國網(wǎng)江蘇省電力有限公司徐州供電公司 鄧劍鳴 齊豐科技股份有限公司 李明亮 戴世平

在變壓器內(nèi)部故障診斷方法中，溶解氣體色譜分析法的準(zhǔn)確性較高，是目前我國電力系統(tǒng)當(dāng)中使用最多的方法。越來越多的人提出了全新的檢測模式和方法，但以油溶解氣體為主的在線檢測系統(tǒng)判斷故障準(zhǔn)確率最高。

1 概念簡介

1.1 神經(jīng)網(wǎng)絡(luò)

BP網(wǎng)絡(luò)是在上世紀八十年代由Rumelhart所領(lǐng)導(dǎo)的實驗小組構(gòu)建的一種神經(jīng)模型，BP神經(jīng)模型的基本結(jié)構(gòu)主要如下：net(l)jp=∑n(i-1)W(l)jiO(l-1)ip-Θ(l)n；O(l)ip=fl(net(l)jp)。BP神經(jīng)網(wǎng)絡(luò)是一種可反向傳遞并進行誤差修復(fù)的網(wǎng)絡(luò)體系，如參數(shù)正確時，BP網(wǎng)絡(luò)可得到準(zhǔn)確的方差，也是目前使用最為廣泛的網(wǎng)絡(luò)體系結(jié)構(gòu)。對于BP網(wǎng)絡(luò)可劃分成輸入層、隱形層、輸出層。在不同的層次間實現(xiàn)全連接，在每一層的神經(jīng)元當(dāng)中沒有鏈接。

如果對于樣本進行學(xué)習(xí)并傳輸給網(wǎng)絡(luò)后神經(jīng)元將會激活，且輸入數(shù)據(jù)后輸出層的神經(jīng)網(wǎng)絡(luò)獲得響應(yīng)，最后減少存在的實際誤差，將輸出層通過中間層修正之后鏈接，最后回到輸入流程當(dāng)中，隨著誤差逆?zhèn)鞑サ牟粩鄡?yōu)化和升級，網(wǎng)絡(luò)對于輸入的相應(yīng)正確率也出現(xiàn)了明顯增加[1]。對于BP網(wǎng)絡(luò)學(xué)習(xí)算法來說，就是假設(shè)BP網(wǎng)絡(luò)體系當(dāng)中一共L層，需給定P個樣本，對于網(wǎng)絡(luò)期望需要輸出TD，當(dāng)輸入到第P個樣本時，對于整體神經(jīng)網(wǎng)絡(luò)中第L個神經(jīng)層中的第J個神經(jīng)元的操作模式可用以下公式表示，一般選擇S類型的函數(shù)：f(x)=1/(1+e-n)，對于輸出層可表達為：EP=1/2∑nj=1(Tjdp-T^jp)2，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)最根本目的是對于每一個樣本的誤差進行分析，讓其達到最小，從而保證總誤差保持在最小的情況。

BP人工神經(jīng)網(wǎng)絡(luò)自帶的迅速擬合任意復(fù)雜非線性關(guān)系這一功能，在電力系統(tǒng)的變壓器預(yù)報問題方面有很大應(yīng)用價值。在預(yù)測過程中，只需給出變壓器與相關(guān)變量的一定數(shù)量樣本，通過訓(xùn)練該神經(jīng)網(wǎng)絡(luò)，就能對相應(yīng)的函數(shù)關(guān)系進行模擬。換言之，在變壓器預(yù)報領(lǐng)域只要是經(jīng)過以上訓(xùn)練的網(wǎng)絡(luò)都可進行直接運用[2]。

1.2 變壓器故障

對于變壓器的分類可以根據(jù)用途、繞組電壓、結(jié)構(gòu)以及輸入和輸出的箱數(shù)、冷卻方式、調(diào)壓方式等進行劃分，本文就主要分析根據(jù)相數(shù)分類以及絕緣材料分類、冷卻方式分類介紹變壓器的分類，對于變壓器相數(shù)分類可簡單的劃分為單相變壓器、三相變壓器、多相變壓器三類，對于材料分類可劃分為浸漬式（礦物油變壓器、合成油變壓器、B液變壓器）和干式（包封式變壓器、非包式變壓器），對于冷卻方式可劃分為油浸（油浸子冷、油浸風(fēng)冷、強油水冷、強油風(fēng)冷）和干式變壓器（干式子冷、干式風(fēng)冷）。

1.3 變壓器故障分析

變壓器的故障較多，根據(jù)不同的分類法可劃分為不同的故障，根據(jù)故障出現(xiàn)的區(qū)域可劃分為內(nèi)部故障和外部故障，對于故障的性質(zhì)可劃分為局部過熱、低能量放電、老化等。以故障發(fā)生的時間來分析，可將其分為突發(fā)性故障和慢性故障。本文主要針對變壓器故障特性進行分析，在變壓器故障的種類進行分類可將這些故障分為高溫過熱故障、中低溫過低故障及高能量放電故障等，如從故障的發(fā)生現(xiàn)象進行區(qū)分可將變壓器故障分為溫度故障和電性故障。

1.3.1 熱性故障

據(jù)有關(guān)資料顯示，在檢查360臺故障變壓器時，發(fā)現(xiàn)有234臺變壓器是存在過熱故障的、整體故障率為62.3%，有68臺變壓器具有高能量放電故障、整體故障率為17.9%，有42臺是存在有過熱兼高能量放電故障、整體故障率為9.8%，有28臺是存在火花放電故障的、整體故障率為7.2%，剩余的2.1%是存在局部放電故障及受潮放電故障的。通過一些數(shù)據(jù)可總結(jié)出，在變壓器的各種故障中占比最高的是存在熱性故障的變壓器。

在變壓器正常運轉(zhuǎn)過程中，會伴有由變壓器金屬結(jié)構(gòu)件、鐵芯、繞組等部件所產(chǎn)生的負載損耗及空載損耗；當(dāng)這些損耗全部轉(zhuǎn)化成熱量后，有一部分會使結(jié)構(gòu)件、鐵芯、繞組等主要部件的溫度過高，剩余的部分則會散發(fā)到周圍的變壓器油、絕緣物等介質(zhì)中，從而提高發(fā)熱體周圍介質(zhì)的溫度，同時會利用冷卻裝置及油箱等設(shè)備來將熱量散布到周圍的環(huán)境空氣中。當(dāng)各部分的溫度可達到散出的熱量平衡于產(chǎn)生的熱量這一狀態(tài)時，就是所說的熱平衡狀態(tài)，那么各部件的溫度就會保持在一定值上；與之相反的情況時就無法達到熱平衡狀態(tài)，從而導(dǎo)致變壓器的某一部位出現(xiàn)熱故障現(xiàn)象。

1.3.2 電性故障

一般在電場強度較高電壓下就會發(fā)生電性故障，按照能量密度的不同可把變壓器的電性故障分成局部放電故障、低能量的火花放電故障和高能量的電弧放電故障：在出現(xiàn)高能量電弧放電故障時，會直接燒壞或擊穿絕緣體；火花放電故障屬于是一種最為常見的間歇性放電故障，局部放電所釋放的能量值是最小的，這種放電所釋放出來的能力和兩極擊穿方面所釋放的能量數(shù)值相同。在發(fā)生局部放電現(xiàn)象時會伴隨著產(chǎn)生一些熱效應(yīng)現(xiàn)象，這是電子轟擊所產(chǎn)生的，能量處在1～1eV范圍內(nèi)。

電弧放電別稱高能量放電，通?？捎^察到繞組段間、層間或匝間出現(xiàn)擊穿并燒壞絕緣的現(xiàn)象，此外還會伴有多類故障，如分接開關(guān)飛弧、對地閃絡(luò)、引線斷裂等，由于沒有任何先兆且大部分都是瞬間爆發(fā)，所以很難實現(xiàn)精準(zhǔn)預(yù)測；在發(fā)生高能量放電故障時通常都會產(chǎn)生大量的乙炔和氫氣；CH4與C2H4緊隨其后。因為故障是突然發(fā)生的，所以產(chǎn)生的氣體會直接進入到氣體繼電器中，根本來不及溶解在變壓器油里?？煽偨Y(jié)出，故障的發(fā)生位置及持續(xù)時間將對變壓器油中的氣體含量造成直接影響。

火花放電別稱低能量放電，引線接觸有問題、分解開關(guān)插拔電位懸浮電位、不穩(wěn)定的鐵芯接地、導(dǎo)線連接處、套管儲油柜對電位未固定的套管導(dǎo)電桿、引線等都是最易發(fā)生低能量放電的位置。由于故障所產(chǎn)生的能量值較低，所以并不會產(chǎn)生過多的烴類氣體，同樣是以氫氣和乙炔為主要的特征氣體。

2 基于網(wǎng)絡(luò)模型的變壓器故障診斷

2.1 網(wǎng)絡(luò)模型的變壓器故障診斷意義分析

電力變壓器是電網(wǎng)的核心設(shè)備，變壓器發(fā)生故障將會直接影響電網(wǎng)運行，嚴重時甚至?xí)霈F(xiàn)爆炸，變壓器故障診斷的作用主要用于判斷設(shè)備的狀態(tài)及對故障的性質(zhì)進行分析，神經(jīng)網(wǎng)絡(luò)能將輸入樣本進行有效的分類處理，將神經(jīng)網(wǎng)絡(luò)在變壓器故障診斷過程中發(fā)揮關(guān)鍵性作用，能夠全面提升變壓器的穩(wěn)定性以及安全性。

2.2 BP網(wǎng)絡(luò)設(shè)計

2.2.1 BP網(wǎng)絡(luò)參數(shù)設(shè)計

輸入向量的確定，在案例中輸入階段和正常模式的維數(shù)相似，基于變壓油中溶解氣體H2、CH4、C2H4、C2H2含量的具體數(shù)據(jù)，將其視為輸入特征向量，從而判定變壓器故障。在輸入向量時，如輸入太少的向量將很難實現(xiàn)對變壓器故障的分析，如輸入太多的向量就導(dǎo)致網(wǎng)絡(luò)的收斂性降低。值得提出的是網(wǎng)絡(luò)對于較小的數(shù)據(jù)敏感性不足，對于一部分較為重要的特性獲取難度較大，導(dǎo)致精度不能達到實際的水平，并導(dǎo)致樣本的輸入空間較大，網(wǎng)絡(luò)只有達到標(biāo)準(zhǔn)化規(guī)定的泛化能力才能實現(xiàn)樣本數(shù)的提升，同時網(wǎng)絡(luò)規(guī)模才能有所提升，進而影響正常訓(xùn)練和診斷。

針對于網(wǎng)絡(luò)輸出字節(jié)這種故障，輸出向量中使用正常、中低溫過熱、高溫過熱、低能量放電及高能量放電等五個輸出神經(jīng)元為主?；贚OGSIG函數(shù)的特點，如果輸出值在0～1，也就是故障的程度，數(shù)值越接近1故障程度越嚴重。

網(wǎng)絡(luò)層設(shè)計，為了證明三層的BP網(wǎng)絡(luò)可在任意的精度接近非線性的物理對象，增加層數(shù)最根本的目的就是降低誤差，但是網(wǎng)絡(luò)的結(jié)構(gòu)會更加復(fù)雜。因此在一般的模式下，需要使用最少的網(wǎng)絡(luò)層數(shù)構(gòu)建神經(jīng)網(wǎng)絡(luò)，本次研究選擇三層網(wǎng)絡(luò)。

表1 網(wǎng)絡(luò)輸出字節(jié)故障表

2.2.2 隱層節(jié)點數(shù)設(shè)計

2.2.3 訓(xùn)練樣本集的設(shè)計

因為變壓器油中的氣體分析法是診斷和處理充油電氣設(shè)備最常用的一種方法，所以需選擇充油中的溶解氣體的含量作為本次網(wǎng)絡(luò)輸入特征的向量。訓(xùn)練樣本的收集工作本身就是一件非常復(fù)雜的工作內(nèi)容，當(dāng)此項工作執(zhí)行效果不佳時會出現(xiàn)網(wǎng)絡(luò)映射錯誤的情況，導(dǎo)致網(wǎng)絡(luò)學(xué)習(xí)過程存在問題。

樣本首先需代表性，樣本本身需全面體現(xiàn)出輸入及輸出關(guān)系，樣本故障的占比需和實際變壓器的故障占比相同。例如在變壓器故障的診斷過程中故障的發(fā)生率高，通過這種方式就能收集到一些有用的樣本。對于訓(xùn)練樣本的收集需做到學(xué)習(xí)過程的收斂，較為復(fù)雜，樣本需具有代表性和廣泛性及緊湊性。根據(jù)故障變壓器的色譜進行統(tǒng)計數(shù)據(jù)，選出故障的類型后進行訓(xùn)練。選擇15組數(shù)據(jù)作為測試的樣本，將變壓器當(dāng)中的氣體含量的百分比作為網(wǎng)絡(luò)的輸入量和期望值。

2.3 各種訓(xùn)練算法比較

針對于函數(shù)逼近網(wǎng)絡(luò)而言，LM算法的收斂情況是最好的，同時速度也是最快的，如要求的精確度較高優(yōu)點更加明顯，在很多時候使用LM算法訓(xùn)練函數(shù)可得到更小的誤差，但在網(wǎng)絡(luò)權(quán)值不斷提升時TRINLM的優(yōu)點將會降低，對于TRAINLM模式的識別等相關(guān)問題的處理能力就會受到影響。通過RPROP的算法訓(xùn)練函數(shù)TRAIRP速度最快，這一點算法所需要的儲存空間更低，對于SCG算法在網(wǎng)絡(luò)較大的模式中具有良好的性能，識別模式和PRPOP一致，但性能更加優(yōu)秀、對于空間的儲存需求更低，但是運算量會因為網(wǎng)絡(luò)的大小出現(xiàn)大量的增加。BFGS算法和LM算法相似，需要的空間更小，但運算量會因為網(wǎng)絡(luò)大小的增加出現(xiàn)大量的增長，在特定情況下收斂速度變慢反而會得到更好的效果，所以本文基于彈性的BP算法訓(xùn)練網(wǎng)絡(luò)[3]。

表2 訓(xùn)練樣本故障表

表3 訓(xùn)練算法表

表4 網(wǎng)絡(luò)診斷表

2.4 仿真結(jié)果分析

對于BP網(wǎng)絡(luò)中十五組檢測數(shù)據(jù)的結(jié)果如表4所示，從中可了解到BP網(wǎng)絡(luò)的診斷方法具有較高的故障識別和分類能力，準(zhǔn)確率較高達到了80%。

綜上，本文介紹了BP網(wǎng)絡(luò)的概念以及結(jié)構(gòu)和算法的原理，設(shè)計了相應(yīng)的方案，針對于不同隱層神經(jīng)元數(shù)量對神經(jīng)網(wǎng)絡(luò)訓(xùn)練性能的影響進行了分析，通過不同方法的比較，尋找到性能變現(xiàn)最佳的隱層神經(jīng)元數(shù)量為10，通過比較BP算法和其他算法之間的優(yōu)、劣勢確定了本次的算法為彈性的BP網(wǎng)絡(luò)算法，進行仿真實驗、得到結(jié)果，本次診斷的正確率也達到了80%。