变压器故障监测及预测模型构建的研究.docVIP

变压器故障监测及预测模型构建的研究 　　摘 要：为保证矿用变压器的安全稳定运行，针对目前的诊断方法多没有考虑不良工况以及其它影响变压器运行的复杂因素，根据贝叶斯网络算法，通过对不良工况和矿用变压器运行环境的分析，建立变压器故障监测及预测贝叶斯网络模型。以某矿井变压器故障为例进行了仿真分析，实验结果证明，该模型可以准确诊断变压器故障，并预测潜在故障，对矿用变压器的故障监测和预测具有一定参考意义。 　　关键词：故障监测；贝叶斯网络；不良工况；矿用变压器；MPE问题 　　DOIDOI：10.11907/rjdk.171797 　　中图分类号：TP319 　　文献标识码：A 文章编号：1672-7800（2017）007-0116-03 　　0 引言 　　中国是一个煤炭生产和消费大国，煤矿电气设备的安全监测与预测技术与实际需求差距较大，开发更加精确高效的煤矿电气设备状态监测及故障诊断预警系统，对煤矿产业的电力安全运行具有重大意义[1]。当前发达国家对矿用变压器故障的诊断大多使用神经网络、专家系统、灰色理论等诊断技术，由于矿用变压器结构和工作过程的复杂性、工作环境的恶劣性、监测技术的局限性以及知识表达的不完善性，使得故障征兆和故障原因之间的相互关系呈现耦合性、随机性和不确定性[2]。随着计算机技术和传感技术的飞速发展，已可以实现矿井井下配电网漏电、对称短路、不对称短路、断相、过载和欠电压等监测功能，但是对矿用变压器仍然缺乏有效的故障诊断和预警，无法及时地诊断与预测故障。贝叶斯网络是目前不确定知识表达和推理领域最有效的理论模型之一，可以充分发掘数据中的有效信息，有着坚实的理论基础[3]。本文运用结合了先验知识、概率论、图论、人工智能、决策理论等不确定知识表达的贝叶斯网络，开展矿用变压器故障监测及预测模型构建与优化研究。 　　1 贝叶斯网络及推理 　　贝叶斯网络（Bayesian Networks，BNs）是一种有向无环图。其中，随机变量间的因果关系通过有向图的形式表示，并通过条件概率（置信度）将其进行定量表示，包括随机变量之间的联合概率分布。BNs是一种信息表示框架[4] ，框架中将因果知识和概率知识相结合。网络中的节点被假设为相互独立的随机变量，它们之间的独立性通过有向连接弧来确定。 　　一个贝叶斯网络即是一个二元组B=。其中，G是有向无环图，其网络节点分别与随机变量X1，X2，...，Xn相对应，有向的连接弧表示变量之间的相互关系。作出以下条件独立性假设：确定节点的父节点，除了其子孙节点外，每一个变量都是独立的。Θ是描述网络局部条件概率的参数集合{θxi|zi}，θxi|zi=p（xi|zi）表示节点Xi的每一个取值xi在其父节点集yi处于某个特定的配置zi下的条件概率。贝叶斯网络B表达的U上的联合概率分布可通过式（1）确定： 　　BNs推理最主要的两种常见问题分别为最大后验假设问题（MAP）和最大可能解释问题（MPE）。从式（2）可以看出，MAP问题是在证据（E=e）已经获取的情况下，对一些变量取后验概率最大的状态组合，这些变量被称为假设变量（H）。如果变量的一个状态组合称为一个假设（h），MAP问题即是在全部可能的假设中，求取后验概率最大的假设。目前，一般将观察到的异常征兆作为变压器故障诊断的证据，其它故障作为假设变量。通过BNs推理算法进行推理，将结果中后验概率最大的故障作为最后的诊断结果，即： 　　求解MPE问题既是求故障发生的最大概率解释，即指网络中全部变量与证据节点相一致时的状态组合。 　　BNs推理算法有精确推理算法和近似推理算法两类，复杂系统中，它们都是NP难题。本文将变压器故障推理作为MPE问题来处理，采用GeNie建立模型并调用算法进行推理。 　　2 Bayes网络模型建立 　　依据《煤矿安全规程》、《煤矿变压器运行管理制度》的相关规定，针对不同工况下变压器各关键部分的电压、电流、绝缘电阻和变压器的振动、温度、噪声，建立BNs故障监测与预测模型，如图1所示。矿用变压器故障监测及预测贝叶斯网络模型构建，以统计数据、专家经验系统、现场数据采集、故障样本等为基础，结合变压器的运行工况、故障表现征兆，运用贝叶斯网络构建变压器的故障监测及预测模型；通过变压器工况分析、特征提取来不断丰富专家知识和故障样本数据[5-7]，这些知识和数据可作为贝叶斯网络各节点的先验概率、条件概率和联合分布概率的取值，结合现场实验实现监测、预测模型优化。 　　通过查询大量文献资料，对故障数据进行总结分析，找出了容易?O测到的征兆类型与故障率常见且高发的故障类型，征兆集合与故障集合如表1所示[8-9]。 　　通过深入理论和技术优化研究，以专家经验系统、现场数据采集、故障样本等为基础，对网络模型实施算法优化。在结构学