线性分类器与ＢＰ网络联合诊断变压器故障

2012年04月12日11:15:18 本网站我要评论(2)字号：T | T | T

范竞敏，曹　建，丁家峰，王浩宇

中南大学物理科学与技术学院，湖南长

北京华电云通电力技术有限公司，北京　

摘　　　要：油中溶解气体分析（ＤＧＡ）是目前电力充油设备潜伏性故障诊断的重要手段。为了克服传统ＢＰ网络及其改进诊断算法所具有的隐层节点数多、收敛时间长的缺陷，减少算法运算量及提高变压器故障诊断的正确率，提出了一种新的诊断算法：线性分类器－ＢＰ神经网络（ＬＣＢＰ）故障辨识方法。通过对变压器大量过热和放电两类典型故障数据的研究，发现其ＤＧＡ故障数据的特征空间线性可分且分离度较好。基于以上特性，先用线性分类器诊断过热和放电故障，然后利用两个小型ＢＰ网络分别进行进一步诊断，得到较终诊断结果。实验结果表明，提出的ＬＣＢＰ算法具有良好的分类能力，故障诊断的正确率达到９４％，且网络结构简单，运算量小，从而为变压器的故障诊断提供了一条新的有效途径。

关　键　词：ＤＧＡ；线性分类器；ＢＰ网络；故障诊断

１　引　言
大型电力变压器是电力系统中较重要的电气设备之一，其运行状态直接影响到整个电力系统的安全与稳定运行。因此，研究变压器故障诊断技术，提高变压器的维护和检修水平，保证变压器的安全、稳定运行具有重要的现实意义［１］。目前，利用ＤＧＡ数据判断变压器故障的方法有多种，常用的有ＩＥＣ三比值法、电协研法等。然而，这些方法在工程实际应用中往往暴露出编码不全、编码边界过于绝对等缺点［２］。近年来，一些人工智能方法如人工神经网络［３］、模糊理论［４５］、灰色理论［６］等被应用到变压器故障诊断中，但由于变压器结构的复杂性以及故障机理的多样性，变压器故障诊断的正确率还有待进一步提高。为了在减少算法运算量的同时提高算法的诊断正确率，本文提出了一种基于线性分类器与ＢＰ神经网络的变压器故障辨识算法，并建立了算法的模型。

登录网站后可下载文件

线性分类器与ＢＰ网络联合诊断变压器故障

相关阅读: