一种基于神经网络的油浸式变压器故障检测方法技术

本发明专利技术公开了一种基于神经网络的油浸式变压器故障检测方法，它包括：步骤1、将油浸式变压器的运行故障进行分类；步骤2、根据油浸式变压器的结构选择金属和非金属元素；步骤3、将故障类型进行编码；步骤4、采集金属和非金属含量数据；通过采集故障变压器油及运行变压器油的金属和非金属含量数据，建立神经网络需要的训练和测试样本；步骤5、将数据进行分类；建立变压器故障状态和正常运行状态与变压器油中金属和非金属含量的关系表；步骤6、基于神经网络对变压器故障进行判别；解决了现有技术存在的通过油中溶解气体的分析发现的变压器故障存在滞后；溶解气体后异常不明显无法准确的判断变压器的绝缘状况等问题。

【技术实现步骤摘要】
一种基于神经网络的油浸式变压器故障检测方法
本专利技术属于变压器故障检测技术，尤其涉及一种基于神经网络的油浸式变压器故障检测方法。
技术介绍
变压器是电力系统中最重要的设备之一，承担着电压变换、电能分配和传输的重任，其运行情况关系到整个电力系统的安全与稳定。准确检测和判断变压器是否有故障发生，对于提高电力系统的安全和可靠性至关重要。随着传感器技术、人工智能技术和分布式数据处理技术的不断发展，智能诊断技术已能用于变压器的故障诊断中，也能发现变压器的故障。目前，变压器故障可分为短路故障、放电故障、绝缘故障、铁芯故障等，检测变压器故障的方法当前主要有三比值法、溶解气体分析法、色谱分析法等。油浸式变压器运行时，会因为电、热及局部电弧等多种因素的作用逐渐老化，裂解为气体，当电力变压器内部存在潜伏性的局部过热或局部放电时，会加快气体产生的速度。因此，可以通过分析油中的溶解气体，对电力变压器进行故障诊断，相关的定量、定性分析在实际应用中已有了相当多的经验。但是，根据变压器油中溶解的气体成分来检测变压器内部故障的性质(过热性或放电性)也存在一些不足。例如：通过油中溶解气体的分析发现的变压器故障多处于变压器已出现明显异常后，但此时变压器故障往往已比较严重；如果溶解气体后异常不明显，则无法准确的判断变压器的绝缘状况，还可能延误故障变压器的检修，导致发生更加严重的故障；有的变压器在发现故障并吊罩检修后，问题再次出现，导致反复的检修，却无法解决变压器问题。
技术实现思路
本专利技术要解决的技术问题是：提供一种基于神经网络的油浸式变压器故障检测方法，以解决现有技术存在的通过油中溶解气体的分析发现的变压器故障多处于变压器已出现明显异常后，但此时变压器故障往往已比较严重；如果溶解气体后异常不明显，则无法准确的判断变压器的绝缘状况，还可能延误故障变压器的检修，导致发生更加严重的故障；有的变压器在发现故障并吊罩检修后，问题再次出现，导致反复的检修等技术问题。本专利技术的技术方案是：一种基于神经网络的油浸式变压器故障检测方法，它包括：步骤1、将油浸式变压器的运行故障进行分类；步骤2、根据油浸式变压器的结构选择金属和非金属元素；选择Cu、Fe、Al、Mn、Sn金属为特征金属，选择Si为非金属为特征非金属；步骤3、将故障类型进行编码；步骤4、采集金属和非金属含量数据；通过采集故障变压器油及运行变压器油的金属和非金属含量数据，建立神经网络需要的训练和测试样本；步骤5、将数据进行分类；建立变压器故障状态和正常运行状态与变压器油中金属和非金属含量的关系表；步骤6、基于神经网络对变压器故障进行判别。步骤1所述的将油浸式变压器的运行故障进行分类，分为：低温过热、中温过热、高温过热、局部放电、低能量放电和高能量放电故障。步骤3所述将故障类型进行编码，所述编码为：低温过热[000001]、中温过热[000010]、高温过热[000100]、局部放电[001000]、低能量放电[010000]、高能量放电[100000]和正常状态编码为[000000]。步骤5所述建立变压器故障状态和正常运行状态与变压器油中金属和非金属含量的关系表为：上表为变压器中金属和非金属含量的阈值，含量超过阀值即为故障。步骤6所述基于神经网络对变压器故障进行判别的方法为：步骤6.1、对训练样本数据进行数据预处理，所述数据预处理是对数据进行归一化处理，基于滑动平均值滤波算法剔除异常数据；步骤6.2、建立BP神经网络模型，包含输入层，隐含层和输出层，隐含层神经元个数l为隐层节点数，n为输入层节点数，m为输出层节点数，z为1～15间的一个整数，n＝6，m＝7，l为15；步骤6.3、采用Levenberg-Marquardt方法训练网络；步骤6.4、测试网络：运用测试样本验证基于BP神经网络的变压器故障诊断的有效性；步骤6.5、输出结果，得出是否有故障的判断，如有故障，输出故障类型。本专利技术有益效果：根据本专利技术的变压器故障判断方法，与现有基于溶解气体方法判断变压器故障方法不同，主要在于基于变压器油中的金属和非金属元素含量来判断故障，能够对油浸式变压器进行离线或在线故障诊断，具有实时性强可靠性高等优点；从而保证变压器的安全可靠运行；解决了现有技术存在的通过油中溶解气体的分析发现的变压器故障多处于变压器已出现明显异常后，但此时变压器故障往往已比较严重；如果溶解气体后异常不明显，则无法准确的判断变压器的绝缘状况，还可能延误故障变压器的检修，导致发生更加严重的故障；有的变压器在发现故障并吊罩检修后，问题再次出现，导致反复的检修等技术问题。附图说明图1是本专利技术流程示意图；图2是本专利技术诊断模型示意图。具体实施方式一种基于神经网络的油浸式变压器故障检测方法，它包括：步骤Step1，步将油浸式变压器的运行故障进行分类，分为：低温过热、中温过热、高温过热、局部放电、低能量放电和高能量放电故障；设计诊断模型，根据神经网络结构设计出故障检测模型；步骤Step2，选择金属和非金属元素，经过对故障变压器和运行中变压器中所含金属和非金属元素进行分析，选择Cu、Fe、Al、Mn、Sn这几种与故障类型密切相关的金属为特征金属，选择Si这一种与故障密切相关的非金属为特征非金属。步骤Step3，将故障类型编码，故障类型为：低温过热(T<300℃)、中温过热(300℃≤T<700℃)、高温过热(700℃≤T)、局部放电、低能量放电、高能量放电。对故障类型进行编码：低温过热[000001]、中温过热[000010]、高温过热[000100]、局部放电[001000]、低能量放电[010000]、高能量放电[100000]，正常状态的编码为[000000]。步骤Step4，采集金属和非金属含量数据，通过采集故障变压器油及运行变压器油的金属和非金属含量数据，建立神经网络需要的训练和测试样本。步骤Step5，对数据进行分类，建立变压器故障状态和正常运行状态与变压器油中金属和非金属含量的关系。下表1为正常运行变压器油中的金属和非金属含量的阈值，超过了阈值，表明变压器可能出现故障。上表为故障变压器中金属和非金属含量的阈值。步骤Step6，基于神经网络对变压器故障进行诊断。具体地，基于神经网络，对步骤4的数据和步骤5中的故障阈值，基于神经网络判断是否变压器出现故障。基于神经网络的故障判别方法A.构建训练样本及进行数据预处理，数据预处理主要对数据进行归一化处理，避免数据数量级不同导致结果偏差过大，基于滑动平均值滤波算法，剔除异常数据，这样能够加速神经网络的收敛速度；B.建立BP神经网络模型，包含输入层，隐含层，输出层，其中隐含层神经元个数l为隐层节点数，n为输入层节点数，m为输出层节点数，z可取为1～15间的一个整数，因为n＝6，m＝7，所以l可取为15；C.训练网络，采用Levenberg-Marquardt方法训练网络；D.测试网络，运用测试样本，验证基于BP神经网络的变压器故障诊断的有效性；E.输出结果，得出是否有故障的判断，如有故障，输出故障类型。令输入层原始输入数据向量D＝{d1,d2,…,dn}，神经网络的故障诊断向量为X＝{x1,x2,…,xn}，O＝{o1,o2,…,om}，隐含层神经元个数为H＝{b1,本文档来自技高网...

【技术保护点】
1.一种基于神经网络的油浸式变压器故障检测方法，它包括：步骤1、将油浸式变压器的运行故障进行分类；步骤2、根据油浸式变压器的结构选择金属和非金属元素；选择Cu、Fe、Al、Mn、Sn金属为特征金属，选择Si为非金属为特征非金属；步骤3、将故障类型进行编码；步骤4、采集金属和非金属含量数据；通过采集故障变压器油及运行变压器油的金属和非金属含量数据，建立神经网络需要的训练和测试样本；步骤5、将数据进行分类；建立变压器故障状态和正常运行状态与变压器油中金属和非金属含量的关系表；步骤6、基于神经网络对变压器故障进行判别。

【技术特征摘要】
1.一种基于神经网络的油浸式变压器故障检测方法，它包括：步骤1、将油浸式变压器的运行故障进行分类；步骤2、根据油浸式变压器的结构选择金属和非金属元素；选择Cu、Fe、Al、Mn、Sn金属为特征金属，选择Si为非金属为特征非金属；步骤3、将故障类型进行编码；步骤4、采集金属和非金属含量数据；通过采集故障变压器油及运行变压器油的金属和非金属含量数据，建立神经网络需要的训练和测试样本；步骤5、将数据进行分类；建立变压器故障状态和正常运行状态与变压器油中金属和非金属含量的关系表；步骤6、基于神经网络对变压器故障进行判别。2.根据权利要求1所述的一种基于神经网络的油浸式变压器故障检测方法，其特征在于：步骤1所述的将油浸式变压器的运行故障进行分类，分为：低温过热、中温过热、高温过热、局部放电、低能量放电和高能量放电故障。3.根据权利要求1所述的一种基于神经网络的油浸式变压器故障检测方法，其特征在于：步骤3所述将故障类型进行编码，所述编码为：低温过热[000001]、中温过热[000010]、高温过热[000100]、局部放电[001000]、低能量...

【专利技术属性】
技术研发人员：刘喆，杨靖，赵靓玮，余鹏程，张英，吴国卿，牧灏，李军卫，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：贵州,52