基于BP神经网络的变压器故障诊断

孟卫东，刘 杨，张 伟，曲兆勇，张 强

（国网山东省电力公司泰安供电公司，山东 泰安 271000）

0 引 言

近年来，我国国民综合经济实力有了一个极大的提升，从而使得电力行业也随之快速发展。经过几年的积累，在现阶段我国已经拥有了一个较大规模的电力网络，总变电站的数量已经达到2.8万余个。此外，变电站以及自备电厂也开始和一些其他领域的行业进行接触与合作。当前这一阶段，我国的电力系统正开始向着极高电压的大方向发展，同时设备自动化能力也得到了一定提高。变压器通常具有着极高造价、繁重任务等特点，因此在运行过程中的安全与可靠性也逐渐显得重要起来。倘若变压器在工作时出现严重故障，那么极有可能会出现难以想象并且很难被挽回的经济损失。变压器故障是当前电力系统稳定安全运行中最大的一个威胁，所以一定要对变压器的故障诊断水平进行科学、合理的提高，避免出现经济损失，最终实现较高经济收益。

1 变压器进行故障诊断时使用BP神经网络技术的原理和实际意义

1.1 在对变压器进行故障诊断时使用BP神经网络技术所具有的意义

变压器是整个电力系统中最为关键的一个组成成分，因此对于其进行故障的诊断具有着极为关键的战略意义。变压器故障最常见的位置便是设备内部，故障出现原因众多，如内部绝缘体老化、长期使用而形成的一些质量问题、外界工作的环境等。在变压器的内部结构中，元器件的排布极为复杂与繁琐，因此在实际工作时，其内部所形成的电流也并非是全面、均衡分布的，这也就使得变压器故障出现频率进一步增大。当变压器出现故障时，通常会释放出大量电弧，严重时甚至出现燃烧等现象，而一旦其出现问题，一些与之相关的设备随之会出现短路等其他无法工作的问题，甚至是产生爆炸，最终对经济以及人身安全造成威胁。所以在对大型变压器进行设计时，一定要注重其耐热以及机械的性能，并提高电气的强度。尽管如此，在变压器长时间的使用过程中，仍旧会受到外界恶劣环境以及热应力等因素的影响，从而使得性能逐渐降低[1]。

借助BP神经网络来对变压器进行定期且有目的的预防以及维护保养，做好相关电力供电设备实际工作情况的检测，对变压器潜在故障与不足进行实时侦查以及判断，努力提高对电力故障的诊断能力，从而实现对故障实时检测与预警，对于我国电力系统进一步发展具有关键意义。

1.2 BP神经网络的工作原理

BP神经网络也被称做反向的误差神经传播网络，这一技术是由D.E Rumethart等一些西方人于1986年提出的。BP神经网络的学习过程具有一定的特点，其主要是正向的传播与反向调整传播两个过程，最后经过输出层进行输出，当信号被输入层输出之后，一般只会受到存在于上一层神经元的影响。如果输出层的输出数值和原本期望值之间有较大的差距，那么信号便极有可能会按照原来的路径进行反向传播，最后回到输入层中。图1是一个较为典型的BP神经网络拓扑的结构图。

图1 BP神经网络拓扑结构图

由图1可知，这个BP神经网络是由三大部分构成，分别是输入层、隐层以及输出层，上下两层之间节点是互相连接的，但每一层不同节点却又并未进行连接。当信号通过输入层被输入之后，会继续向前进行不间断传播，从而进入到隐含层的节点处，信号在经过了函数运算处理之后，会再次向下传播，最后进入到输出层。进入到输出层之后，便可以对变压器常见的一些故障进行诊断以及检测。

2 现阶段变压器故障的诊断情况以及未来发展形势

对变压器进行故障诊断时，通常不会将设备进行拆分检测，而是借助一些专业仪器来对其内部情况进行分析，并将其在未来有可能出现的一些问题进行预警以及提前预防。此外，在进行诊断时主要还是需要一些工龄较久的维修人员自身经验作为基本依据，根据一些相关专业的理论知识和设备，如设备传感装置、多媒体计算机以及其他多种类型的全面智能化系统，来对变压器运行状况进行实施监测，这在现阶段也已经成为电力行业一个最重要的研究方向。

在现阶段投入使用的变压器中，通常将油作为设备的绝缘材质，但油通过电应力以及热应力的双重作用，会加速老化，并逐渐被分解。因此，当变压器正常工作时，一定会有一定量的一氧以及二氧化碳等部分低分子的烃类产生。如果变压器出现的故障愈发严重，其所产生的气体将会在绝缘地带汇聚，进而逐渐扩散与溶解。

为了能够让变压器出现的故障可以被及时、有效的发现，进而对溶解气体进行实时、定期的监测，在近几十年间，世界各国都在努力进行相关设备的开发与创造，并希望能够得到一个更加便捷与合理的变压器故障诊断方案。许多专家试图将一些先进的检测诊断技术应用到变压器运行实时监测过程中，进而推动变压器故障检测诊断技术进一步的发展与进步[2]。

3 以BP神经网络为基础的变压器问题诊断模型

BP神经网络实际上是对人类大脑思维以及记忆模式的一种模仿，通过专业技术来最终实现对收集信息的整合处理。神经网络一般具有着超强的适应能力、独立学习能力以及非线性的映射能力等，在对信号进行处理、管理以及故障诊断时极为便捷与有效。通过BP神经网络对变压器故障进行诊断时，主要是借助其实际输出与最初希望目标之间的输出差来进行阈值和权值调节，从而使两者之间差值逐渐减小，进而实现一致[3]。在以BP神经网络为基础对变压器进行相关故障的诊断时，主要的几个环节如下。

首先，将输入以及输出的训练样本进行完整列出。

其次，构建一个完整的神经网络，对每一层存在的实际节点、相互间传递的函数数以及网络层数等进行确定，并将出现的网络实际参数以及权值、阈值做初始化处理。

再次，通过样本的学习来对网络进行训练，主要训练的步骤有如下4步：（1）对隐含的节点输出进行计算；（2）对于输出层的节点输出进行计算；（3）对实际和目标间的输出误差进行计算；（4）倘若误差达到了预期的值便可以终止网络学习，但是如果其并未达到标准则让其返回，并对其隐含层进行误差分析，在经过研究之后再次重复进行步骤（2）的操作。

最后，通过经过专业训练的BP神经网络来对变压器进行故障预测以及分析。

第一，BP神经网络模型结构的建立。将BP神经网络作为基础来对变压器进行故障的诊断与测试，最主要的就是要生成一个模拟网络的对象，在实际工作中通常是借助newff这一函数来进行生成。通过newff函数生成自己所需要的神经网络时，其还会自主将网络权值以及阈值进行初始化。此外，借助INIT这一函数同样也可以实现将数据初始化的效果。

在通过newff函数生成BP网络神经的过程中，能够很容易的看出想要形成一个完整的网络模型，就一定要对其网络的层数与每层节点个数等一系列基础结构进行精准确定。

第二，BP神经网络对于理论数据的处理。BP神经网络在进行专业的训练时，通常会借助train来实现，但是最主要的是要将神经网络训练的参数进行精准确定，只有完成这一步才可以对其进行深入训练。

在对变压器进行故障的诊断时，因为其内部油中的特性气体和自身问题件并不是线性的关系，所以一定要选择非线性的Sigmoid函数来对其进行计算，通过数据分析来判断变压器是否出现故障、出现的是哪一类故障[4]。

4 结 论

变压器是当前整个电力系统中最为关键且不可或缺的设备，同时也是电力事故中出现最多的一个设备。现阶段，对变压器进行故障的检测与诊断已经成为电力行业最为火热的研究方向，有极为深远的战略意义。想要使我国电力行业得到较大水平的进步，就一定要提升供电的安全性以及可靠性，尽可能的提升设备工作寿命。对于变压器内部溶解气体的分析能够有效地将其出现的一些故障进行排查。因为BP神经网络具备有分布处理、自主联想以及较高容错率等优点，所以极为适合对变压器进行故障的诊断与分析。