[发明专利]基于遗传算法优化神经网络的变压器故障诊断方法

说明书

技术领域

本发明属于变压器设备状态在线监测技术领域，具体涉及一种基于遗传算法优化神经网络的变压器故障诊断方法。

背景技术

电力变压器是电力系统中最重要的输变电设备，同时也是电力系统中发生事故最多的设备之一，其运行状态直接影响系统运行的安全与稳定，确保变压器的安全运行已受到了世界各国的广泛关注。通过对电力变压器定期进行预防性维护，实时检测高压设备的实际运行情况，检测与诊断其潜伏性故障或缺陷，提高诊断水平，做到有针对性的检修和维护，达到早期预报故障，避免恶性事故的发生，具有重要的实际意义。

据统计，近年来我国的电力系统规模巨大，变电站总数约3.5万座，主变压器约5.5万台。我国电力系统正在向超高压、大电网、大容量及自动化的方向发展。国内用电需求急剧增大，通过对电力变压器运行过程中的故障进行诊断并及时有效的判断其状态，可使变压器长期、安全可靠的运行。

如今，电力企业正面临着激烈的市场竞争，亟待解决提高供电可靠性、有效控制检修成本及合理延长设备使用寿命的问题。根据国内外许多资料表明，开展故障诊断能取得明显的经济效益，据日本统计，采用诊断技术后，事故率减少75%，维修费降低25%～50%，英国对2000个国营工程的调查表明：采用诊断技术后，每年节省维修费3亿英镑，而用于诊断技术的费用仅为0.5亿英镑，净获利2.5亿英镑。由此可见，通过对电力变压器运行过程中的故障诊断，及时有效的判断其状态，将使变压器长期、安全可靠的运行成为可能。无论是从重要性还是具有的经济效益来衡量，都将对电力系统的安全运行产生重要的意义。

发明内容

本发明的目的在于提供一种基于遗传算法优化神经网络的变压器故障诊断方法，不仅可有效的改善神经网络的收敛速度和收敛精度，而且提高了故障诊断的成功率、故障诊断的速度及准确率。

本发明所采用的技术方案是，基于遗传算法优化神经网络的变压器故障诊断方法，具体按照以下步骤实施：

步骤1，神经网络输入模式的确定：

选取H₂、CH₄、C₂H₄、C₂H₆和C₂H₂这五种气体作为故障的特征气体，将这五种气体的组分含量作为神经网络的输入向量；

步骤2，神经网络输出模式的确定：

将无故障、中低温过热、高温过热、低能量放电、高能量放电作为神经网络输出层的五个输出神经元，这五个输出神经元分别对应O₁、O₂、O₃、O₄、O₅，输出值最大为1，表示属于无故障、中低温过热、高温过热、低能量放电、高能量五种状况之一，输出值的数值越大表明属于上述五种状况的几率越大；输出值最小为0，输出值为0表示不属于上述的五种状况中的任何一种；

步骤3，对神经网络输入层的数据进行预处理：

经步骤1和步骤2确定好神经网络的输入层和输出层后，对步骤1中五种故障的特征气体作归一化处理，即取C₂H₂/CH₄、CH₄/H₂、C₂H₆/C₂H₄的比值归一化后作为神经网络的输入矢量；

步骤4，选择激活函数，其表达式为：

f(x)=11+exp(-x);]]>

步骤5，确定神经网络的隐含层数和隐含层神经元数：

选择一个隐含层，通过调整隐含层神经元数提高网络性能，若输出层的信号能达到网络误差的平方和的均值，则不考虑增加隐含层数；反之要增加隐含层数；

步骤6，训练神经网络。

本发明的特点还在于，

步骤5中隐含层神经元数有如下几种算法：