變壓器故障診斷方法
【技術領域】
[0001] 本發明涉及電力設備狀態檢測技術領域，特別涉及一種變壓器故障診斷方法。
【背景技術】
[0002] 變壓器是電力系統中最重要的電氣設備之一，其運行狀態直接影響系統的安全性 水平。因此，研究變壓器故障診斷技術、提高變壓器的運行維護水平具有重要的現實意義。 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部的一般隱患提供了重要依 據。目前，利用變壓器油中溶解氣體數據來診斷變壓器不同故障均是通過在各個監測點布 置監測儀器或傳感器，測量分析監測點的變壓器油的氣體成分和氣體濃度，分析數據并通 過通訊電纜將測量數據傳輸至系統主機或服務器，但是如此主機就會分析大量數據，減弱 了計算速度，計算代價較大。
【發明內容】
[0003] 為了克服現有技術中系統處理大量變壓器檢測數據時計算速度慢、計算代價大的 問題，本發明提供一種變壓器故障診斷方法。
[0004] 本發明的技術方案是：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據，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、建立神經網絡模型，建立的神經網絡模型為帶開關權值的遺傳 神經網絡模型，利用量子免疫算法優化神經網絡模型參數；步驟三、量子免疫算法優化的神 經網絡模型分析采集數據；步驟四、輸出變壓器故障分析結果。
[0005] 所述步驟一中采集的數據均經過歸一化預處理，具體公式（1)為：
【主權項】
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據，溶解氣體包括氨氣（&)、甲焼（C&)、己焼 (CaHe )、己帰（C2H4)和己快（C2H2); 步驟二、建立神經網絡模型，建立的神經網絡模型為帶開關權值的遺傳神經網絡模型， 利用量子免疫算法優化神經網絡模型參數； 步驟H、量子免疫算法優化的神經網絡模型分析采集數據； 步驟四、輸出變壓器故障分析結果。
2. 根據權利要求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據均經過歸一化預處理，具體公式（1)為：
式中：Xi(i=l，2,…，5)為原始的氣體濃度數據；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/為歸一化后的數據。
3. 根據權利要求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 神經網絡模型為帶開關權值的遺傳神經網絡模型時，神經網絡的輸入輸出關系如公式（2)
式中 Zi(i=l，2,…，叫）為網絡輸入；yk(k=l，2，…，n。）網絡輸出；叫為輸入變量數量；n。為輸 出變量數量；％為隱層節點數量;Vy為第i個輸入與第j個隱層節點的連接權值； 第j個隱層節點與第k個輸出層節點的連接權值；bj.i為隱層節點闊值，bu為輸出層節點 闊值；gnh為隱層節點間的連接開關，為1時表示有此隱層節點，為0時表示無此隱層節點； 表示隱層節點和輸出層節點的闊值開關，開關值為1表示節點有連接，反之表示 沒有連接；為第i個輸入和第j個隱層節點的連接開關；！g Csig())苯示S型對數函數：
4. 根據權利要求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 子免疫算法優化神經網絡模型參數的步驟包括： 設置算法參數，包括種群規模參數、算法最大迭代次數參數和種群稀疏度參數，算法參 數初始化； 種群初始化：根據預置參數產生原始種群，并初始化； 計算適應度；將公式（5)
計算得到的輸出y與系統設定闊值輸出target代入公式巧）
計算適應度fitness,該里設目 標輸出為n維向量，式（4)中：Zi(i=l，2，…，叫）為網絡輸入；yk(k=l，2，…，n。）為網絡輸 出；rii為輸入變量數量；n。為輸出變量數量；rih為隱層節點數量；％為第i個輸入與第j個 隱層節點的連接權值；W&.為第j個隱層節點與第k個輸出層節點的連接權值；為輸出 節點闊值開關計算時將其列為W'A.的最后一個元素.為輸入層節點i與隱層節點j連 接權值，為隱層節點闊值開關，計算時將其列為心y的最后一個元素；to,!為隱層節點闊 值；b;!為輸出層節點闊值； 若達到神經網絡算法停止條件，則記錄當前最優解，及抗體中權值為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模 數量個最優個體組成下一代種群； 根據抗體中數值為0的權值的位置信息，對原有神經網絡進行優化，刪除對應位置的 隱層節點。
【專利摘要】本發明涉及一種變壓器故障診斷方法，屬于電力設備狀態檢測技術領域，步驟包括：步驟一、采集變壓器油中溶解氣體濃度數據，溶解氣體包括包括氫氣、甲烷、乙烷、乙烯、和乙炔；步驟二、建立神經網絡模型，建立的神經網絡模型為帶開關權值的遺傳神經網絡模型，利用量子免疫算法優化神經網絡模型參數；步驟三、網絡模型分析采集數據；步驟四、輸出變壓器故障分析結果。本發明提供的變壓器故障診斷方法中利用了量子免疫算法優化神經網絡模型進行分析變壓器中采集的待分析數據，提高了局部搜索能力，達到了收斂性快、計算代價小的優點，適合處理器分析大量檢測數據，解決了現有系統處理變壓器檢測的大量數據時計算速度慢、計算代價大的問題。
【IPC分類】G06N3-12, G01R31-00, G06N3-02
【公開號】CN104598968
【申請號】CN201410535745
【發明人】李楊宇, 徐尼云
【申請人】蕪湖揚宇機電技術開發有限公司
【公開日】2015年5月6日
【申請日】2014年10月13日