黃水平

（廣東電網(wǎng)公司佛山供電局，廣東 佛山528000）

0 引言

變壓器故障診斷是通過綜合變壓器故障時(shí)各種溶解氣體因子對變壓器故障程度的反映，識別變壓器發(fā)生故障類型的一種科學(xué)方法。本文結(jié)合傳統(tǒng)遺傳算法和梯度下降BP神經(jīng)網(wǎng)絡(luò)形成優(yōu)化遺傳算法，應(yīng)用于變壓器故障類型的綜合診斷，給出了優(yōu)化遺傳算法的變壓器故障類型和變壓器實(shí)際故障診斷結(jié)果對比。變壓器故障的等級程度通過運(yùn)用模糊理論對變壓器診斷輸出開展隸屬度分析來確定。應(yīng)用不同診斷方法對現(xiàn)場實(shí)際變壓器故障進(jìn)行診斷，試驗(yàn)結(jié)果表明，基于優(yōu)化遺傳算法的故障診斷方法計(jì)算速度快、精度高、魯棒性強(qiáng)，可以有效直觀地對變壓器故障類型進(jìn)行綜合診斷，具有較強(qiáng)的應(yīng)用價(jià)值。

1 優(yōu)化遺傳算法原理說明

由于遺傳算法對局部信息的不靈敏性，因此需要較長時(shí)間才能收斂到最優(yōu)點(diǎn)。而基于梯度局部信息搜索的梯度法具有搜索速度較快、易陷入局部最優(yōu)的特點(diǎn)。把二者結(jié)合起來，結(jié)合傳統(tǒng)遺傳算法和梯度下降BP神經(jīng)網(wǎng)絡(luò)形成優(yōu)化遺傳算法，可以較快地得到全局最優(yōu)解。這種優(yōu)化遺傳算法應(yīng)用于系統(tǒng)歸類識別，可以較快較好地獲取參數(shù)估計(jì)值。

本文采用前向3層BP網(wǎng)絡(luò)梯度下降算法進(jìn)行全局次優(yōu)點(diǎn)尋優(yōu)，對全局最優(yōu)點(diǎn)快速求解。輸入層神經(jīng)元個(gè)數(shù)為a，隱含層神經(jīng)元個(gè)數(shù)為b，則3層BP網(wǎng)絡(luò)輸出表示為：

式中，Xi＝［x0，…，xm－1］T，為3層BP網(wǎng)絡(luò)全局次優(yōu)輸入向量；W1為輸入層和隱含層的b×a維系數(shù)矩陣；W2為隱含層和輸出層的b×1維系數(shù)矩陣；b1為隱含層神經(jīng)元偏差；b2為輸出神經(jīng)元偏差；f為變換函數(shù)取為SIGMOID函數(shù)，即

用于訓(xùn)練網(wǎng)絡(luò)權(quán)值的性能指數(shù)函數(shù)為：

；ξi＝＾Si－Yi，為

因此，性能指數(shù)函數(shù)的下降梯度為：

標(biāo)準(zhǔn)遞推算法調(diào)整BP網(wǎng)絡(luò)系數(shù)為［1］：

式中，μ為學(xué)習(xí)因子。

輸入訓(xùn)練采集數(shù)據(jù)，利用傳統(tǒng)遺傳算法和梯度下降算法，通過前向3層BP網(wǎng)絡(luò)運(yùn)算得出全局最優(yōu)值，形成優(yōu)化遺傳算法的綜合診斷模型。

2 基于優(yōu)化遺傳算法的變壓器故障診斷

應(yīng)用優(yōu)化遺傳算法進(jìn)行變壓器故障診斷，首先需要通過適當(dāng)選取數(shù)學(xué)模型中未知參數(shù)，求取誤差函數(shù)值極小值?；谶z傳算法的變壓器故障診斷基本思路：利用遺傳算法快速并行搜索優(yōu)勢快速求解模型最優(yōu)解。但傳統(tǒng)遺傳算法全局尋優(yōu)耗時(shí)較長，如結(jié)合傳統(tǒng)遺傳算法和梯度下降BP神經(jīng)網(wǎng)絡(luò)優(yōu)化遺傳算法，可以較快地得到全局最優(yōu)解。采用優(yōu)化遺傳算法在尋優(yōu)上比傳統(tǒng)遺傳算法快而且準(zhǔn)確。圖1為基于優(yōu)化遺傳算法的變壓器故障診斷原理框圖。

圖1 基于優(yōu)化遺傳算法的變壓器故障診斷原理框圖

3 優(yōu)化GA模型變壓器故障診斷實(shí)例

選擇有代表性的重要影響因子作為變壓器故障診斷的信息源。目前國內(nèi)外普遍關(guān)注的變壓器故障時(shí)變壓器油中氣體有 H2、CH4、C2H6、C2H4、C2H2等，這其中的每一種氣體都是變壓器故障的信息體現(xiàn)，反映變壓器故障的現(xiàn)狀。本文在診斷變壓器故障類型時(shí)，選取變壓器油中氣體 H2、CH4、C2H6、C2H4、C2H2作為診斷因子。

為明確變壓器故障診斷基準(zhǔn)依據(jù)，按5個(gè)等級劃分變壓器故障類型：無故障、中低溫過熱、高溫過熱、低能量放電、高能量放電5個(gè)輸出向量。其中，局部和比較微弱的火花放電為低能量放電，電弧和比較強(qiáng)烈的火花放電為高能量放電。

結(jié)合試驗(yàn)訓(xùn)練對比，參考文獻(xiàn)［2］隱含層節(jié)點(diǎn)數(shù)的經(jīng)驗(yàn)公式，選取隱層節(jié)點(diǎn)數(shù)為5個(gè)、輸出層節(jié)點(diǎn)數(shù)為1個(gè)是較優(yōu)的。因此，BP神經(jīng)網(wǎng)絡(luò)拓?fù)淠Ｊ綖?－5－1。設(shè)定變壓器故障等級Ⅰ～Ⅴ級分別對應(yīng)0．1、0．3、0．5、0．7、0．9的輸出向量。

選出現(xiàn)場檢查確定故障類型的25組樣本數(shù)據(jù)［3］進(jìn)行訓(xùn)練，并對樣本數(shù)據(jù)執(zhí)行標(biāo)準(zhǔn)化預(yù)處理。轉(zhuǎn)化輸入量為變壓器油中氣體含量相對值的百分比，進(jìn)行變壓器故障診斷網(wǎng)絡(luò)訓(xùn)練。

均方差閾值定義為1E－5，當(dāng)達(dá)到這個(gè)閾值時(shí)學(xué)習(xí)訓(xùn)練結(jié)束。25組樣本數(shù)據(jù)的訓(xùn)練輸出診斷結(jié)果如表1所示。

表1 樣本數(shù)據(jù)訓(xùn)練結(jié)果

表2為現(xiàn)場實(shí)際測試中變壓器故障的氣體檢測數(shù)據(jù)。

表2 實(shí)際測試中變壓器故障時(shí)變壓器油中氣體數(shù)據(jù) 單位：μL·L－1

對優(yōu)化遺傳算法輸出結(jié)果進(jìn)行隸屬度計(jì)算，依據(jù)隸屬度最大原則，以變壓器故障類型對應(yīng)的隸屬度判斷變壓器故障類型。對表2中現(xiàn)場實(shí)際測試數(shù)據(jù)的變壓器故障診斷結(jié)果如表3所示。

表3 采用優(yōu)化GA神經(jīng)網(wǎng)絡(luò)診斷的結(jié)果

為了驗(yàn)證所提出方法的有效性，采用不同方法對變壓器故障實(shí)測數(shù)據(jù)開展故障診斷，結(jié)果如表4所示。

表4 不同算法診斷結(jié)果對比

通過收斂速度的對比，本文采用的優(yōu)化GA神經(jīng)網(wǎng)絡(luò)模型收斂迭代129次就可收斂于誤差閾值1E－5，而采用傳統(tǒng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型收斂則迭代515次才收斂于誤差閾值1E－4。采用的優(yōu)化GA神經(jīng)網(wǎng)絡(luò)模型收斂快，并且不會導(dǎo)致局部極小的問題。

4 結(jié)語

本文提出通過建立變壓器故障診斷的遺傳神經(jīng)網(wǎng)絡(luò)模型，利用優(yōu)化遺傳算法，較快同時(shí)又較好地綜合診斷出網(wǎng)絡(luò)輸出信息的變壓器故障類型。對現(xiàn)場變壓器故障實(shí)測數(shù)據(jù)應(yīng)用不同診斷方法進(jìn)行對比，結(jié)果表明，基于優(yōu)化遺傳算法的故障診斷方法收斂速度快，可以有效直觀地綜合診斷變壓器故障類型，具有較實(shí)用的現(xiàn)場應(yīng)用價(jià)值。

［1］John G．Proakis．Digital Co mmunications［M］．第4版．張力軍，張宗橙，鄭寶玉，譯．電子工業(yè)出版社，2003

［2］高大啟．有教師的線性基本函數(shù)前向三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)研究［J］．計(jì)算機(jī)學(xué)報(bào)，1998（1）

［3］Wooldridge M J，Jennings N R．Intelligent Agents Theory And Practice［J］．Knowledge Engineering Review，1995（2）