變壓器故障診斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電力設(shè)備狀態(tài)檢測技術(shù)領(lǐng)域，特別涉及一種變壓器故障診斷方法。
【背景技術(shù)】
[0002] 變壓器是電力系統(tǒng)中最重要的電氣設(shè)備之一，其運行狀態(tài)直接影響系統(tǒng)的安全性 水平。因此，研究變壓器故障診斷技術(shù)、提高變壓器的運行維護水平具有重要的現(xiàn)實意義。 常用的故障診斷方法較多，其中變壓器油中溶解氣體分析被公認為是一種探測變壓器初期 故障和進行絕緣壽命估計的有效手段，它為間接了解變壓器內(nèi)部的一般隱患提供了重要依 據(jù)。目前，利用變壓器油中溶解氣體數(shù)據(jù)來診斷變壓器不同故障均是通過在各個監(jiān)測點布 置監(jiān)測儀器或傳感器，測量分析監(jiān)測點的變壓器油的氣體成分和氣體濃度，分析數(shù)據(jù)并通 過通訊電纜將測量數(shù)據(jù)傳輸至系統(tǒng)主機或服務器，但是如此主機就會分析大量數(shù)據(jù)，減弱 了計算速度，計算代價較大。

【發(fā)明內(nèi)容】

[0003] 為了克服現(xiàn)有技術(shù)中系統(tǒng)處理大量變壓器檢測數(shù)據(jù)時計算速度慢、計算代價大的 問題，本發(fā)明提供一種變壓器故障診斷方法。
[0004] 本發(fā)明的技術(shù)方案是：一種變壓器故障診斷方法，該方法步驟包括：步驟一、采 集變壓器油中溶解氣體濃度數(shù)據(jù)，溶解氣體包括氫氣（H 2)、甲烷（CH4)、乙烷（C2H6)、乙烯 (C 2H4)和乙炔（C2H2);步驟二、建立神經(jīng)網(wǎng)絡(luò)模型，建立的神經(jīng)網(wǎng)絡(luò)模型為帶開關(guān)權(quán)值的遺傳 神經(jīng)網(wǎng)絡(luò)模型，利用量子免疫算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型參數(shù)；步驟三、量子免疫算法優(yōu)化的神 經(jīng)網(wǎng)絡(luò)模型分析采集數(shù)據(jù)；步驟四、輸出變壓器故障分析結(jié)果。
[0005] 所述步驟一中采集的數(shù)據(jù)均經(jīng)過歸一化預處理，具體公式（1)為：
【主權(quán)項】
1. 一種變壓器故障診斷方法，其特征在于，該方法步驟包括： 步驟一、采集變壓器油中溶解氣體濃度數(shù)據(jù)，溶解氣體包括氨氣（&)、甲焼（C&)、己焼 (CaHe )、己帰（C2H4)和己快（C2H2); 步驟二、建立神經(jīng)網(wǎng)絡(luò)模型，建立的神經(jīng)網(wǎng)絡(luò)模型為帶開關(guān)權(quán)值的遺傳神經(jīng)網(wǎng)絡(luò)模型， 利用量子免疫算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型參數(shù)； 步驟H、量子免疫算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)模型分析采集數(shù)據(jù)； 步驟四、輸出變壓器故障分析結(jié)果。
2. 根據(jù)權(quán)利要求1所述的變壓器故障診斷方法，其特征在于， 所述步驟一中采集的數(shù)據(jù)均經(jīng)過歸一化預處理，具體公式（1)為：
式中：Xi(i=l，2,…，5)為原始的氣體濃度數(shù)據(jù)；Xm"為同 一樣本氣體濃度中的最大值；Xmi。為同一樣本氣體濃度中的最小值；x/為歸一化后的數(shù)據(jù)。
3. 根據(jù)權(quán)利要求1所述的變壓器故障診斷方法，其特征在于，所述步驟二中建立的 神經(jīng)網(wǎng)絡(luò)模型為帶開關(guān)權(quán)值的遺傳神經(jīng)網(wǎng)絡(luò)模型時，神經(jīng)網(wǎng)絡(luò)的輸入輸出關(guān)系如公式（2)
式中 Zi(i=l，2,…，叫）為網(wǎng)絡(luò)輸入；yk(k=l，2，…，n。）網(wǎng)絡(luò)輸出；叫為輸入變量數(shù)量；n。為輸 出變量數(shù)量；％為隱層節(jié)點數(shù)量;Vy為第i個輸入與第j個隱層節(jié)點的連接權(quán)值； 第j個隱層節(jié)點與第k個輸出層節(jié)點的連接權(quán)值；bj.i為隱層節(jié)點闊值，bu為輸出層節(jié)點 闊值；gnh為隱層節(jié)點間的連接開關(guān)，為1時表示有此隱層節(jié)點，為0時表示無此隱層節(jié)點； 表示隱層節(jié)點和輸出層節(jié)點的闊值開關(guān)，開關(guān)值為1表示節(jié)點有連接，反之表示 沒有連接；為第i個輸入和第j個隱層節(jié)點的連接開關(guān)；！g Csig())苯示S型對數(shù)函數(shù)：
4. 根據(jù)權(quán)利要求1所述的變壓器故障診斷方法，其特征在于，所述步驟二中利用的量 子免疫算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型參數(shù)的步驟包括： 設(shè)置算法參數(shù)，包括種群規(guī)模參數(shù)、算法最大迭代次數(shù)參數(shù)和種群稀疏度參數(shù)，算法參 數(shù)初始化； 種群初始化：根據(jù)預置參數(shù)產(chǎn)生原始種群，并初始化； 計算適應度；將公式（5)

計算得到的輸出y與系統(tǒng)設(shè)定闊值輸出target代入公式巧）
計算適應度fitness,該里設(shè)目 標輸出為n維向量，式（4)中：Zi(i=l，2，…，叫）為網(wǎng)絡(luò)輸入；yk(k=l，2，…，n。）為網(wǎng)絡(luò)輸 出；rii為輸入變量數(shù)量；n。為輸出變量數(shù)量；rih為隱層節(jié)點數(shù)量；％為第i個輸入與第j個 隱層節(jié)點的連接權(quán)值；W&.為第j個隱層節(jié)點與第k個輸出層節(jié)點的連接權(quán)值；為輸出 節(jié)點闊值開關(guān)計算時將其列為W'A.的最后一個元素.為輸入層節(jié)點i與隱層節(jié)點j連 接權(quán)值，為隱層節(jié)點闊值開關(guān)，計算時將其列為心y的最后一個元素；to,!為隱層節(jié)點闊 值；b;!為輸出層節(jié)點闊值； 若達到神經(jīng)網(wǎng)絡(luò)算法停止條件，則記錄當前最優(yōu)解，及抗體中權(quán)值為0的位置信息；若 沒有達到停止條件，則進行步驟E然后轉(zhuǎn)向步驟C ; 對原始種群進行克隆及更新操作，計算新種群的適應度值，保留新種群中前種群規(guī)模 數(shù)量個最優(yōu)個體組成下一代種群； 根據(jù)抗體中數(shù)值為0的權(quán)值的位置信息，對原有神經(jīng)網(wǎng)絡(luò)進行優(yōu)化，刪除對應位置的 隱層節(jié)點。

【專利摘要】本發(fā)明涉及一種變壓器故障診斷方法，屬于電力設(shè)備狀態(tài)檢測技術(shù)領(lǐng)域，步驟包括：步驟一、采集變壓器油中溶解氣體濃度數(shù)據(jù)，溶解氣體包括包括氫氣、甲烷、乙烷、乙烯、和乙炔；步驟二、建立神經(jīng)網(wǎng)絡(luò)模型，建立的神經(jīng)網(wǎng)絡(luò)模型為帶開關(guān)權(quán)值的遺傳神經(jīng)網(wǎng)絡(luò)模型，利用量子免疫算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型參數(shù)；步驟三、網(wǎng)絡(luò)模型分析采集數(shù)據(jù)；步驟四、輸出變壓器故障分析結(jié)果。本發(fā)明提供的變壓器故障診斷方法中利用了量子免疫算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型進行分析變壓器中采集的待分析數(shù)據(jù)，提高了局部搜索能力，達到了收斂性快、計算代價小的優(yōu)點，適合處理器分析大量檢測數(shù)據(jù)，解決了現(xiàn)有系統(tǒng)處理變壓器檢測的大量數(shù)據(jù)時計算速度慢、計算代價大的問題。
【IPC分類】G06N3-12, G01R31-00, G06N3-02
【公開號】CN104598968
【申請?zhí)枴緾N201410535745
【發(fā)明人】李楊宇, 徐尼云
【申請人】蕪湖揚宇機電技術(shù)開發(fā)有限公司
【公開日】2015年5月6日
【申請日】2014年10月13日