一种利用虚拟样本训练神经网络诊断变压器故障的方法技术

本发明专利技术公开了一种利用虚拟样本训练神经网络诊断变压器故障的方法，包括建立变压器各故障的特征区域、选择虚拟故障样本、添加实际故障样本、构造BP神经网络、训练BP神经网络、故障诊断步骤。本发明专利技术应用正交表构造分布均匀且能反应全部数据空间特征的虚拟样本构造训练样本集，并将实际工程中改良三比值法诊断错误的样本添加到样本集中，用此样本集对神经网络进行训练，避免了训练样本的分布不均匀性，使得训练好的神经网络泛化能力更强。

【技术实现步骤摘要】
一种利用虚拟样本训练神经网络诊断变压器故障的方法
本专利技术涉及一种诊断变压器故障的方法，尤其涉及一种利用虚拟样本训练神经网络诊断变压器故障的方法，属于电力主设备故障诊断

技术介绍
电力变压器作为电力系统中最重要和最关键的电气设备之一，其运行的安全可靠性直接关系到电力系统的安全与稳定。为确保变压器的安全、经济运行，及时准确地诊断出变压器内部的潜伏性故障及其故障类型非常必要。近年来，各国专家学者以及领域技术人员对变压器故障诊断问题进行了大量的研究工作，特别是采用神经网络技术诊断变压器故障的理论取得了很多卓有成效的研究成果。但变压器故障率相对较低，从实际工程中收集到的故障样本有限且样本在数据空间的分布极不均匀，而神经网络的泛化能力对训练样本的依赖性非常高，如果训练样本不能满足特征代表性和分布均匀性的要求将严重影响其故障诊断的准确率，因此，基于神经网络的变压器故障诊断相关研究大多停留在理论探讨范围，鲜有应用于工程实践当中。虚拟样本是指在未知样本概率分布函数的情况下，利用所研究领域的先验知识，构造出一定数量的样本。油中溶解气体分析(Dissolvedgasanalysis，DGA)是对油浸式变压器进行故障诊断最方便、有效的手段之一。其中改良三比值法作为国标推荐的判断油浸式变压器故障类型的主要方法，在工程实践中有着广泛应用。该方法是在对大量故障样本进行统计分析后总结的经验，具有较高的故障诊断准确率，可以认为是规范化的领域专家知识。因此，利用该知识构造一定数量的虚拟样本训练神经网络可有效的解决神经网络训练样本集的构造问题。
技术实现思路
本专利技术要解决的技术问题是提供一种利用虚拟样本训练神经网络诊断变压器故障的方法。为解决上述技术问题，本专利技术采用的技术方案是：一种利用虚拟样本训练神经网络诊断变压器故障的方法，包括以下步骤：步骤1：建立变压器各故障的特征区域：根据油中溶解气体的改良三比值法对变压器故障空间进行划分，得到各故障对应的特征区域；步骤2：选择虚拟故障样本：在各故障的特征区域内按照正交表选取均匀分布的特征点作为训练样本集中的虚拟故障样本；步骤3：添加实际故障样本：对实际故障样本采用改良三比值法进行诊断，将其中诊断错误的故障样本添加到所述训练样本集；步骤4：构造BP神经网络：按照变压器故障空间的特征构造BP神经网络；步骤5：训练BP神经网络：采用所述训练样本集对BP神经网络进行训练，并用实际故障样本检测所述BP神经网络的训练精度，并提高所述BP神经网络的训练精度；步骤6：故障诊断：将待测样本输入到所述BP神经网络中进行故障诊断。所述步骤1中，变压器故障模式分为：第一低温过热故障A1、第二低温过热故障A2、中温过热故障A3、高温过热故障A4、局部放电故障A5、电弧放电故障A6、电弧放电兼过热故障A7、低能放电故障A8、低能放电兼过热故障A9、第一未定义故障模式A10、第二未定义故障模式A11；第一低温过热故障指变压器的温度低于150℃；第二低温过热故障指变压器的温度介于150～300℃之间；中温过热故障指变压器的温度介于300～700℃之间；高温过热故障指变压器的温度高于700℃；第一未定义故障模式和第二未定义故障模式的编码分别为“000”和“010”；以三组气体含量的比值为坐标轴建立变压器故障空间的，各比值的取值范围均为[0.01,10]；各变压器故障模式对应的特征区域为均长方体区域。所述步骤1中的特征区域用平面S1-S6划分，平面S1-S6为：所述步骤2中的虚拟故障样本由输入向量I和期望输出向量D组成，输入向量I＝(x,y,z)表示三组气体含量的比值，向量D＝(D1,D2,…,D11)表示变压器发生的故障模式，其取值为：输入向量I＝(x,y,z)为：特征区域(1,1,1)、(1,2,2)、(1,3,3)、(2,1,2)、(2,2,3)、(2,3,1)、(3,1,3)、(3,2,1)、(3,3,2)特征点的实际坐标；1、2、3，分别为相应特征区域各方向上的最小值、中间值和最大值。所述BP神经网络的网络层数为4，其中输入层节点3个，分别接收这三组比值的输入；输出层11个节点，输出向量O＝(O1,O2,…,O11),分别代表A1～A11这11种故障类型的概率；隐层1由13个节点构成,隐层2由17个节点构成；网络各节点的转移函数选择logsig函数。采用上述技术方案所取得的技术效果在于：1、本专利技术根据改良三比值法的故障特征，应用正交表构造分布均匀且能反应全部数据空间特征的虚拟样本构造训练样本集，并将实际工程中改良三比值法诊断错误的样本添加到样本集中，用此样本集对神经网络进行训练，避免了训练样本的分布不均匀性，使得训练好的神经网络泛化能力更强。2、本专利技术在没有实际故障样本的情况下，也可得到与改良三比值法相同的诊断结果和诊断精度。3、本专利技术添加了从工程现场得到的故障样本后，训练样本集可以不断的得到修正，训练后的神经网络其故障诊断准确率能够进一步提高。附图说明下面结合附图和具体实施方式对本专利技术作进一步详细的说明。图1是本专利技术的流程图；图2是本专利技术实施例1的特征区域的空间分布图；图3是本专利技术实施例1的特征区域的空间划分图；图4是本专利技术的实施例1的特征点分布图；图5是本专利技术的实施例1的BP神经网络。具体实施方式实施例1：参考图1-图5，本专利技术包括以下步骤：步骤1：根据油中溶解气体的改良三比值法对变压器故障空间进行划分，得到各故障对应的特征区域；如图2所示，根据改良三比值法的故障编码规则及故障类型判断规则，变压器故障模式分为：低温过热(低于150℃)、低温过热(150～300℃)、中温过热(300～700℃)、高温过热(高于700℃)、局部放电、电弧放电、电弧放电兼过热、低能放电、低能放电兼过热、未定义故障模式1(编码为“000”)和未定义故障模式2(编码为“010”)等11类，用A1，…，A11表示。以三组气体含量的比值为坐标轴建立三维立体空间，则每一种故障模式对应三维空间中的一个长方体特征区域，当样本数据坐标处于某长方体特征区域内则被判断属于相对应的故障类型。根据三对比值和故障特征区域的分布特点，取10作为比值的上限，当比值超过10时取为10，取0.01作为比值的下限，当比值小于0.01时取为0.01，即各比值的取值范围是[0.01,10]。步骤2：在各故障特征区域按照正交表选取均匀分布的特征点作为虚拟故障样本，由此得到训练样本集，具体步骤为：①创建训练样本集R和测试样本集T存放样本数据。每一条样本数据包括两个向量：输入向量I和期望输出向量D，其中向量I＝(x,y,z)表示三组气体含量的比值，向量D＝(D1,D2,…,D11)表示变压器发生的故障模式，其取值为：如D＝(0,0,0,1,0,0,0,0,0,0,0)表示发生A4(高温过热)故障。②根据改良三比值法各故障类型的分布特点，用式(2)定义的六个平面对步骤S101中确定的三维空间进行细分，得到排列整齐的小长方体区域，如图3所示；③选取一个小长方体区域，该区域内的所有数据都对应同一种故障模式。例如图3标识的小长方体区域，其对应的故障模式为A4，其坐标范围是{0.01≤x≤0.1,1≤y≤10,3≤z≤10}。在三个坐标方向上分别确定3个水平，编号为：1、2本文档来自技高网...

【技术保护点】
一种利用虚拟样本训练神经网络诊断变压器故障的方法，其特征在于：包括以下步骤：步骤1：建立变压器各故障的特征区域：根据油中溶解气体的改良三比值法对变压器故障空间进行划分，得到各故障对应的特征区域；步骤2：选择虚拟故障样本：在各故障的特征区域内按照正交表选取均匀分布的特征点作为训练样本集中的虚拟故障样本；步骤3：添加实际故障样本：对实际故障样本采用改良三比值法进行诊断，将其中诊断错误的故障样本添加到所述训练样本集；步骤4：构造BP神经网络：按照变压器故障空间的特征构造BP神经网络；步骤5：训练BP神经网络：采用所述训练样本集对BP神经网络进行训练，并用实际故障样本检测所述BP神经网络的训练精度，并提高所述BP神经网络的训练精度；步骤6：故障诊断：将待测样本输入到所述BP神经网络中进行故障诊断。

【技术特征摘要】
1.一种利用虚拟样本训练神经网络诊断变压器故障的方法，其特征在于：包括以下步骤：步骤1：建立变压器各故障的特征区域：根据油中溶解气体的改良三比值法对变压器故障空间进行划分，得到各故障对应的特征区域；步骤2：选择虚拟故障样本：在各故障的特征区域内按照正交表选取均匀分布的特征点作为训练样本集中的虚拟故障样本；步骤3：添加实际故障样本：对实际故障样本采用改良三比值法进行诊断，将其中诊断错误的故障样本添加到所述训练样本集；步骤4：构造BP神经网络：按照变压器故障空间的特征构造BP神经网络；步骤5：训练BP神经网络：采用所述训练样本集对BP神经网络进行训练，并用实际故障样本检测所述BP神经网络的训练精度，并提高所述BP神经网络的训练精度；步骤6：故障诊断：将待测样本输入到所述BP神经网络中进行故障诊断。2.根据权利要求1所述的，其特征在于：所述步骤1中的特征区域用平面S1-S...

【专利技术属性】
技术研发人员：张卫华，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：河北,13