基于DGA的变压器故障诊断专家系统的研究
|
摘要
电力变压器是电力系统中最重要的电气设备之一，也是导致电力系统事故最多的电气设备之一，其运行状态直接影响系统的安全性水平。及早发现变压器的潜伏性故障，保证变压器的安全运行，从而提高供电的可靠性，是电力部门关注的一个重要问题。因此，研究变压器故障诊断技术，提高变压器的运行维护水平，具有重要的现实意义。
本文首先论述了对基于油中溶解气体分析的变压器故障诊断的原理及多种诊断方法，在此理论基础上开发了基于神经网络的专家系统。在系统中，改进BP神经网络作为专家系统的一个知识模块，成为诊断主模块，以基于模糊的知识模块为辅助诊断模块，以改进三比值法知识模块为参考诊断模块。
本文介绍了BP神经网络的模型结构及学习机制，对故障诊断系统所采用的BP网络存在收敛速度慢、不易收敛等问题，分别对神经网络在不同激活函数、不同神经元个数以及不同训练函数的情况下进行了仿真，并作了分析和研究，其中数值优化算法中Levenberg-Marquardt法作为学习函数网络训练效果最好。
本文在构建故障诊断的专家系统时，采用VB语言为开发工具，在程序设计方面，直接利用VB调用Matlab神经网络工具箱。本系统具有界面友好，易于操作和维护，运行快捷、准确等特点。
Power transformer is one of the most important electrical equipments in the electric system. Its operating state attaches importance to system's safety directly. In addition, it is a significant issue for electrical department to find potential faults of the transformer so as to keep it operating safely. Therefore, the fault diagnosis technology is available and reliable to operate and maintain the transformer.
First, The paper has deeply analyzed the principle of using gas dissolved in oil as character to diagnose transformer fault and the methods of fault diagnosis. Based on these theories, an expert systerm based on neural network was developed. Neural network was one of the knowledge modules in expert system, which as a principal diagnosis module, the knowledge modules which based on the fuzzy mathematics for the diagnosis module and the knowledge modules which based on modified IEC tri-ratic method.
This paper introduces the BP neural network model structure and mechanism for learning, address the problems such as BP neural network convergence slow and difficulty convergence of the fault diagnosis system. The activation transfer function, the different neurons function and training function of neural network were simulated respectively, and also give analysis and research. L-M method as a training function effect best results in the numerical optimization algorithm.
In the part of constructing fault diagnosis expert system in this paper, on the issue of program design, calling Matlab neural network toolbox in VB directly. This system has many good characteristics such as the friend interface, easy operation and maintenance, calculating fast and accurate and so on.
本文首先论述了对基于油中溶解气体分析的变压器故障诊断的原理及多种诊断方法，在此理论基础上开发了基于神经网络的专家系统。在系统中，改进BP神经网络作为专家系统的一个知识模块，成为诊断主模块，以基于模糊的知识模块为辅助诊断模块，以改进三比值法知识模块为参考诊断模块。
本文介绍了BP神经网络的模型结构及学习机制，对故障诊断系统所采用的BP网络存在收敛速度慢、不易收敛等问题，分别对神经网络在不同激活函数、不同神经元个数以及不同训练函数的情况下进行了仿真，并作了分析和研究，其中数值优化算法中Levenberg-Marquardt法作为学习函数网络训练效果最好。
本文在构建故障诊断的专家系统时，采用VB语言为开发工具，在程序设计方面，直接利用VB调用Matlab神经网络工具箱。本系统具有界面友好，易于操作和维护，运行快捷、准确等特点。
Power transformer is one of the most important electrical equipments in the electric system. Its operating state attaches importance to system's safety directly. In addition, it is a significant issue for electrical department to find potential faults of the transformer so as to keep it operating safely. Therefore, the fault diagnosis technology is available and reliable to operate and maintain the transformer.
First, The paper has deeply analyzed the principle of using gas dissolved in oil as character to diagnose transformer fault and the methods of fault diagnosis. Based on these theories, an expert systerm based on neural network was developed. Neural network was one of the knowledge modules in expert system, which as a principal diagnosis module, the knowledge modules which based on the fuzzy mathematics for the diagnosis module and the knowledge modules which based on modified IEC tri-ratic method.
This paper introduces the BP neural network model structure and mechanism for learning, address the problems such as BP neural network convergence slow and difficulty convergence of the fault diagnosis system. The activation transfer function, the different neurons function and training function of neural network were simulated respectively, and also give analysis and research. L-M method as a training function effect best results in the numerical optimization algorithm.
In the part of constructing fault diagnosis expert system in this paper, on the issue of program design, calling Matlab neural network toolbox in VB directly. This system has many good characteristics such as the friend interface, easy operation and maintenance, calculating fast and accurate and so on.
引文
[1] 胡文平，尹项根，张哲．电气设备在线监测技术的研究与发展[J]．华北电力技术．2003，NO．2：23-26，29
[2] 陈维荣，宋永华，孙锦鑫．电力系统设备状态监测的概念及现状[J]．电网技术．2000，24(11)：12-17
[3] 徐玉珍，林济群，毕成．神经网络在电力变压器故障智能诊断系统中的应用[J]．福建电力与电工．2001，21(1)：5-7
[4] 徐文，王大忠．结合遗传算法的人工神经网络在电力变压器故障诊断中的应用[J]．中国电机工程学报．1997，17(2)：109-112
[5] 林俊，章兢，佘致廷等．基于BP网络的变压器油中溶解气体在线监测[J]．电力系统白动化．2001，25(8)：56-58
[6] Purkait E, Chakravorti S., Bbatacharya K.. TIFDES—an expert system tool for transformer impulse fault diagnosis[J]. IEE Conference Publication. 1999, 5 (467): 180-183
[7] Li Honglei, Xiao Dengming, Chen Yazhu. Wavelet ANN based transformer fault diagnosis using gas-in-oil analysis [J]. Proceedings of the IEEE International Conference on Properties and Applications of Dielectric Materials. 2000, 1: 147-150
[8] Zhengyuan Wang, Yuwen Zbang, Chun Li et al. ANN-Based Transformer Fault Diagnosis [J]. Proceeding of the 59th American Power Conference. 1997, 59: 428-432
[9] 薛伍德，杨启平，兰之达．人Z智能在变压器故障诊断中的应用[J]．电力自动化设备．2001，21(12)：16-18
[10] 唐志国，郭文敏，刘文里，丁强．人工智能技术在变压器故障诊断中的研究[J]．黑龙江电力．2003(25)：106-109，118
[11] 吕干云，董立新，程浩忠．基于最小二乘加权融合集成神经网络的电力变压器故障识别[J]．电网技术．2004，28(16)：52-55
[12] 藏宏志，胡玉华，俞晓冬．基于径向基函数的集成神经网络在变压器故障诊断中的应用[J]．电力系统及其自动化学报．2003，15(1)：51-53，77
[13] 梁永春，李彦明．改进型组合RBF神经网络的变压器故障诊断[J]．高电压技术．2005，31(9)：31-33
[14] 赵登福，林谋，李彦明，张柏林．用L-M算法的神经网络诊断充油设备绝缘故障[J]．高电压技术．2004，30(7)：4-6，16
[15] 朱静．变压器故障诊断专家系统的研究[J]．淮阴工学院学报．2003，12(1)：83-85
[16] 张冠军，严璋，张仕君．电力变压器故障诊断中断新方法的研究[J]．高压电器．1998(4)：32-35
[17] 朱敏，王富荣．引用神经网络的变压器故障诊断专家系统[J]．计算机与现代化．2004，4(31)：31-32，35
[18] 王财胜，胡文堂．结合神经网络技术的变压器故障诊断专家系统[J]．中国电力．2001，34(5)：37-40
[19] 苏文辉，鞠平．模糊专家系统在电力变压器在线故障诊断中的应用初探[J]．电力系统及其自动化学报．1998，25(2)：6-11
[20] 宋斌，彭正洪．基于溶解气体分析的FGA-ANN变压器故障诊断研究[J]．第五届全球智能控制与自动化大会．2004，5145-5149
[21] 邓宏贵，罗安，曹建．灰色联度在变压器故障诊断中的应用[J]．控制工程．2005，12(1)：25-28
[22] 孙辉，李卫东，孙启忠．判决树用于变压器故障诊断的研究[J]．中国电机工程学报．2001，21(2)：50-55
[23] 董明，赵文彬，严璋．油气分析诊断变压器故障方法的改进[J]．高电压技术．2002，28(4)：6-8
[24] 李满元．变压器油中气体在线监测装置的应用[J]．西北电力技术．2000(3)：56-58，62
[25] 操敦奎．变压器油中气体分析诊断与故障检查[M]．北京：中国电力出版社，2005．2
[26] 袁疆．变压器油中溶解气体在线监测装置综述[J]．云南电力技术．2001，增刊(29)：97-99
[27] 尚勇，闫春江，严璋，曹俊岭．基于信息融合的大型油浸电力变压器故障诊断[J]．中国电机工程学报．2002，22(7)：115-118
[28] 孙世权．神经网络在变压器油色谱故障诊断上的研究[M]．学位论文，2006
[29] 刘建．基于神经网络技术的故障诊断模型与方法研究[M]．学位论文，2006
[30] 陈霞．基于网络撕裂和神经网络故障诊断方法研究[M]．学位论文，2006
[31] 俞晓冬，孙莹，臧宏志．基于粗糙集与模糊神经网络的变压器故障诊断方法[J]．电力自动化设备．2003，23(2)：15-17
[32] 李峥，马宏忠．基于进化策略算法的人工神经网络变压器故障诊断法[J]．江苏电机工程．2005，24(1)：16-18
[33] 彭宁云，文习山，舒翔．模糊神经网络在变压器故障诊断中的应用[J]．高电压技术．2004，30(5)：14-17
[34] 王耀龙．基于油中溶解气体分析的电力变压器故障诊断．学位论文．2005，30-31
[35] 高洪深，陶有德．BP神经网络模型的改进[J]．系统工程理论与实践．1996，(1)：37-40
[36] 沈谦，张良震．BP网络改进及在电路故障诊断中的应用[J]．微电子学与计算机．1996，(1)：67-71
[37] 肖宇光，黄庶，刘惠光，罗晶．基于改进的BP神经网络的FMS故障诊断系统[J]．自动化技术与应用．1996，(2)：12-14
[38] 丁晓群，孙军，袁宇波，周玲，胡浩，王志贤，安宗贵．基于BP网络的故障诊断方法的改进[J]．电网技术．1998，22(11)：62-63
[39] 李良浩．基于油中溶解气体的变压器故障智能诊断系统研究[M]．学位论文．2005，34-35
[40] 陈维荣，宋永华，孙锦鑫．基于神经网络的电力变压器状态监测[J]．变压器．2002，39(增1)：53-57
[41] Huang Y.C., Yang H.T, Huang K.Y.. Adductive network model-based diagnosis system for power transformer incipient fault detection [J]. TEE Proceedings Generation, Transmission and Distribution. 2002, 149 (5): 326-330
[42] Xu W., Wang D., Zhou Z, et al. Fault diagnosis of power transformers: application of fuzzy set theory, expert systems and artificial neural networks [J]. IEE Proceedings Science Measurement and Technology. 1997, 144 (1): 39-44
[43] Wang Zhenyuan, Liu Yilu, Grifin P.L. Combined ANN and expert system tool for transformer fault diagnosis [J]. IEEE Engineering Society, Winter Meeting. 1999, 1: 339-347
[44] 高文胜，高宁，严璋．自适应小波分类网络在充油电力设备故障识别中的应用[J]．电力技术学报．1998，13(6)：54-57
[45] 彭宁云．基于DGA技术的变压器故障智能诊断系统研究．学位论文．2004，37
[46] 韩力群．人工神经网络理论、设计及应用[M]．北京：化学工业出版社，2002．1
[47] 杨晓萍，孙超图，解建宝．电力变压器故障诊断的神经网络专家系统[J]．西安理工大学学报．1997，13(3)：284-288
[48] 孙世权．神经网络在变压器油色谱故障诊断上的研究[M]．学位论文．2006
[49] 张立明．人工神经网络的模型及其应用[M]．上海：复旦大学出版社，1993
[50] 周东华，叶银忠．现代故障诊断与容错控制[M]．北京：清华大学出版社，2000
[51] 杨以涵，唐国庆，高曙．电力系统及其在电力系统中的应用[M]．北京：水利水电出版社，1995
[52] 张建文．电气设备故障诊断技术[M]．北京：中国水利水电出版社，2006
[53] 潘瑜，于凤霞．Vaisual Basic程序设计[M]．北京：科学出版社，2004
[2] 陈维荣，宋永华，孙锦鑫．电力系统设备状态监测的概念及现状[J]．电网技术．2000，24(11)：12-17
[3] 徐玉珍，林济群，毕成．神经网络在电力变压器故障智能诊断系统中的应用[J]．福建电力与电工．2001，21(1)：5-7
[4] 徐文，王大忠．结合遗传算法的人工神经网络在电力变压器故障诊断中的应用[J]．中国电机工程学报．1997，17(2)：109-112
[5] 林俊，章兢，佘致廷等．基于BP网络的变压器油中溶解气体在线监测[J]．电力系统白动化．2001，25(8)：56-58
[6] Purkait E, Chakravorti S., Bbatacharya K.. TIFDES—an expert system tool for transformer impulse fault diagnosis[J]. IEE Conference Publication. 1999, 5 (467): 180-183
[7] Li Honglei, Xiao Dengming, Chen Yazhu. Wavelet ANN based transformer fault diagnosis using gas-in-oil analysis [J]. Proceedings of the IEEE International Conference on Properties and Applications of Dielectric Materials. 2000, 1: 147-150
[8] Zhengyuan Wang, Yuwen Zbang, Chun Li et al. ANN-Based Transformer Fault Diagnosis [J]. Proceeding of the 59th American Power Conference. 1997, 59: 428-432
[9] 薛伍德，杨启平，兰之达．人Z智能在变压器故障诊断中的应用[J]．电力自动化设备．2001，21(12)：16-18
[10] 唐志国，郭文敏，刘文里，丁强．人工智能技术在变压器故障诊断中的研究[J]．黑龙江电力．2003(25)：106-109，118
[11] 吕干云，董立新，程浩忠．基于最小二乘加权融合集成神经网络的电力变压器故障识别[J]．电网技术．2004，28(16)：52-55
[12] 藏宏志，胡玉华，俞晓冬．基于径向基函数的集成神经网络在变压器故障诊断中的应用[J]．电力系统及其自动化学报．2003，15(1)：51-53，77
[13] 梁永春，李彦明．改进型组合RBF神经网络的变压器故障诊断[J]．高电压技术．2005，31(9)：31-33
[14] 赵登福，林谋，李彦明，张柏林．用L-M算法的神经网络诊断充油设备绝缘故障[J]．高电压技术．2004，30(7)：4-6，16
[15] 朱静．变压器故障诊断专家系统的研究[J]．淮阴工学院学报．2003，12(1)：83-85
[16] 张冠军，严璋，张仕君．电力变压器故障诊断中断新方法的研究[J]．高压电器．1998(4)：32-35
[17] 朱敏，王富荣．引用神经网络的变压器故障诊断专家系统[J]．计算机与现代化．2004，4(31)：31-32，35
[18] 王财胜，胡文堂．结合神经网络技术的变压器故障诊断专家系统[J]．中国电力．2001，34(5)：37-40
[19] 苏文辉，鞠平．模糊专家系统在电力变压器在线故障诊断中的应用初探[J]．电力系统及其自动化学报．1998，25(2)：6-11
[20] 宋斌，彭正洪．基于溶解气体分析的FGA-ANN变压器故障诊断研究[J]．第五届全球智能控制与自动化大会．2004，5145-5149
[21] 邓宏贵，罗安，曹建．灰色联度在变压器故障诊断中的应用[J]．控制工程．2005，12(1)：25-28
[22] 孙辉，李卫东，孙启忠．判决树用于变压器故障诊断的研究[J]．中国电机工程学报．2001，21(2)：50-55
[23] 董明，赵文彬，严璋．油气分析诊断变压器故障方法的改进[J]．高电压技术．2002，28(4)：6-8
[24] 李满元．变压器油中气体在线监测装置的应用[J]．西北电力技术．2000(3)：56-58，62
[25] 操敦奎．变压器油中气体分析诊断与故障检查[M]．北京：中国电力出版社，2005．2
[26] 袁疆．变压器油中溶解气体在线监测装置综述[J]．云南电力技术．2001，增刊(29)：97-99
[27] 尚勇，闫春江，严璋，曹俊岭．基于信息融合的大型油浸电力变压器故障诊断[J]．中国电机工程学报．2002，22(7)：115-118
[28] 孙世权．神经网络在变压器油色谱故障诊断上的研究[M]．学位论文，2006
[29] 刘建．基于神经网络技术的故障诊断模型与方法研究[M]．学位论文，2006
[30] 陈霞．基于网络撕裂和神经网络故障诊断方法研究[M]．学位论文，2006
[31] 俞晓冬，孙莹，臧宏志．基于粗糙集与模糊神经网络的变压器故障诊断方法[J]．电力自动化设备．2003，23(2)：15-17
[32] 李峥，马宏忠．基于进化策略算法的人工神经网络变压器故障诊断法[J]．江苏电机工程．2005，24(1)：16-18
[33] 彭宁云，文习山，舒翔．模糊神经网络在变压器故障诊断中的应用[J]．高电压技术．2004，30(5)：14-17
[34] 王耀龙．基于油中溶解气体分析的电力变压器故障诊断．学位论文．2005，30-31
[35] 高洪深，陶有德．BP神经网络模型的改进[J]．系统工程理论与实践．1996，(1)：37-40
[36] 沈谦，张良震．BP网络改进及在电路故障诊断中的应用[J]．微电子学与计算机．1996，(1)：67-71
[37] 肖宇光，黄庶，刘惠光，罗晶．基于改进的BP神经网络的FMS故障诊断系统[J]．自动化技术与应用．1996，(2)：12-14
[38] 丁晓群，孙军，袁宇波，周玲，胡浩，王志贤，安宗贵．基于BP网络的故障诊断方法的改进[J]．电网技术．1998，22(11)：62-63
[39] 李良浩．基于油中溶解气体的变压器故障智能诊断系统研究[M]．学位论文．2005，34-35
[40] 陈维荣，宋永华，孙锦鑫．基于神经网络的电力变压器状态监测[J]．变压器．2002，39(增1)：53-57
[41] Huang Y.C., Yang H.T, Huang K.Y.. Adductive network model-based diagnosis system for power transformer incipient fault detection [J]. TEE Proceedings Generation, Transmission and Distribution. 2002, 149 (5): 326-330
[42] Xu W., Wang D., Zhou Z, et al. Fault diagnosis of power transformers: application of fuzzy set theory, expert systems and artificial neural networks [J]. IEE Proceedings Science Measurement and Technology. 1997, 144 (1): 39-44
[43] Wang Zhenyuan, Liu Yilu, Grifin P.L. Combined ANN and expert system tool for transformer fault diagnosis [J]. IEEE Engineering Society, Winter Meeting. 1999, 1: 339-347
[44] 高文胜，高宁，严璋．自适应小波分类网络在充油电力设备故障识别中的应用[J]．电力技术学报．1998，13(6)：54-57
[45] 彭宁云．基于DGA技术的变压器故障智能诊断系统研究．学位论文．2004，37
[46] 韩力群．人工神经网络理论、设计及应用[M]．北京：化学工业出版社，2002．1
[47] 杨晓萍，孙超图，解建宝．电力变压器故障诊断的神经网络专家系统[J]．西安理工大学学报．1997，13(3)：284-288
[48] 孙世权．神经网络在变压器油色谱故障诊断上的研究[M]．学位论文．2006
[49] 张立明．人工神经网络的模型及其应用[M]．上海：复旦大学出版社，1993
[50] 周东华，叶银忠．现代故障诊断与容错控制[M]．北京：清华大学出版社，2000
[51] 杨以涵，唐国庆，高曙．电力系统及其在电力系统中的应用[M]．北京：水利水电出版社，1995
[52] 张建文．电气设备故障诊断技术[M]．北京：中国水利水电出版社，2006
[53] 潘瑜，于凤霞．Vaisual Basic程序设计[M]．北京：科学出版社，2004
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |