基于广义回归神经网络的变压器油中特征气体发展趋势预测研究.pdfVIP

2014年 12月 吉 林 电 力 Dec．2014 第 42卷 第 6期 (总第 235期) JilinElectricPower Vo1．42 No．6 (Ser．No．235) 基于广义回归神经网络的变压器油中 特征气体发展趋势预测研究 PredictiononFeatureGasTrendofTransformerOilbased onGeneralRegressionNeuralNetwork 冷传东 ，姜 欣 ，金宝旭。 (1．国网长春供电公司，长春 130021；2．吉林电力技术开发公司，长春 130021； 3．国网通化供 电公 司，吉林 通化 134001) 摘 要：通过对广义回归神经网络 (GRNN)在预测方面的研究，结合变压器特征气体检测的实际情况，建立了一种 基于GRNN 的变压器油中特征气体发展趋势的预测模型，用于等时间间隔和非等时间间隔采样，预测未来任意时 刻变压器油中特征气体值、产气速率以及产气速率超 出限定值 的时间点，在吉林省多台变压器上应用 ，证 明该方法 预测误差均在允许范围之内，可避免设备故障的发生，提升了电网的运行水平。 关键词 ：变压器 ；特征气体 ；广义 回归神经网络(GRNN)；发展趋势预测 Abstract：Withthestudyongeneralregressionneuralnetwork inpredictionandcombingwiththepracticalresult oftransformerfeaturegas，anew featuregasdevelopmenttrendforecastingmethodfortransformeroilbasedon generalregressionneuralnetworkhasbeenproposed．Thismethodisusedforintervalandnon—intervalsampling andforecastingthefeaturegasvalue，productionrateatanytimeinthefuture，thetimethatgasproductionrate exceedsthelimitvalue．Thismethodhasbeenverifiedbycertainamountofpracticalexamplesoftransformeroil featuregasdevelopmenttrend． Keywords：transformer；featuregas；developmenttrendforecast 中图分类号：TM406；TP311 文献标志码：A 文章编号：1009—5306(2014)06—0011—04 电力变压器 由于在设计 、制造 以及运行过程 中 靠的科学依据 [】|3】。 受到多方面因素的影响，常常导致一些潜伏性故障 目前变压器油中特征气体发展趋势预测主要采 的发生 ，最终发展为恶性事故。在潜伏性故障发生 用灰色模型、BP神经网络等方法 ，但此类方法都存 时，变压器 内部的油中会产生多种特征气体 。通过对 在局限性。广义 回归神经 网络克服了灰色模型的不 特征气体的检测 (色谱分析)，能有效发现变压器 内 足 ，可针对非等间隔的原始数据 ，预测变压器油 中异 部潜伏性故障的存在。在设备不具备停运检修的情 常气体值及气体超 出预定值时刻 ，进而在异常发生 况下，专业人员将根据潜伏性故障的性质 ，重新规定 前采取停运检修 的措施 ，能有效地避免变压器在运 设备的色谱检测周期。然而，由于人为确定的色谱检 行中发生严重的事故 ，使变压器 的运行状态可控、能 测周期会因不同人和不同专业水平 的差