论文部分内容阅读
摘 要：电力变压器的正常稳定运行对电力系统的安全可靠性至关重要。因此，研究电力变压器的故障诊断方法非常重要。在本文中，提出了一种双层结构的综合故障诊断模型来评估变压器故障类型。
关键词：变压器故障诊断； DGA数据； AFS-BP算法；模糊集合统计
引言
溶解气体分析（DGA）被认为是国内外变压器潜在故障诊断中最成熟有效的方法。传统BP网络的故障分类精度相对较低，为了解决这个问题，提出了一种人工鱼群算法（AFSA）来优化BP网络算法，从而形成了AFS-BP算法。在本文中，构建了基于DGA数据的组合不同诊断方法的多层综合故障决策模型。在模型第二层，采用模糊集合统计[1]统一不同方法的结果，最后使用故障诊断仿真验证了该方法的有效性。
1. AFS-BP神经网络
BP算法是具有简单计算特征的梯度下降和局部搜索方法。然而，存在收敛速度慢，同时很容易进入局部最小值的问题。为了摆脱局部最小值，在此引入了人工鱼群优化算法[2]。
在本文中，应用三层结构的BP神经网络，并应用人工鱼群算法进行优化。通过人工鱼群算法优化的BP神经网络可以简写为AFS-BP（Artificial FishSwarm Algorithm-Back Propagation）神经网络。 采用聚类方法产生30只人工鱼，初始化鱼类参数（包括感知距离V=40，初始步长λ=10，拥挤度因子δ=1，最大迭代次数Gmax=40，ε=1e-5）。对网络进行训练，然后使用收集到的1186组DGA测试样本检验网络的故障分类能力。其中一次运算的收敛过程及诊断结果分类准确度如图1和2所示。
从图中可以看出，鱼群平均最优值在寻优过程中会有反复，但最优人工鱼一直在接近最优值。不管是最优人工鱼还是平均人工鱼，鱼群寻优的速度非常快，迭代7次就已经接近最优值。
2 比值法
成熟的比值法包括IEC三比值法、电协研法、改良三比值法、Duval三角法、Rogers三比值法、HAE三角法和TD图法这7种。
3综合故障诊断模型
1）输入和输出向量
在油色谱图分析领域，H2，CH4，C2H6，C2H4，C2H2，CO和CO2是变压器内部故障的有价值气体。考虑到分散DGA数据，本文采用H2，C2H6，C2H4，C2H2，CO和CO2含量数据作为诊断模型的输入向量。归一化方式是使气体含量除以数据集中相同种类气体的最大含量。输出向量设置为低能量放电（LD），高能量放电（HD），低温和中温过热<700。C（MLT），高温过热>700 oC（HT）和放电兼过熱（TD）。
2）诊断模型首层
首先，IEC三比值法、电协研法、改良三比值法、Duval三角法、Rogers三比值法、HAE三角法和TD图法这7种成熟的比值法及IAFS-BP神经网络法单独诊断，各自得出结果。
3）第二层故障诊断模型
在第二层，建立模糊集值统计法统计模型，借助专家系统对7种比值法及IAFS-BP网络诊断的结果进行融合。在模型中，E={e1，e2，…，e8}分别表示IEC三比值法、电协研法、改良三比值法、Duval三角法、Rogers三比值法、HAE三角法、TD图法和神经网络8种方法；X={x1，x2，…，x5}分别表示低能放电（LD）、高能放电（HD）、中低温过热（MLT）、高温过热（HT）、放电兼过热（TD）5种故障。
4变电站故障诊断
某变电所2#330kV主变，某次离线检测得到的色谱数据如表1所示。
由阈值诊断发现C2H2含量超标，因此将数据输入DGA综合诊断模型。8种诊断方法的结果如表5所示。
代入公式得到所有故障的分数向量为
，可见，第一种类型故障的隶属度最大，即一级诊断的结果为：LD，低能放电故障。事故分析的结果为悬浮电位放电，与诊断结果相符。
5总结
1）利用BP神经网络处理故障信息的优点，本文提出了一种基于BP神经网络的人工鱼群算法用于故障诊断。通过变压器故障诊断的例子，表明该方法可以有效提高故障诊断精度。
2）在模型第二层，专家系统用于综合基于模糊集值统计的8种DGA诊断方法的结果。实例表明该DGA综合诊断模型可以对故障类型进行准确区分。
参考文献：
[1]Sun Y， Zhang S， Miao C， et al. Improved BP neural network for transformer fault diagnosis[J]. Journal of China University of Mining and Technology， 2007， 17（1）： 138-142.
[2]李晓磊. 一种新型的智能优化方法-人工鱼群算法[D]. 浙江大学博士学位论文， 2003.
关键词：变压器故障诊断； DGA数据； AFS-BP算法；模糊集合统计
引言
溶解气体分析（DGA）被认为是国内外变压器潜在故障诊断中最成熟有效的方法。传统BP网络的故障分类精度相对较低，为了解决这个问题，提出了一种人工鱼群算法（AFSA）来优化BP网络算法，从而形成了AFS-BP算法。在本文中，构建了基于DGA数据的组合不同诊断方法的多层综合故障决策模型。在模型第二层，采用模糊集合统计[1]统一不同方法的结果，最后使用故障诊断仿真验证了该方法的有效性。
1. AFS-BP神经网络
BP算法是具有简单计算特征的梯度下降和局部搜索方法。然而，存在收敛速度慢，同时很容易进入局部最小值的问题。为了摆脱局部最小值，在此引入了人工鱼群优化算法[2]。
在本文中，应用三层结构的BP神经网络，并应用人工鱼群算法进行优化。通过人工鱼群算法优化的BP神经网络可以简写为AFS-BP（Artificial FishSwarm Algorithm-Back Propagation）神经网络。 采用聚类方法产生30只人工鱼，初始化鱼类参数（包括感知距离V=40，初始步长λ=10，拥挤度因子δ=1，最大迭代次数Gmax=40，ε=1e-5）。对网络进行训练，然后使用收集到的1186组DGA测试样本检验网络的故障分类能力。其中一次运算的收敛过程及诊断结果分类准确度如图1和2所示。
从图中可以看出，鱼群平均最优值在寻优过程中会有反复，但最优人工鱼一直在接近最优值。不管是最优人工鱼还是平均人工鱼，鱼群寻优的速度非常快，迭代7次就已经接近最优值。
2 比值法
成熟的比值法包括IEC三比值法、电协研法、改良三比值法、Duval三角法、Rogers三比值法、HAE三角法和TD图法这7种。
3综合故障诊断模型
1）输入和输出向量
在油色谱图分析领域，H2，CH4，C2H6，C2H4，C2H2，CO和CO2是变压器内部故障的有价值气体。考虑到分散DGA数据，本文采用H2，C2H6，C2H4，C2H2，CO和CO2含量数据作为诊断模型的输入向量。归一化方式是使气体含量除以数据集中相同种类气体的最大含量。输出向量设置为低能量放电（LD），高能量放电（HD），低温和中温过热<700。C（MLT），高温过热>700 oC（HT）和放电兼过熱（TD）。
2）诊断模型首层
首先，IEC三比值法、电协研法、改良三比值法、Duval三角法、Rogers三比值法、HAE三角法和TD图法这7种成熟的比值法及IAFS-BP神经网络法单独诊断，各自得出结果。
3）第二层故障诊断模型
在第二层，建立模糊集值统计法统计模型，借助专家系统对7种比值法及IAFS-BP网络诊断的结果进行融合。在模型中，E={e1，e2，…，e8}分别表示IEC三比值法、电协研法、改良三比值法、Duval三角法、Rogers三比值法、HAE三角法、TD图法和神经网络8种方法；X={x1，x2，…，x5}分别表示低能放电（LD）、高能放电（HD）、中低温过热（MLT）、高温过热（HT）、放电兼过热（TD）5种故障。
4变电站故障诊断
某变电所2#330kV主变，某次离线检测得到的色谱数据如表1所示。
由阈值诊断发现C2H2含量超标，因此将数据输入DGA综合诊断模型。8种诊断方法的结果如表5所示。
代入公式得到所有故障的分数向量为
，可见，第一种类型故障的隶属度最大，即一级诊断的结果为：LD，低能放电故障。事故分析的结果为悬浮电位放电，与诊断结果相符。
5总结
1）利用BP神经网络处理故障信息的优点，本文提出了一种基于BP神经网络的人工鱼群算法用于故障诊断。通过变压器故障诊断的例子，表明该方法可以有效提高故障诊断精度。
2）在模型第二层，专家系统用于综合基于模糊集值统计的8种DGA诊断方法的结果。实例表明该DGA综合诊断模型可以对故障类型进行准确区分。
参考文献：
[1]Sun Y， Zhang S， Miao C， et al. Improved BP neural network for transformer fault diagnosis[J]. Journal of China University of Mining and Technology， 2007， 17（1）： 138-142.
[2]李晓磊. 一种新型的智能优化方法-人工鱼群算法[D]. 浙江大学博士学位论文， 2003.