张家杨、石馨竹
辽宁石油化工大学，辽宁抚顺，113001
摘要：变压器是电力系统的要紧构成部分之一，也是发生过错率最高电气设备之一，它的安全牢靠运行对电力系统的安全牢靠供电有很大影响。加强对变压器的在线监察判断，以便实时正确发掘出设备的早期或荫蔽故障，赶早防止突发危险。人工智能技术具有对信息进行并行分布式处理、联想记忆的能力，将其应用在变压器的故障诊断技术上，及时察觉变压器的存在危险，使其能够稳定安全运作，对提高电力系统的供电牢靠性，具有很关键的社会意义。
关键词：变压器 故障 诊断 人工智能
1 引言
当前电力系统设备维修模式已从传统的“定期维修”向科学合理的以牢靠性为核心的“状况修理”转变。实现变压器油中溶解气体的及时监察，便于人们能够实时的发现变压器故障，现在需要寻求一种新的方法来对监测到的变压器故障数据进行分析，以便进一步提高变压器故障诊断的准确率。通过对油中的特征气体的含量进行分析，创建变压器故障问题诊断的神经网络模型。采用 BP神经网络的方式来对变压器的油中溶解气体有关数据进行练习，从而达到诊断变压器故障类型的目的。
2 人工智能在电力变压器故障诊断中的应用模型建立
以前对于变压器故障的检测有绝缘放电发，局部放电试验法，以及绝缘油气试验法，上诉方法对于局部故障难以准确检测，而且容易被外界干扰，变压器的故障有许多的因素导致，尤其是内部绝缘材料的老化与损坏，在长期的高温高压的情况下发生的物理与化学反应，因此就将有一些气体产生，针对不同原因的故障，随着故障差异以及程度不同气体含量也将有差异性的变化，我们就决定用油中溶解气体的构成与所占得比例的差异性在一定程 度上间接地来反映出变压器故障状态。
表1 样本数据
.png)
凭借大量的数据分析总结出故障中特征气体主要为H和C构成的五种气体等通过一定的方式来进行准确的运行状态的评估，同时还有可能发生的事机械故障如铁芯松动，线圈受损等原因造成的，对于故障原因的合理分析才能进行及时的针对性处理，我们希望不是等故障出现才去寻找其原因而是通过实时监控来及时发现与解决，将故障扼杀在摇篮之中是未来发展的趋势。样本数据见表1。
3 模拟与仿真
在考虑实际情况以及一些客观因素，我们只是针对性地对油中溶解气体进行分析来对变压器故障预诊断；变压器油有中主要气体为H2，CH4, C2H4, C2H2 ,C2H6等我们以获取的样本数据为基础进行故障分析，并以此为基础来创设我们自己的神经网络模型，，如果输入和输出向量的维数的不同，BP网络所具有的输入和输出层的神经元数目也将随之变化，输出层神经元能够借助S型的logsig。其特征量为H2，CH4, C2H4, C2H2 ,C2H6，典型故障典型：无故障，低能放电，高能放电，中低温过热，高温过热。凭借着数据便可预测故障的类型。我们注意到有些结果无编码，有些结果不正确，然后我们进行了BP神经网络方法计算，结果如下表（表2）。
表2变压器故障诊断结果
.png)
4 模型优化
在神经网络的练习中，可能出现所谓的”过适配”问题，对于练习集的样本及其误差可以非常小，但对于训练集以外的新样本数据其误差会非常大，难以达到我们理想的实验成果数据，我就需要对我们的模型进行优化，提高其网络泛化能力，让实验数据更加理想化。
一． 我们考虑了“归一化”数据归一化能够消除各纬数据的数量等级的差别，同时也可以避免因为输入输出的级别相差较大因此造成的网络的预测结果误差。
数据归一化主要有以下两种；
最大最小法。函数如下：
平均数方差法，函数如下：=
对于给定的数据实现归一化处理。
二．同时我们也使用了贝叶斯正则算法来提高BP网络他的模型以及推广能力，同时采用了L-M算法来帮助其可以在拟合某一白噪声的情况的样本输出，可以得到在采用这两种训练算法的情况下针对“过适配”的影响，所得到的目标数据。
LM算法：
矩阵可近似表示为：
H=J
梯度的计算表达式为：
g=e
用上述近似矩阵来进行修正：
x(k+1)=x(k)-[J+]e
贝叶斯正则算法，训练的误差为平方和误差，如下：
E(d)=
F(w)=E(w)+
E(w)=
5 总结
导致变压器事故的原因很多，由于客观和主观上的多种因素影响，很难找到其原因的根本所在，耗费大量的人力物力往往还难找到问题的所在，就像变压器在雨季，湿度大的地区易受潮，空气中的水蒸气等会进去变压器对变压器造成不同程度的损害，这是一种慢性故障，若果我们能及时的发现并解决会较少许多不必要的损失，因此会有潜伏性故障的发生，我们可以对特征气体的实时监控对变压器运行状态的良好了解与预测，在考虑了多种因素的情况下我们就决定建立BP网络诊断模型,从而准确的判断不同类型、不同程度的故障，我们同时也考虑其他影响实验的因素对其进行了分析与与针对性方案的制定，对我们的模型进行了优化让其更具有推广能力。提高了故障诊断正确率以便实时正确的找到设备的早期或荫蔽故障，赶早防止事故产生。
参考文献：
［1］汤玉龙.基于模糊神经网络的变压器故障诊断技术研究[D].导师：郭小定.湖南科技大学,2013.
［2］郑广瑞,王娜.基于MATLAB的BP网络变压器故障诊断仿真[J].内燃机与配件,2017,(01):62-64.