基于神經(jīng)網(wǎng)絡(luò)的故障診斷

1、神經(jīng)網(wǎng)絡(luò)工具箱應(yīng)用于故障診斷1.問題描述電力系統(tǒng)的安全運(yùn)行具有十分重要的意義。當(dāng)高壓變壓器或其他類似設(shè)備在運(yùn)行中出現(xiàn)局部過熱、不完全放電或電弧放電等故障時，其內(nèi)部絕緣油、絕緣紙等絕緣材料將分解產(chǎn)生多種氣體，包括短鏈烴類氣體（C2H2、CH4等）和 H2、CO2等，這些氣體稱作特征氣體。而特征氣體的含量與故障的嚴(yán)重程度有著很密切的關(guān)系，如下圖1所示。將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于變壓器故障診斷對大型變壓器的運(yùn)行有著非常重要的意義。2. 神經(jīng)網(wǎng)絡(luò)設(shè)計(1) 輸入特征向量的確定變壓器的故障主要與 甲 烷 （CH4）、氫 氣 （H2）、總 烴 （C1C2）以 及 乙 炔（C2H2）4 種氣體的濃度有關(guān)， 據(jù)此可

2、以設(shè)定特征向量由這 4 種氣體的濃度組成，即 CH4、H2、C1C2（總烴）和 C2H2，同時也設(shè)定了網(wǎng)絡(luò)輸入層的節(jié)點(diǎn)數(shù)為4個。(2) 輸出特征向量的確定輸出量代表系統(tǒng)要實現(xiàn)的功能目標(biāo)，其選擇確定相對容易一些。 只要問題確定了，一般輸出量也就確定了。 在故障診斷問題中，輸出量就代表可能的故障類型。 變壓器的典型故障類型有：一般過熱故障、嚴(yán)重過熱故障、局部放電故障、 火花放電故障以及電弧放電故障等 5種類型，因此這里選擇 5 個向量作為網(wǎng)絡(luò)的輸出向量，即網(wǎng)絡(luò)輸出節(jié)點(diǎn)確定為 5 個。根據(jù) Sigmoid 函數(shù)輸出值在 0 到 1 之間的特點(diǎn)，這里設(shè)定以 0 到 1 之間的數(shù)值大小表示對應(yīng)的故障程度

3、，也可以理解為發(fā)生此類故障的概率，數(shù)值越接近 1 表示發(fā)生此類故障的幾率越大或說對應(yīng)的故障程度越大。 針對本系統(tǒng)，設(shè)定輸出值大于等于 05 時認(rèn)為有此類故障，小于 05 時認(rèn)為無此類故障。(3) 樣本的收集輸入、輸出向量確定好以后就可以進(jìn)行樣本的收集。數(shù)據(jù)歸一化處理時，注意：在歸一化處理的時候，因考慮到各氣體濃度值相差較大，如總烴的濃度比 H2的濃度值高出幾個數(shù)量級， 因此在歸一化處理的時候，分別對各個氣體濃度值進(jìn)行處理，即最大值和最小值取的是各氣體的最值，而不是所有樣本值中的最值。在本實例中采用：MATLAB利用歸一化公式u=(x-min(min(x)./(max(max(x)-min(mi

4、n(x) （1）在公式1中x表示所需歸一化處理的數(shù)據(jù)，u表示歸一化后的結(jié)果處理結(jié)果如下：序號CH4H2C1+C2C2H210.0.0.0.20.0.0.0.30.0.0.0.40.0.0.0.500.00.60.0.0.0.70.0.0.080.0.0.0.90.0.0.0.100.00.0.110.0.0.0120.0.0.0.130.0.0.014110.0150.0.0.0.160.0.113. BP網(wǎng)絡(luò)的設(shè)計BP網(wǎng)絡(luò)模型結(jié)構(gòu)的確定有兩條比較重要的指導(dǎo)原則： 對于一般的模式識別問題，三層網(wǎng)絡(luò)即可以很好地解決。 三層網(wǎng)絡(luò)中，隱含層神經(jīng)元個數(shù)n1的確定用參考公式：n12n+1，其中n為輸入神

5、經(jīng)元數(shù)根據(jù)上述原則設(shè)計網(wǎng)絡(luò)，網(wǎng)絡(luò)的輸入層神經(jīng)元個數(shù)為4個，輸出層神經(jīng)元個數(shù)為5個，可得隱含層神經(jīng)元個數(shù)n1為9。本應(yīng)用中，創(chuàng)建的BP網(wǎng)絡(luò)：學(xué)訓(xùn)練函數(shù)TRAINSCG學(xué)習(xí)函數(shù)為LEARNGDM。MATLAB程序清單：q= 0. 0. 0. 0.; 0. 0. 0. 0.; 0. 0. 0. 0.; 0. 0. 0. 0.; 0 0. 0 0.; 0. 0. 0. 0.; 0. 0. 0. 0; 0. 0. 0. 0.; 0. 0. 0. 0.; 0. 0 0. 0.; 0. 0. 0. 0; 0. 0. 0. 0.; 0. 0. 0. 0; 1 1 0. 0; 0. 0. 0. 0.; 0. 0

6、. 1 1;p=q;a= 0 0 1 0 0; 0 1 0 0 0; 0 1 0 0 0; 0 0 0 1 0; 0 0 0 1 0; 0 1 0 0 0; 1 0 0 0 0; 1 0 0 0 0; 0 0 0 1 0; 0 1 0 0 0; 0 1 0 0 0; 0 0 0 0 1; 1 0 0 0 0; 0 1 0 0 0; 0 0 0 0 1; 0 1 0 0 0;t=a;net=newff(0 1;0 1;0 1;0 1,8,5,tansig,purelin,trainscg,learngdm,msereg);net.trainparam.epochs=200;net=train(net,p,t);figuregrid on;Y=sim(net,p);plot(p,t,p,Y,o) 運(yùn)行結(jié)果：Y = 0.9999 0.0004 0.0002 0.0001 0.9997 0.0002 0.0000 0.0000 0.0000error = -0.0001 0.0004 0.0002 0.0001 -0.0003 0.0002 0.000