電力工程變壓器故障診斷中人工智能技術(shù)的應(yīng)用研究

陳欣

（湛江中匯電力咨詢有限公司，廣東 湛江 524005）

1 變壓器故障以及診斷方法

變壓器的故障有多種形式，造成故障的原因也較為復(fù)雜多樣，根據(jù)實(shí)際情況來看，變壓器制造上的問題占據(jù)了事故發(fā)生總量的80%左右，運(yùn)行維護(hù)中的問題占據(jù)了20%左右。制造方面包括套管質(zhì)量差、絕緣缺陷、短路強(qiáng)度差以及分解開關(guān)質(zhì)量等問題，在運(yùn)行方面主要是進(jìn)水受潮，運(yùn)行、安裝以及檢修不當(dāng)造成的各種狀況，其他還有一些諸如雷擊、絕緣老化、過電壓、污閃等問題。按照發(fā)生部位可分為外在故障以及內(nèi)在故障，這些故障的發(fā)生嚴(yán)重影響著變壓器的正常運(yùn)行，造成了電力系統(tǒng)故障。

針對這些故障進(jìn)行診斷，首先就是要根據(jù)變壓器故障征兆進(jìn)行判斷，定位故障發(fā)生的位置和性質(zhì)。故障檢測主要是通過繼電保護(hù)、有種氣體分析、絕緣試驗(yàn)、電氣試驗(yàn)等綜合進(jìn)行診斷，主要有神經(jīng)網(wǎng)絡(luò)方法、模糊集理論方法以及專家系統(tǒng)方法等。人工智能技術(shù)的應(yīng)用不僅能夠克服傳統(tǒng)故障診斷的不足，提升診斷準(zhǔn)確性更好的設(shè)計解決方案，同時在此系統(tǒng)的基礎(chǔ)上實(shí)現(xiàn)混合智能診斷系統(tǒng)的開發(fā)，這對于拓展人工智能技術(shù)的應(yīng)用前景具有積極意義。

2 人工智能技術(shù)在變壓器故障診斷中的應(yīng)用

人工智能技術(shù)集成神經(jīng)網(wǎng)絡(luò)系統(tǒng)、范例推理、模糊數(shù)學(xué)的綜合應(yīng)用，對于故障診斷過程中的模糊性問題既能在已有的經(jīng)驗(yàn)知識基礎(chǔ)之上進(jìn)行故障診斷，提升準(zhǔn)確性和可靠性，同時還能夠通過輸入與輸出狀態(tài)間“映射”關(guān)系的訓(xùn)練學(xué)習(xí)提升各神經(jīng)元之間的結(jié)合程度，使其加強(qiáng)映射的質(zhì)量。因此，作為最有前景的故障診斷技術(shù)，人工智能技術(shù)能夠不斷通過對已知范例的學(xué)習(xí)，逐步增強(qiáng)對未知故障的診斷能力。目前，人工智能技術(shù)的故障診斷主要是基于神經(jīng)網(wǎng)絡(luò)方法、模糊集理論、專家系統(tǒng)、遺傳算法與粗糙集理論五種方法進(jìn)行故障診斷，下面我們以其中幾項(xiàng)方法的應(yīng)用為例略作分析。

2.1 人工神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷

作為典型的模擬人類神經(jīng)系統(tǒng)進(jìn)行信息傳輸與數(shù)據(jù)處理的人工智能技術(shù)，神經(jīng)網(wǎng)絡(luò)方法最大的特點(diǎn)就在于對于神經(jīng)元網(wǎng)絡(luò)的應(yīng)用。不同神經(jīng)元之間的溝通連接共同構(gòu)成了網(wǎng)絡(luò)運(yùn)行的基礎(chǔ)，對于各種隱含所處理問題的智慧進(jìn)行權(quán)重連接，從而實(shí)現(xiàn)診斷與處理。從其運(yùn)行方式和結(jié)構(gòu)來看，它具有一定的學(xué)習(xí)能力，能夠通過對學(xué)習(xí)算法的應(yīng)用實(shí)現(xiàn)訓(xùn)練樣本的訓(xùn)練，同時完成知識的自我組織與構(gòu)建，容錯能力較強(qiáng)，即使輸入信號存在一定的干擾因素，也能在較大程度上給出相對正確的輸出結(jié)果。同時，系統(tǒng)強(qiáng)大的神經(jīng)元并行運(yùn)算能力還能并行處理故障診斷，因?yàn)樵趫?zhí)行效率上也較為令人滿意。眾多的神經(jīng)網(wǎng)絡(luò)模型中，應(yīng)用較為廣泛和典型的是誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)（BP網(wǎng)絡(luò)）。這種網(wǎng)絡(luò)具有很強(qiáng)的非線性映射能力，同時是一種柔性網(wǎng)絡(luò)結(jié)構(gòu)，能夠隨著逆?zhèn)鞑サ男拚粩鄿p少誤差，同時還能通過對輸入模式的響應(yīng)做好分類，提升正確率，尤其是對于變壓器故障中的油中溶解氣體類故障診斷具有較好的應(yīng)用效果。

雖然誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)在變壓器的故障診斷中有過多次成功的先例，但是隨著學(xué)習(xí)樣本的增多，輸入輸出關(guān)系的發(fā)雜多樣化，這種系統(tǒng)的網(wǎng)絡(luò)收斂速度不斷受到影響，變得越來越慢，有時候甚至出現(xiàn)不收斂現(xiàn)象?；谶@種情況，有些研究指出將徑向路基函數(shù)網(wǎng)絡(luò)應(yīng)用與變壓器的故障診斷，以此來彌補(bǔ)和改善此神經(jīng)系統(tǒng)的缺陷，有些研究則提出了基于概率神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷方法等等不一而足。神經(jīng)網(wǎng)絡(luò)方法的應(yīng)用簡化了復(fù)雜故障問題的處理與分類，同時在自我學(xué)習(xí)的基礎(chǔ)上實(shí)現(xiàn)了對專家系統(tǒng)不足的彌補(bǔ)，但是綜合來說，還是存在網(wǎng)絡(luò)收斂慢、結(jié)構(gòu)參數(shù)受經(jīng)驗(yàn)設(shè)定影響大等情況，仍舊需要不斷加強(qiáng)研究，拓寬神經(jīng)網(wǎng)絡(luò)應(yīng)用范圍，不斷綜合其他方法優(yōu)勢進(jìn)行彌補(bǔ)，提升應(yīng)用效率。

2.2 專家系統(tǒng)的變壓器故障診斷

專家系統(tǒng)作為以知識和推理程序主要構(gòu)成方式的智能系統(tǒng)，在內(nèi)部設(shè)置中包括大量專家知識與經(jīng)驗(yàn)等內(nèi)容，通過對這些知識經(jīng)驗(yàn)的整合與分類來處理相關(guān)領(lǐng)域的問題。作為在電力系統(tǒng)中最成功的應(yīng)用方式，專家系統(tǒng)的存在為其故障診斷提供了強(qiáng)大的助力。這種系統(tǒng)主要有知識庫、數(shù)據(jù)庫、知識獲取、解釋機(jī)制、推理機(jī)五部分組成。其中知識庫的建立以及知識的獲取是系統(tǒng)運(yùn)行和成功的關(guān)鍵所在，解釋機(jī)制則將具體問題的診斷用知識加以分析，為最終形成處理方案做指導(dǎo)。專家系統(tǒng)的應(yīng)用重點(diǎn)魏濤氣體色譜分析，同時結(jié)合外部檢查與絕緣油特性試驗(yàn)等檢測手段建立較為完善的知識庫，在傳統(tǒng)三比值法的基礎(chǔ)上更進(jìn)一步提升系統(tǒng)的綜合分析能力。系統(tǒng)中最重要的知識庫以模塊形式存在，互相之間相互獨(dú)立，這對于不斷更新、修改、調(diào)整知識庫來說較為便利，能夠持續(xù)實(shí)現(xiàn)系統(tǒng)的擴(kuò)充與升級，將最先進(jìn)的專家知識與經(jīng)驗(yàn)融入系統(tǒng)，不斷提升診斷功能和水平。專家系統(tǒng)依靠知識和經(jīng)驗(yàn)的優(yōu)勢對變壓器運(yùn)行的整體狀況進(jìn)行評測、分析，對故障進(jìn)行診斷處理，尤其對內(nèi)部故障的早期診斷存在一定預(yù)見性，在很大程度上可以減少故障的發(fā)生，降低影響和損失。雖然專家系統(tǒng)具有以上優(yōu)點(diǎn)，但是在實(shí)際使用中也仍舊存在一定局限性。完備知識的獲取和經(jīng)驗(yàn)的總結(jié)，是知識庫建立的基礎(chǔ)，這種瓶頸的存在很大程度上制約了系統(tǒng)的不斷發(fā)展和應(yīng)用，尤其是一般專家系統(tǒng)因?yàn)椴痪邆鋵W(xué)習(xí)能力，在超出系統(tǒng)知識范圍外的新故障處理上經(jīng)常出現(xiàn)失誤，且容錯能力較大，也在很大程度上制約了這種系統(tǒng)的推廣。因此，將神經(jīng)網(wǎng)絡(luò)系統(tǒng)中的學(xué)習(xí)功能與專家系統(tǒng)相結(jié)合是近年來專家系統(tǒng)發(fā)展的大趨勢之一。

2.3 遺傳算法的應(yīng)用

作為近些年來新發(fā)展起來的一種優(yōu)化算法，遺傳算法是通過對自然界生物進(jìn)化過程的模擬設(shè)計計算模型，根據(jù)達(dá)爾文優(yōu)勝劣汰得到進(jìn)化規(guī)則，對可能包含故障信息的群體進(jìn)行類似于遺傳學(xué)的操作，促使新的群體的不斷生成以及進(jìn)化，并且選取進(jìn)化過程中表現(xiàn)最為優(yōu)秀的個體，以滿足其要求完成最優(yōu)解的運(yùn)算。雖然目前來說這種算法的應(yīng)用還存在一定難度，適用范圍還稍窄一些，但是這種新思路對于人們解決高度復(fù)雜的問題來說是一種探索性和實(shí)踐性很強(qiáng)的模式。這種算法在變壓器故障診斷中的應(yīng)用范圍很廣，效果也較好，運(yùn)行過程中能夠以極短的運(yùn)算速度和較大概率獲得全局最優(yōu)解，可以說是一種應(yīng)用前景非常好的算法。

人工智能技術(shù)在電力工程變壓器故障診斷中應(yīng)用對于維護(hù)電力系統(tǒng)的正常運(yùn)行，及時應(yīng)對故障，尋求解決措施提供了眾多幫助，同時關(guān)于這種技術(shù)的研究也在不斷拓展變壓器診斷的途徑與方法。在多種方法應(yīng)用的基礎(chǔ)上，不斷實(shí)現(xiàn)優(yōu)勢的綜合互補(bǔ)，是未來人工智能技術(shù)發(fā)展應(yīng)用的必然趨勢。

[1]謝可夫，鄧建國.變壓器故障模糊診斷系統(tǒng)[J].湖南師范大學(xué)自然科學(xué)學(xué)報，2004，27（1）：43-47.

[2]謝可夫，羅安.遺傳算法在變壓器故障診斷中的應(yīng)用[J].電力自動化設(shè)備，2005，25（4）：55-58.