|  客服中心  |  合作联系
搜刊网
论文下载
您当前位置
首页 > 论文下载 > 机械与建筑工程 > 基于改进算法ANFIS的变压器故障诊断
基于改进算法ANFIS的变压器故障诊断
来源:互联网 qikanw | 刘炜,苏宏升,曾晓琴 兰州交通大学自动化与电气工程学院
【分  类】 机械与建筑工程
【关 键 词】 变压器,自适应神经模糊推理系统,BP算法,故障诊断,共轭梯度法,Fletcher-Reeves法
【来  源】 互联网
【收  录】 中文学术期刊网
正文:
摘要:文章在分析利用变压器油中溶解气体进行变压器故障诊断的基础上,提出一种基于改进算法的自适应神经模糊推理系统的变压器绝缘故障诊断方法。该方法使用IEC三比值法的三个气体比值作为ANFIS输入向量,构造三输入一输出的ANFIS,然后使用具有全局收敛性的相关的广义Fletcher-Reeves共轭梯度法改进ANFIS默认的以BP算法和最小二乘法构成的混合学习算法,再使用新的学习算法训练系统。最后,对模型的有效性进行了检验,并与使用BP学习算法训练的诊断结果做了比较。检验结果表明使用改进算法的ANFIS进行变压器故障诊断是可行的,并且诊断精度有所提高。
关键词:变压器,自适应神经模糊推理系统,BP算法,故障诊断,共轭梯度法,Fletcher-Reeves法
中图分类号:TM855     文献标识码:A
An Improved ANFIS Applied for Identifying Transformer Faults
Abstract: Based on dissolved gas analysis (DGA) in transformer oil, an adaptive neuro-fuzzy inference system based transformer insulation fault diagnosis method is proposed in the paper. A ANFIS with three inputs,the ratio of IEC Three-ratio Method, and one output is constructed, trained by hybrid learning arithmetic improved by Fletcher-Reeves conjugate gradient method. Finally, the availability of ANFIS is tested,and compared with BP trained ANFIS .The results showed that the method base on ANFIS is feasible and the diagnosis accuracy is enhanced in identifying transformer faults.
Key Words: Transformer, ANFIS, BP arithmetic, Fault diagnosis, conjugate gradient method, Fletcher-Reeves method
基金项目:甘肃省自然科学基金资助项目(3ZS061-A25-045 )
0 引言(Introduction)
变压器是供配电系统的主要设备,其正常运行是电力系统供电可靠的基本保证。变压器过热、电弧放电以及局部放电等故障能引起供电系统的中断,会造成比较大的损失。这类故障一般与变压器运行时所承受的负荷和机械压力无关,而与变压器绝缘材料的老化有关。当故障发生时,变压器绝缘材料老化,产生一定量的气体。产生气体的类型和数量与老化材料的类型及老化现象等因素有关。因此,通过分析变压器油中气体含量就可确定变压器绝缘故障的类型及强度,可避免使用其它方法诊断时发生的附加费用。
目前广泛被应用的变压器故障诊断方法是IEC三比值法[1]。该法是色谱分析中最常用和较可行的方法。但气体体积分数未超过注意值时不适宜用此方法,且IEC三比值编码存在编码缺损问题以及临界值判据缺损问题[2]。而在以往的神经网络、模糊诊断、遗传算法、专家系统等各种智能诊断方法中,很多都是独立应用或者两两结合进行样本训练或者模糊处理的,很少有与IEC三比值法一起结合使用的[3-6]
自适应神经模糊网络,即ANFIS(adaptive neuro-fuzzy inference system)是将模糊逻辑和神经网络二者结合,模糊逻辑利用模糊语言表达,可以表示定性的经验和知识,但是它缺乏有效学习功能,而神经网络不能表达模糊语言,类似一个黑箱,所以不能很好地表达人脑的推理功能,因此自适应神经模糊网络既能发挥二者的优点,又可弥补各自的不足[7]
为了进一步提高三比值诊断的效率和智能性,适应输入数据特征的变化,本文以自适应神经模糊推理系统(ANFIS)为基础,构造出变压器故障智能诊断方法,增强了变压器故障诊断的鲁棒性和适应性。
1 故障分析的机理
充油的电力设备(如变压器、电抗器、电流互感器、充油套管和充油电缆等)的绝缘主要是由矿物绝缘油和浸在油中的有机绝缘材料(如电缆纸、绝缘纸板等)所组成。其中矿物绝缘油即变压器油,是石油的一种分镏产物,其主要成分是烷烃(CnH2n+2)、环烷族饱和烃(CnH2n)、芳香族不饱和烃(CnH2n-2)等化合物。有机绝缘材料主要是由纤维素(C6H10O5)n构成。在正常运行状态下,由于油和固体绝缘会逐渐老化、变质,会分解出极少量的气体(主要有氢H2、甲烷CH4、乙烷C2H6、乙烯C2H4、乙炔C2H2、一氧化碳CO、二氧化碳CO2等7种)。当电力设备内部发生过热性故障、放电性故障或受潮情况时,这些气体的产量会迅速增加。
这些气体大部分溶解在绝缘油中,少部分上升在绝缘油的面上,例如变压器有一部分气体从油中逸出进入气体继电器(瓦斯继电器)。经验证明,油中气体的各种成分含量的多少和故障的性质及程度直接有关。因此在设备运行过程中,定期测量溶解于油中的气体组织成分和含量,对于及早发现充油电力设备内部存在的潜伏性故障有非常重要的意义。
三比值法选用5种特征气体构成三对比值(C2H2 /C2H4、CH4 /H2 、C2H4 /C2H6),在相同的情况下把这些比值以不同的编码表示,根据测试结果把三对比值换算成对应的编码组,然后查表对应得出故障类型和故障的大体部位。但此法所给编码组并不全,这给实际分析工作带来诸多不便。
2  ANFIS用于变压器故障诊断
2.1 系统结构
ANFIS是神经网络与Sugeno型模糊推理系统的结合[8],采用Sugeno型模糊推理系统是因为该系统具有计算简单利于数学分析的优点,适合于基于数据的建模方法,且易于和优化以及自适应方法结合,从而实现具有优化与自适应能力的模糊建模工具。本论文中提出的用于变压器故障诊断的ANFIS结构如图1所示,输入集为X={C2H2/C2H4,CH4/H2,C2H2/C2H6}。第二层是模糊化层,该层选用9个岭型隶属函数,参数通过网络的学习可自动调整。第三层是规则层,该层的每个神经元和Sugeno类型的单个模糊规则相对应,规则神经元从各自的模糊化神经元接收输入,并计算它表示的规则强度。该层使用27个节点,可完全覆盖论域空间。第四层是归一化层,该层每个神经元接收来自规则层的所有神经元输入,并计算给定规则的归一化激活程度。第五层是逆模糊化层,该层每个神经元均连接到各自的归一化神经元上,同时接收初始输入R1R2R3。第六层是一个总和神经元,该神经元计算所有逆模糊化神经元输出的总和,并产生最后的ANFIS输出y:
    (2.1)

图1  自适应神经模糊推理系统的结构图
Fig.1 The architecture of ANFIS
本文中ANFIS的模糊化层使用岭型隶属函数。在已知原编码集合的特征函数所对应的图形的情形下,根据已有经验,参考模糊数学中常见而重要的模糊分布,选用降岭形分布的来描述三比值编码边界点的模糊区间如图2所示。其中参数α
相关推荐
热门期刊
管理学家(学术版)《管理学家(学术版)》
《管理学家》杂志,于2008年经国家新闻出版总署批准正式创刊,CN:11-5630/F,本刊在国内外有广泛的覆盖面,题材新颖,信息量大、时效性强的特点,其中主要栏目有:人力资源管...
秦始皇帝陵博物院《秦始皇帝陵博物院》
《秦始皇帝陵博物院》(年刊)创刊于2011年,坚持以马列主义、毛泽东思想、邓小平理论和“三个代表”重要思想为指导,贯彻党的教育方针和“双百方针”,理论联系实际,开展...
西南交通大学学报(社会科学版)《西南交通大学学报(社会科学版)》
《西南交通大学学报》杂志,于2000年经国家新闻出版总署批准正式创刊,CN:51-1586/C,本刊在国内外有广泛的覆盖面,题材新颖,信息量大、时效性强的特点,其中主要栏目有:教...
教育理论与实践《教育理论与实践》
《教育理论与实践》杂志,于1981年经国家新闻出版总署批准正式创刊,CN:14-1027/G4,本刊在国内外有广泛的覆盖面,题材新颖,信息量大、时效性强的特点,其中主要栏目有:师资...
交通医学《交通医学》
《交通医学》杂志,于1987年经国家新闻出版总署批准正式创刊,CN:32-1412/R,本刊在国内外有广泛的覆盖面,题材新颖,信息量大、时效性强的特点,其中主要栏目有:文献综述、...
Journal of Rare Earths《Journal of Rare Earths》
《Journal of Rare Earths》(稀土学报)(英文版)于1990年创刊,邮发代号:2-613,由中国稀土学会和北京有色金属研究总院主办,北京有色金属研究总院承办,北京大学协办,北京大...
友情链接
中教杯 国家新闻出版总署 中国知网 万方数据 维普网 中国科学院 中国国家图书馆 央视英文版 中国留学网 中青网 中国国家人才网 中国经济网 中国日报网 中国新闻网 中国学术期刊网
关于我们
平台简介
诚聘英才
企业文化
竞争优势
版权信息
服务条款
客服承诺
常见问题
版权声明
合作加盟
期刊加盟
广告服务
联系我们
网站导航
期刊大全
论文下载
课题申报
学术会议
编辑QQ
编辑联络
2007-2023
中文学术期刊检索机构
bianjibu777@qq.com
联系我们

版权所有©2007- 2023 中国学术期刊网(qikanw.com) All Rights Reserved 京ICP备2021008252号
本站是学术论文网络平台,若期刊网有侵犯您的版权,请及时与期刊网客服取得联系,联系信箱: bianjibu777@qq.com    
中国学术期刊网