基于模糊模块化网络的电力变压器故障诊断.pdfVIP

中国电力系统保护与控制学术研讨会论文集 ．737．． 基于模糊模块化网络的电力变压器故障诊断 沈体刚 (江汉油田水电厂，湖北潜江) 摘要：电力变压器是电力系统中的枢纽设备，实现对电力变压器的故障诊断具有十分重要的意义。本文建立了变压器故障诊 断的模糊模块化网络模型，首先应用可能性聚类算法对故障样本进行有效分类，然后以控制模块和规则模块为基础实现对电 力变压器的故障诊断。结果表明该网络能有效的消除噪音的影响，取得了比单个的三层BP网络更准确、更快速的诊断效果。 关键词：模糊模块化网络、电力变压器、故障诊断、可能性聚类算法 1引言 2网络结构 电力变压器是电力系统中输、配电的重要设 模块化模糊网络是由规则模块和控制模块组 备，掌握快速、有效的故障诊断方法是实现变压器 成。所建立的电力变压器故障诊断的模糊模块化网 状态维修，提高设备的可靠性的先决条件。目前常 络模型如图1所示。 用的方法有神经网络、专家系统等。这些方法在实 际使用时，由于实际故障样本获取困难，难以覆盖 整个故障空间，是一个小样本数据分析问题。 本文采用的是神经网络与模糊逻辑技术结合 五种气体成分含量比例规格化后的值。 的模糊模块化网络，它具有很强的自学习、非线性 映射能力以及处理不确定信息的能力。该网络是利 X产Xi。f亳X—x；：xif亳x，、 j=l 用“分而治之”的思想，按系统结构和层次划分， | j=l| C．MeaIls i=1,2，…，nJ=2,3,,5 采用可能性聚类方法PCM(Possibilistic Clustering，PCM)将样本分类，在实现样本空间的 网络输出Y={Yl，Y2，Y3，．．．，Y。)为变压器的故 细分的同时消除噪音数据的对聚类的影响。每类样 障类型。如：低能放电、高能放电、中低温过热、 本构成一个故障类型模块，在对其用三层BP网络 高温过热等，模型的输出n由聚类分析后得到的聚 构成的模块进行训练，以提高BP网络学习速度和 类的类型决定。 故障诊断精度。 网络中的规则模块是模糊规则的拟合函数。它 本文的主要内容是在大量收集大型电力变压 是对每个分类子空间分别进行逼近，以获取各个不 Gas 器的油中溶解气体(Dissolved Analysis，DGA)的 同子空间从测量输入到故障输出的非线形动力特 故障数据建立了故障样本的基础上，先应用可能性 性。这就解决了用一个神经网络对多种故障同时进 聚类方法对故障样本进行聚类，然后以三层BP网 行训练时，网络结构复杂、收敛速度慢、易陷入全 络为基本结构建立了电力变压器故障诊断的模糊 局最小，并导致故障诊断的精度不高等缺点。 模块化网络诊断模型。应用本文所建立的模糊模块 化网络模型进行了电力变压器故障诊断的仿真实