论文部分内容阅读
[摘 要]本文介绍了遗传算法的基本原理，根据遗传算法的特点，对局部放电的故障类型和电信号特征量加以分析，建立了遗传算法诊断局部放电的模型。并设计了基于MATLAB的局部放电故障诊断专家系统，实现了局部放电的故障诊断。
[关键词]变压器、局部放电、故障诊断、遗传算法
中图分类号：TM855 文献标识码：A 文章编号：1009-914X（2015）26-0065-01
1 引言
电力变压器是发电厂、变电站以此设备中的重要设备，其安全运行是电力系统稳定运行的保障。大多数变压器的绝缘故障常起源于变压器内部的局部放电。局部放电虽然放电能量很小，但长时间的局部放电会逐渐腐蚀，损坏绝缘材料，最终导致整个绝缘体的击穿。
变压器局部放电在线监测技术的出现，使得实时了解变压器局部放电情况称为可能，而故障诊断算法作为变压器局部放电的故障判别与预测手段，可为变压器的运行维护提供有效的参考。尤其是随着人工智能技术的发展和推广，越来越多的人工智能算法在变压器状态分析和故障诊断中得到应用。
模糊控制为变压器的绝缘故障诊断提供了一种较为有效的新方法将模糊数学用于故障诊断，对故障现象能够合理的加以量化等，但由于其本身具有的模糊性和不确定性，隶属函数和模糊规则的确定过程存在一定的人为因素，缺乏令人信服的客观依据。
本课题在采用高频法进行局部放电在线监测的基础上，系统的研究变压器局部放电的特点，采用遗传算法，有效地对故障进行分类和计算，分析故障特征信号，并对其进行优化，找到局部放电电信号特征参数与放电类型的对应关系，实现故障的判别。
2 局部放电图谱分析
该系统包括信息采集、信号处理和故障诊断3个模块。信息采集模块包括变压器、放电量检测模块、传感器、信号处理模块等部分；故障诊断模块由CPU完成。其具体结构如图所示。
脉冲电流法在线测量获得的局部放电类型主要包括油楔放电、沿面放电、悬浮放电、绝缘子表面固定金属颗粒群放电、尖刺放电等。本文介绍的变压器局部放电的放电样本的放电类型有五种。对于这五种类型，用标准的电流模型进行模仿，放电样本里包括多次模型试验测量后所得的结果，并将这些结果作为判断局部放电的依据。
油楔放电在两半周均有放电，其频谱波形基本对称，多发生在零点与峰值之间，随着电压的增加，其幅值无明显变化，放电密度将明显加大。
尖刺放电在其始发生负脉冲更高电压冲击下，容易产生正脉冲，而且脉冲幅值比较大；尖刺放电一般发生在电压峰值状态，而且随着电压增加，放电重复率会增大。
沿面放电正负半周均有放电，可沿放电通道延伸，放电时间发生在零点与峰值之间，而在峰值点后无放电现象，脉冲幅值高于气泡或空气间隙放电。
悬浮放电主要存在于变压器分接引线、导线接头连接不良情况下。而在变压器因维修、组装、加工造成损伤或刮伤产生的金属屑，螺栓松动等情况，或者安装中遗落的金属组件等很容易造成悬浮放电故障。
3 局部放电诊断策略
3.1 遗传算法基础
遗传算法是模拟生物自然进化规律随机化搜索，包括选择、交叉和变异等操作过程。
编码是把一个问题的可行解从其解空间转换到遗传算法所能处理的搜索空间的转换方法。目前二进制编码和浮点数编码是在遗传算法编码中最被广泛使用的编码方法。二进制编码符号串的长度与问题所要求的求解精度有关，简单易操作。但若用于一些连续函数优化时，存在连续函数离散化时的映射误差，离最优解差距很大。浮点数编码方法是把浮点看作个体的基因值，其决策变量的数目看作是个体的编码长度。浮点编码也叫做真值编码，这是因为其使用的是真值的决策变量。
3.2 遗传算子
自遗传算法中目前最常用的是比例选择算子。比例算子实施过程如下：第一步，算出群种个体适应度总和；第二步，算出每个个体相对应的适应度；第三步，进行模拟轮盘运行计算，确定数量的每个个体的选择。
遗传基因串的适应度的变化随着每串个体被遗传复制选中的概率的变化而变化。
将染色体的基因有两配对方式交换叫做交叉，在这一过程中产生了新的个体。一般规定既没有太多的对优良个体的损害，又可以较好的产生新个体。遗传基因算法单点交叉运算流程。
单点交叉的优势在于：假设针对邻近两个基因之间存在较良好的个体适应度和个体形状进行两两配对交叉操作，那么其破坏程度会降到最低限度。
变异操作，是指用新的基因值替代原有的，在这一过程中产生了新的个体。其目标是为了保持种群多样性，改善局部搜索能力，避免出现早熟。变异算子中最普遍是基本位变异算子。
3.3 遗传算法构建
故障分别表示前文所述的5种放电类型，征兆分别表示相位、幅值和放电次数的数量，因果关系C由两个节点之间的连接线表示。局部放电故障诊断主要利用已获得的故障信号，如相位、幅值、放电次数，与故障样本集对比，寻找发生概率最大的故障集。故障主要分为5种，所以本文选择二进制编码方法，染色体长度为5（），每一位中1表示故障发生，0表示故障未发生，如10000表示故障为油楔放电。故障不会同时发生，因此在选取初始种群时应注意这一点。局部放电故障的多样性较小，为避免过早收敛，本文中减小了交叉、变异的概率。交叉、变异概率计算如下：
（1）
式中：是交叉概率，是变异概率，是种群最大适应度；是种群平均适应度；是变异个体的适应度；是适应度较大的一个交叉个体；为可调参数。
当两代适应度的平均变化率小于阈值达到最大值时，运算即终止，一般最大值取遗传的代数。最终采用适应度最大的染色体。
4 专家软件设计
本文利用MATLAB GUI作为变压器运行故障诊断专家系统开发的工具，其功能是进行数据采集、处理、及识别，其整体实行模块化设计，具有较强的的可延展性，还可根据需求，扩展其它类型的诊断模型。
当导入局部放电实时监测数据后，可以对采集到的放电量变化生长趋势进行绘图。专家软件可根据放电量原始数据进行故障诊断。
5 结论
（1）本文通过分析局部放电电信号特征参数与放电类型的关系，建立了遗传算法诊断局部放电的模型，实现了局部放电放电类型的判别。
（2）运用MATLAB中的GUIDE建立了变压器运行故障诊断专家系统，结合监测终端所获取的数据，选择设备故障判定模型对设备状态进行分析诊断。另外，为变压器运行提供更便捷的、更有效的诊断方法。
参考文献
[1] 韩强，司红玲，李光肖.压开关设备对固体绝缘件局部放电量要求探讨[J].山东电力技术，2013
[2] 郑烨.基于HHT变压器局部放电故障诊断[D]. 沙理工大学，2013
[3] 毕天姝，倪以信，吴复立.基于径向基函数神经网络和模糊控制系统的电网故障诊断新方法[J]，中国电机工程学报，2005.
[4] 杨莉，尚勇，周跃峰等.基于概率推理核模糊数学的变压器综合故障诊断模型[J].中国电机工程学报，2000.
[关键词]变压器、局部放电、故障诊断、遗传算法
中图分类号：TM855 文献标识码：A 文章编号：1009-914X（2015）26-0065-01
1 引言
电力变压器是发电厂、变电站以此设备中的重要设备，其安全运行是电力系统稳定运行的保障。大多数变压器的绝缘故障常起源于变压器内部的局部放电。局部放电虽然放电能量很小，但长时间的局部放电会逐渐腐蚀，损坏绝缘材料，最终导致整个绝缘体的击穿。
变压器局部放电在线监测技术的出现，使得实时了解变压器局部放电情况称为可能，而故障诊断算法作为变压器局部放电的故障判别与预测手段，可为变压器的运行维护提供有效的参考。尤其是随着人工智能技术的发展和推广，越来越多的人工智能算法在变压器状态分析和故障诊断中得到应用。
模糊控制为变压器的绝缘故障诊断提供了一种较为有效的新方法将模糊数学用于故障诊断，对故障现象能够合理的加以量化等，但由于其本身具有的模糊性和不确定性，隶属函数和模糊规则的确定过程存在一定的人为因素，缺乏令人信服的客观依据。
本课题在采用高频法进行局部放电在线监测的基础上，系统的研究变压器局部放电的特点，采用遗传算法，有效地对故障进行分类和计算，分析故障特征信号，并对其进行优化，找到局部放电电信号特征参数与放电类型的对应关系，实现故障的判别。
2 局部放电图谱分析
该系统包括信息采集、信号处理和故障诊断3个模块。信息采集模块包括变压器、放电量检测模块、传感器、信号处理模块等部分；故障诊断模块由CPU完成。其具体结构如图所示。
脉冲电流法在线测量获得的局部放电类型主要包括油楔放电、沿面放电、悬浮放电、绝缘子表面固定金属颗粒群放电、尖刺放电等。本文介绍的变压器局部放电的放电样本的放电类型有五种。对于这五种类型，用标准的电流模型进行模仿，放电样本里包括多次模型试验测量后所得的结果，并将这些结果作为判断局部放电的依据。
油楔放电在两半周均有放电，其频谱波形基本对称，多发生在零点与峰值之间，随着电压的增加，其幅值无明显变化，放电密度将明显加大。
尖刺放电在其始发生负脉冲更高电压冲击下，容易产生正脉冲，而且脉冲幅值比较大；尖刺放电一般发生在电压峰值状态，而且随着电压增加，放电重复率会增大。
沿面放电正负半周均有放电，可沿放电通道延伸，放电时间发生在零点与峰值之间，而在峰值点后无放电现象，脉冲幅值高于气泡或空气间隙放电。
悬浮放电主要存在于变压器分接引线、导线接头连接不良情况下。而在变压器因维修、组装、加工造成损伤或刮伤产生的金属屑，螺栓松动等情况，或者安装中遗落的金属组件等很容易造成悬浮放电故障。
3 局部放电诊断策略
3.1 遗传算法基础
遗传算法是模拟生物自然进化规律随机化搜索，包括选择、交叉和变异等操作过程。
编码是把一个问题的可行解从其解空间转换到遗传算法所能处理的搜索空间的转换方法。目前二进制编码和浮点数编码是在遗传算法编码中最被广泛使用的编码方法。二进制编码符号串的长度与问题所要求的求解精度有关，简单易操作。但若用于一些连续函数优化时，存在连续函数离散化时的映射误差，离最优解差距很大。浮点数编码方法是把浮点看作个体的基因值，其决策变量的数目看作是个体的编码长度。浮点编码也叫做真值编码，这是因为其使用的是真值的决策变量。
3.2 遗传算子
自遗传算法中目前最常用的是比例选择算子。比例算子实施过程如下：第一步，算出群种个体适应度总和；第二步，算出每个个体相对应的适应度；第三步，进行模拟轮盘运行计算，确定数量的每个个体的选择。
遗传基因串的适应度的变化随着每串个体被遗传复制选中的概率的变化而变化。
将染色体的基因有两配对方式交换叫做交叉，在这一过程中产生了新的个体。一般规定既没有太多的对优良个体的损害，又可以较好的产生新个体。遗传基因算法单点交叉运算流程。
单点交叉的优势在于：假设针对邻近两个基因之间存在较良好的个体适应度和个体形状进行两两配对交叉操作，那么其破坏程度会降到最低限度。
变异操作，是指用新的基因值替代原有的，在这一过程中产生了新的个体。其目标是为了保持种群多样性，改善局部搜索能力，避免出现早熟。变异算子中最普遍是基本位变异算子。
3.3 遗传算法构建
故障分别表示前文所述的5种放电类型，征兆分别表示相位、幅值和放电次数的数量，因果关系C由两个节点之间的连接线表示。局部放电故障诊断主要利用已获得的故障信号，如相位、幅值、放电次数，与故障样本集对比，寻找发生概率最大的故障集。故障主要分为5种，所以本文选择二进制编码方法，染色体长度为5（），每一位中1表示故障发生，0表示故障未发生，如10000表示故障为油楔放电。故障不会同时发生，因此在选取初始种群时应注意这一点。局部放电故障的多样性较小，为避免过早收敛，本文中减小了交叉、变异的概率。交叉、变异概率计算如下：
（1）
式中：是交叉概率，是变异概率，是种群最大适应度；是种群平均适应度；是变异个体的适应度；是适应度较大的一个交叉个体；为可调参数。
当两代适应度的平均变化率小于阈值达到最大值时，运算即终止，一般最大值取遗传的代数。最终采用适应度最大的染色体。
4 专家软件设计
本文利用MATLAB GUI作为变压器运行故障诊断专家系统开发的工具，其功能是进行数据采集、处理、及识别，其整体实行模块化设计，具有较强的的可延展性，还可根据需求，扩展其它类型的诊断模型。
当导入局部放电实时监测数据后，可以对采集到的放电量变化生长趋势进行绘图。专家软件可根据放电量原始数据进行故障诊断。
5 结论
（1）本文通过分析局部放电电信号特征参数与放电类型的关系，建立了遗传算法诊断局部放电的模型，实现了局部放电放电类型的判别。
（2）运用MATLAB中的GUIDE建立了变压器运行故障诊断专家系统，结合监测终端所获取的数据，选择设备故障判定模型对设备状态进行分析诊断。另外，为变压器运行提供更便捷的、更有效的诊断方法。
参考文献
[1] 韩强，司红玲，李光肖.压开关设备对固体绝缘件局部放电量要求探讨[J].山东电力技术，2013
[2] 郑烨.基于HHT变压器局部放电故障诊断[D]. 沙理工大学，2013
[3] 毕天姝，倪以信，吴复立.基于径向基函数神经网络和模糊控制系统的电网故障诊断新方法[J]，中国电机工程学报，2005.
[4] 杨莉，尚勇，周跃峰等.基于概率推理核模糊数学的变压器综合故障诊断模型[J].中国电机工程学报，2000.