基于神经网络响应面的有载分接开关弹簧储能不足故障识别方法技术

本发明专利技术涉及一种基于神经网络响应面的有载分接开关弹簧储能不足故障识别方法。其特点是，包括如下步骤：基于有限元方法，以实体有限元网格建立有载分接开关故障仿真模型；采用均匀设计方法生成神经网络响应面模型的训练样本，通过分接开关弹簧储能不足故障的模拟获得输出故障特征；通过分接开关弹簧储能不足故障的输入参数、输出特征的回归分析构建神经网络响应面模型；以弹簧储能不足故障的输出特征为参考，采用基于意愿函数的多目标识别算法对其输出故障特征进行识别。本发明专利技术方法区别于传统的基于试验数据的故障识别模型，具有建模效率高、故障识别精度高等优点。

Fault identification method of spring energy storage deficiency of on load tap changer based on neural network response surface

The invention relates to a fault identification method for insufficient energy storage of spring of on load tap changer based on the response surface of neural network. Its characteristics are as follows: Based on the finite element method, the fault simulation model of on load tap changer is established with the solid finite element mesh; the training sample of response surface model of neural network is generated by the uniform design method, and the fault characteristics of output are obtained by the simulation of the fault of insufficient energy storage of tap changer spring; the input parameters and output of the fault are obtained by the simulation of insufficient energy storage of tap changer spring The response surface model of neural network is constructed by regression analysis of features, and the output fault features of spring energy storage fault are identified by multi-objective recognition algorithm based on intention function. The method of the invention is different from the traditional fault identification model based on test data, and has the advantages of high modeling efficiency and high fault identification accuracy.

【技术实现步骤摘要】
基于神经网络响应面的有载分接开关弹簧储能不足故障识别方法
本专利技术涉及一种基于神经网络响应面的有载分接开关弹簧储能不足故障识别方法。
技术介绍
有载分接开关(On-loadTapChanger,OLTC)是换流变压器实现调压的唯一可动部件，不仅能稳定负载中心电压，而且也是联络电网、调整负载潮流、改善无功分配等不可缺少的重要设备，其在频繁操作过程中承受巨大的机械和电流冲击，随着作动次数的不断增多，可能出现开关制动失效、触头过热烧损，弹簧储能不足、紧固件松动及脱落等机械和电气故障。据统计数据显示，有载分接开关故障数量占变压器总故障的40％左右，而其中大多数故障都是由机械故障导致，因此，很有必要对分接开关的机械故障进行研究，从而预知故障产生可能性和判定故障类型，以提高电力系统运行安全性和稳定性。大量工程实践表明，分接开关工作时机构零部件的碰撞或摩擦产生的振动是导致分接开关机械故障的主要原因。基于振动原理的有载分接开关机械故障的研究引起了科研人员的普遍关注和重视。但是，现有的分接开关故障诊断方法大多依赖于实物的试验数据，采用这些方法建立故障诊断模型需要大量的故障数据，但是，由于分接开关在使用初期可靠性较高，设备缺陷和故障状态数据匮乏，这将导致建立的模型准确度不够理想，且部分诊断模型的构建速度较慢，容易陷入局部最优解，从而无法对故障进行有效诊断，因此，迫切需要一种合理有效的方法对分接开关典型机械故障进行识别和诊断，并在此基础上，指导分接开关的运行和维护，这对提高分接开关运行的可靠性和安全性具有重要的工程意义。
技术实现思路
本专利技术的目的是提供一种基于神经网络响应面的有载分接开关弹簧储能不足故障识别方法，能够快速有效地识别有载分接开关弹簧储能不足故障。一种基于神经网络响应面的有载分接开关弹簧储能不足故障识别方法，其特别之处在于，包括如下步骤：(1)基于有限元方法，以实体有限元网格建立有载分接开关故障仿真模型；(2)采用均匀设计方法生成神经网络响应面模型的训练样本，通过分接开关弹簧储能不足故障的模拟获得输出故障特征；(3)通过分接开关弹簧储能不足故障的输入参数、输出特征的回归分析构建神经网络响应面模型；(4)以弹簧储能不足故障的输出特征为参考，采用基于意愿函数的多目标识别算法对其输出故障特征进行识别。步骤(1)具体是：①单个部件的有限元建模：在子步骤网格尺寸迭代分析中采用模态置信准则MAC评价当前模型与参考模型的振型相关性，将MAC定义为式中，φr,i为参考模型第i阶振型向量，φa,j为分析模型的第j阶振型向量，T代表转置；在子步骤模型收敛性分析中采用当前模型和参考模型的平均频率误差和最大频率误差来衡量网格的收敛性，平均频率误差η和最大频率误差δ分别表示为δ＝max|fi,j-fi+1,j|,j＝1,2,...,n；式中，fi,j表示第i次迭代计算的模型的第j阶模态频率，n为模态的阶数；②装配结构的有限元建模：采用一维弹簧单元和薄层单元模拟部件之间的连接关系，实现连接件的建模，在装配坐标系下，通过对连接件模型按照装配关系完成整机模型的装配建模，并根据实际结构的安装情况施加边界条件；③故障仿真建模：通过减小触头激励力模拟弹簧的储能不足故障，根据弹簧的刚度和变形换算弹簧储能和触头激励力之间的关系。步骤(2)具体是采用均匀试验设计方法为神经网络响应面模型提供训练的输入样本，均匀设计样本采用好格子点法生成，样本的离散性采用散度进行评价，建立样本点散度随样本试验次数的关系，选择均匀性较好但试验次数少的设计样本作为神经网络响应面模型的训练样本，输入样本点对应的输出故障特征通过对分接开关弹簧储能不足故障的模拟而获得。步骤(3)具体是采用BP神经网络模型建立分接开关弹簧储能不足故障输入特征与输出响应的映射关系，构建神经网络响应面模型，其中故障输入特征对应弹簧储能不足的力学参数即触头激励力，输出响应为对输入力学参数比较敏感动力学响应特征，神经网络响应面模型的拟合规则使用梯度下降法，通过反向传播不断调整网络的权值和阈值，使网络的实际输出值和期望输出值的误差平方和最小，并且选用决定系数R2和均方根误差RMSE作为神经网络响应面模型精度的评价指标。步骤(4)具体是基于神经网络响应面模型，采用意愿函数对多个储能不足弹簧故障的识别问题进行求解，所采用的意愿函数针对多个目标识别时质量特性目标为望目特性时的情形，将望目特性的响应特征进行意愿函数转变，形式为其中Li，Ui分别为响应y的下限与上限，Ti是响应y的目标值；通过对单个意愿函数进行转化，建立复合意愿函数的优化模型，计算表达式为通过该式计算出该模型的加权几何平均值，使其趋于最大化，从而将多目标响应的识别问题转化为单一目标响应的问题；前式中，ωi(i＝1,2,L,n)表示第i个响应的意愿函数的权重；∑ωi＝1是各响应质量特性权重的总和，其中ω1＝ω2＝L＝ωn。本专利技术基于均匀试验设计技术、神经网络响应面建模技术、多目标识别技术，分接开关弹簧储能不足故障模拟技术，提出了一种基于神经网络响应面的有载分接开关弹簧储能不足故障的识别方法，目的是为了在缺乏实物样机故障试验数据的情况下，借助于分接开关的高精度有限元仿真模型，能够快速有效地识别其弹簧储能不足故障，该方法区别于传统的基于试验数据的故障识别模型，具有建模效率高、故障识别精度高等优点。附图说明图1是基于神经网络响应面的有载分接开关弹簧储能不足故障的识别流程；图2是BP神经网络的拓扑结构；图3是均匀试验设计样本的散度随试验次数的变化；图4是质量特性目标为望目时的意愿函数图；图5是第一组识别的故障特征响应曲线对比；图6是第二组识别的故障特征响应曲线对比。具体实施方式本专利技术方法综合运用了均匀试验设计技术、神经网络响应面建模技术、多目标识别技术，有载分接开关故障模拟技术。本专利技术方法基于神经网络响应面模型对分接开关弹簧储能不足故障进行识别，首先，基于有限元方法，以实体有限元网格建立高精度的分接开关故障仿真模型；然后，采用均匀设计方法生成神经网络响应面模型的训练样本，通过分接开关储能不足故障的模拟获得输出故障特征；接着，通过分接开关弹簧储能不足故障的输入参数/输出特征的回归分析构建神经网络响应面模型；最后，以弹簧储能不足故障的输出特征为参考，采用多目标识别算法对其输出故障特征进行识别。其中建立分接开关弹簧储能不足故障仿真模型的流程主要包含3个步骤：①单个部件的有限元建模：包含几何模型清理、初始模型分析、网格尺寸迭代分析、模型收敛性分析等步骤，在模型收敛性分析中采用当前模型和参考模型的平均频率误差和最大频率误差来衡量网格的收敛性，最终获得精度较高的部件有限元模型；②装配结构的有限元建模：采用一维弹簧单元和薄层单元模拟部件之间的连接关系，实现连接件的建模，其中一维弹簧单元主要考虑实际弹簧结构的刚度，模本文档来自技高网...

【技术保护点】
1.一种基于神经网络响应面的有载分接开关弹簧储能不足故障识别方法，其特征在于，包括如下步骤：/n(1)基于有限元方法，以实体有限元网格建立有载分接开关故障仿真模型；/n(2)采用均匀设计方法生成神经网络响应面模型的训练样本，通过分接开关弹簧储能不足故障的模拟获得输出故障特征；/n(3)通过分接开关弹簧储能不足故障的输入参数、输出特征的回归分析构建神经网络响应面模型；/n(4)以弹簧储能不足故障的输出特征为参考，采用基于意愿函数的多目标识别算法对其输出故障特征进行识别。/n

【技术特征摘要】
1.一种基于神经网络响应面的有载分接开关弹簧储能不足故障识别方法，其特征在于，包括如下步骤：
(1)基于有限元方法，以实体有限元网格建立有载分接开关故障仿真模型；
(2)采用均匀设计方法生成神经网络响应面模型的训练样本，通过分接开关弹簧储能不足故障的模拟获得输出故障特征；
(3)通过分接开关弹簧储能不足故障的输入参数、输出特征的回归分析构建神经网络响应面模型；
(4)以弹簧储能不足故障的输出特征为参考，采用基于意愿函数的多目标识别算法对其输出故障特征进行识别。


2.如权利要求1所述的基于神经网络响应面的有载分接开关弹簧储能不足故障识别方法，其特征在于：
步骤(1)具体是：
①单个部件的有限元建模：在子步骤网格尺寸迭代分析中采用模态置信准则MAC评价当前模型与参考模型的振型相关性，将MAC定义为



式中，φr,i为参考模型第i阶振型向量，φa,j为分析模型的第j阶振型向量，T代表转置；
在子步骤模型收敛性分析中采用当前模型和参考模型的平均频率误差和最大频率误差来衡量网格的收敛性，平均频率误差η和最大频率误差δ分别表示为



δ＝max|fi,j-fi+1,j|,j＝1,2,...,n；
式中，fi,j表示第i次迭代计算的模型的第j阶模态频率，n为模态的阶数；
②装配结构的有限元建模：采用一维弹簧单元和薄层单元模拟部件之间的连接关系，实现连接件的建模，在装配坐标系下，通过对连接件模型按照装配关系完成整机模型的装配建模，并根据实际结构的安装情况施加边界条件；
③故障仿真建模：通过减小触头激励力模拟弹簧的储能不足故障，根据弹簧的刚度和变形换算弹簧储能和触头激励力之间的关系。


3.如权利要求1所述的基于神经网络响应面的有载分接开关弹簧储能不足故障识别方法...

【专利技术属性】
技术研发人员：刘志远，于晓军，邹洪森，尹琦云，陈瑞，赵欣洋，杨晨，安艳杰，陈昊阳，陆洪建，黄欣，张思齐，徐天书，蒙腾龙，侯亮，杨稼祥，唐鑫，陈海军，
申请(专利权)人：国家电网有限公司，国网宁夏电力有限公司，国网宁夏电力有限公司检修公司，南京优能特电力科技发展有限公司，
类型：发明
国别省市：北京;11