基于BP网络算法优化模糊Petri网的电力变压器故障诊断

基于BP网络算法优化模糊Petri网的电力变压器故障诊断

沈向斌张茂胜

江苏国艾电气有限公司224051

摘要：为了提高电力变压器故障诊断的准确性,提出了一种基于BP网络算法来优化模糊Petri网的电力变压器故障诊断方法。使用BP网络算法的自学习和自适应能力,在确定权重的模糊Petri网,阈值,信誉等网络参数初始值的前提下,优化模糊Petri网网络参数。在模糊Petri网网络结构、算法的BP网络,电力变压器DGA训练样本,模糊Petri网网络参数一步一步接近真正的价值。实例分析结果表明,该方法可以有效地诊断电力变压器的单故障和多故障,提高故障诊断的精度,证明了该方法的正确性和有效性。

关键词：变压器；故障诊断；油中溶解气体分析；BP网络；模糊Petri网

引言

为了保证变压器的安全稳定运行,必须迅速、准确地诊断变压器故障。专家、学者提出了各种故障诊断方法,如气相色谱法、专家系统、振动法、模糊理论等。但大多数这些方法适用于变压器、简单和单一故障发生时变压器故障复杂,诊断常常是困难的。随着研究的深入,基于模糊推理的应用背景红外系统逐渐引入到变压器故障诊断。红外系统具有良好的容错性,适用于变压器故障诊断的实际需求。但红外系统自学能力差,不能等参数权重、阈值、信誉为学习和培训。BP网络具有良好的自学习和自适应能力,可以通过反向传播网络权重的调整,阈值和可信度。因此,本文结合了BP网络算法和红外系统,使用红外系统的BP网络算法优化参数,和BP网络算法应用于变压器故障诊断。实验结果表明,该诊断方法能有效地识别和区分变压器故障,具有良好的诊断效果。

一、确定FPN网络结构及算法

佩特里网结构,只导入库和输出库,没有中间库,每个改变图书馆只对应一个输出。模糊Petri网的使用功能与单层结构变化引发连续函数,确定模糊推理算法。

1）模糊Petri网定义

BPFPN单点单红外系统结构模型,其定义如下。定义1个单点红外系统被定义为一组:10元红外系统={P、T、D,I,O,f,α,β,Th,W}类型,P={₁,皮,……Pim;警察甲,警察乙,…说,彩球}图书馆有限的节点集,包括{₁,皮,……说,pim}导入库节点集合{警察甲,警察乙,…,彩球}表示输出节点通过图书馆收藏。T={t1,t2,…说,tn},一个有限改变节点集合。在单点单红外系统,变化和输出库数量相等,并一一对应,可以表述为:ti-芋泥。D={d1,d2,…dn},代表一个有限的命题,并满足:||=||DP,P=Φ学习研究TD.我:T->P,作为输入函数,反映了变化和导入库之间的映射关系。O:T->P的输出函数,反映了变化和输出库之间的映射关系。F:T->[0,1],是一个变化的映射μ的信心水平。α:P->[0,1],是其身份的网络任正非Yiku节点值M(PI)映射。β:P、D,是图书馆的命题PD映射。Th:T->[0,1],是T改变节点的阈值λ映射。W={w1w2,…,wn}是一组类型弧对应的权重,引发图书馆对进口的依赖程度,反映了变化。W值可以是正的或者一个负数。当w的值为负,表示相应的命题逻辑否定命题逻辑。定义2改变触发后,托尔金的导入库不变。在本文中使用单点单红外系统结构,改变图书馆只有一个输入的输出变化,触发后的变化的计算公式。

2）模糊推理算法

触发连续函数类型根据变化,进而引发所有变化。模糊推理规则的重量值,阈值,相信需要通过建立一个模型来计算参数等。BP网络算法具有良好的自学习和自适应能力,可以用来计算参数。BP网络算法应用于红外系统,鉴于上述参数,初始值的基础上,通过对误差反向传播参数调整的每个节点,使参数值的实际价值的方法。

3）构造误差代价函数

测量的理论价值和实际价值之间的差距,建立培训结束的条件,结构误差代价函数如下。其中包括:代表输出库的数量,代表整个批处理样本数据。分别代表实际的托尔金的价值输出库肯和期望价值。计算一个梯子根据确定误差代价函数,利用误差反向传播算法来计算一个梯子。二、基于BPFPN的电力变压器故障诊断

1)输入库所的确定

在变压器故障诊断,通常选择H2、CH4,C2H4,C2H6,乙炔气体的五个特征。此外,经常将碳氢化合物总量(CH4+C2H4+C2H6+乙炔)作为一个整体来考虑。前五气体和总烃作为输入,相应的软件~Pi6导入库。可分为五种基本类型的变压器故障,分别是:一般过热,严重过热,低排放、高放电能量和局部放电,输出相应的图书馆。最终确定BPFPN变压器故障诊断模型。

2)样本的选取。

本文选取了多组变压器故障数据作为网络学习样本，样本涵盖了单一故障和多重故障，网络学习样本的组成。另外选取了变压器故障数据作为测试样本，对模型的诊断效果进行测试。

3)BPFPN模型的学习和训练

步骤1：选定样本，确定参数。将参数固定。

步骤2：对选取的多组学习样本数据，运用方法依次触发所有的变迁。

步骤3：根据模糊推理结果计算。误差代价函数。若取值小于预期值，则终止；否则，执行下一步。

步骤4：根据反向递推算法。调整网络参数。跳至步骤2重新计算。

二、实例分析

1）网络参数变化分析

不同参数的神经网络模型,BPFPN实际物理意义的网络参数模型,用于解释模糊产生式规则。价值变化表明,弧对应的特征气体的程度上支持失败已经改变了。负值,表明气体的电弧特征对应到相应的故障判断有抑制的效果。值的变化改变触发点说,反映了变化触发的难度。较小的值,触发相应的改变更容易说。训练之前和之后的变化范围可信度越小,这表明模糊推理具有较高的可信度。

2）变压器故障诊断分析

编程与某些算法,经过大量的训练,误差代价函数值小于期望值首次研究结束。此时,阈值可信度和弧重量参数调整的结果。

变压器故障诊断

在网络参数条件下的使用学习修订后,用BPFPN诊断模型的故障诊断测试样本。与此同时,在网络参数的情况下使用初始值,根据专家的经验,设定一个阈值可信BPFPN诊断模型,故障诊断为相同的测试样本。弧权值的初始值设置。诊断结果得到在两种情况下,一个全面的数据表中可以找到使用修改后的诊断模型更好,确认BPFPN诊断模型是可行和有效的。

结束语

基于BP优化红外系统的电力变压器故障诊断方法在优化网络参数的过程中引入BP算法,具有很好的泛化能力和自适应功能;将BPFPNDGA变压器故障诊断,通过对实验数据的分析表明,不仅仅是使用红外系统BPFPN诊断模型具有更好的适应性和故障诊断的准确性。

参考文献

[1]陈伟根,刘冰洁,周恒逸,等.变压器油中溶解气体光声光谱检测的温度特性[J].电工技术学报,2010,25(11):15-20.

[2]张蕊,郭瑞君,李华,等.基于变压器故障分类的DGA特征提取[J].高电压技术,2005,31(4):32-33.

[3]朱跃光,马宏忠,陈楷,等.基于振动信号的电力变压器故障诊断系统的开发[J].电工技术学报,2013,32(3):116-120.