陳抒

摘 要：針對風(fēng)險(xiǎn)分析的復(fù)雜性和各因素的非線性等特點(diǎn)，本文提出了基于BP神經(jīng)網(wǎng)絡(luò)的智能化知識表示和風(fēng)險(xiǎn)評估方法，建立了基于BP神經(jīng)網(wǎng)絡(luò)的狀態(tài)檢修決策模型，通過實(shí)例分析，驗(yàn)證了該模型的合理性和工程實(shí)用性。

關(guān)鍵詞：多臺電力變壓器；風(fēng)險(xiǎn)評估；狀態(tài)檢修；決策；BP神經(jīng)網(wǎng)絡(luò).

1 引言

電力工業(yè)是關(guān)系到國民生計(jì)的重要基礎(chǔ)產(chǎn)業(yè)和公用事業(yè)。安全、穩(wěn)定和充足的電力供應(yīng)，是國民經(jīng)濟(jì)健康穩(wěn)定持續(xù)快速發(fā)展的重要前提條件。在實(shí)際工作中，當(dāng)多臺電力變壓器同時(shí)出現(xiàn)缺陷或故障時(shí)，如何進(jìn)行檢修排序以獲得最大效益是一個(gè)急需解決的問題。為了解決這個(gè)問題，本文提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的電力變壓器檢修決策方法，并成功應(yīng)用到多臺電力變壓器的檢修排序中。

2 多臺電力變壓器決策分析方法

（1）量化風(fēng)險(xiǎn)法

量化風(fēng)險(xiǎn)法是對資產(chǎn)面臨的威脅、存在的弱點(diǎn)、造成的影響，以及三者綜合作用對各個(gè)方面造成的影響和損失進(jìn)行量化的評估方法。電力變壓器的量化風(fēng)險(xiǎn)法模型綜合考慮變壓器資產(chǎn)成本，變壓器資產(chǎn)損失程度和變壓器風(fēng)險(xiǎn)程度（故障率）三方面的因素，計(jì)算出變壓器繼續(xù)運(yùn)行的風(fēng)險(xiǎn)值，并根據(jù)風(fēng)險(xiǎn)值的大小安排多臺變壓器的檢修排序，其風(fēng)險(xiǎn)值按式（1）計(jì)算：

（1）

其中，t是指某一時(shí)刻（Time），A是指資產(chǎn)成本（Assets），F(xiàn)是指變壓器資產(chǎn)損失程度評估 （Failure），P是指變壓器故障概率（Probability），R是變壓器風(fēng)險(xiǎn)評估值（Risk）。變壓器資產(chǎn)損失程度F是指一旦發(fā)生風(fēng)險(xiǎn)事件，對周圍造成的影響，由成本、環(huán)境和安全三個(gè)要素構(gòu)成。變壓器故障概率P是指變壓器在現(xiàn)有的運(yùn)行狀態(tài)下發(fā)生故障的概率。

2）層次分析法

層次分析法（Analytic Hierarchy Process）簡稱AHP，由美國運(yùn)籌學(xué)家T.L.saaty教授在上世紀(jì)70年代中期提出的，是指將決策問題的有關(guān)元素分解成目標(biāo)、準(zhǔn)則、方案等層次，在此基礎(chǔ)上進(jìn)行定性分析和定量分析相結(jié)合的一種決策方法。

3.BP神經(jīng)網(wǎng)絡(luò)在多臺電力變壓器狀態(tài)檢修決策中的研究

3.1 BP神經(jīng)網(wǎng)絡(luò)概述

BP神經(jīng)網(wǎng)絡(luò)是一種無反饋的前向網(wǎng)絡(luò)，網(wǎng)絡(luò)中的神經(jīng)元分層排列，除了輸入層、輸出層之外，還至少有一層中間層（隱含層）。

BP學(xué)習(xí)工程可以描述如下[5]：

（1）工作信號正向傳播：輸入信號從輸入層經(jīng)隱單元，傳向輸出層，在輸出端產(chǎn)生輸出信號，這是工作信號的正向傳播。在信號的向前傳遞過程中網(wǎng)絡(luò)的權(quán)值是固定不變的，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層不能得到期望的輸出，則轉(zhuǎn)入誤差信號反向傳播。

（2）誤差信號反向傳播：網(wǎng)絡(luò)的實(shí)際輸出與期望輸出之間的差值即為誤差信號，誤差信號由輸出端開始逐層向前傳播，這是誤差信號的反向傳播。在誤差信號反向傳播的過程中，網(wǎng)絡(luò)的權(quán)值由誤差反饋進(jìn)行調(diào)節(jié)。通過權(quán)值的不斷修正使網(wǎng)絡(luò)的實(shí)際輸出更接近期望輸出。圖1為一個(gè)含有二個(gè)隱層的BP網(wǎng)絡(luò)的框架圖

3.2 基于BP神經(jīng)網(wǎng)絡(luò)的變壓器狀態(tài)檢修決策模型的確定

3.2.1 模型仿真工具的選擇

本文選擇了功能強(qiáng)大、應(yīng)用領(lǐng)域廣泛的MATLAB軟件作為仿真軟件。它自帶神經(jīng)網(wǎng)絡(luò)工具箱。該工具箱是根據(jù)神經(jīng)網(wǎng)絡(luò)算法原理與基礎(chǔ)，利用MATLAB語言編寫了其算法的基本程序。

3.2.2模型測試

經(jīng)過長期的現(xiàn)場調(diào)研，本文選取了某電力公司變壓器運(yùn)行歷史過程中的幾個(gè)比較典型實(shí)例作為訓(xùn)練樣本，根據(jù)上文介紹的模型，其輸入和輸出如表1所示。

通過MATLAB軟件對數(shù)據(jù)樣本進(jìn)行多次訓(xùn)練之后，選取最佳訓(xùn)練方式，并使用樣本自身進(jìn)行測試，測試的輸出值與實(shí)際輸出值的曲線如圖2：

圖中綠色方框代表測試的輸出值，藍(lán)色圓圈代表實(shí)際輸出值，訓(xùn)練用時(shí)0.9668秒，迭代次數(shù)為22次，誤差精度為0.0008315，平均相對誤差為0.014339。從圖4.2中可以看出，本網(wǎng)絡(luò)對于訓(xùn)練樣本自身數(shù)據(jù)檢測正確率基本達(dá)到100%。可以認(rèn)為本網(wǎng)絡(luò)模型對解決多臺電力變壓器檢修排序的問題有較好的適合度和準(zhǔn)確度。

4 實(shí)例分析

2010年某月，某地區(qū)三臺正在運(yùn)行的變壓器同時(shí)出現(xiàn)不同程度的缺陷。其具體信息如下：

變壓器甲的電壓等級為330kV，容量為240MVA，是系統(tǒng)樞紐變電站中的主變壓器，滿足N-1的要求，用戶等級為一級用戶，帶電運(yùn)行了10年，最近一次狀態(tài)評價(jià)中，油色譜分析出現(xiàn)異常，通過改良三比值法判斷為電弧放電，并在巡檢過程中發(fā)現(xiàn)有載分接開關(guān)存在滲漏，因此其本體扣分值為20，分接開關(guān)扣分值為30，其他部件均為0。

變壓器乙的電壓等級為330kV，容量為180MVA，是系統(tǒng)樞紐變電站中的主變壓器，滿足N-1的要求，用戶等級為二級用戶，帶電運(yùn)行了8年，最近一次狀態(tài)評價(jià)中，發(fā)現(xiàn)其本體油箱的油枕密封元件出現(xiàn)了異常，并出現(xiàn)了輕微滲漏，因此其本體扣分值為16，其他部件均為0。

變壓器丙的電壓等級為220kV，容量為150MVA，是地區(qū)重要變電站中的主變壓器，不滿足N-1的要求，用戶等級為二級用戶，帶電運(yùn)行了9年，最近一次狀態(tài)評價(jià)中，發(fā)現(xiàn)其溫度計(jì)觀察口模糊，有載調(diào)壓機(jī)構(gòu)箱內(nèi)計(jì)數(shù)器失靈，因此其本體扣分值為4，分接開關(guān)扣分值為8，其他部件均為0。

將以上三臺變壓器的數(shù)據(jù)進(jìn)行預(yù)處理后使用本網(wǎng)絡(luò)進(jìn)行測試，得到的結(jié)果為變壓器甲的輸出接近于0.9，可認(rèn)為處于嚴(yán)重風(fēng)險(xiǎn)狀態(tài)，變壓器乙的輸出接近于0.5，可認(rèn)為處于一般風(fēng)險(xiǎn)狀態(tài)，變壓器丙的輸出接近于0.3，可認(rèn)為處于較低風(fēng)險(xiǎn)狀態(tài)。根據(jù)以上結(jié)果，應(yīng)建議立刻對變壓器甲進(jìn)行停電檢修，加強(qiáng)對變壓器乙的跟蹤監(jiān)視，并在制定檢修方案時(shí)將變壓器乙缺陷部位的檢修時(shí)間提前，加強(qiáng)對變壓器丙的跟蹤監(jiān)視，按正常周期維護(hù)變壓器丙的缺陷部位，與現(xiàn)場結(jié)論基本一致。

5 結(jié)論

基于BP神經(jīng)網(wǎng)絡(luò)的多臺變壓器檢修決策模型，綜合考慮了影響多臺變壓器決策方案的各個(gè)因素，彌補(bǔ)了傳統(tǒng)方法考慮不周的問題，具有良好的工程應(yīng)用價(jià)值。