MATLAB在变压器故障诊断中的应用.doc

MATLAB在变压器故障诊断中的应用 摘 要：应用变压器故障诊断技术及早发现变压器的潜伏性故障，对保证电力系统安全运行具有重要意义。本文介绍了以油中溶解气体比值进行变压器故障诊断的方法，并基于三比值法应用MATLAB平台的Graphical User Interfaces（图形处理）模块设计出有着友好的人机交互界面的变压器故障诊断系统实现了简单初步的诊断。另外，本文继续介绍了BP神经网络法，上机调试运行程序调用MATLAB中的神经网络函数，用实际故障数据样本分别对BP程序和三比值GUI程序进行测试，最终用测试实验数据比较出了优劣。关键词：变压器故障诊断，三比值法，GUI界面，BP神经网络关键词：变压器故障诊断，油中溶解气体，三比值法，GUI界面，BP神经网络0引言我国绝大多数的电力变压器是油浸式变压器, 油中溶解气体分析(DGA)就成为一种被广泛使用的故障诊断方法。其中又以三比值法较为常用；同时随着国民经济发展对电力生产运行水平要求的提高，BP神经网络法等其他先进有效的方法也需要我们不断熟悉应用，融入到生产实践当中去。MATLAB是一种常用的编程语言，它是集科学计算、可视化、编程于一体的工程软件开发平台。MATLAB还具有与其他语言连接的软件接口，使该款软件在应用时具有很大的灵活性。MATLAB可视化用户界面设计能力虽然相对其他语言相对弱小，但是它已足以满足实际生产应用的需要。通过它能够快速从输入数据中解析出有用的故障特征数据，自动判定故障类型，以文字的形式直观输出给使用人员。另外，MATLAB中强大的神经网络函数使基于BP神经网络法的变压器故障诊断的方便实施成为了可能。1仿真原理三比值法依据变压器内部的绝缘油在各种故障的情况下，分解所产生的特征气体与变压器内部温度的相互关系，从5种气体中取出2种，溶解度和扩散系数极其相近的气体，近而组成3对比值，用不同的编码来表示。再对照编码诊断表得出变压器的故障结论。其编码规则和判断方法如表2-9和表2-10所示。表2-9三比值法（IEC）的编码规则特征气体的比值比值范围C2H2/C2H4CH4/H2C2H4/C2H63222表2-10三比值法（IEC）的故障性质判断序号故障性质比值范围C2H2/C2H4CH4/H2C2H4/C2H60无故障0001低能量密度局部放电0102高能量密度局部放电1103低能量放电1-201-24高能量放电1025低于150的过热故障0016150-300的过热故障0207300-700的过热故障0218高于700的过热故障0222应用MATLAB/GUI模块仿真变压器故障诊断系统2.1 MATLAB的GUI编程介绍Graphical User Interfaces（GUI），即图形用户界面，是一种包含有多种图像对象的界面，典型的图像对象有下拉框、按钮、文本框等。用户只要根据具体问题的需要对这些图形对象进行布局和编程，最后保存和发布所创建的GUI即可实现图形用户界面的开发。对于GUI的创建既可以编写代码也可以通过利用MATLAB所提供的图形用户界面开发环境进行开发。在本文中采用GUIDE图形用户界面开发环境进行变压器故障诊断系统的开发。GUIDE界面编辑器如图4-1。图4-1GUIDE界面编辑器外观2.2编程实施实现本GUI程序主要包括以下两项工作：GUI界面设计和GUI组件编程。整个GUI的实现过程分为以下几步：（1）使用界面编辑器进行GUI界面设计，设计出变压器油中溶解气体的输入窗口及结果输出窗口；（2）应用程序M文件中所使用的编程技术；（3）编写用户GUI组件行为响应控制（即回调函数）代码，将三比值法的逻辑内容添加到代码中。本文所设计的变压器故障诊断系统，基于三比值法。系统的人机界面如图4-2所示。特征气体输入栏：即输入变压器油中溶解气体数据。故障诊断输出栏：这里包括两部分，一是对诊断类型的描述，例如高温过热，高能放电等，二是发生该类故障可能的原因。这些可能原因是根据现场发生的实际故障情况所总结出来的。图4-2故障诊断系统2.3故障诊断仿真系统有效性验证本系统基本满足了变压器故障的初步诊断，在系统成型之后进行了如下验证，一组往届学长硕士论文中的故障诊断（三比值基础上进一步应用BP神经网络法提高准确性）数据是：7，1230，520，73，140，故障诊断结果：故障类型是高温过热（高于700度）；故障可能原因：、绝缘导线过热；、分接开关接触不良；、涡流引起铜过热；、铁心漏磁；、局部短路；、层间绝缘不良；、铁心多点接地。而针对本组数据应用本系统的诊断结果为故障类型是高温过热（700度以上）；可能原因为：分接开关接触不良引起夹件螺丝松动或接头焊接不良，涡流引起铜过热，铁心漏磁，局部短路，层间绝缘不良，铁心多点接地等；可见结果有很高的相似度。结果如图4-2所示然而在另一组数据7.5 5.7 3.4 2.6 3.2中应用该程序的诊断结果为低能放电，实际应为正常，可见该程序的有效性还需进一步验证。因为数据资料有限仅根据涉及正常及中低温故障的19组数据进行了验证，结果如下：表4-1 19组故障诊断系统验证数据氢气甲烷乙烷乙烯乙炔诊断结果39.183724.489818.367311.42866.5306局部放电33.66342.970333.168327.72282.4752正常42.016833.613414.84598.96360.5602正常46.132111.572333.14478.5220.6289正常46.808536.87948.51067.51770.2837正常63.636116.34274.23439.243310.6754低能放电36.45327.01216.312124.00253.4231低能放电7.51135.72323.41132.61323.3432低能放电46.098633.40317.02018.09850.3032正常38.186231.02637.875922.91170.3352高温过热0.981143.831826.798728.38840.0032高温过热7.810530.401817.372243.38931.0262高温过热15.324622.184617.781544.70790.2339中温过热92.253661.948653.094038.28200.1099中温过热144.7876754.4322250.2466502.00131.6542低温过热259.2321863.1145994.2289393.86316.0024低温过热33.561733.56179.229523.49320.1538中温过热40.259725.108218.614716.01730.1002中温过热表4-1中有19组数据;其中12组数据符合实际情况得出该系统的准率约为64%。实验表明三比值法的诊断准确率并不高，原因如下：1)由于DGA诊断方法的基础是统计学渐进理论，正是由于统计学渐进理论的前提条件往往难以满足，因为在实际工程中的问题会是高维空间；2)由于变压器本身结构的复杂性和发生绝缘故障的多样性。单一变压器故障类型与油中气体含量之间不是简单的线性关系，没有个明确的一一对应关系；3)变压器绝缘故障机理要想从根本原理上了解它们，确实是件很难的事情，涉及到的问题有很多如：磁场、电场、现场情况等。所以就导致了诊断规则过于简单和不能完整的反映故障类型，甚至某些故障类型不能反映，也就导致了如果仅仅依据气体的含量或它们的比值等方法来直接进行判断就会显得很武断。还有就是边界问题，如果测量的数据远离边界时诊断的正确率就会较高，反之靠近边界时就会诊断效果就会稍差。正是由于传统的DGA方法存在一些不足之处，因此为了弥补它们的不足。很多人利用人工智能方法对传统的DGA方法进行改进。3BP神经网络法及其与三比值法的实验比较3.1实验相关程序(1)BP神经网络法程序：clearp=xlsread(C:Documents and SettingsAdministrator1111p);p=p;t=xlsread(C:Documents and SettingsAdministrator1111t);t=t; net=newff(minmax(p), 5 ,12,1,tansig,tansig,purelin,trainscg);Net.trainParam.Ir=0.05;net.trainParam.epochs=40000;net.trainParam.goal=0.000001;net.trainParam.show=3000;net=train(net,p,t);3.2针对变压器故障类型为正常数据的诊断验证（1）用于训练的九组数据如表5-1：表5-1 实际故障类型为正常的九组训练数据氢气甲烷乙烷乙烯乙炔98073125804611338.50.642331590.64736.88.57.50.2838251811.56.5422.71.10.7014.73.710.52.70.2153.810.330.28.71.65.829.42.4（2）训练曲线如下，907次训练后收敛（如图5-2）：（3）用于测试的九组数据（实际故障类型全部为正常）：表5-2 实际故障类型为正常的九组测试数据氢气甲烷乙烷乙烯乙炔诊断结果39.183724.489818.367311.42866.5306局部放电33.66342.970333.168327.72282.4752低能放电42.016833.613414.84598.96360.5602低能放电46.132111.572333.14478.5220.6289正常46.808536.87948.51067.51770.2837正常6316.74.39.310低能放电3676.324.53.4正常7.55.73.42.63.2正常4633.17.18.50.32正常（4）BP神经网络法仿真预测结果：图5-3：BP神经网络法仿真预测结果（5）结论图5-4中发现第二个及第七个数据出现异常（过大），除了这两组数据外的七组诊断结果全部为正常（约等于0），符合实际情况。正确率为77.8%。同时如表5-2所示，用三比值法的程序得到的诊断结果中，第一二三五组数据的诊断与实际不符，正确率为65.6%，同时可以得出结论：1.对故障类型为正常的数据的分辨能力，BP神经网络测试法优于三比值法。2.三比值法对变压器正常与低能放电的区分能力不足。3.3小结由