第１８卷第２期

电工技术学报

２００３年４月

基于组合神经网络模型的电力变压器故障诊断方法

ＦａｕｌｔＤｉａｇｎｏｓｉｓｏｆＰｏｗｅｒＴｒａｎｓｆｏｒｍｅｒＵｓｉｎｇ

ａ

ＣｏｍｂｉｎａｔｏｒｉａｌＮｅｕｒａＪＮｅｔｗｏｒｋ

刘娜高文胜

ＬｉｕＮａ

谈克雄（清华大学电机系

Ｇａｏ

１０００８４）

Ｗｅｎｓｈｅｎｇ

Ｔａｎ

Ｋｅｘｉｏｎｇ

１０００８４

（ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＴｓｉｎｇｈｕａＵｎｉｖｅｒｓｉｔｙＣｈｉｎａ）

摘要对故障空间的划分以及组合神经网络的构造方式，是利用组合神经网络进行变压器故

障识别的关键。在讨论变压器故障空问划分方法及其存在问题的基础上，针对已积累的故障变压器的大量溶解气体数据，考察了各类故障的气体特征及聚类分析结果，并在此基础上构造了组合神经网络分层结构模型，实现了对变压器故障由粗到细的逐级划分，以提高诊断的准确性，为制定维修策略提供了依据。最后，结果显示了该模型的有效性。

关键词：电力变压器溶解气体分析故障诊断神经网络中图分类号：ＴＭ８５５

Ａｂｓｔｒａｃｔ

聚类分析

ｏｆ

ｃｏｍｂｉｎａｔｏｒｉａｌ

ｎｅｕｒａｌ

ｎｅｔｗｏｒｋ

ｏｉｌ

Ｍｅｔｈｏｄｓｏｆ

ｔｏ

ｆａｕｌｔｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄ

ｏｒｇａｎｉｚａｔｉｏｎ

（ＣＮＮ）ａｒｅｋｅｙｓ

ｔｈｅｄｉａｇｎｏｓｉｓｏｆｐｏｗｅｒｔｒａｎｓｆｏｒｍｅｒｆａｕｌｔｓｗｉｔｈＣＮＮ．Ｉｎｔｈｉｓｐａｐｅｒ，ｂａｓｅｄ

ａ

ｔｈｅ

ｄｉｓｃｕｓｓｉｏｎｏｆｆａｕｌｔｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｓａｎｄｔｒａｎｓｆｏｒｍｅｒｆａｕｌｔｓ，ａＣＮＮｉｓｉｎｔｒｏｄｕｃｅｄｆａｕｌｔｓ，ｗｈｉｃｈ

ｎｏｔ

ｔｏ

ｃｌｕｓｔｅｒａｎａｌｙｓｉｓｏｆｄｉｓｓｏｌｖｅｄｇａｓｄａｔａｏｆｔｈｉｒｔｅｅｎｕｓｕａｌ

ｔｈｅｍｕｌｔｉ—ｒｅｓｏｌｕｔｉｏｎｒｅｃｏｇｎｉｔｉｏｎｏｆｔｈｅ

ｔｏ

ｒｅａｌｉｚｅ

ｉｎｓｕｌａｔｉｏｎｅｓｔａｂｌｉｓｈ

ａ

ｏｎｌｙ

ｃａｎ

ｍａｋｅｔｈｅｆａｕｌｔｄｉａｇｎｏｓｉｓｂｅｍｏｒｅｅｘａｃｅ，ｂｕｔａｌｓｏｉｓｈｅｌｐｆｕｌ

ｓｉｇｎｉｆｉｃａｎｔｓｔｒａｔｅｇｙｆｏｒｔｈｅｒｅｐａｉｒｗｏｒｋ．Ｆｉｎａｌｌｙ，ｔｈｅｒｅｃｏｇｎｉｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｏｄｅｌｉｓｅｆｆｅｃ—

ｔｉｖｅ

Ｋｅｙｗｏｒｄｓ：Ｐｏｗｅｒｔｒａｎｓｆｏｒｒｎｅｒ，ｄｉｓｓｏｌｖｅｄｇａｓａｎａｌｙｓｉｓ，ｆａｕｌｔｄｉａｇｎｏｓｉｓ，ｎｅｕｒａｌｎｅｔｗｏｒｋ，ｃｌｕｓｔｅｒａｎａｌｙｓｉｓ

１前言

故障的合理分类是电气设备诊断的重要基础之一．但以往文献及电力部门统计资料中，变压器的故障分类方式却存在较大差别。常用的三比值法是根据油中溶解气体分析（Ｄｉｓｓｏｌｖｅｄ

ＧａｓＡｎａｌｙｓｉｓ，

定维修策略缺乏指导性。电力系统统计资料中，通常将变压器的常见早期故障归纳为表ｌ所示的１３种类别，给出了故障的位置信息，对维修更具指导意义【２，３］。这些方法虽有逻辑清晰、类别完备等优点，但未考虑故障在特征气体空间上的聚集特性。

目前，聚类分析方法引入到ＤＧＡ技术中，它依靠故障数据的特点来划分故障类别，这种故障空间划分方式具有积极意义，在实际应用中取得了较

ＤＧＡ）结果，给出故障点的物理信息，即将故障分为８类不同的放电性或过热性故障”Ｊ。这种方法规则简明、故障机理判断明确，但对故障定位及制

国家自然科学基金资助重点项目（５９６３７２００）。

刘

蚌女，１９７５年生，博士生，研究方向为电力设备故障检测和诊断技术。

高文胜男，１９６８年生，ｉ｝｝师，研究方向电力设备故障检测和诊断技术。

万方数据　

８４

电工技术学报

２００３年４月

好的效果｝４Ｊ。然而直接利用聚类方法进行故障分类也出现了一些问题，如聚类结果受样本点的数量、聚类准则等多种因素影响；且其以最近类样本作为诊断结果，并不能给出完全确定性的结论。同时，树思路的引入，组合神经网络方法的提出，使分层次的、逐步细化的故障识别成为可能【５Ｊ。可是这些工作都以三比值法为基础，仍难以避免对维修缺乏指导的缺点。因此，本文以按照部位划分故障的方法为基础，针对已积累的故障变压器的大量溶解气体数据，考察了各类故障的气体特征及聚类结果，并在此基础上构建组合神经网络，实现对故障由粗到细的逐级划分，以提高诊断的有效性。２变压器故障类型的划分

表ｌ中列出了１３种变压器常见故障。这种划分方式具有划分细致、有利于维修等优点。可是进一步考察各类故障的溶解气体数据，发现这 …… 此处隐藏：6773字，全部文档内容请下载后查看。喜欢就下载吧 ……