基于多傳感器信息融合的電力設(shè)備故障診斷方法

昆明供電局 李 進(jìn) 張 萌

基于多傳感器信息融合的電力設(shè)備故障診斷方法

昆明供電局 李 進(jìn) 張 萌

當(dāng)前如何有效實現(xiàn)電力設(shè)備故障診斷以及如何提高故障診斷的準(zhǔn)確率是一個熱點研究課題。本文將多傳感器信息融合理論應(yīng)用在電力設(shè)備的故障診斷，所研究算法包含三個指標(biāo)參數(shù)，分別是溫度、溫度差和溫度變化率。通過利用傳感器在等時間段測量設(shè)備的溫度，然后計算出溫度差和溫度變化率，最后利用這三個指標(biāo)參數(shù)使用數(shù)據(jù)融合系統(tǒng)的方法綜合判斷該設(shè)備是否發(fā)生故障。這個方法可以使電力設(shè)備故障診斷更加精確，減少誤報率，并且在很大程度上減少冗余信息。

信息融合；故障診斷；神經(jīng)網(wǎng)絡(luò)

0　引言

隨著我國國民經(jīng)濟(jì)的發(fā)展和人民物質(zhì)生活水平的不斷提高，對電力需求越來越大，促使電網(wǎng)不斷擴(kuò)大。同時，各行各業(yè)對電網(wǎng)供電的安全性、可靠性要求也越來越高，高壓輸變電設(shè)備的安全運行己成為影響電力系統(tǒng)安全、穩(wěn)定、經(jīng)濟(jì)運行的重要因素。

我國在故障診斷技術(shù)方面的研究起步較晚，前期階段是了解設(shè)備診斷技術(shù)的重要性，設(shè)備故障診斷技術(shù)的相關(guān)理論研究比較多，以快速傅里葉變換、譜分析、信號處理等技術(shù)為基礎(chǔ)，以電力設(shè)備故障診斷為主要目標(biāo)。后期階段以現(xiàn)代化管理的需要為前提，出現(xiàn)了診斷技術(shù)迅速發(fā)展的局面，以模式識別、智能化專家故障檢測系統(tǒng)及其計算為基礎(chǔ)，全方位開展了設(shè)備的故障診斷研究，從實際生產(chǎn)應(yīng)用上形成了具有我國特點的故障診斷理論，研究出了世界水平的電力設(shè)備狀態(tài)監(jiān)測與故障診斷系統(tǒng)。

當(dāng)前設(shè)備故障診斷方法的研究現(xiàn)狀主要有：（1）基于專家系統(tǒng)的故障診斷；（2）基于貝葉斯網(wǎng)絡(luò)的故障診斷；（3）基于支持向量機(jī)的故障診斷；（4）基于模糊集理論的故障診斷等等。本論文主要討論基于多傳感器信息融合的電力設(shè)備故障診斷方法，此方法可以使電力設(shè)備故障診斷更加精確，減少誤報率，并且在很大程度上減少冗余信息。

1　神經(jīng)網(wǎng)絡(luò)基本理論

多源信息融合，主要是指利用計算機(jī)進(jìn)行多源信息的處理，從而得到可綜合利用信息的理論和方法，其中也包含對自然界人和動物大腦進(jìn)行多傳感信息融合機(jī)理的探索。信息融合研究的關(guān)鍵問題，就是提出一些理論和方法，對具有相似或不同特征模式的多源信息進(jìn)行處理，以獲得具有相關(guān)和集成特性的融合信息。

多傳感器數(shù)據(jù)融合技術(shù)就像人腦綜合處理信息一樣，充分利用多個傳感器資源，通過對多傳感器及其觀測信息的合理支配和使用，把多傳感器在空間或時間上冗余或互補信息依據(jù)某種準(zhǔn)則來進(jìn)行組合，以獲得被測對象的一致性解釋或描述。

圖1　數(shù)據(jù)融合系統(tǒng)

神經(jīng)網(wǎng)絡(luò)模型分為3層，3個輸入節(jié)點分別為電力設(shè)備的溫度T、溫度差和溫度變化率，根據(jù)經(jīng)驗和對比中間層設(shè)為8個節(jié)點，輸出層為2個節(jié)點，分別為發(fā)生故障和沒發(fā)生故障，如圖2所示。它含有輸人層、輸出層以及處于輸入輸出層之間的中間層。中間層有單層或多層，由于它們和外界沒有直接的聯(lián)系，故也稱為隱層。在隱層中的神經(jīng)元也稱隱單元。隱層雖然和外界不連接，但是，它們的狀態(tài)則影響輸入（X）輸出（Y）之間的關(guān)系。這也是說，改變隱層的權(quán)系數(shù)W、V，可以改變整個多層神經(jīng)網(wǎng)絡(luò)的性能。

圖2　神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型

2　BP算法基本過程

BP算法實質(zhì)是求取誤差函數(shù)的最小值問題。這種算法采用非線性規(guī)劃中的最速下降方法，按誤差函數(shù)的負(fù)梯度方向修改權(quán)系數(shù)。

誤差函數(shù)e的定義：取期望輸出和實際輸出之差的平方和為誤差函數(shù)，則有：

由于BP算法按誤差函數(shù)e的負(fù)梯度方向修改權(quán)系數(shù)，故權(quán)系數(shù)Wij的修改量和e:

其中：η為學(xué)習(xí)速率，即步長。

BP算法執(zhí)行的步驟如下：

1）對權(quán)系數(shù)Wij置初值。對各層的權(quán)系數(shù)Wij置一個較小的非零隨機(jī)數(shù)，但其中。

3）計算各層的輸出

對于第k層第i個神經(jīng)元的輸出Xik，有：

對于輸出層有k=m，有：

對于其他各層，有：

5）修正權(quán)系數(shù)Wij和閥值θ

6）當(dāng)求出了各層各個權(quán)系數(shù)之后，可按給定指標(biāo)判別是否滿足要求。如果滿足要求，則算法結(jié)束；如果未滿足要求，則返回3）執(zhí)行。這個學(xué)習(xí)過程，對于任一給定的樣本和期望輸出都要執(zhí)行，直到滿足所有輸入輸出要求為止。

為了避免夸大不同數(shù)據(jù)的作用，便于統(tǒng)一管理，有必要對樣本數(shù)據(jù)進(jìn)行歸一處理。數(shù)據(jù)預(yù)處理是實現(xiàn)最初的不規(guī)則的輸入數(shù)據(jù)規(guī)范化，輸入數(shù)據(jù)后處理到[0,1]之間。

歸一化表達(dá)式為：

反變換后可得：

其中，P是表示訓(xùn)練樣本的編號；Ri是第i個樣本的輸入值；Xpi是第i個輸入值樣本歸一化后的值；min(Ri)是最小的樣本輸入值；max(Ri)是最大的樣本輸入值。

通過上述BP算法的步驟，把輸入的三個參數(shù)經(jīng)過中間層權(quán)值加權(quán)，在某個誤差的前提下得出輸出一個最終結(jié)果（是否發(fā)生故障）。

3　結(jié)論

本文討論了基于多變量的電力設(shè)備故障診斷方法，應(yīng)用多變量綜合判斷電力設(shè)備是否發(fā)生故障。主要步驟有：首先利用傳感器測量設(shè)備的溫度，然后計算出溫度差和溫度變化率，最后利用這三個指標(biāo)參數(shù)使用數(shù)據(jù)融合系統(tǒng)的方法綜合判斷該設(shè)備發(fā)沒發(fā)生故障。這個方法可以使電力設(shè)備故障診斷更加精確，減少誤報率，并且在很大程度上減少冗余信息。

[1]康耀紅.數(shù)據(jù)融合理論及應(yīng)用(第二版)[M].西安:西安電子科技大學(xué)出版社,2006.

[2]馬明建.數(shù)據(jù)釆集與處理技術(shù)[M].西安:西安交通大學(xué)出版社,2006.

李進(jìn)（1986—），男，云南昆明人，大學(xué)本科，工程師，研究方向：變電運行。

張萌（1989—），女，云南昆明人，大學(xué)本科，助理工程師，研究方向：變電運行。