基于六氟化硫氣體分解物的高壓設(shè)備專家診斷系統(tǒng)

【摘要】 本文采用小波神經(jīng)網(wǎng)絡(luò)的專家診斷方法，提出了一種基于六氟化硫氣體分解物的高壓設(shè)備專家診斷系統(tǒng)的思路和方法，并且將良好的軟件和硬件協(xié)同應(yīng)用于高壓設(shè)備專家診斷中，用于分析氣體分解物的含量并做出高壓設(shè)備的故障判斷與對(duì)故障的預(yù)測(cè)。介紹專家診斷系統(tǒng)的硬件組成和軟件實(shí)現(xiàn)方式，并通過與其他業(yè)內(nèi)常用方法的比較進(jìn)而突出本方法的優(yōu)勢(shì)。最后，通過分析一些列實(shí)驗(yàn)數(shù)據(jù)證明專家診斷系統(tǒng)的可靠性和實(shí)用性。

【關(guān)鍵字】 網(wǎng)絡(luò)模型 專家診斷 小波神經(jīng) 高壓設(shè)備

一、引言

現(xiàn)如今，在國內(nèi)外高壓設(shè)備中六氟化硫已經(jīng)逐步替代常規(guī)的絕緣油材料而得到廣泛應(yīng)用，六氟化硫高壓設(shè)備的潛在故障檢測(cè)和故障分析就顯得越發(fā)的重要。數(shù)據(jù)分析顯示國內(nèi)外對(duì)于六氟化硫高壓設(shè)備的故障概率的調(diào)查結(jié)果表明，六氟化硫氣體產(chǎn)生故障在所有故障中占的比例非常大，因此，盡早檢測(cè)出設(shè)備隱患，避免事故的發(fā)生，對(duì)于電力系統(tǒng)來說一直是工作重點(diǎn)，對(duì)六氟化硫?qū)崟r(shí)監(jiān)測(cè)和診斷的方法的探索也一直沒有停止過。

國內(nèi)外此前已經(jīng)對(duì)基于六氟化硫氣體分解物分析的高壓設(shè)備故障檢測(cè)做了很多研究，但是目前國外制造的檢測(cè)儀器對(duì)檢測(cè)環(huán)境的補(bǔ)償并不適合應(yīng)用于國內(nèi)的檢測(cè)環(huán)境，因此不適合在國內(nèi)推廣，而國內(nèi)目前并沒有成熟的方法應(yīng)用于生產(chǎn)實(shí)踐中。

我們通過對(duì)海量相關(guān)文獻(xiàn)的研究和對(duì)現(xiàn)場(chǎng)實(shí)際情況的深入調(diào)研，總結(jié)出六氟化硫高壓設(shè)備故障檢測(cè)存在兩大技術(shù)難點(diǎn)：第一，不同六氟化硫高壓設(shè)備工作機(jī)理迥異，環(huán)境各有相同，高壓設(shè)備出現(xiàn)故障時(shí)，氣室內(nèi)包括六氟化硫氣體在內(nèi)的各種分解物多達(dá)幾十種，選取哪種氣體作為檢測(cè)對(duì)象，采用哪種測(cè)量原理，如何才能比較準(zhǔn)確的得到測(cè)量結(jié)果是第一個(gè)難點(diǎn)。第二，由于六氟化硫高壓設(shè)備在運(yùn)行狀態(tài)下處于強(qiáng)磁場(chǎng)環(huán)境中 ，高壓設(shè)備故障時(shí)六氟化硫各種分解物的含量均為ppm級(jí)別 ，即百萬分之一含量，因此微小采樣信號(hào)極容易受到外界強(qiáng)電磁場(chǎng)干擾的干擾而變得不準(zhǔn)確，這就對(duì)軟硬件的設(shè)計(jì)提出非常高的要求，必須考慮電磁兼容，就地處理，有效傳輸?shù)葐栴}。

六氟化硫高壓設(shè)備內(nèi)部發(fā)生故障時(shí)分解產(chǎn)物主要是氟化物和硫化物。經(jīng)過大量調(diào)研和廣泛查閱，我們提出各類六氟化硫設(shè)備中二氧化硫含量的正常范圍是：。當(dāng)被檢測(cè)氣室的二氧化硫含量小于或此濃度時(shí)，設(shè)備運(yùn)行屬于正常；如果超過上述指標(biāo)時(shí)，則應(yīng)視為不正常，應(yīng)采取加強(qiáng)監(jiān)督或停電檢修策略。

我們根據(jù)六氟化硫高壓設(shè)備的絕緣檢測(cè)機(jī)理，結(jié)合對(duì)眾多高壓設(shè)備專家診斷方法的深入研究與對(duì)比，更重要的是在高壓設(shè)備故障檢測(cè)現(xiàn)場(chǎng)的高壓強(qiáng)電磁環(huán)境下，而且在數(shù)據(jù)壓縮時(shí)，小波神經(jīng)網(wǎng)絡(luò)不僅重建結(jié)果很好，同時(shí)還有很好的濾噪功能。因此我們最終選擇小波神經(jīng)網(wǎng)絡(luò)專家診斷方法，用于檢測(cè)、分析和判斷六氟化硫高壓設(shè)備內(nèi)部故障。

文章分為三部分，第一部分原理概述，闡述小波神經(jīng)網(wǎng)絡(luò)專家診斷系統(tǒng)的組成原理和軟硬件的基本組成；第二部分重點(diǎn)介紹介紹小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和專家診斷的優(yōu)越性；第三部分方法比較，通過仿真與實(shí)驗(yàn)對(duì)比各種專家診斷的方法，總結(jié)出小波神經(jīng)網(wǎng)絡(luò)的優(yōu)越性；第四部分通過數(shù)據(jù)分析得出結(jié)論，說明基于小波神經(jīng)網(wǎng)絡(luò)的組合電器專家診斷系統(tǒng)是值得信賴和推廣使用的。

二、專家診斷系統(tǒng)構(gòu)建

基于六氟化硫氣體分解物的高壓設(shè)備專家診斷系統(tǒng)是由氣體傳感器單元、氣路連接單元、氣體報(bào)警單元、中央控制器單元、顯示單元以及鍵盤操作單元等組成。系統(tǒng)結(jié)構(gòu)如圖1所示。

基于六氟化硫氣體分解物的高壓設(shè)備專家診斷系統(tǒng)采用ATMEL公司生產(chǎn)的ATmega128系列AVR單片機(jī)作為主控制CPU，氣體傳感器采用英國City公司的二氧化硫傳感器（型號(hào)：4S），采樣精度可達(dá)0.1ppm，系統(tǒng)能實(shí)現(xiàn)整體的信號(hào)采集，中央處理器負(fù)責(zé)信號(hào)的處理并控制各類接口。AVR單片機(jī)自帶的A/D轉(zhuǎn)換器可實(shí)現(xiàn)對(duì)氣體含量信號(hào)的轉(zhuǎn)換，經(jīng)過軟件修正、補(bǔ)償后存儲(chǔ)于單片機(jī)內(nèi)部的EEPROM中，防止掉電數(shù)據(jù)丟失，數(shù)據(jù)在本地液晶屏顯示。系統(tǒng)可設(shè)置好報(bào)警閾值，當(dāng)檢測(cè)到二氧化硫含量超過設(shè)定閾值時(shí)系統(tǒng)會(huì)通過報(bào)警器報(bào)警，引起工作人員注意。工作人員通過按鍵操作可以查詢歷史數(shù)據(jù)，實(shí)現(xiàn)對(duì)高壓設(shè)備潛在故障進(jìn)行分析和預(yù)測(cè)。

基于六氟化硫氣體分解物的高壓設(shè)備專家診斷系統(tǒng)軟件由三部分組成：數(shù)據(jù)采集，數(shù)據(jù)處理和數(shù)據(jù)輸出。數(shù)據(jù)采集包含了數(shù)據(jù)濾波，數(shù)據(jù)存儲(chǔ)和對(duì)歷史數(shù)據(jù)的查詢，為了減少高壓電磁場(chǎng)對(duì)數(shù)據(jù)采集的影響，數(shù)據(jù)濾波選擇采用小波神經(jīng)網(wǎng)絡(luò)的過濾方法。

診斷系統(tǒng)軟件結(jié)構(gòu)流程圖如圖2所示：

診斷系統(tǒng)只有在軟硬密切協(xié)同的基礎(chǔ)上，才能獲得比較準(zhǔn)確的測(cè)量結(jié)果。因此為了得到更接近實(shí)際數(shù)據(jù)的檢測(cè)結(jié)果，采用較好的軟硬件結(jié)合非常有必要。

三、小波神經(jīng)網(wǎng)絡(luò)建模

將小波神經(jīng)網(wǎng)絡(luò)用于信號(hào)表達(dá)，其本質(zhì)是在小波特征空間中尋找一組合適的小波基，相應(yīng)的自適應(yīng)小波的計(jì)算通過對(duì)小波參數(shù)或形狀迭代計(jì)算以使其能量函數(shù)最小化來實(shí)現(xiàn)。小波神經(jīng)網(wǎng)絡(luò)建模就是基于小波分析所構(gòu)造的一種新型神經(jīng)網(wǎng)絡(luò)模型，它結(jié)合了小波變換極佳的時(shí)頻域性質(zhì)以及神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能，因而具有非常強(qiáng)的逼近和容錯(cuò)能力。

我們利用小波變換的基本原理，同時(shí)利用神經(jīng)網(wǎng)絡(luò)的權(quán)值代替離散小波變換中的系數(shù)，就可以構(gòu)成小波神經(jīng)網(wǎng)絡(luò)，然后利用小波變換函數(shù)的時(shí)頻特性來減少神經(jīng)網(wǎng)絡(luò)的實(shí)際規(guī)模，就能通過實(shí)驗(yàn)結(jié)論證明該算法能夠在有效減少神經(jīng)元數(shù)量的同時(shí)達(dá)到非常好的函數(shù)逼近效果。

3.1小波神經(jīng)網(wǎng)絡(luò)理論

小波變換其實(shí)是不同參數(shù)之間的積分變化：

在多組分測(cè)定中，小波空間還能作為分類別的特征空間，而組分特征提取則是通過將一組小波基與信號(hào)向量的內(nèi)積進(jìn)行加權(quán)和來實(shí)現(xiàn)的。其采用的特征輸出為：

采用共軛梯度法來優(yōu)化網(wǎng)絡(luò)參數(shù)。小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差的收斂速度非常快，通常只需迭代10次就已經(jīng)收斂。小波神經(jīng)網(wǎng)絡(luò)可以同時(shí)進(jìn)行數(shù)據(jù)壓縮和過濾噪聲，由于當(dāng)擬合誤差逼近于零時(shí)，濾噪的效果將會(huì)變差，因此不需像一般的神經(jīng)網(wǎng)絡(luò)一樣，要求擬合誤差越小越好。當(dāng)小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練次數(shù)達(dá)到20次以上時(shí)，其誤差不再有明顯下降趨勢(shì)。因此在選擇網(wǎng)絡(luò)參數(shù)時(shí)，小波神經(jīng)網(wǎng)絡(luò)不需要對(duì)噪聲信號(hào)擬合，這樣就可以達(dá)到數(shù)據(jù)壓縮和過濾噪聲的雙重效果。

3.2 小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

小波神經(jīng)網(wǎng)絡(luò)采用不同的結(jié)構(gòu)來滿足不同的用途。當(dāng)小波神經(jīng)網(wǎng)絡(luò)用于表示信號(hào)時(shí)：信號(hào)表示強(qiáng)調(diào)的是信號(hào)的峰值，而信號(hào)分類強(qiáng)調(diào)信號(hào)之間重疊的尾部。在信號(hào)分類中，小波神經(jīng)網(wǎng)絡(luò)可用作信號(hào)分類的特征空間，然后把這些特征輸入到另一個(gè)分類器，而特征提取則是通過一組小波與輸入矢量的內(nèi)積。小波函數(shù)在時(shí)頻域都有分辨的特點(diǎn)和它在緊支集中能任意逼近非線性連續(xù)函數(shù)的特點(diǎn)，使得其更適合學(xué)習(xí)快速變化和局部非線性的函數(shù)。如果可以根據(jù)需要自由決定BP神經(jīng)網(wǎng)絡(luò)的隱層節(jié)點(diǎn)數(shù)，則一個(gè)三層神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)任意精度近似任意連續(xù)函數(shù)。根據(jù)小波變換的知識(shí)，離散小波變換中的系數(shù)由神經(jīng)網(wǎng)絡(luò)的權(quán)值去代替，進(jìn)而構(gòu)成小波神經(jīng)網(wǎng)絡(luò)。小波神經(jīng)網(wǎng)絡(luò)的隱層用的是極性函數(shù)，預(yù)處理層就是小波變換了。一般情況下，信號(hào)可用離散小波式來表示：

這樣就能用單隱層的前饋神經(jīng)網(wǎng)絡(luò)來表示信號(hào)函數(shù)，在后，神經(jīng)網(wǎng)絡(luò)的權(quán)值就由函數(shù)的小波系數(shù)展開來表示，而且該網(wǎng)絡(luò)可以無限地逼近任意非線性函數(shù)。而小波系構(gòu)成了的框架。因?yàn)樵诒平`差之后可以通過增加神經(jīng)網(wǎng)絡(luò)的規(guī)模，即權(quán)值的個(gè)數(shù)，最終達(dá)到逼近要求。含預(yù)處理層的小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為：

（1）輸入層：輸入原始信號(hào)；

（2）預(yù)處理層：原始信號(hào)輸入預(yù)處理層后，進(jìn)行若干級(jí)的小波分解，不同的結(jié)點(diǎn)代表了不同的分解，對(duì)于小波樹中的葉結(jié)點(diǎn)，預(yù)處理層首先輸出小波分解的結(jié)果，然后取平均的X維特征作為隱含層的輸入，每個(gè)結(jié)點(diǎn)輸出N維特征，；

（3）隱層：隱層類似于BP網(wǎng)絡(luò)，可隨預(yù)處理層的變化而發(fā)生變化，作為輸入，每個(gè)結(jié)點(diǎn)只接受固定的一個(gè)預(yù)處理層結(jié)點(diǎn)輸出sigmoid函數(shù)值；

（4）輸出層：同樣類似于BP網(wǎng)絡(luò)中的輸出層，接受隱層的輸出，輸出分類結(jié)果，輸出層函數(shù)運(yùn)算。

我們要進(jìn)一步研究被溶蝕如何正確選擇小波母函數(shù)，學(xué)習(xí)算法的速度，神經(jīng)網(wǎng)絡(luò)的規(guī)模等。能否可以用小波神經(jīng)元逼近的非線性函數(shù)代替sigmoid函數(shù)，使其在分類問題神經(jīng)網(wǎng)絡(luò)中具有更高的分類特性。我們從函數(shù)y=f（x）的一組輸入輸出樣本集（x，y）出發(fā)，來訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，可以得到神經(jīng)網(wǎng)絡(luò)權(quán)值，最終建立起一個(gè)能無限逼近某些非線性函數(shù)的我們所需要的小波神經(jīng)網(wǎng)絡(luò)。在網(wǎng)絡(luò)訓(xùn)練前先進(jìn)行信號(hào)的若干級(jí)小波分解，小波分解算法采用級(jí)聯(lián)濾波器組實(shí)現(xiàn)快速小波變化。由此完成小波函數(shù)選取。網(wǎng)絡(luò)節(jié)點(diǎn)的修改包括網(wǎng)絡(luò)節(jié)點(diǎn)的分裂與刪除，當(dāng)網(wǎng)絡(luò)結(jié)點(diǎn)發(fā)生分裂時(shí)，增加一個(gè)結(jié)點(diǎn)和權(quán)，原結(jié)點(diǎn)的權(quán)值賦予分裂后的結(jié)點(diǎn)，當(dāng)刪除網(wǎng)絡(luò)節(jié)點(diǎn)時(shí)，刪除結(jié)點(diǎn)及相對(duì)應(yīng)的權(quán)，一般采用BP算法訓(xùn)練進(jìn)行網(wǎng)絡(luò)訓(xùn)練。 若一個(gè)結(jié)點(diǎn)在兩層的權(quán)值分布上基本相似，上層未做大幅度的修改，則說明該結(jié)點(diǎn)的分類能力較強(qiáng)。

四、仿真與實(shí)現(xiàn)

在不同的條件下對(duì)該算法的有效性了進(jìn)行仿真，我們提出了基于小波神經(jīng)網(wǎng)絡(luò)的高壓強(qiáng)磁場(chǎng)環(huán)境下信號(hào)處理算法，并建立了基于Matlab環(huán)境下的系統(tǒng)仿真模型。

現(xiàn)在給出權(quán)值和閾值的范圍并繪制誤差曲面及誤差曲面的等高線，最優(yōu)值就在誤差曲面的最低點(diǎn)。輸入樣本之間是非線性的，最優(yōu)點(diǎn)的均方誤差無法達(dá)到0。

經(jīng)過20次訓(xùn)練后，由于誤差已經(jīng)很小，輸出信號(hào)可以被利用，完全達(dá)到處理的目的。

本次實(shí)驗(yàn)數(shù)據(jù)所有測(cè)試結(jié)果均得到其認(rèn)證，在中國計(jì)量科學(xué)院完成。

五、結(jié)論

通過算法的仿真和現(xiàn)場(chǎng)的測(cè)試結(jié)果表明，小波變換在實(shí)驗(yàn)室內(nèi)對(duì)原始信號(hào)的處理達(dá)到了濾波效果，但是在變電站高壓電磁場(chǎng)環(huán)境下仍然存在誤差。基于小波神經(jīng)網(wǎng)絡(luò)的信號(hào)處理就充分的完成濾波目標(biāo)，將誤差減小到合理范圍內(nèi)，輸出信號(hào)也不再受到檢測(cè)變電站的高壓電磁場(chǎng)的影響。加上良好的軟件和硬件設(shè)計(jì)，和就地化處理手段和抗干擾手段，使得基于六氟化硫氣體分解物的電氣設(shè)備故障診斷系統(tǒng)在六氟化硫組合電器故障檢測(cè)中取得了立項(xiàng)的效果，達(dá)到了預(yù)期目標(biāo)。

參 考 文 獻(xiàn)

[1]何正友.小波分析在電力系統(tǒng)暫態(tài)信號(hào)處理中的應(yīng)用[M].北京：中國電力出版社，2011.

[2]劉建敏；劉艷斌；喬新勇；；發(fā)動(dòng)機(jī)技術(shù)狀況變化趨勢(shì)預(yù)測(cè)研究[J]；兵工學(xué)報(bào)；2007年07期

[3]劉霞；復(fù)雜非線性系統(tǒng)的小波神經(jīng)網(wǎng)絡(luò)建模及其應(yīng)用[D]；大慶石油學(xué)院；2005年

[4]廖忠；小波網(wǎng)絡(luò)及其在水輪機(jī)調(diào)節(jié)系統(tǒng)中的應(yīng)用研究[D]；河海大學(xué)；2005年

[5]王麗霞，何正友，趙靜，等.小波變換和數(shù)學(xué)形態(tài)學(xué)在電力擾動(dòng)信號(hào)消噪中的應(yīng)用[J].電力系統(tǒng)保護(hù)與控制，2008，36（24）：30-35.

[6]王海斌，黃顯林，胡恒章；基于小波神經(jīng)網(wǎng)絡(luò)的多節(jié)點(diǎn)機(jī)械手滑模自適應(yīng)控制[J]；電氣傳動(dòng)自動(dòng)化；2000年02期

[7] ROgerJ.Best：MarketBasedManagementStrategiesforGrowingCustomerValueandProfitability[M]Ameriea，2006

[8] ChrisAnderson：TheLongTail：WllytheFutureofBusiness15SellingLessofMore[M]Ameriea，2006