《基于模糊模块化网络的电力变压器故障诊断.pdf》由会员分享，可在线阅读，更多相关《基于模糊模块化网络的电力变压器故障诊断.pdf（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第44 卷第8 期 2 0 0 7 年 8 月到澎 2况J 月 色 梦石姗汤丛资V O 1 4 4 A u g u s tN O . 8 2 0 0 7基 于 模 糊 模 块 化 网 络 的 电 才 变 王 E 署 导 故 障 愁 知 断此体刚 ， 吕佳“ ( 1 .江汉水电厂， 湖北 潜江 4 3 3 1 2 2; 2 .重庆师范大学数学与计算机科学学院， 重庆 4 0 0 0 3 0)摘要: 建立了 变压器故障诊断的模糊模块化网 络模型， 实现对电力变压器的故障诊断。关键词: 电力变压器; 网络; 故障; 诊断 中图分类号: T M 4 0 6 文献标识码: B文章编号: 1 0 0 1
2、一 8 4 2 5 ( 2 0()7 ) 0 8 一 0 0 4 3 一 04F a u lt D ia g n o s isf o r P o w e r T r a n s f o r m e r B a s e do nF u z z yM o d u la r N e t w o r kS H E NT i一 g a n g l ， L UJ ia Z ( 1 .J ia n g h a nwa t e r a n dP o w e r P la n t ， Q ia n i ia n g4 3 3 1 2 2 ， C h in a ; 2 .C h o n g q in gN o r
3、 m a l U n iv e r s it y ， C h o n g q in g4 0 0 0 3 0 ， C h in a )A b s t r a C t : Af u z z ym o d u ja rn e t w 0 r km o d e I f o rt r a n s f o r m e rf a U Itd ia g n o s isise s t a b I is h e d . T h et r a n s f o r m e r f a u lt d ia g n o s isisf u If ille d . K e yw o rd s : P o w e r T
4、 r a n s f o r m e r ; N e t w o r k ; F a u lt ; D ia g n o s is1 引言规则模块 rll|It|JL-!.!1|11|IL 控制模块电力变压器是电力系统中输、配电的重要设备 之一， 掌握快速、 有效的故障诊断方法是实现变压器 状态维修， 提高设备的可靠性的先决条件。 目 前常用 的方法有神经网络、 专家系统等。 这些方法在实际使 用时， 由于实际故障样本获取困难， 难以覆盖整个故 障空间， 是一个小样本数据分析问题11 刊 。笔者采用的是神经网络与模糊逻辑技术结合的 模糊模块化网络， 它具有很强的自 学习、 非线性映射 能力以及
5、处理不确定信息的能力。 该网络是利用“ 分 而治之” 的思想， 按系统结构和层次划分， 采用可能 性聚类方法p C M( Pos s i b i l i s t i cC 一 M e an s C l u s t e ri n g PCM) 将样本分类， 在实现样本空间的细分的同时消 除噪声数据对聚类的影响。每类样本构成一个故障 类型模块，对其用三层B P网络构成的模块进行训 练， 以提高B P网络学习速度和故障诊断精度。在本文中所介绍的主要内容是在大量收集大型 电力变压器的油中溶解气体( Diss ol ve dG asA n al y - si sD G A ) 的故障数据建立了故障样本的
6、基础上， 先 应用可能性聚类方法对故障样本进行聚类，然后以 三层 B P网络为基本结构建立了电力变压器故障诊断的模糊模块化网络诊断模型。应用笔者所建立的 模糊模块化网络模型进行了电力变压器故障诊断的 仿真试验，将其结果与单个三层B P网络诊断模型 的仿真结果进行了比较。2 网络结构模块化模糊网络是由规则模块和控制模块组 成。所建立的电力变压器故障诊断的模糊模块化网 络模型如图 1 所示。图 1 模糊模块化网络模型Fi g. 1 陇t w o r km ode 】 允 r加 Z zy mo d u la ri ty万方数据第4 4 卷网络的输人龙二 xi ; ， xl=， xia， 知， 耘 ，
7、 xi . x巧 分别为 油中H : 、 C H 4 、 C Z H 4 、 C Z H 6 、 C Z H : 五种气体成分含量比 例规格化后的值。-X.Xl.，卜.J.一华下、名厂，妇X 1 二1 =1， xj=一 鑫-艺 二 ，声因此也被赋予了较大的隶属度， 从而加大了聚类的误差。P C M算法是通过最小化规则函数 禹的迭代优 化来实现划分的。其最小化准则函数 大:j 二 1j = 2 ， 3 ， 4 ， 5网络输出Y 二 y l ， y Z ， 为， ， yn 为变压器的故 障类型。如: 低能放电、 高能放电、 中低温过热和高 温过热等， 模型的输出n由聚类分析后得到的聚类 的类型决定
8、。网络中的规则模块是模糊规则的拟合函数。它 是对每个分类子空间分别进行逼近， 以获取各个不 同子空间从测量输入到故障输出的非线形动力特 性。这就解决了用一个神经网络对多种故障同时进 行训练时， 网络结构复杂、 收敛速度慢、 易陷人全局 最小、 并导致故障诊断的精度不高等缺点。网络中的控制模块的输出U= u l ， u Z ， u 。 表征每条规则对输人样本的适用程度， u 越大表示 该样本以较大的隶属度属于某个规则。它是由一个 三层神经网络对聚类后的样本进行训练来确定的， 训练时网络的输出样本为聚类得到的输人属于某 类的程度。这样就简化输人空间到输出空间的映射 关系， 有利于提高故障诊断的精度
9、。“ U ，V ，= 手 菩 一 ，嘴 + 手 。 *冬 “ 一 ，爪 ( ， 式中， n 为训练样本个数， 。 为聚类中心数， 2 蕊 。 毛n ， “ 二 u ( x 、 ) 表示第k 个样本属于第 1 类的隶属度， m为 模糊加权指数， 表征模糊化程度， 一般取 1 .53 0的值， 嵘为 第k 组数 据 对于 第1 个聚 类中 心的 距离， 嵘 = Ifx k 一尸， 刀 为一合适的正数， 其推荐取值为:艺。 减 刀 = K 粤厂es 一-冬 U :( 2 )式中K为一正整数。为使目 标函数值达到最小，聚类中心和隶属度 的更新如下:( 3 )( 4 )华u#=3 学习算法网络学习算法分
10、为两个部分:样本聚类采用 P C M算法，控制模块及规则模块采用自 适应B P 算法。 3 . ， 样本聚类的算法在变压器故障时，由于其产气的地点不同、 故 障的类型不同和环境因素的影响而使气体的溶解 程度不同等原因， 导致样本中可能存在一些噪声或 不确定的因素， 故聚类时需克服这些因素对聚类精 度的影响。笔者采取的是可能性聚类算法， P C M算 法属于C均值聚类分类算法的一种， 它能有效地降 低噪声样本的影响， 具有较高的映射精度和分类能 力。 它是由 模糊C 均值聚类算法 ( Fuzz yC 一 M ea ns C l u s t e ri n gF C M ) 的一种改进算法， F C
11、 M算法变压器C 某 一 样 本 的 隶 属 度 由 其 艺。 。 二 1 的 约 束 ， 使 得 隶 属1 二1 度取决于它所属的类别的欧氏距离在所有欧氏距 离和中占的比值的大小， 隶属度受其它类中心位置 的影响， 并且每个样本的影响力是相同的阎 。这样当 油中溶解气体样本由于测量等原因存在噪声时， 噪刀i从 上 式 可 以 看出， 当刀 二 嚼时， 丐 二 0. 5 ， 故刀 的 点越多。另外还要说明的是， 在PCM中权重指数 m 的增加表示数据集中的所有点完全属于指定的一个 类的可能性增加了， m过大会导致聚类产生一致的 类中心， m一般取为 1 . 5 。P C M本质上是一个穷举型搜
12、索算法， 算法需要 进行适当的初始化才能收敛到全局最小点。一般推 荐用P C M算法的结果作为P C M算法的初始划分。聚类分析时，必须先确定聚类中心数C的大 小， 随意确定C的大小会导致聚类效果的劣化。本 文采取Xie 等提出的模糊聚类的有效性函数5 ， 它 是模糊聚类的紧致性函数co呷 和分离性函数反尸 之比， 即5 =co mp/Sep 来确定训练样本的聚类个数。、J产、，了 一、曰护6 了.、了r.、co mD二 上又又。 知 从 二 护几1 二 I k 二 1S ep= ( 心。 ) 2= 仍 i n l匕 1一 * 11，1 . 左应的 类数由5 与几的计算式可知， 两者的最小值是
13、相对 。因此取5随。 变化曲线中最小点的值作为聚万方数据第 8 期沈体刚、 吕佳: 基于模糊模块化网络的电力变压器故障诊断3. 2 控制模块及规则模块的学习算法控制模块和规则模块的学习所采用的自适应 B P 算法， 包括网络的前向计算和误差的反向计算。 经网络的前向计算， 得到隐层和输出层的输出值。 =g 一寥 、 :(冬 ? 。 、。)。，、7 )其中 f(x)， 以x)均为、 乙 邵 几 。 d 函数; 二 ， b 分别为网 络的权值和阂值; n l ， n : 为网络输人和输出层节点 数。误差的反向计算由B P网络学习样本误差平方 和E ， 调整网络的权值和阑值。 如隐层到输出层节点 权
14、值和阑值按下式调节:、，声、.少 一Kn， 护、厂、a E 脚 : = 一 刀 令 生 一0 切互_ _ a E ;。叫1 = 一刀二 石 一 一001 式中自 适应学习率: 刀 = E 衡耐pn ， E = 又 毛 干乙 乙 ( y 将F C M算法的隶属度矩阵u 对P C M进 行 初始 化， 并 估计刀 的 大 小; 按 式( 3)计算 输人空 间的中心向量; 按式(4) 求第IT次迭代时的隶属度 矩阵嵘; 如 = ! u(l 酬 ) 一 嵘! 小 于给 定 误 差， 则 至第步， 否则I T=I T+1 ， 返回第步， 继续迭代; 只改变聚类中心数，求得使5最小的值为最后所得 的聚类数
15、即规则数C = 5 。( 3 ) 按表2的聚类结果将训练样本分成4 个部 分，即用5 个规则模块和1 个控制模块分别按如下 过程进行训练。 确定每个模块的初始参数; 对网 络权值和阑值矩阵 赋(0， 1)间的随 机数; 按式( 7) 计算网络输出值; 按式( 8)调整网络的权值和闭 值; 如样本总体误差小于给定误差， 则训练结束; 否则返回 第步， 继续迭代。数。4 样本训练( 1)以所收集的4 0 个变压器故障样本为例， 将 其分成训练样本和评价样本两部分，如表 1 所示， 其中前者3 0 个用来训练网络， 后者 10个用来检验网络的特性。表 1 变压器故障样本集T a b le 1S am
16、Pl e s o f t r a ns fo rme r fa ul ts ; 口 L5 仿真试验结果分析用PCM算法对样本进行聚类， 可算出当 聚类数 为5 时， 聚类有效性函数5 最小， 故取模块化模糊网 络中规则数为5 。 划分后的聚类的样本如表2 所示。表2 训练样本聚类结果T a bl e2 C l ust e ri n gd a ta o f t rainin gs a m P l e规则数样本序号l1 、 6、 1 4 、 2 522 ， 7 ， 1 1 ， 1 7 、 22 、 2 634 ， 8 ， 9 ， 1 2 ， 1 8 、 2 1 、 2 7 、 2 8 、 2 94
17、5 ， 1 0 ， 1 5 、 2 4 、 3 053 ， 9 ， 1 3 ， 1 6 ， 1 9 ， 2 0 、 2 3下面为得到的5 个故障类型的聚类中心为:0 . 1 1 4 0 . 1 7 00 . 1 0 40 . 1 2 10 . 4 9 30 . 3 9 50 . 2 2 70 . 1 8 50 ， 1 4 2 0 . 0 5 00 . 7 7 90 . 1 0 50 . 0 4 60 . 04 6 0 . 0 2 30 . 1 0 50 . 2 5 00 . 0 9 10 . 5 4 60 . 0 0 80 ; 1 6 10 . 4 5 00 . 1 7 90 . 2 0 9
18、0 . 0 0 0lesseseestoseZ一一- 十卜一产卜|沙上丫儿厂卜序号H 2C 氏C 妇4C Z H 6C Z H Z训 练 样 本l1 7 03 2 05 2 05 33 . 221 2 71 0 7巧41 12 2 42 91 7 33 3 48 1 31 7 23 773 04 1 . 62 5 . 1巧71 2 42 06评 价 样 本3 l1 9 . 63 2 0 . 75 7 472 7 9 . 203 21 8 82 3 62 3 71 8 . 13 1 . 84 02 2 03 404 8 04 2l 4确定故障样本时应注意对数据进行预处理， 如 新故障可能重叠在其
19、他故障或正常老化上， 为了得 到仅仅相当于新故障的气体比值， 要从最后一次分 析结果中减去上一次的分析数据， 才能得到实际的应用本文中所建故障样本， 在达到与模块化网 络相同精度的前提下，采取通常的单个三层自 适应 B P网络进行样本训练， 需迭代约 巧0 0 0 次。 而用模 块化模糊网络， 其总的迭代次数为3 0 0 0 次左右， 样 本训练速度明显提高，且其训练样本的诊断正确率万方数据第4 4 卷为9 5 %。通过本文所建立的模块化模糊网络模型对评价 样本进行故障诊断， 诊断正确率也达到了90%。下 面为2 个诊断实例。【 实例 1兰州西固热电厂2 号主变 ( T n T H T 一 3
20、 1 5 0 0 / 1 1 0 )色谱数据如下 ( 单位: 林 U L ) : H Z = 1 9 . 6 ， C H 4 = 3 2 0 . 7 ， C Z H 4 = 5 7 4 . 7 ， C Z H 产2 7 9 . 2 ， C Z H Z = 0 。采用本文所介绍的方法诊断故障属于第 1 类高温过热， IEC比值编码为0 2 1 ， 属于3 0 0 - 7 0 0 中温热故障。实际吊芯检查: A相心柱下铁扼 第二级铁心上有一个碳棒， 该碳棒两端所接触的铁 心已烧熔。 经分析故障开始铁心局部短路， 铁心局部 过热， 过热点温度高， 使绝缘油分解， 形成游离碳沉 积在附近， 并逐渐延长
21、， 最后达到对面铁心， 形成一 个碳棒， 并逐渐变粗。【 实例21某变压器油色谱数据为( 单位: 卜 U L ) : H : = 1 8 8 ， C H 4 = 2 3 6 ， C Z H ; = 2 3 7 ， C Z H 6 = 1 8 . 1 ， C Z H : =3 1 . 8采用本文中所介绍的诊断方法其结果为:高温 过热伴有高能放电， IEC比值编码 1 22， 判断为电弧 放电兼过热。 实际吊芯检查发现: C相绕组分接头引 线对压铁马蹄口放电，高压 A、 B相绕组对压环放 电， 低压B相尾部烧焦。对训练样本加一些随机噪声， 噪声大小为0 . lx R a n d ( ) ， R a
22、 n d ( ) 函数产生卜1 ， 1 间的随机数， 并对习 1! 练样本重新聚类， 从聚类的结果看， 由于P C M具有 很强的抗噪声能力， 聚类的结果保持不变， 从评价样 本的诊断结果可以看出， 用P C M聚类后的模糊模块 化网络受噪声的影响较小，仍然保持较高的诊断精度。可见模块化模糊网络由于采用样本聚类和控制 模块， 使之受样本空间分布的影响较小， 具有较高的诊断精度。6 结论( 1)应用可能性聚类算法能有效地避免噪声对 聚类效果的影响， 保证了聚类正确性， 从而提高了故 障诊断的精度。( 2 ) 应用模糊模块化网络能快速、 准确地诊断电 力变压器故障， 它与单个三层 B P网络相比，
23、 不仅有 满足样本聚类需求的多个规则模块，而且有对网络 输出起控制作用的控制模块。 因此， 它能很好的处理 复杂系统， 满足变压器在线诊断的要求。参考文献:X i eXL， B e n i G . A v a I i d i t ym e a s u refo r fu zz yc I u s t e r i n g J . I E E ET ra n s . P a t t e nA n a l y . &M a c h . I n te lll 9 9 1 ， 8( 1 ) : 8 4 1 一 8 4 7 .宋斌， 于萍， 廖冬梅， 等. 变压器油中溶解气体的模糊聚类 分析J l 高电压技
24、术， 2 (X)1 ， 2 7 ( 3 ) : 6 9 一 7 1 .孙才新， 郭俊峰， 廖瑞金. 变压器油中溶解气体分析中的模糊模式多层聚类故障诊断方法的研究J. 中国电机工 程学报， 2 0 0 1 ， 2 1 ( 2 ) : 3 7 一 4 1 .S uQ ，M IC ，压iLL ，e ta l .Afu z z yd i s s o l v e dg a s a n a l y s ism e t h o dfo rt h ed ia g n o s i sof m u 1 t ip 1ei n c i p i e n t fa u l t sinat ra n sforme r ，
25、I E E ET r a n s . POw e r s y s t . 2 (X0 ，1 5 ( 2 ) : 5 9 3 一 5 9 8 .王司同. 神经模糊系统及应用 M l . 北京航天大学出版社，1 9 9 9 -收稿日期: 2 006 一 1 0 一 11 作者简介: 沈体刚( 197 1 一 ) ， 男， 湖北天门人， 江汉水电厂工程师， 从事电力变压器检修、 维护和管理工作。国家电网公司两项7 5 0 k V电网工程获核准2 0 0 7 年 3月2 9日，国家发改委正式核准西北 7 5 O k V拉西瓦至西宁、 拉西瓦至官亭输变电工程。这是国家电网公司继7 5 O k V示范工程
26、建成投运，兰州东至银川东和官亭至西宁7 5 O k V输变电工程获得核准之后.又获得国家同意建设的7 5 O k V项目， 标志着西北 7 5 O k V电网建设业已全面展开。此次核准的两项工程均在青海省境内， 为拉西瓦水电站的送出工程。7 5 O k V拉西瓦至西宁输电线路长 7 7 . 7 k m ， 拉西瓦至官亭输变电工程线路长 1 8 3 k m 。 两项输变电工程估算静态投资为 1 3 . 0 3 7 8亿元。工程的水土保持方案已 通过有关方面评审。工程将于2 0 0 8 年建成。拉西瓦水电站位于青海省贵德县与贵南县交界的黄河干流上， 是黄河梯级电站群中最大的水电站， 总装机为4 2 0万千瓦。该水电站2 0 0 6 年4月1 5日开工建设， 2 0 0 8 年首台机组发电， 2 0 1 0年工程基本竣工，是西北7 5 0 k V电网重要的电源支撑点。 水电站送出工程建成之后， 西北电网将形成以拉西瓦水电站为顶点的倒叭” 型7 5 O k V网架结构， 对促进西北水火电打捆外送、 变资源优势为经济优势具有重大作用。万方数据