基于思维进化算法优化神经网络的变压器故障诊断

摘要

电力变压器是电力系统中极其重要的电气设备之一，也是最容易出现电力系统事故的电气设备之一。尽可能早的发现变压器的内部潜伏性故障，保证变压器的运行安全，是提高供电可靠性一个重要的现实问题。因此，研究变压器内部故障诊断技术，提高变压器的运行维护水平具有重要的现实意义。
　　 变压器油中溶解特征气体分析(DGA)是变压器内部故障诊断的重要手段，对变压器内部的潜伏性故障提供了重要依据。本文首先分析了变压器油中溶解气体的变化规律，研究了变压器油中溶解气体和故障类型之间的关系,进而分析比较了变压器传统故障诊断方法的优缺点。例如，我国当前大量应用的三比值法，三比值法作为变压器故障诊断的判据存在两方面的不足，即所谓编码缺损和临界值判据缺损等。本文在前人工作的基础上深入分析了探讨了神经网络和思维进化算法的思想精髓、主要算法及特点，并将其应用于变压器的故障诊断当中，取得了良好的诊断结果。
　　 人工神经网络利用本身分布式并行处理、自学习、自适应、非线性映射以及联想记忆等优点，为解决传统方法的不足开辟了新途径。但是由于神经网络自身结构特点，这种方法的收敛速度低，且常常陷入局部极小点，在学习样本数量多、要求精度高以及输入输出关系较复杂时，神经网络的收敛速度比较慢，收敛精度不太理想，甚至不收敛。思维进化算法具有搜索全局寻优的能力，可有效的提高神经网络收敛速度和精度，提高故障诊断成功率，为弥补神经网络的不足创造了条件，根据变压器油中溶解特征气体和故障类型的特点，本文提出了利用思维进化算法对神经网络的权值和阈值进行优化方法，以避免神经网络陷入局部最小值,并且提高其收敛速度。
　　 通过将经过思维进化算法优化的神经网络模型应用于变压器故障诊断，经过训练和诊断结果表明：系统采用的思维进化优化算法明显的比未经优化的神经网络收敛速度得到了大幅度提高。通过对75组样本的训练测试，证实了此故障诊断系统的准确率明显高于我国现行的标准所推行的三比值法。此系统极大的提高了诊断的可靠性和准确性。对电力变压器故障诊断和状态检修具有较好的技术指导意义。