用对向传播组合神经网络分析油浸式变压器故障.pdfVIP

中国电机工程学会第十届青年学术会议 ·吉林 用对向传播组合神经网络分析油浸式变压器故障 汪晓明 （江西省电力公司超高压分公司 江西 南昌 330006） 摘要：对向传播(CP)算法是一种有教师学习和无教师学习算法的混合体，既具有良好的模式识别性能，又能很好地解决 反馈型神经网络的收敛问题。本文提出了基于CP分类器人工神经网络的变压器故障诊断方法，建立了 CP组合神经网络模型， 用特征浓度归一化法对油中溶解气体分析的数据进行预处理，通过比较不同训练情况下的正判率来确定 CP 网络中的训练次 数和竞争层神经元的个数。实例证明该模型诊断结果的正判率比改良电协研法和IEC 三比值法有较大的提高，具有较高的诊 断准确率和应用价值。 关键词：变压器；故障诊断；油中溶解气体分析；CP组合神经网络 1 引言 油浸式变压器作为电力系统的枢纽设备，其故障诊断不仅有利于保证其安全运行，而且可提高电力系 统的可靠性。目前有很多智能识别的方法，被应用于油浸式变压器故障诊断中，其中人工神经网络技术是 引入到变压器故障诊断中的智能技术中最重要的方法之一，并与模糊技术、专家系统等相结合，目前已经 有很多这方面的研究，取得了比较好的效果 ［1-4］ 。但是，通常人工神经网络有几个比较大的缺点，如训练 时间比较长、存在局部最优等问题，严重制约了人工神经网络的发展。因此，如何寻找一种新的算法，避 免以上算法的本质缺点，成为神经网络在 DGA中应用的关键。 CP 网络是一种有教师学习和无教师学习算法的混合体，既具有良好的模式分类能力，又能解决训练时 间比较长、存在局部最优等问题，在模式分类、函数近似等领域都有着广泛的应用。本文将 CP 算法引入 到变压器故障诊断中，提出了基于 CP 分类器的变压器故障诊断方法，建立了 CP 组合神经网络模型，对网 络输入数据进行了预处理，并通过比较不同训练情况的正判率确定 CP 网络的参数。通过实例验证表明该 模型具有较高的诊断准确率和应用价值。 2 CP 神经网络结构及其算法 2.1 CP 神经网络结构 CP 网络是美国计算机专家 Robert Hecht－Nielsen 于1987 年提出的[5,6]。CP 网络结构如图 1 所示。网 络分为输入层、竞争层和输出层。输入层与竞争层构成自组织特征映射（Self-Organizing Feature Map， 简称 SOM）网络，竞争层与输出层构成基本竞争型网络。从整体上看，网络属于有教师型的网络，而由输 入层和竞争层构成的 SOM 网络又是一种典型的无教师神经网络。因此，这一网络既汲取了无教师型网络分 类灵活、算法简练的优点，又采纳了有教师型网络分类精细、准确的长处，使两种不同类型的网络有机地 结合起来。 2.2 CP 算法的训练步骤 假定输入层有 N 个神经元，p 个连续值的输入模式为 A k k k =(a , a ,…a ,)，竞争层有 Q个神经元，对应 K 1 2 N 的二值输出向量为 B k k k ’ k ‘ k ’ =(b , b ,…b ),输出层有 M个神经元，其连续值的输出向量为 C’=(c , c ,…c K 1