2016年第2期（总第125期）能源研究
经源与节社 ENERGYAND ENERGYCONSERVATION
基于进化神经网络的变压器故障预测模型研究
张玫
(大唐大原第二热电厂，山西大原030000）
2016年2月
摘要：分析BP神经网络算法，根据变压器故障诊断问题的特征，改进其算法，即引入了遗传算法全局搜索能力。由变压器故障诊断常规方法，收集故障和油气气体成分之间的数据样本，得到故障和油气气体成分之间的非线性关系模型，
并且进行检测样本检验，证明其判断模型，有一定的外推能力，可以通过此模型进行变压器绝缘故障诊断。关键词：进化神经网络；变压器；故障；诊断
中图分类号：TM407
文献标识码：A
文章编号：20950802(2016)02002402
Research on theFaultPrediction ModelBased onEvolutionaryNeural Network
ZHANGMei
(Datang Taiyuan Cogeneration Power Plant, Taiyuan 030o00, Shanxi, China)
Abstract: BP neural network algorithm is analyzed in this paper, and the algorithm is improved according to the fault diagnosis problem characteristics of transformer, namely global searching ability of the genetic algorithm is introduced. Data samples between faults and hydrocarbon gas composition were collected by conventional fault diagnosis methods of transfomer, nonlinear relationship model of faults and hydrocarbon gas composition was obtained, and detection of sample tests was performed. It proved that the judgment model had certain ability of extrapolation, and transformer insulation fault diagnosis can be performed by this model.
Key words: evolutionary neural network; transformer, fault; diagnosis
0
引言
变压器是输变电系统中重要的电力设备，其安全运行对于电力系统的安全运行至关重要。绝缘故障是变压器运行中最常见的故障之一，对于变压器绝缘故障的诊断尤为重要。目前常规诊断变压器绝缘故障的方法较多，但是诊断方法本身都有一定的限制条件，对于实时或快速进行故障诊断有一定难度，如使用三比值法对变压器油中分解气体进行色谱分析，并根据行业有关标准进行判断。引起变压器绝缘故障的因素较多，故障机理较复杂，如变压器所处环境、以往运行情况、绝缘材料构造、电气等级等都影响故障判断结果，变压器故障判断问题是一个较多因素影响下的非线性问题，随着计算机信息化的发展及智能计算理论的进步，使用人工智能算法在计算机相关软件上已非常方便，而人工智能计算对处理复杂的非线性问题，有较好的精度和稳定性。
1BP神经网络算法分析
人工智能算法有多种，每种算法都有自身特点和优势，BP神经网络算法是智能算法中理论最成熟和应用最广泛的算法之一。BP神经网络算法是基于人类大脑解决问题的途径，并利用数学计算方法来模拟这种途径的智能化算法，它可以根据大量数据发展演化规律进行学习，在数据发展方向上有一定的适应性。人收稿日期：2015-11-18
作者简介：张政，1971年生，女，山西太原人，2000年率业于山
西广播电视大学发电厂及电力系统专业，工程师。·24·
工智能算法对于工程问题的解决类似于黑箱问题，即在解决问题本身的思路上不考虑问题本身的复杂机理，只是运用算法确定工程数据之间的关系，通过确定的数据关系，由已知数据求解未知数据，这种数据的求解具有高精度性，神经网络结构如图1所示。
第 1 层
输入层
第 2 层
o
隐含层
第 k 层
神经网络结构图图1
弟 m 居
0,% 0 ★0
0.
输出层
BP神经网络算法计算核心是神经元对数据的处理，图2为神经元的结构图，通过多个输入的数据进人神经元，神经元内部通过设置的权值进行数据处理，处理后数据输出，最后输出的数据是总的输入数据加权值
输入区
x=+1
e6
处理区输出区
0=
—6
o)
图2神经元结构图