工智能技术的发展，利用 人工神经网络、遗传算法和专家系统等技术进行变压器的故障诊断有利于有效 地实现对故障的综合诊断，从而提高故障诊断的准确性、可靠性和诊断效率， 为变压器故障诊断技术的发展开拓新的途径，这方面课题的研究已经成为变压 器故障诊断的研究热点之一【5 】1 6 】【7 】【8 1 1 9 。 1 3 人工智能技术在变压器故障诊断中的应用 1 3 1 人工神经网络 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k , 简称a n n ) 是一种模拟人类智能 的技术，它通过神经元建立起输入、输出状态间的“映射”关系，具有很强的 自组织、自学习能力。通过训练学习，它能自动调整各神经元之间的结合程度， 使网络能正确映射其输入输出关系。因此，a n n 是最有前途的故障诊断知识的 获取途径【1 0 1 。文献【1 l 】提出了一种基于最小二乘法加权融合集成神经网络的变压 器故障识别新方法，该方法可在故障特征比较为类似的情况下，正确识别故障 2 第一章绪论 类型。文献 1 2 1 采用具有良好分类能力的径向基函数集成神经网络，以高斯基函 数为作用函数提高了诊断正确率。文献1 1 3 1 提出了径向基函数和组合诊断概念， 使r b f 网络具有很强的局部逼近和分类能力。文献 1 4 1 采用l m 算法建立多层 前向人工神经网络，采用改进算法训练网络。 1 3 2 专家系统 专家系统是具有大量的专门知识与经验的程序系统术，根据某领域一个或 多个专家提供的知识和经验，它应用人工智能和计算机技术进行推理和判断， 模拟人类专家的决策过程，以便解决那些需要人类专家才能处理的复杂问题。 文献 1 5 针对变压器的故障特点，提出了采用基于规则的产生式方法进行知识 表示，以模拟方式构造知识库，并选用正反向混合推理方式。创建变压器的故 障诊断专家系统。 1 3 3 模糊逻辑 模糊理论主要模仿人脑的逻辑思维，具有较强的结构性知识表达能力，能 将不确定性知识或定性知识转化为定量表示。基于变压器故障诊断的复杂性， 故障类型与征兆之间的关系往往具有一定的模糊性。文献 1 6 1 提出了采用模糊等 价矩阵对电力变压器的油中溶解气体分析数据进行聚类分析的方法，结果证明 是有效的。 1 3 4 神经网络专家系统 神经网络与专家系统相结合可以既模拟人类的逻辑思维，还能模拟人类的 形象思维。文献【1 7 针对传统专家系统和神经网络在变压器故障诊断领域应用 中的局限性，提出了将两者结合起来的集成的故障诊断系统。实践证明网络的学 习时间明显缩短，推理效率明显提高。文献 1 8 分析传统专家系统和神经网络存 在的互补性，将这两种技术同时应用于变压器故障诊断，开发出一套实用的智 能故障诊断专家系统。实例证明该系统是成功的 1 3 5 模糊逻辑专家系统 模糊逻辑和专家系统的结合能表示模糊的知识，采用精确和不精确推理所 构造的推理机，得到精确可行的结论的专家系统。文献1 1 9 介绍了在线故障诊断 第一章绪论 利用油色谱进行故障分析需要很多的非定量的经验知识，利用模糊推理，很好 的量化了这些知识，在此基础上，制作了变压器在线故障诊断专家系统。 1 3 6 模糊逻辑神经网络 模糊逻辑主要模仿人脑的逻辑思维，具有较强的结构性知识表达能力；神 经网络主要模仿人脑神经元的功能具有强大的自学习能力和数据处理功能。两 则有机的结合起来可以形成能进行模糊推理的自适应模糊神经网络。文献 2 0 】 避开了传统的比值方法，提出了用模糊遗传算法的人工神经网络方法来诊断变 压器故障，该方法是在遗传寻优过程中，用模糊控制的方式对杂叉率与变异率 进行动态调节，并结合神经网络来对故障实现模式识别。 1 3 7 其它方法 除了以上用得较多的方法以外，还有很多其他的方法，比如；文献【2 l 】探讨 了基于关联分析的故障诊断理论，提出了三级关联算法，建立了一种定性与定 量相结合的三级关联度方法。文献【2 2 】提出了一种属于模式识别范畴的判决树 i d 3 方法进行变压器故障诊断的方法。文献【2 3 】提出了比值范围法改进三比值变 压器故障诊断。 1 4 本文所做的主要工作 本文所研究的是基于油中溶解气体分析的变压器故障诊断，变压器是电力 系统运行的重要设备之一，了解它的运行状况对国民生产生活有着重要的意义。 通过研究，本文主要做了以下工作： 1 ) 研究变压器的各类故障以及发生故障时的产气机理，总结油中溶解气体 组分与变压器故障之间的关系。 2 ) 收集大量变压器油色谱分折的样本数据，为构建变压器故障诊断专家系 统构建知识库打好基础，并为人工神经网络训练提供足够的训练样本。 3 ) 采用神经网络与专家系统相结合的方法构建诊断系统框架，神经网络作 为专家系统的一个知识诊断模块。 4 ) 神经网络采用l m 算法改进的b p 网络，并选定网络结构为6 - 3 5 - 6 的单 隐层b p 网络。神经网络训练参数目前还没有确切的规定，本文对不同的激活函 4 第一章绪论 数、不同的隐层神经原个数、不同的学习算法的神经网络分别进行了仿真，并 分析比较了参数不同时神经网络的训练效果。 5 ) 专家系统知识模块的构建上，采用三种主要诊断模块，分别是：神经网 络诊断模块、基于模糊的辅助诊断模块、改进三比值法的参考诊断模块。 6 ) 采用v b 语言编制变压器基于油中溶解气体分析的诊断软件。此模块包 括了变压器特征气体数据管理模块、诊断模块、输出诊断结果模块，在设计软 件时，使用的方法是v b 调用m a t l a b 神经网络工具箱。 第二章变压器油中溶解气体的分析及故障诊断 第2 章变压器油中溶解气体的分析及故障诊断 众所周知，在正常情况下，冲油电气设备内的油，纸绝缘材料，在热和电的 作用下，会逐渐老化和分解，产生少量的各种低分子烃类及二氧化碳、一氧化 碳等气体。若存在潜伏性过热或放电故障时。就会有大量气体大部分溶于油中。 此时若取油样对油中溶解的特征气体进行分析，便可分析出变压器的故障情况。 2 1变压器故障基于油中溶解气体分析的原理 2 1 1 变压器绝缘材料的产气分析 油浸变压器的绝缘材料主要是绝缘油和油浸纸。绝缘油是天然石油经过蒸 馏、精练而获得的一种矿物油，它是由各种碳氢化合物所组成的混合物。绝缘 纸、绝缘纸板等都以木浆为原料，从化学组成来说，是由纤维素、木质素、半 纤维素及各种微量会属等物质所组成的，其中主要成分是纤维素，电气设备用 的绝缘纸是尽量除去极性物质的高质量纸【2 4 1 。 经过耪练的绝缘油中，不含低分子烃类气体。但变压器运行中，绝缘油如 受到高温作用，可分解产生二氧化碳、低分子烃类气体和氢气等，如表2 1 1 2 5 】 所示。纤维素受热分解作用所产生的物质主要是水、二氧化碳、一氧化碳和焦 碳，如表2 2 t 2 埘所示。 有关变压器油纸绝缘材料与热分解气体的关系大致可以归纳如下： 1 ) 绝缘油在3 0 0 8 0 0 时，热绝缘产生的气体主要是低分子烷烃( 甲烷、 乙烷) 和低分子烯烃( 乙烯、丙烯) ，也含有氢气； 2 ) 绝缘油暴露于电弧之中时，分解气体大部分是氢气和乙炔，并有一定量 的甲烷、乙烯； 3 ) 局部放电时，绝缘油分解的气体主要是氢气和少量甲烷。火花放电时， 除此之外，还有较多的乙炔； 4 ) 绝缘纸在1 2 0 1 5 0 c 长期加热时，产生一氧化碳和二氧化碳，且后者是 最主要成分：在2 0 0 8 0 0 下热分解时，除产生碳的氧化物之外，还含有氢烃 类气体，比c o c o z 较高，说明热点温度越高。 6 第二章变压器油中溶解气体的分析及故障诊断 表2 12 3 0 6 0 0 c 局部加热时绝缘油分解的气体 t a b l e2 1 t h e g a so f a n a l y t i c a l p r o d u c t f r o m t r a n s f o r m e r o i lb y l o c a lh e a t i n g w h i c h t e m p e r a t u r ef l u c t u a t i o n2 3 0 ca n d6 0 0 ( 2 表2 2 纤维素热分解( 温度4 7 0 c ) 产物 t a b l e2 2c e l l u l o s e sp y r o l y s a t e ( t e m p e r a t u r e4 7 0 。c ) 这些研究结果为我们利用变压器油中溶解气体分析数据来解释设备内部故 障性质，提供了有力的试验依据。 2 1 2 正常变压器油中气体的含量 正常运行的变压器油中溶解气体的组成主要是氧气和氮气。但即使是正常 变压器，由于某些非故障原因，也能使绝缘油中含一定量的故障特征气体，比 如：正常劣化产气；油在精练过程中可能形成少量气体，在脱气时未完全除去； 第二章变压器油中溶解气体的分析及故障诊断 安装时，热油循环处理过程中也会产生一定量的c 0 2 气体，有时甚至产生少量 c h 4 ；由于以前发生过故障产生的气体即使油已脱气处理，但仍有少量气体被纤 维材料吸附并渐渐释放于油中。 运行时间较长的正常变压器中，随着运行年限的延长，可以检测出一定量 的c o 、c 0 2 、h 2 、c h 4 、c 2 8 6 、c 2 8 4 和c 3 h 8 等气体。通常正常变压器油中是不 含c 2 h 2 的。根据专家统计的统计结果，正常变压器油中氢、烃类气体的含量均 小于表2 3 所示之值。我们把表2 3 的浓度极限作为判定设备内部状态的注意值。 表2 3 正常变压器油中烃类气体的统计极限含量 t a b l e2 3 h y d r o e a r b o ng a s s t a t i s t i c a ll i m i tc o n t e n ti nn o r m a lt r a n s f o r m e ro i l 2 1 3 变压器内部故障类型与油中气体含量的关系 变压器的内部故障，就其故障现象来看，主要有热性故障和电性故障，其 次还有受潮。热性故障是由于有效热应力所造成的绝缘加速劣化，一般由其温 表2 4 不同故障类型产生的气体组分 t a b l e2 4g a sc o m p o n e n tp r o d u c e db yt h ed i f f e r e n tb r e a k d o w nt y p e 8 第二章变压器油中溶解气体的分析及故障诊断 度的高低分为高温过热( 大于7 0 0 ) 、中温过热( 3 0 0 7 0 0 ) 、低温过热( 1 5 0 3 0 0 ) 。电性故障是在高电应力作用下所造成的绝缘劣化，由于能量密度的不 同，分为高能量放电、低能量放电，亦即火花放电和局部放电等不同的故障类 型i 冽。高能量放电将导致绝缘电弧击穿。火花放电是一种间歇性的放电。局部 放电的能量密度最低，并常常发生在气隙和悬浮带电体的空间内。当变压器内 部进水受潮时，油中水分和含湿杂质易形成“小桥”或者绝缘中含有气隙均能 引起局部放电，而产生氢气，还因为水分在电场作用下的电解作用的水与铁的 化学反应，也可产生大量氢气。变压器不同的故障类型产生的主要和次要气体 组分如表2 4 所示。 2 2 变压器内部故障诊断技术 油中溶解气体分析的目的是了解设备的现状，了解发生异常和故障的原因， 预测设备未来的状态，以便将设备维修方式由传统的定期预防性维修，改革为 设备状态检测维修，即预知维修。因此，通过油中溶解气体分析来检测设备内 部潜伏性故障，了解故障发生的原因，不断地掌握故障的发展趋势，提供故障 严重程度的信息，即时报警，作为编制合理维护措施的重要依据，是油中溶解 气体分析的主要任务。 2 2 1 故障诊断步骤 我们根据油中溶解气体分析结果进行故障诊断时，如同医生给患者诊断疾 病一样，对于一个有效的分析结果，应按如下思路进行诊断： 判定有无故障： 判断故障类型：如过热、电弧、火花放电和局部放电等； 诊断故障的状态：如热点温度、故障功率、严重程度、发展趋势、以及油 中气体饱和水平达到气体继电器报警所需时间等： 提出相应的反事故对策：如能否继续运行，继续运行期间的技术安全措施 和监视手段，是否需要内部检查修理等。 基于这个思路，当已经分折得出油中溶解气体含量数据以后，可按照图2 1 所示的步骤进行设备内部状态的诊断。 9 第二章变压器油中溶解气体的分析及故障诊断 产气速率高于注意值， 产气速率低于注意值 豳应 有 无 f 瓯磊习 1一 图2 1 故障诊断程序 f i g 2 1 f a u l td i a g n o s t i cp r o g r a m 2 2 2 有无故障的诊断 当我们分析了油中溶解气体组分及其含量之后，就要确定这些特征气体的含量 与设备内部故障的定量关系。d l f f 7 2 2 2 0 0 0 推荐了变压器故障的注意值，或者 我们也可以用人们总结出的表2 3 的值作为注意值，但他们都不是划分设备是否 正常的唯一判据，不应当做“标准”死扣。最终判定有无故障还应根据最终分 析，考察特征气体的增长速率。有时即使特征气体低于注意值，但突然增长时， 仍应追踪分析，查明原因。因此，我们仅仅依靠分析结果的绝对值是很难对故 障的严重程度做出正确判断的，必须根据产气速率的考察来诊断故障的发展趋 势。 1 0 匐 第二章变压器油中溶解气体的分析及故障诊断 d l t 7 2 2 2 0 0 0 推荐了以下两种方式中的任何一种来表示产气速率： 绝对产气速率。即每运行日产生某种气体的平均值，按式2 - 1 计算： 屹= c 1 2 出- c j l 号 ( 2 1 ) 式中，是绝对产气速率，单位为m l d ；c , 2 是第二次取样测得油中组分i 气体浓度，单位为u l 几；g 。是第一次取样测得油中组分i 气体浓度，单位为u l 几： & 是二次取样时自j 耐隔中的实际运行时闯，单位为d ；m 是设备总油量，单位 为t ；p 是油的密度，单位为t m 3 。d l t 7 2 2 2 0 0 0 推荐的变压器绝对产气速率注 意值如表2 5 。 表2 5d l t 7 2 2 - - 2 0 0 0 推荐变压器和电抗器绝对产气速率注意值 t a b l e2 5a t t e n t i o nn u m e r i co f a b s o l u t eg a sp r o d u c t i o nr a t eo f t h et r a n s f o r m e ra n dt h e r e a c t o rr e c o m m e n d e db yd l t 7 2 2 - - 2 0 0 0 相对产气速率。即每个月( 或折算到每个月) 某种气体含量增加原有值的 百分数的平均值。按式2 2 计算： ，一r 1 = - 了纽。1 0 0 ( 2 2 ) ljlv 式中，是相对产气速率，单位为月：g ：是第二次取样测得油中组分i 气 体浓度，单位为l i l l ；g 是第一次取样测得油中组分i 气体浓度，单位为u l 九； & 是二次取样时间间隔中的实际运行时问，单位为月。当总烃的相对产气速率 大于1 0 吲月时就应该引起注意，对总烃起始值很低的变压器不宜采用此判据。 实际工作中，我们都把气体浓度绝对值和产气速率结合起来诊断故障。 第二章变压器油中溶解气体的分析及故障诊断 2 2 3 故障类型诊断 基于油中溶鼹气体类型与内部故障类型的对应关系，国内外先后提出了多 种以油中特征气体为依据的判断设备故障的方法。 1 ) 特征气体法 按油中溶解的特征气体含量与注意值的比较进行判断，特征气体主要包括 总烃c l + c 2 ，c 2 h 2 ，h 2 ，c o 和c 0 2 等。由于变压器内部在不同故障下产生的气体 有不同的特征，因此可以根据绝缘油的气相色谱测定结采和产气的特征性及特 征气体的注意值等，对变压器有无故障及故障性质做出初步判断，判断规则如 表2 6 所示，但这种方法只能粗略地判断设备内部有无故障，而不是划分故障的 唯一标准。 表2 6 特征气体法 t a b l e2 6m e t h o db yc h a r a c t e r i s t i cg a s 2 ) 电协研法 1 2 第二章变压器油中溶解气体的分析及故障诊断 电协研是对i e c 法进行了改进，即把与编码相应的比值范围的上下限作了 更明确的规定，并把故障分类予以简化。结果提出了在日本广泛应用的电协研 法，其判断准确率可提高到8 l 以上。其编码规则及判断方法如表2 9 所示。 表2 9 电协研法编码规则 t a b l e2 9c o d er u l eo f t h ee l e c t r i c i t ya s s o c i a t i o ng r i n d s m e t h o d 故障类型诊断 d i a g n o s i so f b r e a k d o w nt y p e 3 ) 改良 e c 比值法 随后，在人们大量应用三比值法的基础上，对与编码相应的比值范围、编 码组合及故障类别进行了改良，得到了目前推荐的改良三比值法。我国现行的 笙三主銮堡矍垫主塑堡冬堡堕坌堑墨垫堕堡堕 变压器油中溶解气体分析和判断导则d u t 7 2 2 - 2 0 0 0 推荐的三比值法也采用 i e c 改良三比值法。改良i e c 三比值法的编码规则和判断方法如表2 1 0 所示， 据有关资料显示其诊断准确率高达9 0 以上【2 7 1 。 表2 1 0 改良三比值法编码规则 t a b l e2 ，1 0c o d er u l eo f i m p r o v e st h r e er a t i o n s m e t h o d 局部放电 低温过热( 低于1 5 0 。c ) 低温过热( 1 5 0 3 0 0 c ) 中温过热( 3 0 0 7 0 0 c ) 高温过热( 高于7 0 0 c ) 低能( 火花) 放电 低能( 火花) 放电兼过热 电弧放电 12 0 , 1 2 电弧放电兼过热 1 4 0 0 0 0 0 o o l 0 1 2 1 l j 2 ， o 2 2 仉 2 戗 o o o o o 2 2 l 第二章变压器油中溶解气体的分析及故障诊断 2 2 4 故障诊断方法的分析 判断变压器故障类型已在我国采用十几年了，三比值法的诊断准确率可达 8 0 左右【1 8 j ，经改进后的改良三比值法判断故障的准确率比三比值法要高得多， 但在实际使用中比值法仍然显示出以下不足： 1 ) 实际中往往出现没有包括在比值范围内的比值组合或者出现的故障没有 包含在比值组合对应的故障类型中； 2 ) 在比值法中一种故障对应一组比值，当同时存在多种故障时，就有可能 找不到相对应的比值组合或者诊断出错误的比值组合； 以上问题存在的主要原因是由于以下客观实际情况： 1 ) 变压器故障分类存在模糊性，而比值法的编码和故障类型的对应关系也 是绝对的，一种编码严格对应于一种故障。事实上一种故障状态可能引起多种 故障特征，而一种故障特征也可在不同程度上反映多种故障状态。 2 ) 比值法对于编码范围的边界区分非常分明，编码的确定也是绝对的，例 如：对c 2 h 2 c 2 h 4 ，当比值稍小于o 1 时属于编码o ，当比值等于o 1 时，就属于编 码l ，编码从0 到1 这中间存在一个跳变，而实际上，这比值的增长是极小的， 甚至也许在一个工程误差范围内，但由此判断的结果将完全不同，这就是由于 比值法建立在精确数学上“非此即彼”的结果，而实际上比值在这一分界处的 编码具有模糊性。 由上可知，变压器故障本身因果关系的模糊性和比值法的绝对性，决定了 比值法不能完全准确地诊断变压器故障，利用目前发展迅速的人工智能技术与 比值法相结合的方法诊断变压器故障成为目前研究的主要方向。 2 3 本章小结 本章首先对变压器油中溶解气体产生的原理及变压器故障诊断技术进行了 多方面的深入分析，从判断故障的步骤到如何判断变压器是否故障，再到故障 的诊断方法及诊断方法的分析，使读者对变压器故障有一个整体的认识，为后 续章节中的专家系统中的故障诊断、人工智能方法的应用建立了坚实的基础。 第三章变压器油中溶解气体的分析及故障诊断 第3 章人工神经网络 3 1 神经网络基础 人工神经网络是近年来发展起来的十分热门的交叉学科，是由大量简单处 理单元广泛的相互连接而形成的复杂网络，神经网络通过模拟人脑结构来实现 对人脑信息处理功能的模拟，并应用这种模拟来解决工程实际问题。由于神经 网络自身具有的功能和其信息处理的特点，有着比其他传统方法更明显的优势， 其自适应和学习能力更强；神经网络应用已经有了许多著名的成功先例，并正 在展示出更广阔的应用j ； 景【2 8 】【2 9 】【3 0 】。 3 1 1 神经元模型 神经网络的基本单元称为“神经元”，它是对生物神经元的简化和模拟。 它是人工神经网络的基本处理单元，它一般是一个多输入单输出的非线性元件。 神经网络由几乎完全相同的许多神经元有机组合而成。一个具有r 个输入分量的 神经元如图3 1 神经元模型图所示。 其中：x ，( ，= 1 一，) 为来自其他神经元的输入信号；辞为该神经元的阀值； 气表示从神经元j 到神经元i 的连接权值；表示神经元的状态。f ( s 。) 为某种非 线性函数，它将神经元的状态置变换成神经元的输出l = ，所以称为神经元的输出 函数或者传递函数，也称为激活函数。 图3 1 神经元模型 f i g 3 1 n e u r o m i m e 1 6 第三章变压器油中溶解气体的分析及故障诊断 输入分量_ ( ，= l ，2 ，r ) 通过与和它相乘的权值分量( ，= l ，2 ，r ) 相连， 神经元的总输入为： s j = 印口工一臼。( 3 - 1 ) j = l 为了便于统一处理，式( 3 一1 ) 又表示为： s i = f 奉x ， j = 0 ( 3 - 2 ) 式中哆o = - o , ，x o ；l 。 形成激活函数( a c t i v a t i o nt r a n s f e rf u n c t i o n ) 厂( ) 的输入。神经元的输出为： l 乃= ( 艺宰) = 厂( 暑) ( 3 3 ) j = o 激活函数厂( ) 是一个神经元及网络的核心，要求函数特性曲线光滑且可导， 它是神经网络具有非线性分类能力的根源。一般地，称一个神经网络是线性或 非线性是由网络神经元所具有的激活函数的线性或非线性来决定的。在实际应 用中，最常用的输出函数是s i g m o i d 函数，常用的激活函数有阙值型、线性型、 s 型( s i g m o i d ) 等。 人工神经元的信息处理过程可分为三个部分，首先完成输入信号与神经元 连接权值的内积运算，然后再将其结果通过激活函数，再和阀值进行比较，如 果总输入值大于阀值门限，则该神经元被激活，否则处于抑制状态。在这种方 式下，人工神经元与生物神经元的工作方式非常类似。激活函数实现输入与输 出问的非线性映射，这类似于生物神经元的非线性转移特性。 3 1 2 神经网络的拓扑结构 神经网络是由大量神经元相互连接而构成的网络。根据连接方式的不同， 神经网络的拓扑结构通常可以分成两大类：层状结构和网状结构。 层状结构的神经网络由若干层组成，其中一层为网络的输入层，另一层为 网络的输出层，介于输入层和输出层之间的则为网络的隐含层。每一层都包括 一定数量的神经元。在相邻层中的神经元单向联接即每一层神经元只与前一层 神经元的输出相连接，而同层内的神经元相互之间无连接关系。根据层与层之 1 7 第三章变压器油中溶解气体的分析及故障诊断 问有无反馈连接，层状结构的神经网络又可分为“前馈网络”与“反馈网络” 两种。 前馈网络又称为前向网络，其特点是在相邻的两层之间神经元相互连接， 在各神经元之间没有反馈。每个神经元可以从前一层接收多个输入，并产生一 个输出传递给下一层的各个神经元，信息只能从输入层开始逐层向前依次传递。 反馈网络在输出层与隐含层或者隐含层与隐含层之间具有反馈连接，即相 应的节点同时接收来自前面一层单元的输入和来自后面节点的反馈输入。 h o p f i e l d 网络就是一种最典型的反馈神经网络。此外，递归神经网络( r e c u r r e n t n e u r a l n e t w o r k r n 也是目前一种常用的反馈网络。 网状结构的神经网络又称为互联网络，其特点是任何两个神经元之间都可 能存在双向的连接关系，所有神经元既作为输入节点，同时也作为输出节点。 因此，输入信号要在所有神经元之间反复传递，从某一初始状态开始，经过若 干次的变化，直到收敛于某一稳定状态或进入周期振荡等状态为止。随着神经 元数目的增加，互联网络结构会迅速复杂化，从而大大增加网络的计算量。 3 1 3 神经网络的学习机制 连接权是反映神经网络信息存储的关键量，在网络结构和激活函数确定了 以后，神经网络必须经过学习，使网络的连接权分布达到实现某种输入输出关 系的要求。学习就是应用一系列的输入矢量样本，通过预先确定的学习算法来 调整网络的权值。神经网络常见的学习规则有h e b b 学习规则、感知器学习规则、 s ( 广义s ) 学习规则、概率式学习规则、竞争式学习规则等。尽管神经网络的学 习规则多种多样，但是根据学习过程的组织和管理方式的不同，神经网络的学 习算法可分为有监督学习和无监督学习两大类。 有监督学习要求学习范例的每一个输入矢量有一个目标输出矢量与之配 对，对神经网络进行学习需要许多这样的学习范例，即样本。在学习过程中， 依据学习范例的输入矢量和网络的当| i 权值计算网络的输出矢量。将输出矢量 与目标输出矢量进行比较，如果存在误差，则通过给定的学习算法按误差减小 的方向调整网络的权值。逐个使用学习范例集进行训练，直到误差d , n 可以接 受为止。最典型的有监督学习算法是b p ( b a c k p r o p a g a t i o n ) 算法一误差反向传播 算法。b p 网络在故障诊断的应用中有着良好的使用效果，它有一个输入层，一 个输出层，一个或多个隐含层。每一层上包含了若干个节点，每个节点代表一 第二章变压器油中溶解气体的分析及故障诊断 个神经元。相邻层中神经元单向连接，而同层的神经元相互之间无连接关系。 信息从输入层开始在各层之间单向传播，依次经过各隐含层节点，最后到达输 出层节点。神经网络中有计算功能的节点成为计算单元，前馈网络的隐含层和 输出层节点属于计算单元。 无监督学习是一种自组织学习，即网络的学习过程完全是一种自我学习的 过程，不需要提供学习样本或外界反馈。在学习过程中，网络只需要响应输入 信号的激励，按照某种规则反复调节网络权值和阀值，直到最后形成某种有序 的状态。例如，在很多情况下，无监督学习算法可以用来做聚类分析，即通过 学习将输入模式划分为有限的模式类别，无监督学习算法的典型代表是h e b b 学 习规则。 经过学习或训练以后，神经网络的连接权值通过其问的相互关系，记忆了 学习样本中总结出的知识，可以直接对新的输入矢量做出判断，给出输出矢量。 3 2b p 网络 在神经网络的实际应用中，b p 网络广泛应用于函数逼近、模式识别分类等。 b p 神经网络由于具有良好的模式分类能力，尤其适用于故障诊断领域，因而在 故障诊断系统中具有广泛的应用前景，也是目前故障诊