基于BP神经网络的电力变压器故障诊断

杜文霞，吕

锋，句希源

（河北师范大学，河北石家庄０５００３１）

摘要：介绍了基于ＢＰ神经网络的电力变压器的故障诊断方法，并给出了实例。关键词：电力变压器；神经网络；三比值法；故障；诊断中图分类号：ＴＭ４０６

文献标识码：Ｂ

文章编号：１００１－８４２５（２００７）０３－００４５－０３

ＦａｕｌｔＤｉａｇｎｏｓｉｓｏｆＰｏｗｅｒＴｒａｎｓｆｏｒｍｅｒ

ＢａｓｅｄｏｎＢＰＮｅｕｒａｌＮｅｔｗｏｒｋ

ＤＵＷｅｎ－ｘｉａ，ＬＵＦｅｎｇ，ＪＵＸｉ－ｙｕａｎ

（ＨｅｂｅｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｓｈｉｊｉａｚｈｕａｎｇ０５００３１，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：ＴｈｅｍｅｔｈｏｄｔｏｄｉａｇｎｏｓｅｐｏｗｅｒｔｒａｎｓｆｏｒｍｅｒｆａｕｌｔｓｂａｓｅｄｏｎＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｉｎｔｒｏｄｕｃｅｄ．Ｔｈｅｅｘａｍｐｌｅｓａｒｅｐｒｅｓｅｎｔｅｄ．

Ｋｅｙｗｏｒｄｓ：Ｐｏｗｅｒｔｒａｎｓｆｏｒｍｅｒ；Ｎｅｕｒａｌｎｅｔｗｏｒｋ；Ｔｈｒｅｅ－ｒａｔｉｏｍｅｔｈｏｄ；Ｆａｕｌｔ；Ｄｉａｇｎｏｓｉｓ

１引言

电力变压器是电力系统的重要设备之一，其故障的诊断对整个电力系统的安全性和可靠性极为重要。三比值法在油中溶解气体为特征量的充油变压器故障诊断中得以广泛的应用，并得到了大量的实践及事例验证。这种根据气体比值划分区间的编码规则基本上是合理的，尤其是在远离区间分界点的地方，这样确定的编码其准确率相当高。但是，当气体组分比值在判断区间交界处附近时，采用三比值法有时判断不准甚至误判。由于神经网络自身有很好的归纳和抽象能力，且在众多的神经网络模型中，误差反向传播（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ－ＢＰ）神经网络又具有良好的模式分类能力，故笔者尝试用ＢＰ神经网络来处理比值编码问题，其能够在一定程度上弥补三比值法的不足。

用两种溶解度和扩散系数相近的气体组分组成三比值，以不同的编码表示，其编码规则见表１，对故障性质的判断见表２。

在实际应用中，比值编码边界模糊的比值区间内的故障，往往容易误判。

３ＢＰ神经网络

ＢＰ神经网络是一种有隐含层的多层前馈网络，结构如图１所示。在ＢＰ神经网络中的神经元多采用Ｓ型函数作为激活函数，利用其连续可导性，便于引入最小二乘（ＬｅａｓｔＭｅａｎＳｑｕａｒｅｓ－ＬＭＳ）学习算

法，即在网络学习过程中，使网络的输出与期望输出的误差边向后传播边修正连接权值，以期望其误差

表１

三比值法的编码规则

Ｔａｂｌｅ１Ｃｏｄｅｒｕｌｅｆｏｒｔｈｒｅｅ－ｒａｔｉｏｍｅｔｈｏｄ

比值范围编码２三比值法的原理

三比值法的原理是：根据充油电器设备内油、纸

特征气体的比值Ｃ２Ｈ２Ｃ２Ｈ４０１１２ＣＨ４Ｈ２１０２２Ｃ２Ｈ４Ｃ２Ｈ６００１２＜０．１０．１～１１～３＞３绝缘故障裂解产生的气体组分含量的相互依赖关系，从５种特征气体中（Ｈ２、ＣＨ４、Ｃ２Ｈ６、Ｃ２Ｈ４、Ｃ２Ｈ２）选

基金项目：为河北省自然科学基金资助（Ｆ２００４０００１８０）４６表２

判断故障性质的三比值法

Ｘ１Ｘ２

比值范围编码序号故障性质无故障低能量密度的局部放电高能量密度的局部放电低能量放电高能量放电低于１５０℃的热故障第４４卷

ＢＰ１ＢＰ２ＢＰ３

综合分析

故障诊断

Ｔａｂｌｅ２Ｔｈｒｅｅ－ｒａｔｉｏｍｅｔｈｏｄｔｏｄｉａｇｎｏｓｅｆａｕｌｔｃｈａｒａｃｔｅｒｉｓｔｉｃｓ

Ｃ２Ｈ２Ｃ２Ｈ４００１１－２１００００ＣＨ４Ｈ２０１１０００２２２Ｃ２Ｈ４Ｃ２Ｈ６００００－２２１０１２Ｘ３

０１２３４５６７８图２ＢＰ网络故障诊断结构图

Ｆｉｇ．２ＦａｕｌｔｄｉａｇｎｏｓｉｓｄｉａｇｒａｍｏｆＢＰｎｅｔｗｏｒｋ

图中，Ｘ１、Ｘ２、Ｘ３分别对应Ｃ２Ｈ２*Ｃ２Ｈ４、ＣＨ４*Ｈ２和

Ｃ２Ｈ４*Ｃ２Ｈ６３组气体的比值。４．２ＢＰ网络模型的建立

建立ＢＰ网络模型，也就是确定网络输入层、隐含层、输出层的节点个数以及隐含层的层数。

１５０～３００℃低温过热故障７００℃中温过热故障３００～高于７００℃高温过热故障ＢＰ１模型采用（１－４－３），也就是说ＢＰ１网络输入

层１个节点，用来接收特征气体中Ｃ２Ｈ２和Ｃ２Ｈ４的比值，用Ｘ１表示；该网络有一个隐含层，取节点数为

均方值最小。

输

入层输出层

４；输出节点数为３，分别用Ｙ０、Ｙ１和Ｙ２表示，Ｙ０＝１对应编码为０，Ｙ１＝１对应编码为１，Ｙ２＝１对应编码为２。

ＢＰ２模型采用（１－７－３），该网络输入Ｘ２用来接收特征气体中ＣＨ４和Ｈ２的比值，输出分别用Ｙ３、Ｙ４和Ｙ５表示。Ｙ３＝１对应编码为０，Ｙ４＝１对应编码为１，Ｙ５＝１对应编码为２。

ＢＰ３模型采用（１－６－３），该网络输入Ｘ３用来接收特征气体中Ｃ２Ｈ４和Ｃ２Ｈ６的比值，输出分别用Ｙ６、Ｙ７和Ｙ８表示。Ｙ６＝１对应编码为０，Ｙ７＝１对应编码为

输１，Ｙ８＝１对应编码为２。３个ＢＰ网络模型的输入、

出及编码的对应关系见表３。

表３

输出及编码的对应关系ＢＰ网络模型输入、

隐含层

图１ＢＰ网络结构示意图

Ｆｉｇ．１ＳｔｒｕｃｔｕｒａｌｄｉａｇｒａｍｏｆＢＰｎｅｔｗｏｒｋ

ＢＰ神经网络的学习过程包括正向和反向传播

两个阶段，在正向传播过程中，输入信息从输入层经隐含层逐层处理，并传向输出层，每一层神经元的状态只影响下一层。如果在输出层得不到期望输出，则转入反向传播，将误差信号沿原来的通路返回，通过修改各层神经元的权值，使误差信号最小，这就是误差反向传播的过程。

经过训练的ＢＰ网络模型可以映射任意复杂的非线性关系，当有一组新的输入时，它能够给出与某一训练样本最接近的输出，故它具有良好模式分类能力。针对上述三比值法的不足，选用具有良好模式分类能力的ＢＰ神经网络来处理比值编码问题，再用三比值法配合诊断，将进一步提高对变压器故障进行诊断的准确性。

Ｔａｂｌｅ３Ｒｅｌａｔｉｏｎａｍｏｎｇｉｎｐｕｔ，ｏｕｔｐｕｔａｎｄｃｏｄｅｉｎＢＰｎｅｔｗｏｒｋｍｏｄｅｌ

网络名称网络输入网络输出比值范围编码

Ｘ１＝Ｃ２Ｈ２*Ｃ２Ｈ４

ＢＰ１

＜０．１３０．１～＞３Ｘ２＝ＣＨ４*Ｈ２

ＢＰ２

＜０．１０．１～１＞１Ｘ３＝Ｃ２Ｈ４＞Ｃ２Ｈ６

ＢＰ３

＜１１～３＞３

Ｙ０１００Ｙ３０１０Ｙ６１００

Ｙ１０１０Ｙ４１００Ｙ７０１０

Ｙ２００１Ｙ５００１Ｙ８００１

—

０１２—

１０２—

４

４．１

变压器故障诊断的神经网络模型

诊断过程

首先计算Ｃ２Ｈ２*Ｃ２Ｈ４、ＣＨ４*Ｈ２和Ｃ２Ｈ４*Ｃ２Ｈ６３组

０１２

气体比值，将其依次作为ＢＰ１、ＢＰ２和ＢＰ３网络的输入；其次根据３个ＢＰ网络的输出对３组气体比值进行编码；最后依表２判断故障类型，其诊断结构图如图２所示。从表３中可以看出，３个网络都有一个共同的约束条件：每个网络的输出只能有一个为１。

第３期

杜文霞、吕锋、句希源：基于ＢＰ神经网络的电力变压器故障诊断

４７

要想使ＢＰ网络具有很好的模式分类能力，组织训练样本很关键，样本应当具有代表性、广泛性，只有通过具有代表性的学习样本训练出来的ＢＰ网络才能正确映射输入输出关系，也只有具有广泛性的学习样本可使训练出来ＢＰ网络具有较好的适应能力，而不至于在某种场合适用，而在另外一种情况下就无能为力。笔者依据以上选取样本的原则，通过查阅大量的资料，组织１８个学习样本来对３个ＢＰ神经网络进行训练，用训练好的网络进行电力变压器的在线故障诊断，下面用实例验证该方法的有效性和准确性。

Ｙ３＝１Ｙ４＝－５．７４８９ｅ－００９Ｙ５＝１．６９５７ｅ－００８

Ｙ６＝１Ｙ７＝２．６９６６－００８Ｙ８＝－８．３０８９－０１３

查表３得出ＢＰ网络对气体比值的编码也是实际检查结２００，配合表２则诊断结果为：低能放电。

果为：二次绕组对铁心发生放电，绕组有一贯通性损伤。

【例３】对某台变压器油中３组气体组分的比值如下：Ｃ２Ｈ２’Ｃ２Ｈ４＝３．１４，ＣＨ４’Ｈ２＝０．１０３，Ｃ２Ｈ４’Ｃ２Ｈ６＝

２１．８，查表１得出比值编码为２０２；将３组气体比值

输入ＢＰ网络模型，３个网络的输出为：

Ｙ０＝－１．１０１６ｅ－００９，Ｙ１＝１，Ｙ２＝－１．７３４５ｅ－０１０Ｙ３＝１，Ｙ４＝－５．２４０９ｅ－００９，Ｙ５＝－２．１５０６ｅ－０１１Ｙ６＝７．１０５４ｅ－０１３，Ｙ７＝１．４６１３ｅ－０１２，Ｙ８＝１

查表３得出ＢＰ网络对气体比值的编码是１０２，实际检查结果为电弧放电引起的高能量放电故障，而按三比值法得到比值编码却为２０２，其误判的原因是Ｃ２Ｈ２’Ｃ２Ｈ４＝３．１４，在分界点Ｃ２Ｈ２’Ｃ２Ｈ４＝３处附近，而分界点的值是根据大量的变压器故障事例经过调查、分析采用数学统计的方法得出的。显然分界点的值是一个统计值，具有一定的分散性，这种统计方法不可避免地舍弃了一些次要因素，必然就要以牺牲一定的判断准确度为代价。

５诊断实例

【例１】对某台变压器用气相色谱分析油中溶

解气体，测得各种气体含量（单位μＬ’Ｌ）：Ｈ２＝２００４，

ＣＨ４＝９７３９，Ｃ２Ｈ６＝２７５０，Ｃ２Ｈ４＝５１１２，Ｃ２Ｈ２＝０，试进行故

障诊断。

由上列数据按表１计算出三组气体比值Ｃ２Ｈ２’

Ｃ２Ｈ４＝０，ＣＨ４’Ｈ２＝４．８５９７８，Ｃ２Ｈ４’Ｃ２Ｈ６＝１．８５９２７，得出比

值编码为０２１；将三组气体比值输入ＢＰ网络模型，

三个网络的输出为：

Ｙ０＝１，Ｙ１＝１，Ｙ２＝２．８３９６ｅ－００９

Ｙ３＝６．６８８８ｅ－０１０，Ｙ４＝－４．９８７７ｅ－００９，Ｙ５＝１Ｙ６＝６．１５５３ｅ－００９，Ｙ７＝１，Ｙ８＝－２．２２０４ｅ－０１６

查表３得出ＢＰ网络对气体比值的编码也是

６结论

例１、例２验证了用ＢＰ神经网络对气体比值编

０２１，配合表２则诊断结果为：低能放电。实际检查

结果为：二次绕组对铁心发生放电，绕组有一贯通性损伤。

【例２】某台变压器油中各气体含量如下（单位：μＬ’Ｌ）：Ｈ２＝１２７，ＣＨ４＝１０７，Ｃ２Ｈ４＝１１，Ｃ２Ｈ４＝１５４，

码的正确性和可行性，例３说明该方法较传统的三比值法更准确、更有效，实例证明该方法既发挥了三比值法的长处，又在一定程度上弥补了三比值法对于在比值区间交界处附近的数据可能会误码判的不足，有一定的应用价值。参考文献：

［１］

ＧＢ’Ｔ７２５２－２００１，变压器油中溶解气体分析与判断导则［Ｓ］．

［２］徐丽娜．神经元网络控制［Ｍ］．哈尔滨：哈尔滨工业大学出

版社，１９９９．

Ｃ２Ｈ２＝２２４，试进行故障诊断。

由上列数据按表１计算出三组气体比值Ｃ２Ｈ２’Ｃ２Ｈ４＝２０．３６３６３，ＣＨ４’Ｈ２＝０．８４２５２，Ｃ２Ｈ４’Ｃ２Ｈ６＝０．０７１４２，得出比值编码为２００；将三组气体比值输入ＢＰ网络模型，３个网络的输出为：

Ｙ０＝４．９６３５ｅ－０１０，Ｙ１＝－４．６４２２ｅ－０１０Ｙ２＝１

收稿日期：２００５－１１－１４

作者简介：杜文霞（１９７３－），女，河北石家庄人，河北师范大学电子系讲师，主要从事智能检测与控制技术研究工作；吕锋（１９５８－），女，河北石家庄人，河北师范大学电子系教授，博士生导师，研究方向为电机控制及故障检测与诊断；句希源（１９６３－），男，河北汤州人，河北师范大学电子系讲师，研究方向为电机及控制。