人工智能在变压器故障诊断中的应用.pdfVIP

人工智能在变压器故障诊断中的应用 上海电力学院华东电力试验研究院扬启平D 薛伍德窖 兰之选 摘要本文介绍丁^工智能fAl)在当前变压器故障诊断方面的开发和应用。并用具体实例说明专家系统和凡工 神经网络对运行中的变压器内部潜伏性故障进行早期诊断的可行性和有教性。 关饕词 凡工智能 变压器 故障诊断 专家系统 ^工神经同络 他模块的工作。 1引言 2．2 TFDES的特点 由于人类专家的经验在变压器故障诊断中的重要作 (1)TFDES的知识表达采用目前专家系统中最J1泛 用．人们已越来越重视人工智能技术在该领域开发和应用。 使用的产生式系统，知识库为模块式结构：扦模块相互弛 其中尤其以专家系统和^工神经网络的研究最引^注目。 立，有利于知淑库的修改、扩充和更新，这培知f6}{库的维击。 我们曾开发了用于变压器故障诊断的专家系统 带来很大的方便。 tTFDES)和人工神经网络(TFDANN)软件，我们深深体会 到：^工智能技术|直用于变压器故障诊断领域，其实际效果 点，实现目标驱动的反向推理．并引^r模糊罡辑．成功地 已得到电力工业界的信任和欢迎。 处理了某些模糊问题。 (3)率系统的数据库由气体分析与绝缘预防数据库和 2专家系统(TFDES)。2] 动态数据库两部分。前者可将各种气体数据和绝缘顼防数 2 l TFDES的知识库结构 据作为历史资料存档，以便用户随时查询、管理。最后得出 变压器故障诊断专家系统(TFDES)由变压器故障诊 的结论，不但根据当前的输t人数据，而且还综台历史变化的 断的知识库、数据库、解释机制、推理机和人机接El五部分 趋势进行纵向分析以及有关试验数据进行横问分析 动态 组成，知识库是专家系统的核心．本系统的知识库建成模块 数据库是一十上下文树，它存放中间推理结果和最终判断 化结构．如图1所示。 结论，以便用户需要解释时，由解释机制调用： 3人工神经网络(TFDANN)。 1 3 TFDANN的结构 人工神经网络的实质就是用来模拟人脑的信扈处理功 能，它具有自组织、自学习的能力，能映射高度非线陛的输 ^、输出关系。’fFDANN的开发应用为翱l识T稗师诊断变 压器故障开辟了新的途径． x。… Yn 图1 TFDES知讽审_i莫提图 TFDES着重围绕气体色谱分析，根据油中溶解气体色 谱分析的数据．采用三比值法和特征气悻对变压器运行状 况进行_|叮步分析，判断变压器是正常、正常老化、局部放电． 还是过热故障。同时结台补部检查、绝缘油特性试验、绝缘 油预防性检查等检测手段建立知识库。综台分析模块是根 据气体色谱分析、外部检查、绝缘油特性、绝缘预防性试验 圈2 TFDANN模块化结构陌 模块分析的结果，对变压器的运行状况进行分析判断。井向 TFDANN的工怍过程由二十阶段组成：：1)学习期，在 运行人员作出“变压器运行”或“停机、进行电气试验和内部