基于神经网络的故障诊断.pdfVIP

基于神经网络的故障诊断 神经网络工具箱应用于故障诊断 1.问题描述 电力系统的安全运行具有十分重要的意义。当高压变压器或其他类似设备在 运行中出现局部过热、不完全放电或电弧放电等故障时，其内部绝缘油、绝缘 纸等绝缘材料将分解产生多种气体，包括短链烃类气体（C2H2、CH4 等）和 H2、 CO2 等，这些气体称作特征气体。而特征气体的含量与故障的严重程度有着很密 切的关系，如下图 1 所示。将 BP 神经网络应用于变压器故障诊断对大型变压器 的运行有着非常重要的意义。 2. 神经网络设计 (1) 输入特征向量的确定 变压器的故障主要与 甲 烷 （CH4）、氢 气 （H2）、总 烃 （C1＋C2） 以 及 乙 炔（C2H2）4 种气体的浓度有关， 据此可以设定特征向量由这 4 种气体的浓度组成，即 CH4、H2、C1＋C2 （总烃）和 C2H2，同时也设定了 网络输入层的节点数为 4 个。 (2) 输出特征向量的确定 输出量代表系统要实现的功能目标，其选择确定相对容易一些。 只要 问题确定了，一般输出量也就确定了。 在故障诊断问题中，输出量就代表 可能的故障类型。 变压器的典型故障类型有：一般过热故障、严重过热故 障、局部放电故障、 火花放电故障以及电弧放电故障等 5 种类型，因此这 里选择 5 个向量作为网络的输出向量，即网络输出节点确定为 5 个。根据 Sigmoid 函数输出值在 0 到 1 之间的特点，这里设定以 0 到 1 之间的数 值大小表示对应的故障程度，也可以理解为发生此类故障的概率，数值越接 近 1 表示发生此类故障的几率越大或说对应的故障程度越大。 针对本系 统，设定输出值大于等于 0．5 时认为有此类故障，小于 0．5 时认为无此 类故障。 (3) 样本的收集 输入、输出向量确定好以后就可以进行样本的收集。 数据归一化处理时，注意：在归一化处理的时候，因考虑到各气体浓度值相差 较大，如总烃的浓度比 H2 的浓度值高出几个数量级， 因此在归一化处理的时 候，分别对各个气体浓度值进行处理，即最大值和最小值取的是各气体的最值， 而不是所有样本值中的最值。 在本实例中采用：MATLAB利用归一化公式 u=(x-min(min(x)))./(max(max(x))-min(min(x))) （1） 在公式 1中x表示所需归一化处理的数据， 表示归一化后的结果 处理结果如下： 序号 CH4 H2 C1+C2 C2H2 0 00 1 0 2 2 1 0000 2 6 1 9 4 00 0 3 0 1 2 7 0000 4 6 4 9 2 0.0