基于神经网络的变压器故障诊断研究

现代设备技术水平不断提高，生产率、自动化要求越来越高，相应地，故障也随之增加。变压器作为电力系统中非常复杂而且非常重要的设备，其工作状态对电力系统、企事业单位生产及居民生活具有十分重要的影响。如何提前对变压器故障进行预测和在故障发生后迅速判断故障原因是提高工作效率、减少经济损失的一个重要途径。因此研究变压器故障诊断对保证系统安全、可靠、经济运行，提高经济效益具有重要意义。 本文针对传统故障诊断的若干弊病，提出了将神经网络用于变压器故障诊断系统。传统的故障诊断方法大多是以领域专家和操作者的启发性经验知识为核心，知识获取困难、推理效率低下、自适应能力差，并且常见的诊断方法常常由于其单一性而存在一定的误差。同时由于故障征兆和故障类型之间常常存在复杂的非线性关系，使得诊断系统的数学模型很难获取。而人工神经网络以其分布式并行处理、自适应、自学习、联想记忆以及非线性映射等优点，为解决这一问题开辟了新途径。鉴于此，在开发变压器故障诊断系统时，将神经网络作为故障分类器进行设计。 本文首先分析了故障诊断和神经网络的基本理论，并在此基础上提出了神经网络对于变压器故障诊断系统的适用性；文中将BP神经网络算法用计算机实现；并针对其本身存在的一些缺点提出了一系列改进措施，通过在修正权值的时候增加动量项，并且限制输入值范围来减小误差、提高系统的诊断正确率；在对输入数据进行归一化处理的时候，采取按类逐项归一化的方法，避免了输入数据出现0或者1而使训练进入平坦区。这样可以大大提高系统的诊断效率和诊断正确率。将变压器诊断中典型的油中气体分析法和神经网络方法相结合，采用Java语言开发出界面友好、性能优秀的变压器故障诊断系统；此外，文中还详细探讨了网络各结构参数的选择方法，并且就变压器这一实际诊断系统，分析了不同结构参数对系统误差的影响。在文章的最后，总结了神经网络故障诊断系统的优秀性能以及它存在的不足，并且分析了未来神经网络用于故障诊断的前景和发展方向。