基于廣義回歸神經網絡的變壓器油中特征氣體發展趨勢預測研究

冷傳東，姜 欣，金寶旭

（1.國網長春供電公司，長春 130021；2.吉林電力技術開發公司，長春 130021；3.國網通化供電公司，吉林 通化 134001）

電力變壓器由于在設計、制造以及運行過程中受到多方面因素的影響，常常導致一些潛伏性故障的發生，最終發展為惡性事故。在潛伏性故障發生時，變壓器內部的油中會產生多種特征氣體。通過對特征氣體的檢測（色譜分析），能有效發現變壓器內部潛伏性故障的存在。在設備不具備停運檢修的情況下，專業人員將根據潛伏性故障的性質，重新規定設備的色譜檢測周期。然而，由于人為確定的色譜檢測周期會因不同人和不同專業水平的差異，難免存在誤判斷情況，一旦誤判就會造成檢測周期的選擇不當，導致下個色譜檢測時間尚未到來前，變壓器就發生了不可逆轉的故障；相反，人為擬定的檢測周期過短，則會增加色譜試驗工作的次數，浪費大量人力和物力。因此，科學地制定變壓器油中特征氣體檢測周期是十分必要的。準確預測油中特征氣體發展趨勢，就能為色譜檢測周期的制定和及時調整提供可靠的科學依據［1－3］。

目前變壓器油中特征氣體發展趨勢預測主要采用灰色模型、BP神經網絡等方法，但此類方法都存在局限性。廣義回歸神經網絡克服了灰色模型的不足，可針對非等間隔的原始數據，預測變壓器油中異常氣體值及氣體超出預定值時刻，進而在異常發生前采取停運檢修的措施，能有效地避免變壓器在運行中發生嚴重的事故，使變壓器的運行狀態可控、能控、在控。……