基于加权小波神经网络的油浸式电力变压器故障检测.pdf

第38卷 第 18期 电力 系统保护 与控镧 、，ol-38NO．18 2010年9月16曰 PowerSystem ProtectionandControl Sept．16，2010 基于加权小波神经网络的油浸式电力变压器故障检测 崔东君 ，刘 念 ，刘秀兰 (1．四川大学电气信息学院，四川 成都 610065； 2．北京市电力公司试验研究院，北京 100067) 摘要：分析变压器油中溶解气体含量进行变压器故障诊断的关键是找到油中溶解气体含量和故障之间的非线性关系。针对 已 有检测方法诊断准确性不高的问题，提 出不基于Fourier变换，而是利用细分的方法构造一类新的具有加权性质的小波函数。 将小波函数作为前馈神经网络的隐含层函数并优化网络的学习率，构造出加权小波神经网络处理变压器油中溶解气体含量数 据。通过实际故障数据验证，此方法较 已有的诊断方法准确性更高，在同等计算精度下速度更快，进而提高了变压器故障诊 断的效率。 关键词：加权小波；小波神经网络；油溶解气体；变压器故障检测 Faultdiagnosisofoil-immersepowertransformerbasedonweightedwaveletneuralnetwork CUIDong-jun。，LIUNian．LIUXiu-lan (1．SchoolofElectricalEngineeringandInformation，SichuanUniversity，Chengdu610065，China； 2．TestandResearchInstituteofBeijingElectricPowerCorporation，Beijing100067，China) Abstract：Thekeypointofanalyzing dissolved gasin rtansformertodiagnosetransfomr erfaultisto findoutthenon—linear relationshipbetweendissolvedgascontentandthefaulttype．Usingsubdivisionmehtod，butnotbasedonFourierrtansformerto createanew waveletfunctionisput forwardtodealwiththeproblem whichdiang osisaccuracyisnothighusingtraditionalanalysis mehtod．Thenovelwaveletfunctioncombineswithfeed-fowr radneuralnetworkwhichlearningrateisoptimizedtobuildaweighted waveletneuralnetworkforfaultdiagnosisoftransformers．Usingweihgtedwaveletneuralnewtorktonaalyzeactualfaultdataproves thatnovelneuralnetworkhashihgerdiagnosticaccuracy，andhihgercalculationspeedunderthesanlecondition，thusCna increase hteefficiencyofthe~ansformerfaultdiangosis． Keywords：weihgtedwavelet；waveletneuralnetwork；dissolvedgasnaalysis；transfomrerfaultdiagnosis 中图分类号： TM771 文献标识码：A 文章编号： 1674-3415(2010)18-0019—05 近年来出现了很多新方法 3【】判断变压器故障，尤其 0 引言 是小波神经网络技术的引入改进了IEC三比值法编 电力变压器是 电力系统中非常重要的设备，关