基于概率神經網絡的變壓器故障診斷研究

王淼

（中國能源建設集團遼寧電力勘測設計院有限公司，遼寧 沈陽 110179）

基于神經網絡的變壓器故障診斷研究在20世紀80年代中后期快速發展。人工神經網絡開辟了一種研究方法。PNN絡在Bayes分類規則與Parzen窗的概率密度函數（Spread）的基礎上演化而來的算法，用線性算法解決非線性算法。PNN不用任何的訓練，達到網絡訓練的目的。油中氣體溶解分析法診斷的效率非常高。PNN網絡的優點在于網絡訓練簡單簡潔，將故障樣本映射到模式空間上。通過PNN的非線性能力，形成一個強大的故障診斷系統，準確率提高。

1 變壓器的故障診斷

（1）變壓器的故障診斷概述。變壓器是電力系統中重要的且價格高的裝置，如果變壓器發生故障，將會造成電力系統斷電，維修費用高，經濟損失比較嚴重，所以，用質量高的變壓器以及掌握一定的變壓器故障診斷技術，在電網運行中尤為重要。常見的故障主要有以下幾種：繞組故障、鐵芯故障、主絕緣故障、引線故障、分接故障、套管故障。

（2）變壓器故障診斷的基本方法。①直觀檢查法。通過平時的檢測，對變壓器的異常現象進行直觀的判斷（如表1）。②電氣預防性實驗法。在電氣預防實驗時，要想準確的診斷故障發生的位置，需要參考的因素較多。例如可以通過測直流電阻、絕緣性、有載調壓開關、鐵芯接地電流和遠紅外線等。

表1 直觀現象判斷故障類型法

（3）油中溶解氣體分析法。比如說根據特征氣體判斷故障類型（如表2）。

表2 依據特征氣體的特點判斷故障類型

2 概率神經網絡診斷方法

基于PNN的故障診斷問題可以描述為：假設X=（x1，x2， …，xn)是判斷的故障特征樣本。若 hAlAfA(X)hBlBfB(X)，則 X∈θB，其中，hA和hB分別是故障模式θA、θB的先驗概率（hA=NA/N，hB=NB/N）；NA、NB為故障模式的θA、θB的訓練樣本數，N為訓練樣本總數；lA、lB分別是將本屬于θA、θB的故障特征樣本X錯誤地分別劃分到模式θB、θA的代價因子；fA、fB分別是故障模式θA、θB的概率密度函數（Probability Density Function），PDF必須根據現有的故障特征樣本來求它的統計值。由Parzen方法得到的PDF估計式見公式（1）。

Xai是故障模式θA的第i個訓練向量；m為故障模式θA的訓練樣本數目；δ為平滑參數，其值確定了以樣本點為中心的鐘狀曲線的寬度。PNN的創建函數newpnn，該函數用于創建PNN網絡，PNN網絡是一種適用于分類問題的徑向基網絡，其調用格式見公式（2）。

3 基于PNN的變壓器故障診斷建模

PNN模型構建。一般的故障診斷系統大多采用BP網絡系統，BP算法速度比較慢，沒有準確的隱藏層單元，部分值極易出現最優值，不能完全地表明故障類型的特點。如果網絡出現問題，BP網絡需要重新輸入所有的數值，操作比較麻煩。在建模的過程中，特長樣本參數的選擇將會直接影響實驗結果的準確性。因此，應該根據實際的實驗需求在PNN建模中選擇科學、合理的故障特征樣本參數。通過實驗發現，在油中溶解氣體分析的方法是一種比較科學的方法，所得到的實驗結果符合預期的實驗要求。而且在判斷故障時運用到了改良三比值法，進一步增加了實驗結果的準確性。在此基礎上，構造了PNN網絡模型（如圖1）。

圖1 PNN網絡模型

4 基于PNN的故障診斷研究

變壓器故障診斷常用的方法有絕緣實驗、局部放電實驗、絕緣油電氣實驗、油中溶解氣體分析（簡稱DCA、工程也被稱為色譜分析）以及其它各種常用的診斷技術方法。其中以油中溶解氣體分析最為使用常的故障診斷技術手段。根據我國有關人員的統計，我國有50%的變壓器故障都是通過油中溶解方法檢測出的。油中氣體溶解分析法的優點是在進行檢測工程中不需要停止工作。故障的嚴重程度根據油中甲烷（C2H6）、乙烷（C2H6）、乙烯（C2H4）、乙炔（C2H2）以及一氧化碳（CO）、二氧化碳（CO2）和氫氣（H2）七種氣體的量確定。目前我國的440 kV以上的大型變壓器，一般都采用油來進行絕緣和散熱。而變壓器的過熱和各種故障都會有利于氣體的產生，就能定期的對變壓器進行檢測，也不影響設備工作，同時可以及早的發現故障的存在，并給于及時的處理。相關理論，各種氣體隨著溫度升高的最大析出率依次為H2、CH4、C2H6、C2H4和C2H2。后來Rogers 就選擇五種特征氣體的四類比值CH4/H2，C2H6/CH4，C2H4/C2H6和 C2H2/C2H4對其進行故障診斷判別。目前，三比值法已經普遍被認為是最優的診斷技術。

大量實例及分析表明，三比值由于其原理的特點，也是存在這許多的不足之處。

（1）實際變壓器的結構復雜和工作環境惡劣，所獲得的信息大多都不會出現在表1范圍內，所以就會無法進行故障診斷。

（2）三比值法是在油中氣體各組分過高或超過一定的限制值，而且還要在進行綜合性的分析和處理判斷其是處于異常狀態下，才能進行判斷其是屬于那類故障。而對正常狀態分析是沒有實際的意義，且如果在事先沒有進行正常與異常的判斷就對其進行三比值分析，是很容易誤判斷的。

（3）如果出現在編碼邊界模糊區的故障，就會有很高的幾率誤判斷。

（4）對于故障為正常的絕緣老化過程，其產生的CO和CO2含量會明顯上升，這就需要對表2進行編碼擴充，利用CO2/CO比值進行故障診斷。

（5）依據故障的性質對故障分類本事就存在這模糊性，這就是三比值診斷技術很難準確的診斷。總之，三比值目前已經被利用到很多的場合進行故障診斷，但是由于其依據的原理本事就擁有模糊性，而且故障特征與編碼節也存在著過渡階段，三比值法只是建立在典型的故障診斷技術上，對于綜合性的故障是無法精確的診斷。所以三比值法還是需要不斷地改善，通過積累更多的專家經驗，進步的完善，使其能更準確診斷所有的故障類型。

5 結語

變壓器是國家電網不可缺少的組成部分。各種部件價格比較昂貴，某個過程出現故障，對電網造成重大的經濟損失。本文對基于PNN的變壓器故障診斷進行了研究。但是要實現在線的故障診斷，面臨著以下的問題。

（1）變壓器油中氣體的數據的采集的準確性。

（2）數據的傳輸和轉換過程的簡潔性。

（3）提高故障樣本的質量。因此對變壓器故障診斷還有大的研究空間。