基于BP神經網絡的變壓器故障診斷

孟衛東，劉 楊，張 偉，曲兆勇，張 強

（國網山東省電力公司泰安供電公司，山東 泰安 271000）

0 引 言

近年來，我國國民綜合經濟實力有了一個極大的提升，從而使得電力行業也隨之快速發展。經過幾年的積累，在現階段我國已經擁有了一個較大規模的電力網絡，總變電站的數量已經達到2.8萬余個。此外，變電站以及自備電廠也開始和一些其他領域的行業進行接觸與合作。當前這一階段，我國的電力系統正開始向著極高電壓的大方向發展，同時設備自動化能力也得到了一定提高。變壓器通常具有著極高造價、繁重任務等特點，因此在運行過程中的安全與可靠性也逐漸顯得重要起來。倘若變壓器在工作時出現嚴重故障，那么極有可能會出現難以想象并且很難被挽回的經濟損失。變壓器故障是當前電力系統穩定安全運行中最大的一個威脅，所以一定要對變壓器的故障診斷水平進行科學、合理的提高，避免出現經濟損失，最終實現較高經濟收益。

1 變壓器進行故障診斷時使用BP神經網絡技術的原理和實際意義

1.1 在對變壓器進行故障診斷時使用BP神經網絡技術所具有的意義

變壓器是整個電力系統中最為關鍵的一個組成成分，因此對于其進行故障的診斷具有著極為關鍵的戰略意義。變壓器故障最常見的位置便是設備內部，故障出現原因眾多，如內部絕緣體老化、長期使用而形成的一些質量問題、外界工作的環境等。在變壓器的內部結構中，元器件的排布極為復雜與繁瑣，因此在實際工作時，其內部所形成的電流也并非是全面、均衡分布的，這也就使得變壓器故障出現頻率進一步增大。當變壓器出現故障時，通常會釋放出大量電弧，嚴重時甚至出現燃燒等現象，而一旦其出現問題，一些與之相關的設備隨之會出現短路等其他無法工作的問題，甚至是產生爆炸，最終對經濟以及人身安全造成威脅。所以在對大型變壓器進行設計時，一定要注重其耐熱以及機械的性能，并提高電氣的強度。盡管如此，在變壓器長時間的使用過程中，仍舊會受到外界惡劣環境以及熱應力等因素的影響，從而使得性能逐漸降低[1]。

借助BP神經網絡來對變壓器進行定期且有目的的預防以及維護保養，做好相關電力供電設備實際工作情況的檢測，對變壓器潛在故障與不足進行實時偵查以及判斷，努力提高對電力故障的診斷能力，從而實現對故障實時檢測與預警，對于我國電力系統進一步發展具有關鍵意義。

1.2 BP神經網絡的工作原理

BP神經網絡也被稱做反向的誤差神經傳播網絡，這一技術是由D.E Rumethart等一些西方人于1986年提出的。BP神經網絡的學習過程具有一定的特點，其主要是正向的傳播與反向調整傳播兩個過程，最后經過輸出層進行輸出，當信號被輸入層輸出之后，一般只會受到存在于上一層神經元的影響。如果輸出層的輸出數值和原本期望值之間有較大的差距，那么信號便極有可能會按照原來的路徑進行反向傳播，最后回到輸入層中。圖1是一個較為典型的BP神經網絡拓撲的結構圖。

圖1 BP神經網絡拓撲結構圖

由圖1可知，這個BP神經網絡是由三大部分構成，分別是輸入層、隱層以及輸出層，上下兩層之間節點是互相連接的，但每一層不同節點卻又并未進行連接。當信號通過輸入層被輸入之后，會繼續向前進行不間斷傳播，從而進入到隱含層的節點處，信號在經過了函數運算處理之后，會再次向下傳播，最后進入到輸出層。進入到輸出層之后，便可以對變壓器常見的一些故障進行診斷以及檢測。

2 現階段變壓器故障的診斷情況以及未來發展形勢

對變壓器進行故障診斷時，通常不會將設備進行拆分檢測，而是借助一些專業儀器來對其內部情況進行分析，并將其在未來有可能出現的一些問題進行預警以及提前預防。此外，在進行診斷時主要還是需要一些工齡較久的維修人員自身經驗作為基本依據，根據一些相關專業的理論知識和設備，如設備傳感裝置、多媒體計算機以及其他多種類型的全面智能化系統，來對變壓器運行狀況進行實施監測，這在現階段也已經成為電力行業一個最重要的研究方向。

在現階段投入使用的變壓器中，通常將油作為設備的絕緣材質，但油通過電應力以及熱應力的雙重作用，會加速老化，并逐漸被分解。因此，當變壓器正常工作時，一定會有一定量的一氧以及二氧化碳等部分低分子的烴類產生。如果變壓器出現的故障愈發嚴重，其所產生的氣體將會在絕緣地帶匯聚，進而逐漸擴散與溶解。

為了能夠讓變壓器出現的故障可以被及時、有效的發現，進而對溶解氣體進行實時、定期的監測，在近幾十年間，世界各國都在努力進行相關設備的開發與創造，并希望能夠得到一個更加便捷與合理的變壓器故障診斷方案。許多專家試圖將一些先進的檢測診斷技術應用到變壓器運行實時監測過程中，進而推動變壓器故障檢測診斷技術進一步的發展與進步[2]。

3 以BP神經網絡為基礎的變壓器問題診斷模型

BP神經網絡實際上是對人類大腦思維以及記憶模式的一種模仿，通過專業技術來最終實現對收集信息的整合處理。神經網絡一般具有著超強的適應能力、獨立學習能力以及非線性的映射能力等，在對信號進行處理、管理以及故障診斷時極為便捷與有效。通過BP神經網絡對變壓器故障進行診斷時，主要是借助其實際輸出與最初希望目標之間的輸出差來進行閾值和權值調節，從而使兩者之間差值逐漸減小，進而實現一致[3]。在以BP神經網絡為基礎對變壓器進行相關故障的診斷時，主要的幾個環節如下。

首先，將輸入以及輸出的訓練樣本進行完整列出。

其次，構建一個完整的神經網絡，對每一層存在的實際節點、相互間傳遞的函數數以及網絡層數等進行確定，并將出現的網絡實際參數以及權值、閾值做初始化處理。

再次，通過樣本的學習來對網絡進行訓練，主要訓練的步驟有如下4步：（1）對隱含的節點輸出進行計算；（2）對于輸出層的節點輸出進行計算；（3）對實際和目標間的輸出誤差進行計算；（4）倘若誤差達到了預期的值便可以終止網絡學習，但是如果其并未達到標準則讓其返回，并對其隱含層進行誤差分析，在經過研究之后再次重復進行步驟（2）的操作。

最后，通過經過專業訓練的BP神經網絡來對變壓器進行故障預測以及分析。

第一，BP神經網絡模型結構的建立。將BP神經網絡作為基礎來對變壓器進行故障的診斷與測試，最主要的就是要生成一個模擬網絡的對象，在實際工作中通常是借助newff這一函數來進行生成。通過newff函數生成自己所需要的神經網絡時，其還會自主將網絡權值以及閾值進行初始化。此外，借助INIT這一函數同樣也可以實現將數據初始化的效果。

在通過newff函數生成BP網絡神經的過程中，能夠很容易的看出想要形成一個完整的網絡模型，就一定要對其網絡的層數與每層節點個數等一系列基礎結構進行精準確定。

第二，BP神經網絡對于理論數據的處理。BP神經網絡在進行專業的訓練時，通常會借助train來實現，但是最主要的是要將神經網絡訓練的參數進行精準確定，只有完成這一步才可以對其進行深入訓練。

在對變壓器進行故障的診斷時，因為其內部油中的特性氣體和自身問題件并不是線性的關系，所以一定要選擇非線性的Sigmoid函數來對其進行計算，通過數據分析來判斷變壓器是否出現故障、出現的是哪一類故障[4]。

4 結 論

變壓器是當前整個電力系統中最為關鍵且不可或缺的設備，同時也是電力事故中出現最多的一個設備。現階段，對變壓器進行故障的檢測與診斷已經成為電力行業最為火熱的研究方向，有極為深遠的戰略意義。想要使我國電力行業得到較大水平的進步，就一定要提升供電的安全性以及可靠性，盡可能的提升設備工作壽命。對于變壓器內部溶解氣體的分析能夠有效地將其出現的一些故障進行排查。因為BP神經網絡具備有分布處理、自主聯想以及較高容錯率等優點，所以極為適合對變壓器進行故障的診斷與分析。