基于模糊神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷技術(shù)研究.pdf

1、隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，人們對(duì)電力的需求越來(lái)越高，我國(guó)政府對(duì)電力行業(yè)的安全更加重視。變壓器作為整個(gè)電力系統(tǒng)最重要的設(shè)備之一，其可靠性關(guān)系到整個(gè)電力系統(tǒng)能否安全穩(wěn)定運(yùn)行，所以對(duì)變壓器進(jìn)行故障診斷具有重大實(shí)際意義。當(dāng)前電力系統(tǒng)設(shè)備維修模式已從傳統(tǒng)的“定期維修”向科學(xué)合理的以可靠性為中心的“狀態(tài)維修”轉(zhuǎn)變。變壓器油中溶解氣體分析(DGA)技術(shù)是已被證實(shí)確實(shí)有效的“狀態(tài)維修”技術(shù)，也是當(dāng)前變壓器故障診斷的主要方法，本文故障診斷數(shù)據(jù)就是DGA數(shù)據(jù)

2、。
　　變壓器故障發(fā)展過(guò)程就是DGA數(shù)據(jù)與故障類(lèi)型之間的非線性關(guān)聯(lián)過(guò)程，難以用具體的數(shù)學(xué)模型表達(dá)出來(lái)。神經(jīng)網(wǎng)絡(luò)推理速度快，具有容錯(cuò)、聯(lián)想、自學(xué)能力，其網(wǎng)絡(luò)權(quán)值系數(shù)通過(guò)不斷吸取知識(shí)進(jìn)行自我訓(xùn)練還可以再度優(yōu)化。將神經(jīng)網(wǎng)絡(luò)應(yīng)用變壓器故障診斷，無(wú)須人工干預(yù)，確立DGA數(shù)據(jù)與故障類(lèi)型的非線性映射，預(yù)測(cè)故障的早期癥狀。針對(duì)變壓器DGA數(shù)據(jù)與故障類(lèi)型間的非線性關(guān)系，建立了BP網(wǎng)絡(luò)故障診斷模型，應(yīng)用BP算法與改進(jìn)BP算法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并做比較分

3、析，訓(xùn)練好的網(wǎng)絡(luò)對(duì)故障進(jìn)行診斷，并給出了診斷結(jié)果，其中變學(xué)習(xí)速率動(dòng)量法診斷正確率最高，為83.3％。BP網(wǎng)絡(luò)因存在局部極小、收斂速度慢等問(wèn)題，其識(shí)別率難以提高，網(wǎng)絡(luò)性能不能滿足實(shí)際需要。
　　模糊神經(jīng)網(wǎng)絡(luò)彌補(bǔ)模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的單一與不足，具有神經(jīng)網(wǎng)絡(luò)的容錯(cuò)、自學(xué)能力，兼有模糊邏輯表達(dá)結(jié)構(gòu)性知識(shí)和推理能力。為了進(jìn)一步提高故障識(shí)別率與診斷精度，建立了基于模糊神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷模型，同時(shí)本文引進(jìn)高斯型隸屬函數(shù)變學(xué)習(xí)速率動(dòng)量法與改

4、進(jìn)梯度變量模糊神經(jīng)網(wǎng)絡(luò)算法對(duì)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化，與基于梯度法模糊神經(jīng)網(wǎng)絡(luò)做了仿真比較，仿真結(jié)果表明優(yōu)化效果較好，并對(duì)變壓器故障樣本做了識(shí)別，其中高斯型隸屬函數(shù)變學(xué)習(xí)速率動(dòng)量法模型的識(shí)別率為91.7％，基于改進(jìn)梯度變量模糊神經(jīng)網(wǎng)絡(luò)算法的識(shí)別率為94.4％。
　　對(duì)神經(jīng)網(wǎng)絡(luò)與模糊神經(jīng)網(wǎng)絡(luò)兩種模型的診斷效果做了對(duì)比分析，結(jié)果表明模糊神經(jīng)網(wǎng)絡(luò)用于變壓器故障診斷效果較好，高斯型隸屬函數(shù)變學(xué)習(xí)速率動(dòng)量法與改進(jìn)梯度變量模糊神經(jīng)網(wǎng)絡(luò)算法有效提高了診