《基于PAS与DFNN的变压器故障预测研究硕士学位论文(71页).doc》由会员分享，可在线阅读，更多相关《基于PAS与DFNN的变压器故障预测研究硕士学位论文(71页).doc（71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、-基于PAS与DFNN的变压器故障预测研究硕士学位论文-第 63 页中图分类号：TM411 论文编号：HBLH 2014-201U D C： 密级： 公 开 硕 士 学 位 论 文基于PAS与DFNN的变压器故障预测研究作者姓名：张雅楠学科名称：控制理论与控制工程 研究方向：检测技术及智能装置学习单位：河北联合大学 学习时间: 2.5年 提交日期：2013年11月20日申请学位类别：工学硕士导师 姓名：龚瑞昆 教授 单位：河北联合大学电气工程学院论文评阅人： 孙文来 高工 单位：唐山热力总公司杨友良 教授 单位：河北联合大学电气工程学院论文答辩日期：2014年1月12日 答辩委员会主席：孙文来
2、 高工关 键 词：PAS；D-FNN；电力变压器；故障预测；MATLAB 唐山 河北联合大学 2014年 3 月Transformer Fault Prediction Based onPAS and DFNNDissertation Submitted toHebei United Universityin partial fulfillment of the requirementfor the degree ofMaster of Science in EngineeringbyZhang Yanan (Control Theory and Control Engineering)Sup
3、ervisor: Professor Gong RuikunMarch, 2014独创性说明本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得河北联合大学以外其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。论文作者签名： 日期： 年 月 日关于论文使用授权的说明本人完全了解河北联合大学有关保留、使用学位论文的规定，即：已获学位的研究生必须按学校规定提交学位论文，学校有权保留、送交论文的复印件，
4、允许论文被查阅和借阅；学校可以将学位论文的全部或部分内容采用影印、缩印或编入有关数据库进行公开、检索和交流。论文密级： 公开； 保密（至 年 月）(保密论文在解密后遵守此规定)。作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日摘要变压器是电力系统和智能变电站中重要的电力设备，智能变压器智能化水平关系着智能变电站运行的可靠性和投资的经济性。而变压器故障预测能够发现潜伏的故障以及预告故障的发展趋势，研究故障预测对系统安全运行和变压器的状态检修有重要意义。动态模糊神经网络具有强大的多元非线性数据处理和函数逼近功能，能够利用原始样本数据通过模型内部自我学习训练获得准确度较高的预测
5、诊断模型。将动态神经网络强大的预测诊断功能引入到变压器故障处理中，建立起能够真实反映变压器故障特性的智能预测诊断模型，能够实现变压器故障在线检测的要求，提高变电站的综合自动化水平。本课题结合变压器故障预测诊断在线监测的特点，选用了光声光谱技术对变压器油中的故障气体的含量进行实时在线的监测，选取了动态模糊神经网络为实验的主要模型结构，利用MATLAB中的神经网络工具箱，建立起基于动态模糊神经网络的电力变压器故障预测模型。实验选取了150组变压器故障原始样本数据对D-FNN模型中进行学习训练，得到了具有预测诊断功能的网络模型；再挑选100组变压器的在线监测数据进行仿真试验，并查查看了模型预算误差收
6、敛曲线，证明了采用基于PAS与DFNN变压器故障诊断预测模型预测变压器故障相对于传统的方法具有更高的故障诊断率,验证了基于PAS与DFNN在变压器故障预测诊断处理中的合理有效性。图 51幅；表 16个；参 46篇。关键词：PAS；D-FNN；电力变压器；故障预测；MATLAB分类号：TM411AbstractTransformer is the electrical equipment of smart grid and intelligent substation, smart transformer level of smart related to the economy of the
7、operating reliability of intelligent substation and substation investment. Transformer fault prediction can find latent faults as well as the development trend of the notice of faults of transformer.Research transformer fault prediction the state of the system of safe operation and transformer maint
8、enance is important. DFNN has strong functions of multi-nonlinear data processing and function approximation Moreover, it can obtain high precision prddictive diagnosis model by using original sample datas self-leaning. If the robust predictive fault processing, and the intelligent prediction model
9、which reflect accurately the characteristics of transformer fault is built, the requirements of the transformer fault on-line detection can be realized and the level of integrated automation of substation can be improved.In this thesis, the features of on-line monitoring of transformer fault prediet
10、ion diagnose is combined, the combination method of DFNN and PAS are selected as the basic mathematics algorithm of transformer fault prediction. We choose the DFNN as the research model, establish the transformer fault prediction of diagnosis model of three improved BP neural network by using the n
11、eural network tool box of MATLAB. In the experiment, 150 sets of original transformer fault sample data are selected to train DFNN model, and 100 sets of transformer on-line monitoring data are used to simulate. The error eonvergence curves show that the transformer fault diagnosis model based on DF
12、NN compared with traditional methods have higher diagnosis rate. Furthermore, the treatment of the transformer fault diagnosis model based on DFNN is reasonable and effective.Figure37; Table16; Reference 46.Keywords: PAS; D-FNN, Power Transformer, Failure prediction, MATLABChinese books catalog: TM4
13、11目次引言1第1章 绪论21.1 研究的背景和意义21.2 国内外研究现状31.3 研究方法81.4 本文的主要研究内容9第2章 光声光谱技术原理102.1 气体红外吸收理论102.1.1 气体分子吸收理论102.1.3 气体的吸收定律112.2 光声信号的产生122.2.1 气体分子的特性122.2.2 光与物质的相互作用142.2 变压器油中故障气体及光声信号分析182.2.1 故障气体的产生182.2.2 故障类型与气体对应关系19第3章 光声光谱系统的设计213.1 光声光谱系统的设计213.1.1 对试验平台光源的选择213.1.2 光声池的设计263.1.3 光声光谱检测系统的整
14、体结构343.2 光声光谱检测系统的实验结果与分析353.2.1 甲烷气体及乙炔气体的光声特性353.2.2 甲烷及乙炔气体的定量分析38第4章 动态模糊神经网络原理及算法414.1 动态模糊神经网络（D-FNN）的提出414.2 动态模糊神经网络含义与特点424.3 D-FNN的网络结构424.4 动态模糊神经网络的算法454.4.1 系统模糊规则的产生准则454.4.2 前提参数的确定464.4.3 网络权值的确定474.4.4 系统模糊规则的修剪技术48第5章 动态模糊神经网络用于变压器故障预测515.1 动态模糊神经网络用于变压器故障预测的原理515.2 动态模糊神经网络用于变压器故障
15、的预测525.2.1 样本数据的选取及预处理525.2.2 网络结构及隶属函数的确定535.2.3 动态模糊神经网络的训练545.2.4 系统性能评价标准585.2.5 变压器故障预测595.3 基于改进型BP神经网络的变压器故障预测模型研究605.3.1 激励函数的选择605.3.2 训练函数的选择605.3.3 隐含层层数的选择625.3.4 BP网络模型的建立645.4 本章小结68结 论69参考文献70致 谢73导师简介74作者简介75学位论文数据集76引言电力系统是人类迄今为止创造的最复杂、最庞大的系统，是进入到20世纪后人类取得的最辉煌的工程技术成就之一。然而，进入21世纪以来电力
16、系统的不断老化，线路扩容困难，系统安全运行效率降低等问题逐渐暴露出来。2003年8月14日北美电网发生了有史以来最严重的大面积停电事故，加拿大的2个省和美国的8个州共5000万人受到影响，损失负荷量61800MW，经济损失高达300亿美元。美国能源部发于2004年1月发表了建设Grid2030的路线图，电网智能化项目（Grid Wise）正式启动。在科技高速发展的今天，变压器已经是一个集机械、电子、液压、计算机等一体化的大型复杂设备，其正常的运行对电网的稳定、安全起着至关重要的作用。但是目前研究的主要方面仍然是变压器故障诊断，当故障发生时再采取补救有措施，这会给我们的生活带来严重的不便。此，及
17、时找出变压器的潜伏性故障，预测其可能发生的故障，防患于未然对电力系统的发展有很大意义1。变压器的运行维护，特别是故障诊断工作，对于提高电力系统运行的安全性及可靠性具有非常重要的意义。目前各种监测手段和诊断方法大多数是利用单一信息源数据对设备的某类特定故障实施诊断诊断，这种方法缺乏对多源多维信息的协同利用及综合处理，也未充分的考虑诊断对象的系统性和整体性，导致在可靠性、准确性及实用性方面都存在不同程度的缺陷2。近些年来迅速发展起来的光声光谱技术与动态模糊神经网络动技术，对于得到变压器油中气体的精确数据和后期大量数据的处理以达到故障预测的效果，推动了电力变压器故障诊断技术的实用化进程。第1章 绪论
18、1.1 研究的背景和意义十二五以来，随着国民经济的迅速发展。我国的电网建设进入高速发展时期，为保证电网安全稳定的运行，智能电网的建设被提上日程。整个电力系统中所有电气设备运行的经济性、可靠性与安全性直接影响到电力工业稳定、高速、有效的发展，直接影响到工农业生产的效率和质量。因此，寻找新技术、新方法、新手段来提高电力系统电气设备的运行特性已经成为所有电力工作者研究的一个重要课题3。电力变压器作为电网系统中的最重要设备，一方面它担负着对不同电压等级的电能相互转化任务，另一方面是担对负电能进行分配以及提高供电质量的使命。电力变压器能否安全稳定有运行直接关系到电能是否能可靠、有效的传送。对于大容量电力
19、变压器其自身配备的避雷器等元件，继电保护水平已经相当高，同时在变压器内部几乎没有可随意旋转的部件，运行相对比较较可靠。但是随着变压器有运行不可避免会产生正常老化的内因，同时，变压器绝大多数都在野外难免受到外界有干扰产生故障的外因，导致变压器故障时有发生。一旦大容量变压器发生故障，电力系统将会出现不稳定运行，轻则导致跳闸停止供电，影响电能的输送给工农业生产造成非计划停工，给人们的日常生产生活带来诸多不便；重则导致整个系统大面积断电，严重影响社会的稳定及人们的生活生产，妨碍我国社会经济建设的发展。然而，对电力变压器进行维修的过程也会耗费巨大的人力物力财力。目前，定期检修方式已广泛被应用于电力部门检
20、测，很容易造成很多设备过修或者失修的问题，影响供电可靠性，同时还造成巨大的人力、物力资源浪费和不安全问题，主要表现为：1）检修时需要停电，无论是短时的小面积还是大面积，都会给社会的经济生活带来不同程度的影响。在某些特殊情况下，由于系统的要求，用电设备不能停电，往往会造成漏检或者超周期运行，导致很难发现故障缺陷4-5。2）检修周期长。由于检测周期比较长，很容易在两个固定时间段内发生故障。3）检修时间集中，工作量大。在短时间内耗费巨大人力物力却起不到很好的效果。这种硬性的定期维修方式完全脱离了变压器的所处的复杂环境及实际运行状态。随着近年来我国工业、农业在自动化生产水平上的飞速提高，电力部门已经对
21、电网系统中的电力设备采取了在线监测来替代定期检测，实时监测电力系统的各项参数。通过采取动态的在线状态监测技术，达到能够实时掌握电力设备的各项运行参数。以此来促进电气设备从预防性检修维护向预判性动态检修维护过渡，从定期性检修过渡到动态检修6-7。做为电网的核心部分，电力变压器故障动态诊断是电力系统在线监测的一个重要部分，可以通过变压器运行参数的变换来及时发现设备内部各类潜伏的安全隐患和绝缘缺陷，以此防止事故扩大，同时还可以根据动态数据，实时有效的安排检修计划，有效减少不必要的大规模检修次数，避免定期性过度检修对变压器内部绝缘带来的损害，提高了变压器的性能和使用寿命。同时电力系统采用了状态检测后，
22、还可以大大提高供电安全可靠性，但由于变压器所处的环境都比较复杂容易受到外部和内部各组分的干扰，所获得的数据并不是准确的从而影响对变压器运行状态的监测。对于痕量气体的测量，测量相对精确的就是采用光声光谱法，根据变压器油中每种特征气体的波长特性，准确的测量出所有气体的含量，为故障分析可靠保障。然而，想要从动态波动的数据中获得明确的故障信息，还需要电力工作人员具备丰富的检修维护经验，由经验结合实测动态数据来判断变压器设备内部的安全隐患和潜伏性故障8。但是这种在故障判断中经验占据绝大部分地位的方法，不便推广。神经网络的出现为电力系统的在线监测和预测提供了可能，人工神经网络具有强大的非线性预测功能，不需
23、要精确的数学和物理模型，只需要历史运行数据就能通过自身“学习训练”获得最优模型结构，而且当模型运行过程中也不需要人为外部干扰，因为具有以上优点，将其应用在在线监测方面具有很大的优势和实际价值9-11。目前，电力工作者针对这方面已经做了大量研究12-18，取得了一定成绩。本文为了更准确有测量变压器油中的痕量特征气体采用了气体光声光谱法（PAS）进行测量，同时采取运算速度更快的动态模糊神经网络相结合的方法，来研究变压器在线监测模型。1.2 国内外研究现状故障诊断（Fault Diagnosis）是根据被诊断对象在运行时发生的信息来判断其状态是处在正常状态还是非正常（故障）状态，通过这种状态来判定故
24、障产生的原因和部位，并对目标对象的运行状态进行在线预测。故障诊断问题的实质是对对象运行状态的模式识别问题，通常来说故障诊断过程包括三个主要步骤：1）信息获取，通过检测能够获得设备运行在不同状态时设备的运行信息；2）特征提取，从所检测得到的状态信息中提取状态特征；3）故障识别，根据不同状态下呈现出不同的特征信息来识别设备所处的状态。其中，特征提取和故障识别是整个过程的核心、关键19-20。自20世纪70年代以来，油中溶解气体分析结果反映故障的有效性与灵敏性已得到了 研究人员的广泛认同，因此大量研究工作在此基础上展开。由于变压器故障的在线监测诊断是一个多输入多输出的非线性动态系统，各种故障参数都呈
25、现出明显的动态涌动特性。随着气体检测技术的发展及变压器故障类型和参数特性研究的不断深入，各种智能算法被加入到变压器诊断中，形成了多种多样的故障诊断方法。目前我国的大型变压器主要油浸式变压器，变压器油、油纸等绝缘介质构成了油浸式变压器内部的主要绝缘结构。当变压器运行时，伴随着设备的老化及内部局部放电、火花放电以及变压器油过热等故障时，变压器内部就会发生一系列的化学反应，如油，绝缘纸的裂解，同时产生CH4、C2H6、C2H4、C2H2、CO 、CO2等能够反映故障的特征气体。也就是说，可以根据变压器油中溶解的气体的成分及比例来判断故障类型。根据这种特性，国际上建立了一种普遍的标准，并开始广泛用在实
26、际中。IEC三比值法是变压器故障诊断中最常见的一种方法，它是根据DGA的检测结果来对电力系统中充油式电气设备的各种潜伏性故障及已发生故障来进行初步的预测和诊断。但从长期的实践运行中发现IEC三比值法中的编码具有不完全性，有相当一些DGA不能完好地落在编码以内，导致系统对这类故障不能进行正确的诊断，以致出现误报，漏报等现象。电协研法是由日本电气协同研究会于1980年提出来的，该种方法对原有的IEC编码进行了补充；随后我国湖北电力研究所提出了改良型电协研法，后来对IEC三比值法进行了改进，并于1999年颁布施行。改进型比值法取消了原有编码方式，同时也对变压器的典型故障分类技术作了相应的规定及修改，
27、该方法能够简明的解释变压器的故障类型及判断。表1是改良型比值法编码规则，表2所示的变压器故障类型的判断方法。表1 改良三比值法的编码规则Table1 Encoding Rules for improved three-ratio method气体比值范围比值范围的编码C2H2/C2H4CH4/H2C2H4/C2H60.10100.11100131213222表2 变压器故障类型判断方法Table2 Methods of judgment on fault types of power transformer编码组合故障类型判断故障实例（参考）C2H2/C2H4CH4/H2C2H4/C2H600
28、1低温过热（低于150）绝缘导线过热，注意CO和CO2含量及CO2/CO值20低温过热（150300）分接开关接触不良，引线夹件螺丝松动或接头焊接不良，涡流引起铜过热，铁芯漏磁，局部短路，层间绝缘不良，铁芯多点接地等21中温过热（300700）0,1,22高温过热（高于700）10局部放电高湿度、高含气量引起油中低能量密度的局放20，10，1，2低能放电引线对电位未固定的部件之间连续火花放电，分接抽头引线和油隙闪络，不同电位之间油中火花放电或悬浮电位之间的火花放电20，1，2低能放电兼过热10，10，1，2电弧放电线圈匝间、层间短路，相间闪络、分接头引线间油隙闪络、引起对箱壳放电、线圈熔断、分
29、接开关飞弧、因环路电流引起电弧、引线对其它接地体放电等但是，由于此种方法只能在一定范围内对系统做出诊断，因此并不能准确的描述变压器的故障。同时，由于变压器油中所溶解的特征气体的含量都很小。因此，也就是说只有当某些特征气体的含量超过阈值时，判断的结果才被认为是有义的，这就会对变压器的故障的判断产生不利的影响。针对传统方法的种种不足，同时随着计算机技术的不断成熟，国内外研究人员将各种人工智能技术引入到变压器的故障诊断中去，通过大量的的研究试验工作，很多智能的理论方法，如粗糙集理论、神经网络等，被成功的应用到变压器的故障预测及诊断中，大大提高了变压器故障预测、诊断分析效率和精度。1）基于粗糙集理论变
30、压器的故障诊断方法粗糙集理论是一种刻划不完整性和不确定性的数学工具，能有效地分析和处理不精确、不一致、不完整等不完备信息，通过发现数据间隐藏的关系，揭示潜在的规律，从而提取有用的信息，简化信息的处理，具有很强的实用性。变压器发生故障时，其故障现象、故障原因及故障机理之间存在大量的不确定性和模糊性，用传统的精确数学理论难以描述其间的关系。模糊数学能有效地解决模糊性和不确定性问题，为变压器的绝缘故障诊断提供了一种较为有效的方法。2）基于模糊理论的变压器故障诊断变压器发生故障时，其故障现象、故障原因及故障机理之间存在大量的不确定性和模糊性，模糊数学能有效地解决模糊性和不确定性问题，为变压器的绝缘故障
31、诊断提供了一种较为有效的方法3）基于神经网络的变压器故障诊断研究1943年，美国心理学家Warren S McCollum与数学家Walter H Pitts开创了对神经网络的理论研究。目前国内外许多学者将神经网络理论应用于电力变压器故障诊断中，并将其中融入其它人工智能或数理统计知识，优势互补，从而提高了故障的诊断精度21,22。文献23提出了一种改进微分进化（IDE）与误差反向传播神经网络（BP）相结合的变压器故障诊断方法，并动态监视了种群适应度方差的变化，使IDE具有强劲的全局搜索能力，能很快地寻找到全局最优点。通过实验仿真表明该算法能有效地克服常规BP神经网络权值和阈值收敛速度慢、易陷入
32、局部极小值等缺陷，4）基于专家系统的变压器故障诊断专家系统产生于上世纪60年代中期，发展速度很快，是人工智能的一个重要分支。专家系统利用人类专家的权威性知识求解问题，系统根据用户提供的数据信息或事实，运用系统中存储的专家经验或知识进行推理判断，给出结论及其可信度来辅助用户决策。变压器故障原因涉及多个方面因素，因素与故障之间的关系具有不确定性，单个因素往往不能正确识别变压器的故障。专家系统能使多个领域众多专家的专业知识和经验解决问题的能力得以提高。利用专家系统来诊断变压器的绝缘故障，可使变压器的故障经验得到进一步积累，从而使故障的诊断精度得到提高。5）基于贝叶斯网络的变压器故障诊断贝叶斯网络又称
33、为信度网络（Belief Network），是学者Pearl于1986年提出的一种不确定知识表达模型。贝叶斯网络对于解决复杂系统不确定因素引起的故障具有很大的优势，能够方便地处理不完整数据问题，易于学习因果关系，易于实现领域知识与数据信息的融合，能够避免模型的过度拟合24。文献25针对变压器故障诊断中的测试数据信息不完备、有偏差的缺陷，提出了一种基于选择性贝叶斯分类器的溶解气体分析并结合其它电气试验结果的变压器故障诊断方法，建立了变压器选择性贝叶斯故障诊断模型，详细阐述并验证了该方法解决信息不完备问题的优越性。综上所述，目前变压器故障诊断技术的研究还远不够完善，寻找一种既能很好地处理不完备信息
34、，又能提高变压器故障诊断的实际应用性和准确性的智能方法是目前解决变压器故障诊断问题的出路所在。在本实验研究中，对于变压器油中气体的检测采用了光声光谱法，接下来就介绍一处光声光谱法的国内处研究状况。光声效应（phtotoacous ticeeffct）是由美国的科学家Alexander Bell在1880年发现的。贝尔当时对固体做了实验，发现如果固体结构上是多孔的、海绵状，在颜色上是黑色的，相对于其它结构和颜色的能产生相对较强的声波26。随后，科学家Tyndal和Ronetgen等在1881年对气体进行了光声效应实验，发现气体也同样具有光声效应27。从1881年以后很长一段时间对于光声效应无人问
35、津，直到1938年，世界上第一台光声光谱技术装置诞生，并成功的检测了混合气体中各成分的浓度，这个装置由一个叫Viengerov的苏联学者发明。从上世纪六十年代末后，激光器的出现对光声光谱技术的发展有了巨大的推动作用，特别是随着大功率激光器的应用、微音器灵敏度的提高、锁相放大器性能的提升。Kerr和Atwood等人在1968年研制了一种光声光谱系统，主要是采用了红宝石激光器作为激光源，并成功的检测了空气中水分子的光谱28。有了以上的不断成功后， J.Cihelka等人在1978年利用半导体激光器的可调谐性制作了新型可调辐射源，采用光声光谱技术对汽车尾气中的CH4和C2H4浓度进行了检测。Nibk
36、er等人于年对物质燃烧产物中的CH4，CO，CO2的浓度进行了检测，同样利用了光声光谱技术。在人们已经充分的认知了光声光谱技术的优越性之后，开始对提升检验气体的灵敏度进行了研究。荷兰科学家Nijmegen搭建了检验C2H2的系统，并将灵敏度提高到了的水平。紧接着英国的科学家Kelman公司于年首次成功的研制了便携式的的光声光谱设备用于检测变压器油中溶解气体。我国的科学家也在光声光谱技术研究方面取得了很大的成果，北京大学早在1977年利用该技术对大气中的污染气体进行了检测。此后，全国相继有二十多个教科研机构利用光声光谱技术对气体进行了研究，并得到了大量研究成果。在仪器设备的开发方面，中科院长春研
37、究所在1983年成功的研制了型光声光谱仪，这种仪器能够被用在医学、物理、化学等众多学科领域。应用了这种方法后，该光声探测器对NO2和CH4两种气体的检测灵敏度分别达到了和数量级。苏州大学成功的将光声谱仪商品化，研制了国内首款型光声光谱仪。对于大气中的另一种污染气体SO2气体也做了大量研究，哈工大的王书涛等人于2004年研制出了一各新型光纤气体传感器，该传感器将光纤技术和光声光谱技术相结合，将SO2的检测灵敏度提升到了29。可见光声光谱技术已经在工农业多个领域取得了巨大的成果，渗透到了生活中的各个方面，尽管如此该技术还仍然处在不断研究阶段。特别是在电力行业，这个光谱技术刚刚涉足的全新的领域，有很
38、多需要去探索研究的方向。光声效应(photoacoustice effct)是由贝尔于1880年发现的。所谓光声效应，当特定频率的激光束照射物质时，物质吸收光能进而产生热，激光束周期性的变化物质产生周期性的热，周围的介质因该物质的周期性热量变化发生热胀冷缩进而产生声波。其实质就是光能转化成了热能，光声光谱技术就是在此基础上发展起来的。气体光声光检测技术是基于红外吸收理论，并通过气体的红外特征吸收谱线对气体进行定量测量。因此，要想更好的应用光声光谱技术对气体进行检测，就一定要清楚的掌握气体红外吸收理论，熟知气体的特征吸收谱线。虽然光声光谱技术是基于红外吸收理论的，但二者还是有很在的区别的，在于光
39、声光谱技术是依靠光声信号来间接的测量物质相互作用后的能量，而不是直接通过对光子的检测及分析。所以，要想真正的利用光声光谱技术对气体进行检测，就首先要了解红外吸收光谱理论。1.3 研究方法本文通过分析现有的变压器在线监测系统的优劣势，主要从以下两个方面选择研究方向，并进行展开。1）变压器油中溶解气体的测量。针对工业现场的要求，同时满足对变压器油中特征气体的精确测量，保证在线监测的可靠性，本文采用了一种比气相色谱技术更精确的光声光谱技术，具体针对变压器中的特征气体设计了一套光声光谱检测系统。该系统具有高灵敏度、准确度高，抗干扰性强的优点，在测量气体含量时，不需消耗变压器中的油，可实现循环利用，降低
40、了成本，非常实用。2）基于PAS与D-FNN的变压器故障预测模型。通过对专家系统，模糊理论，人工神经网络的研究，本文选取了动态模糊神经网络模型，该模型的网络结构不是预先设定的，是在不断的学习训练中增加的。这个系统的学习算法主要是通过模糊规则的产生、前提参数的确定、权值的确定，和规则的修剪技术，通过一步步的学习达到诊断故障的要求。本文采用的方法就是先通过光声光谱系统对变压器油中溶解的特征气体进精确测量，然后根据最小二乘法进行定量计算，通过得到的数据建立D-FNN模型，以达到故障预测的目的。1.4 本文的主要研究内容通过阅读并分析大量的文献资料，在了解目前现有针对变压器的故障在线监测处理的方法及研
41、究成果的基础上。结合现在对气体测量比较的精确的光声光谱技术，建立了基于PAS与D-FNN的变压器故障预测模型，并通过大量的试验进行论证，所预测的故障类型准确度高，能够满足对电力变压器在线运行状态的实时监测及故障预测。第2章 光声光谱技术原理2.1 气体红外吸收理论2.1.1 气体分子吸收理论红外吸收光谱法，是通过根据物质对波长不同的红外光的吸收程也不同，从而对组成或构成物质的分子进行研究。红外吸收光谱技术可广泛的应用在化学领域中，可以对对分子结构进行研究，同时也可以对物质的化学组成进行分析。但这项技术应用最广泛的方面还是用来鉴定化合物的结构。原理就通过研究物质吸收红外光后测得的反映物质结构曲线
42、的峰位、峰强等特征来判断在化合物中的组成。分子吸收红外光谱后，分子中的电子从一种低能量的状态运动到高能量状态，由于分子中电子的不稳定性会导致分子又回到低能态，这片过程就释放了能量发射了光谱。同时由于组成分子的原子也有做不停的振动和转动。根据量子理论，原子和分子能量的量子化，原子和分子的能级（energy levels）如下图1示，列举了由低到高的四个能级，分别用代表，图1 分子中的能级Fig.1 Molecular energy level 当原子或者分子吸收能量就会发生跃迁，从一个能级跃迁到另一个能级（例如从到），从跃迁到所需的能量，就是两个能级间的能量差。根据量子理论，振动能级为 （1）式
43、中，表示振动量子数 表示普朗克常数（）键的振动频率由公式（1）得到，对于相邻的两个能级间差为 （2）分子是由原子构成的，构成分子的原子间通过化学键相互作用，这里我们假设原子和化学健组成一个小球弹簧的体系，由简谐振动原理得到。 （3）其中，表示分子的键力常数，为两端相连原子和的折合质量。在红外吸收光谱法中，照射样品的红外线提供能量使原于或者分子向高能量级跃迁。因为分子的振动是量子化的，故此种振动只吸收一定的能量。即光线的波长与分子间振动的能量差相对应，当两个能级间的能量差和光线波长具有相同时，分子吸收了光能产生能级跃迁，然后产生吸收光谱。从公式（3）可以得到，能量的吸收决定于(键的力常数)和，即
44、分子的结构特征。测量化合物的结构就是根据这种光声光谱。下表2是变压器油中出现的几种气体的红外吸收特征峰。表2 变压器油中故障气体红外吸收峰值Table2 Fault gases in transformer oil by infrared absorption peak气体波长1.31,1.39,5.941.57,2.32.4.72.0,4.231.33,1.65,3.261.79,2.65.3.260.8,6.141.52,2.26.4.472.1.3 气体的吸收定律用红外吸收光谱技术对待测样品进行测量时，待测介质会吸收一部分光能，从而导致通过介质后的光的能量变少。在这里假设入射光的光强度为
45、，出射的为，待检测物质的厚度为。如图2所示，对一薄层介质进行光能的吸收。设其厚度为，物质厚度为，光强为。通过实验分析得到，物质对光能的吸收与和被检测物质的分子数dN,正比，得到层中的吸收能量为： （4）式中，是比例常数，为被检测物质的光能吸收系数。图2 介质对光的吸收Fig.2 Absorption of the light to medium对式（4）积分后得到透射光强： （5）式中L为被检测的物质的厚度。式（5）也可写作 （6）式中，A称作吸收度。可见这就是朗伯比尔（）定律，通过理论分析，得出结论，被检测物质对红外光能量的吸收规律遵循定律。2.2 光声信号的产生2.2.1 气体分子的特性从宏观的角度来看，气体是由无数处于连续随机运动状态的分子组成，当气体被置于密闭的容器中时，气体在容器中做无规则的无能运动。气体受到温度其的影响非常大，温度与气体分子的动能成正比。例如，在室温条件下， CH4的运动速度大概是407m/s，当温度提升到400C气体的运动速度将会达到421m/s。气体压强的产生来自于气体撞击容器壁产生，速度越大，压强越大。也就是说当温度升高气体的压强就会增大，因此，要想改变密闭的容器中气体的压强只需改变温度。由热力学第一定律：PV=nRT。得