基于改进BP神经网络的变压器绕组故障检测方法

马星

徐州送变电有限公司，江苏徐州，221000

0 引言

变压器作为电网建设中的输变电装置，对于电力设备的控制及辅助处理具有关键的作用，所以，变压器的运行状况关乎电网的安全、稳定。绕组故障是变压器较为常见的一种问题，严重的绕组会对变压器内置的结构和元件造成不可控的损坏。为确保日常的电力供应与调度，相关人员设计了对应的变压器绕组故障检测方法，王雨虹[1]及游溢[2]设定传统数据均衡化与改进鲸鱼算法变压器绕组故障检测方法、传统优化模糊推理变压器绕组故障检测方法，这一类方法虽然可以实现预期的检测目标及任务，但是在实际执行的过程中缺乏针对性与稳定性，对于故障位置的定位及异常数据的采集效率相对较差[3]。不仅如此，传统的故障检测形式多为单一结构，对于变压器绕组问题的检测并不全面、具体，常常会出现不可控的检测误差，增加电网的运行负荷[4]。为此本文提出基于改进BP神经网络的变压器绕组故障检测方法的设计与验证分析。所谓改进BP神经网络技术，主要指的是一种按误差反向传播训练的多目标、多层级前馈执行运行网络，对应的算法称之为BP算法[5]。将此项技术与变压器绕组故障检测工作进行融合，一定程度上可以进一步强化当前的检测范围，逐步构建更加灵活、多变的检测结构，在面对复杂的故障环境时，结合BP神经网络技术，可以消除存在的定向检测误差，将混合故障转换为单一的故障[6]。以此来提升整体的检测效果，提升暂态故障处理能力，为后续相关技术及行业的发展奠定基础条件[7]。

1 设计变压器绕组故障改进BP神经网络检测方法

1.1 提取变压器绕组频响特征

变压器日常的运行是十分复杂且多变的，传统的故障检测方式一般为单结构形式，虽然可以实现预期的检测目标，但是缺乏针对性与稳定性，再加上外部环境及特定因素的影响，导致绕组故障的识别检测出现误差问题[8]。因此，此次结合改进BP神经网络技术，先对电力变压器的绕组频响特征进行提取[9]。

在变压器不吊罩情形下，可以在稳定的环境背景下，可以先检测绕组机械的运行状态，结合各个环节的处理需求奇偶标准，测定其扫频范围1.5kHz～3.5MHz为最佳。接下来，在变压器绕组的首端接入一个定向的识别程序，并在同步的控制结构之中施加正弦扫频电压信号，此时，测定电压信号的波动情况，测定计算变压器的绕组频响值，具体如公式（1）所示：

式中：G表示变压器绕组频响值，λ表示检测范围，ε表示输入电压，N表示绕组频率响应曲线。结合当前的测试需求，对故障位置进行特殊标定，同时总结故障发生的具体规律，完成对基础故障检测环境的设置，接下来，综合改进BP神经网络检测技术，进行具体测定研究。但是需要注意的是，设置的故障检测结构以及标准并不是固定的，而是随着实时的故障情况以及变压器具体的运行状态变化的，以此强化当前的故障检测能力。

1.2 布设多目标检测节点

完成对变压器绕组频响特征的提取之后，接下来，综合改进BP神经网络技术，进行多目标故障检测节点的部署。通常情况下，初始的变压器运行系统出现故障时，识别程序会立即发出对应的警报，同时采集相关的异常故障信息。但是这样的形式仅仅针对单层级的目标，一旦运行或者故障的环境过于复杂，便容易出现检测失误的情况，对后续的运行造成阻碍。

而多目标的节点部署方式可以更为精准、可靠地全覆盖识别检测故障问题，缩短实际的警报时间，同时加强对检测误差的控制，具体的节点设置指标及参数如表1所示。

表1 多目标检测节点指标及参数设置表

根据表1，完成对多目标检测节点指标及参数的设置与分析，以此为基础，结合改进BP神经网络技术，利用部署的节点，构建一个对应的故障检测程序，形成一个循环性的检测连接。另外，为确保故障检测过程中的稳定性与安全性，采用多目标的方式进行节点的布设，同时过程中明确各个节点采集数据以及信息的可靠，需要在上述设置的程序中增加数据筛选及分类的结构，以便于后续的测定与故障检测处理。

1.3 设计改进BP神经网络故障检测模型

完成对多目标检测节点的布设之后，综合实际的测定需求及标准，利用改进BP神经网络技术，设计变压器绕组故障检测模型。首先，利用设置的节点进行实时数据以及信息的采集，筛选出异常、故障数据之后，捕捉到故障信号，传输到对应的存储位置。利用改进BP神经网络技术，构建一个对应的多维故障识别程序，并设计检测原理，具体如图1所示。

图1 改进BP 神经网络故障检测模型原理图

根据图1，完成对改进BP神经网络故障检测模型原理的设计与验证研究，接下来，综合实际的检测需求及标准的变化，设置神经网络识别框架，将变压器出现故障的位置做出二次标定，最大程度降低存在的检测误差，强化故障检测模型的实际应用能力。但是需要注意的是，对于变压器运行时出现的部分问题和特殊故障，还是需要采用异常点位锁定或者单元识别的方式进行检测，这样的形式一定程度上可以进一步扩大模型的实际故障检测范围，形成循环性的检测结构，单元性的标定能够最大程度降低存在的故障检测误差，确保变压器后续的运行更加稳定。

1.4 自适应修正实现故障检测处理

完成对改进BP神经网络故障检测模型的构建之后，采用自适应修正的方式来最终实现变压器的故障检测处理。首先，利用检测模型对变压器进行故障扫描，对基础的异常电位进行识别标定之后，综合改进BP神经网络技术，解析故障位置的具体情况，采用特定的、统一的程序进行自适应修正，并计算出允许出现的修正限值，具体如公式（2）所示：

式中：N表示自适应修正限值，ω表示修正范围均值，k表示自适应比，o表示绕组识别次数。结合当前的测试需求，完成对自适应修正限值的计算。随即，以此为基础，对各个点位的故障节点进行二次修正处理，设计一个自适应的修正结构。但是需要注意的是，对于故障位置的检测与修正标准并不是固定的，而是随着实际的需求及故障的状态作出相应的调整，以此来保证自适应修正处理的灵活性与稳定性，强化对变压器故障检测的效果，优化检测结构。

2 方法测试

此次主要是对基于改进BP神经网络的变压器绕组故障检测方法的实际应用效果进行分析与验证研究，考虑到最终测试结果的真实性与可靠性，采用对比的方式展开分析，选定G变电站的变压器作为测试的目标对象，参考文献设定传统数据均衡化与改进鲸鱼算法变压器绕组故障检测小组、传统优化模糊推理变压器绕组故障检测小组以及此次所设计的改进BP神经网络变压器绕组故障检测小组。根据实际测定需求及标准的变化，对最终得出的结果比照研究，接下来，结合改进BP神经网络技术，进行初始测试环境的搭建。

2.1 测试准备

结合改进BP神经网络技术，对变压器绕组故障检测方法的实际测试环境进行搭建与验证分析。首先，综合当前故障检测需求及标准的变化，进行基础控制程序的设置，将G变电站的变压器进行标定标号，并对变压器的基础数值设定调整。绕组故障是较为常见的一种变电站故障问题，所以在设定检测程序的基础之上，需要在可控范围之内设置对应的检测节点。一般来说，检测节点的部署多为独立的、单元的，自身均具有针对性，在实际应用的过程中，需要进行节点的关联，与基础的故障绕组程序形成一个稳定的故障检测框架体系。具体如图2所示。

图2 变压器绕组故障检测框架体系图

根据图2，完成对变压器绕组故障检测框架体系的设计与实践应用。以此为基础，调整当前的故障检测点运行状态，设置故障检测程序的指标及参数，具体如表2所示。

表2 故障检测程序指标及参数设置表

根据表2，完成对故障检测程序指标及参数的设置和分析，接下来，结合改进BP神经网络技术，构建一个定向的组合式绕组故障检测程序，并在其中设置检测矩阵，计算神经网络识别覆盖范围，具体如式（3）所示：

式中：D表示神经网络识别覆盖范围，j表示转换比，η表示定向识别距离，v表示识别单元值，y表示识别频次，χ表示堆叠范围，w表示故障标定耗时。结合当前的测试需求及标准，综合改进BP神经网络，将计算得出的神经网络识别覆盖范围明确为基础性的识别区域，完成对测试环境的搭建，接下来，进行具体的测验与研究。

2.2 测试过程及结果分析

综合改进BP神经网络技术，对G变电站的变压器绕组故障检测方法的实际应用效果进行研究与验证分析。首先，在选定的变压器中随机标定5个特定的测试节点，形成基础的测试环境，接下来，利用改进BP神经网络技术，对每一个节点进行关联与接入，便于对变压器实时数据以及信息的采集。但这部分需要注意的是，部分变压器在运行的过程中常常会出现不可控或者电路混乱的问题，这样的情况也会导致测试结果出现误差，所以，在测试之前，必须在测试程序中接入防护结构或者对应的转换程序，增加测试的稳定性与可靠性。接下来，利用改进BP神经网络技术及虚拟技术，设置三组模拟的绕组指令，按照顺序导入内置的程序之中，以待后续使用。随后，利用节点进行实时运行数据的采集，计算出故障识别覆盖范围，具体如公式（4）所示：

式中：S表示故障识别覆盖范围，μ表示定向识别区域，ω表示故障检测单元值，u表示识别频次，σ表示绕组次数。结合当前的测定，实现对故障识别覆盖范围的测定计算，以此为基础，结合实际的测定要求，计算故障检测均值差，如公式（5）所示：

式中：B表示故障检测均值差，ψ表示定向检测基准值，E表示故障标记差值，ρ表示逆向识别值，θ表示绕组次数，表示识别过渡值。结合当前的测试分析，最终可以得出以下的结果，具体如图3所示。

图3 测试结果对比分析图示

根据图3，完成对测试结果的分析：对比传统数据均衡化与改进鲸鱼算法变压器绕组故障检测小组、传统优化模糊推理变压器绕组故障检测小组，此次所设计的改进BP神经网络变压器绕组故障检测小组最终得出的故障检测均值差被较好地控制在0.25以下，说明此次在改进BP神经网络技术的辅助与支持下，对于变压器的绕组故障识别效果更佳，识别速度快、范围广，具有实际的应用价值。

3 结语

综上所述，对基于改进BP神经网络的变压器绕组故障检测方法的设计与验证分析，与初始的故障检测形式相比，此次在改进BP神经网络技术的辅助与支持下，可以进一步扩大当前的检测范围，形成更为灵活、多变的检测结构。不仅如此，面对复杂的变压器故障绕组问题，通过改进BP神经网络技术，还可以对各个环节进行精准测定与计算，消除测定过程中存在的测量误差，最大程度强化故障检测能力，提升检测的精准度，推动检测基础迈上一个新的台阶。