本發(fā)明涉及一種診斷變壓器故障的方法，尤其涉及一種利用虛擬樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)診斷變壓器故障的方法，屬于電力主設(shè)備故障診斷技術(shù)領(lǐng)域。

背景技術(shù)：

電力變壓器作為電力系統(tǒng)中最重要和最關(guān)鍵的電氣設(shè)備之一，其運(yùn)行的安全可靠性直接關(guān)系到電力系統(tǒng)的安全與穩(wěn)定。為確保變壓器的安全、經(jīng)濟(jì)運(yùn)行，及時(shí)準(zhǔn)確地診斷出變壓器內(nèi)部的潛伏性故障及其故障類型非常必要。

近年來(lái)，各國(guó)專家學(xué)者以及領(lǐng)域技術(shù)人員對(duì)變壓器故障診斷問(wèn)題進(jìn)行了大量的研究工作，特別是采用神經(jīng)網(wǎng)絡(luò)技術(shù)診斷變壓器故障的理論取得了很多卓有成效的研究成果。但變壓器故障率相對(duì)較低，從實(shí)際工程中收集到的故障樣本有限且樣本在數(shù)據(jù)空間的分布極不均勻，而神經(jīng)網(wǎng)絡(luò)的泛化能力對(duì)訓(xùn)練樣本的依賴性非常高，如果訓(xùn)練樣本不能滿足特征代表性和分布均勻性的要求將嚴(yán)重影響其故障診斷的準(zhǔn)確率，因此，基于神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷相關(guān)研究大多停留在理論探討范圍，鮮有應(yīng)用于工程實(shí)踐當(dāng)中。

虛擬樣本是指在未知樣本概率分布函數(shù)的情況下，利用所研究領(lǐng)域的先驗(yàn)知識(shí)，構(gòu)造出一定數(shù)量的樣本。油中溶解氣體分析(dissolvedgasanalysis，dga)是對(duì)油浸式變壓器進(jìn)行故障診斷最方便、有效的手段之一。其中改良三比值法作為國(guó)標(biāo)推薦的判斷油浸式變壓器故障類型的主要方法，在工程實(shí)踐中有著廣泛應(yīng)用。該方法是在對(duì)大量故障樣本進(jìn)行統(tǒng)計(jì)分析后總結(jié)的經(jīng)驗(yàn)，具有較高的故障診斷準(zhǔn)確率，可以認(rèn)為是規(guī)范化的領(lǐng)域?qū)＜抑R(shí)。因此，利用該知識(shí)構(gòu)造一定數(shù)量的虛擬樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)可有效的解決神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本集的構(gòu)造問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題是提供一種利用虛擬樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)診斷變壓器故障的方法。

為解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案是：

一種利用虛擬樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)診斷變壓器故障的方法，包括以下步驟：

步驟1：建立變壓器各故障的特征區(qū)域：根據(jù)油中溶解氣體的改良三比值法對(duì)變壓器故障空間進(jìn)行劃分，得到各故障對(duì)應(yīng)的特征區(qū)域；

步驟2：選擇虛擬故障樣本：在各故障的特征區(qū)域內(nèi)按照正交表選取均勻分布的特征點(diǎn)作為訓(xùn)練樣本集中的虛擬故障樣本；

步驟3：添加實(shí)際故障樣本：對(duì)實(shí)際故障樣本采用改良三比值法進(jìn)行診斷，將其中診斷錯(cuò)誤的故障樣本添加到所述訓(xùn)練樣本集；

步驟4：構(gòu)造bp神經(jīng)網(wǎng)絡(luò)：按照變壓器故障空間的特征構(gòu)造bp神經(jīng)網(wǎng)絡(luò)；

步驟5：訓(xùn)練bp神經(jīng)網(wǎng)絡(luò)：采用所述訓(xùn)練樣本集對(duì)bp神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并用實(shí)際故障樣本檢測(cè)所述bp神經(jīng)網(wǎng)絡(luò)的訓(xùn)練精度，并提高所述bp神經(jīng)網(wǎng)絡(luò)的訓(xùn)練精度；

步驟6：故障診斷：將待測(cè)樣本輸入到所述bp神經(jīng)網(wǎng)絡(luò)中進(jìn)行故障診斷。

所述步驟1中，變壓器故障模式分為：第一低溫過(guò)熱故障a1、第二低溫過(guò)熱故障a2、中溫過(guò)熱故障a3、高溫過(guò)熱故障a4、局部放電故障a5、電弧放電故障a6、電弧放電兼過(guò)熱故障a7、低能放電故障a8、低能放電兼過(guò)熱故障a9、第一未定義故障模式a10、第二未定義故障模式a11；第一低溫過(guò)熱故障指變壓器的溫度低于150℃；第二低溫過(guò)熱故障指變壓器的溫度介于150～300℃之間；中溫過(guò)熱故障指變壓器的溫度介于300～700℃之間；高溫過(guò)熱故障指變壓器的溫度高于700℃；第一未定義故障模式和第二未定義故障模式的編碼分別為“000”和“010”；

以三組氣體含量的比值為坐標(biāo)軸建立變壓器故障空間的，各比值的取值范圍均為[0.01,10]；各變壓器故障模式對(duì)應(yīng)的特征區(qū)域?yàn)榫L(zhǎng)方體區(qū)域。

所述步驟1中的特征區(qū)域用平面s1-s6劃分，平面s1-s6為：

所述步驟2中的虛擬故障樣本由輸入向量i和期望輸出向量d組成，輸入向量i＝(x,y,z)表示三組氣體含量的比值，向量d＝(d1,d2,…,d11)表示變壓器發(fā)生的故障模式，其取值為：

輸入向量i＝(x,y,z)為：特征區(qū)域(1,1,1)、(1,2,2)、(1,3,3)、(2,1,2)、(2,2,3)、(2,3,1)、(3,1,3)、(3,2,1)、(3,3,2)特征點(diǎn)的實(shí)際坐標(biāo)；1、2、3，分別為相應(yīng)特征區(qū)域各方向上的最小值、中間值和最大值。

所述bp神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)層數(shù)為4，其中輸入層節(jié)點(diǎn)3個(gè)，分別接收這三組比值的輸入；輸出層11個(gè)節(jié)點(diǎn)，輸出向量o＝(o1,o2,…,o11),分別代表a1～a11這11種故障類型的概率；隱層1由13個(gè)節(jié)點(diǎn)構(gòu)成,隱層2由17個(gè)節(jié)點(diǎn)構(gòu)成；網(wǎng)絡(luò)各節(jié)點(diǎn)的轉(zhuǎn)移函數(shù)選擇logsig函數(shù)。

采用上述技術(shù)方案所取得的技術(shù)效果在于：

1、本發(fā)明根據(jù)改良三比值法的故障特征，應(yīng)用正交表構(gòu)造分布均勻且能反應(yīng)全部數(shù)據(jù)空間特征的虛擬樣本構(gòu)造訓(xùn)練樣本集，并將實(shí)際工程中改良三比值法診斷錯(cuò)誤的樣本添加到樣本集中，用此樣本集對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，避免了訓(xùn)練樣本的分布不均勻性，使得訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)泛化能力更強(qiáng)。

2、本發(fā)明在沒(méi)有實(shí)際故障樣本的情況下，也可得到與改良三比值法相同的診斷結(jié)果和診斷精度。

3、本發(fā)明添加了從工程現(xiàn)場(chǎng)得到的故障樣本后，訓(xùn)練樣本集可以不斷的得到修正，訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)其故障診斷準(zhǔn)確率能夠進(jìn)一步提高。

附圖說(shuō)明

下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。

圖1是本發(fā)明的流程圖；

圖2是本發(fā)明實(shí)施例1的特征區(qū)域的空間分布圖；

圖3是本發(fā)明實(shí)施例1的特征區(qū)域的空間劃分圖；

圖4是本發(fā)明的實(shí)施例1的特征點(diǎn)分布圖；

圖5是本發(fā)明的實(shí)施例1的bp神經(jīng)網(wǎng)絡(luò)。

具體實(shí)施方式

實(shí)施例1：

參考圖1-圖5，本發(fā)明包括以下步驟：

步驟1：根據(jù)油中溶解氣體的改良三比值法對(duì)變壓器故障空間進(jìn)行劃分，得到各故障對(duì)應(yīng)的特征區(qū)域；

如圖2所示，根據(jù)改良三比值法的故障編碼規(guī)則及故障類型判斷規(guī)則，變壓器故障模式分為：低溫過(guò)熱(低于150℃)、低溫過(guò)熱(150～300℃)、中溫過(guò)熱(300～700℃)、高溫過(guò)熱(高于700℃)、局部放電、電弧放電、電弧放電兼過(guò)熱、低能放電、低能放電兼過(guò)熱、未定義故障模式1(編碼為“000”)和未定義故障模式2(編碼為“010”)等11類，用a1，…，a11表示。以三組氣體含量的比值為坐標(biāo)軸建立三維立體空間，則每一種故障模式對(duì)應(yīng)三維空間中的一個(gè)長(zhǎng)方體特征區(qū)域，當(dāng)樣本數(shù)據(jù)坐標(biāo)處于某長(zhǎng)方體特征區(qū)域內(nèi)則被判斷屬于相對(duì)應(yīng)的故障類型。根據(jù)三對(duì)比值和故障特征區(qū)域的分布特點(diǎn)，取10作為比值的上限，當(dāng)比值超過(guò)10時(shí)取為10，取0.01作為比值的下限，當(dāng)比值小于0.01時(shí)取為0.01，即各比值的取值范圍是[0.01,10]。

步驟2：在各故障特征區(qū)域按照正交表選取均勻分布的特征點(diǎn)作為虛擬故障樣本，由此得到訓(xùn)練樣本集，具體步驟為：

①創(chuàng)建訓(xùn)練樣本集r和測(cè)試樣本集t存放樣本數(shù)據(jù)。每一條樣本數(shù)據(jù)包括兩個(gè)向量：輸入向量i和期望輸出向量d，其中向量i＝(x,y,z)表示三組氣體含量的比值，向量d＝(d1,d2,…,d11)表示變壓器發(fā)生的故障模式，其取值為：

如d＝(0,0,0,1,0,0,0,0,0,0,0)表示發(fā)生a4(高溫過(guò)熱)故障。

②根據(jù)改良三比值法各故障類型的分布特點(diǎn)，用式(2)定義的六個(gè)平面對(duì)步驟s101中確定的三維空間進(jìn)行細(xì)分，得到排列整齊的小長(zhǎng)方體區(qū)域，如圖3所示；

③選取一個(gè)小長(zhǎng)方體區(qū)域，該區(qū)域內(nèi)的所有數(shù)據(jù)都對(duì)應(yīng)同一種故障模式。例如圖3標(biāo)識(shí)的小長(zhǎng)方體區(qū)域，其對(duì)應(yīng)的故障模式為a4，其坐標(biāo)范圍是{0.01≤x≤0.1,1≤y≤10,3≤z≤10}。在三個(gè)坐標(biāo)方向上分別確定3個(gè)水平，編號(hào)為：1、2、3，分別對(duì)應(yīng)每個(gè)方向上的最小值、中間值和最大值；

④使用l9(3⁴)正交表(表2)，任選三列分別對(duì)應(yīng)x、y、z三個(gè)坐標(biāo)方向，然后可以確定小長(zhǎng)方體區(qū)域上的9個(gè)特征點(diǎn)。如圖4所示，選擇1、2、3列后得到：(1,1,1)、(1,2,2)、(1,3,3)、(2,1,2)、(2,2,3)、(2,3,1)、(3,1,3)、(3,2,1)、(3,3,2)9個(gè)點(diǎn)作為特征點(diǎn)；

⑤取9個(gè)特征點(diǎn)處的實(shí)際坐標(biāo)和該小長(zhǎng)方體區(qū)域?qū)?yīng)的故障模式構(gòu)成9對(duì)樣本數(shù)據(jù)添加到訓(xùn)練樣本集r中，其中由實(shí)際坐標(biāo)構(gòu)成輸入向量i，由對(duì)應(yīng)的故障模式構(gòu)成期望輸出向量d。在兩類故障分類界面上的特征點(diǎn)，其坐標(biāo)應(yīng)根據(jù)數(shù)據(jù)精度要求取偏向該故障特征區(qū)域的值。例如數(shù)據(jù)精度為0.001時(shí)，9個(gè)樣本數(shù)據(jù)如表1所示；

⑥重復(fù)步驟③～步驟⑤，將所有故障特征區(qū)域的特征點(diǎn)樣本都添加到訓(xùn)練樣本集r中，這樣得到包含有243個(gè)樣本數(shù)據(jù)的訓(xùn)練樣本集r。

步驟3：對(duì)工程實(shí)踐中收集到的實(shí)際故障樣本采用改良三比值法進(jìn)行診斷，將其中診斷錯(cuò)誤的故障樣本添加到訓(xùn)練集中；

從實(shí)際工程中收集變壓器故障樣本，首先將其添加到測(cè)試樣本集t中，然后應(yīng)用改良三比值法對(duì)該樣本進(jìn)行診斷，如果診斷正確，則說(shuō)明該樣本的特征已經(jīng)可以被訓(xùn)練集表達(dá)；否則，說(shuō)明該故障樣本的特征不能被改良三比值法正確診斷，則也將此樣本按照相同的格式添加到訓(xùn)練集r中。

步驟4：按照變壓器故障診斷的特征，構(gòu)造bp神經(jīng)網(wǎng)絡(luò)；

設(shè)計(jì)bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，根據(jù)訓(xùn)練樣本的數(shù)量及變壓器故障診斷問(wèn)題的特點(diǎn)，設(shè)計(jì)網(wǎng)絡(luò)層數(shù)為4，其中輸入層節(jié)點(diǎn)3個(gè)，分別接收這三組比值的輸入；輸出層11個(gè)節(jié)點(diǎn)，輸出為向量y＝(y1,y2,…,y11),分別代表a1～a11這11種故障類型的計(jì)算輸出；隱層1由13個(gè)節(jié)點(diǎn)構(gòu)成，隱層2由17個(gè)節(jié)點(diǎn)構(gòu)成。網(wǎng)絡(luò)各節(jié)點(diǎn)的轉(zhuǎn)移函數(shù)選擇logsig函數(shù)。網(wǎng)絡(luò)結(jié)構(gòu)如圖5所示。

步驟5：采用上述的訓(xùn)練樣本集對(duì)bp神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并用實(shí)際故障樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行檢測(cè)提高訓(xùn)練精度，具體步驟為：

①設(shè)定神經(jīng)網(wǎng)絡(luò)的訓(xùn)練精度為0.0001，使用訓(xùn)練樣本集r對(duì)設(shè)計(jì)好的bp神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到滿足精度要求的神經(jīng)網(wǎng)絡(luò)模型n。

②在步驟s101確定的三維空間中均勻地隨機(jī)選取100個(gè)坐標(biāo)點(diǎn)，并按照三比值法計(jì)算該樣本的故障類型，然后構(gòu)成樣本數(shù)據(jù)對(duì)添加到測(cè)試樣本集t中。例如：隨機(jī)樣本i＝(1.67,0.74,3.82),對(duì)應(yīng)的期望輸出向量i＝(0,0,0,0,0,1,0,0,0,0,0)；

③使用測(cè)試樣本集t對(duì)神經(jīng)網(wǎng)絡(luò)模型n進(jìn)行測(cè)試，檢查網(wǎng)絡(luò)的性能。測(cè)試方法為：從測(cè)試樣本集t中取出一條樣本數(shù)據(jù)，將其輸入向量i輸入到神經(jīng)網(wǎng)絡(luò)模型n中，計(jì)算神經(jīng)網(wǎng)絡(luò)的輸出向量y，并根據(jù)式(3)得到j(luò)^*，即是神經(jīng)網(wǎng)絡(luò)判斷的故障模式，將這一結(jié)果與期望輸出(實(shí)際故障)比較，如果二者不一致，說(shuō)明神經(jīng)網(wǎng)絡(luò)訓(xùn)練效果沒(méi)有達(dá)到預(yù)期目標(biāo)，則返回到步驟②重新訓(xùn)練；否則，繼續(xù)取下一條樣本數(shù)據(jù)，直到所有的樣本數(shù)據(jù)都能夠正確診斷為止。

步驟6：將待測(cè)樣本輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中進(jìn)行故障診斷。

將待測(cè)樣本輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)n中，計(jì)算神經(jīng)網(wǎng)絡(luò)的輸出向量o，根據(jù)式(3)判斷變壓器發(fā)生的故障類型為例如：現(xiàn)有油氣監(jiān)測(cè)數(shù)據(jù)h2＝40.1、ch4＝34.4、c2h6＝7.8、c2h4＝36、c2h2＝6.6，計(jì)算三組比值為將向量i＝(0.183,0.858,4.615)輸入神經(jīng)網(wǎng)絡(luò)n，計(jì)算輸出向量為o＝(0.001,0.0022,0.0022,0.0033,0.0022,0.9997,0.004,0.0002,0,0,0)，由此可以診斷變壓器存在a6(電弧放電)故障。

以上所述，僅為本發(fā)明較佳的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍為準(zhǔn)。

表1

表2