[發(fā)明專利]一種基于粒子群與神經(jīng)網(wǎng)絡(luò)的化工廠電力變壓器故障預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202110172221.7
• 申請日: 2021-02-08
• 公開（公告）號: CN112990546A
• 公開（公告）日: 2021-06-18
• 發(fā)明（設(shè)計）人: 肖金星;葉影;夏士超;倪俊強;李敏;李峰;張慶豐;章磊;葛泳慶;劉鋒強;蔡新忠
• 申請（專利權(quán)）人: 國網(wǎng)上海市電力公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/00;G06Q50/06;G01R31/62;G06K9/62;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 上海元好知識產(chǎn)權(quán)代理有限公司 31323
• 代理人: 張靜潔;曹媛

本發(fā)明公開了一種基于粒子群與神經(jīng)網(wǎng)絡(luò)的化工廠電力變壓器故障預(yù)測方法，根據(jù)對變壓器油中溶解氣體的類型和含量數(shù)據(jù)，分別建立用于數(shù)據(jù)預(yù)測的Elman神經(jīng)網(wǎng)絡(luò)和用于故障類型診斷的PNN神經(jīng)網(wǎng)絡(luò)，進一步建立以預(yù)測與診斷誤差為目標(biāo)，以Elman網(wǎng)絡(luò)隱藏層神經(jīng)元個數(shù)目、PNN網(wǎng)絡(luò)徑向基函數(shù)分布系數(shù)和容許最大誤差率為約束，采用粒子群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)參數(shù)，從而建立準(zhǔn)確的變壓器故障預(yù)測和診斷模型，為變壓器進行檢修提供更多參考信息，同時預(yù)測評估變壓器使用壽命。

技術(shù)領(lǐng)域

本發(fā)明涉及電力系統(tǒng)領(lǐng)域，具體涉及一種基于粒子群與神經(jīng)網(wǎng)絡(luò)的化工廠電力變壓器故障預(yù)測方法。

背景技術(shù)

電網(wǎng)的安全穩(wěn)定運行是可靠供電的基礎(chǔ)，電網(wǎng)一旦發(fā)生故障，不僅損壞電力設(shè)備，停止供電，影響人民正常生產(chǎn)、生活，嚴(yán)重時還會危害公共安全，造成重大經(jīng)濟損失和不良社會影響。化工廠電力變壓器既是電力系統(tǒng)中的樞紐設(shè)備，又是化工生產(chǎn)中的關(guān)鍵設(shè)備，它一旦發(fā)生故障，將會對電網(wǎng)的安全運行和化工生產(chǎn)造成較嚴(yán)重的影響。隨著設(shè)備技術(shù)水平與復(fù)雜度不斷提高，設(shè)備故障對生產(chǎn)安全的影響也顯著增大，因此要保證設(shè)備的可靠、有效的運行，必須發(fā)展故障診斷技術(shù)。

化工廠電力變壓器故障按性質(zhì)分為機械、電、熱三種故障模式，其中機械故障通常以電或熱故障的形式表現(xiàn)出來，因此總體上可分為放電型故障和過熱型故障兩大類。油中溶解氣體分析技術(shù)作為目前對充油電力設(shè)備常規(guī)使用的重要監(jiān)測手段，因能夠及時發(fā)現(xiàn)變壓器內(nèi)部存在的早期故障，被認為是油浸電力設(shè)備故障診斷中最為廣泛接受的方法之一。近年來，隨著在線監(jiān)測技術(shù)、計算機技術(shù)和人工智能技術(shù)的發(fā)展，人們對變壓器故障診斷方法進行了大量地研究，根據(jù)變壓器油中溶解氣體組分及含量與變壓器狀態(tài)之間的對應(yīng)關(guān)系，提出了許多有效的方法，如模糊邏輯、專家系統(tǒng)、灰色理論、神經(jīng)網(wǎng)絡(luò)法等，總結(jié)起來大致分為傳統(tǒng)比值診斷法和基于DGA技術(shù)的智能診斷法兩大類，這些方法大大提高了故障診斷的準(zhǔn)確性、可靠性和診斷效率，為變壓器故障診斷技術(shù)的發(fā)展開拓了新的途徑。當(dāng)前變壓器故障診斷系統(tǒng)大多數(shù)都是采用BP網(wǎng)絡(luò)模型，但由于BP網(wǎng)絡(luò)自身的結(jié)構(gòu)特點，在訓(xùn)練樣本較多及要求的精度較高時，網(wǎng)絡(luò)常常不收斂并且容易陷入局部最優(yōu)，以及難以確定隱層和隱節(jié)點個數(shù)等不足，限制了它的故障診斷能力。目前變壓器故障診斷領(lǐng)域常用的專家系統(tǒng)、支持向量機、BP神經(jīng)網(wǎng)絡(luò)等方法，均屬于淺表層機器學(xué)習(xí)方法，學(xué)習(xí)能力尤其是預(yù)測能力有限，預(yù)測和診斷正確率存在瓶頸，進一步發(fā)展起來的深度學(xué)習(xí)盡管具有較強的學(xué)習(xí)能力，但是其計算過程復(fù)雜。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于粒子群與神經(jīng)網(wǎng)絡(luò)的化工廠電力變壓器故障預(yù)測方法，根據(jù)對變壓器油中溶解氣體的類型和含量數(shù)據(jù)，分別建立用于數(shù)據(jù)預(yù)測的Elman神經(jīng)網(wǎng)絡(luò)和用于故障類型判別的PNN神經(jīng)網(wǎng)絡(luò)，進一步建立以預(yù)測誤差、判別誤差為目標(biāo)，以Elman網(wǎng)絡(luò)隱藏層的神經(jīng)元數(shù)目、PNN網(wǎng)絡(luò)徑向基函數(shù)分布系數(shù)和最大誤差率為約束，采用粒子群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)參數(shù)，從而建立起準(zhǔn)確的變壓器故障預(yù)測和診斷模型。

為了達到上述目的，本發(fā)明采用的技術(shù)方案如下：

一種基于粒子群與神經(jīng)網(wǎng)絡(luò)的化工廠電力變壓器故障預(yù)測方法，該方法包括：

采集變壓器油中溶解氣體的類型和含量數(shù)據(jù)；

確定所述Elman神經(jīng)網(wǎng)絡(luò)的隱藏層的神經(jīng)元數(shù)目N₁、所述PNN神經(jīng)網(wǎng)絡(luò)的徑向基函數(shù)的分布系數(shù)S₂以及容許最大誤差率約束范圍，生成初始粒子群；

根據(jù)所述溶解氣體的類型和含量數(shù)據(jù)構(gòu)建與訓(xùn)練所述Elman神經(jīng)網(wǎng)絡(luò)，所述Elman神經(jīng)網(wǎng)絡(luò)用于數(shù)據(jù)預(yù)測；

根據(jù)所述溶解氣體的類型和含量數(shù)據(jù)構(gòu)建與訓(xùn)練所述PNN神經(jīng)網(wǎng)絡(luò)，所述PNN神經(jīng)網(wǎng)絡(luò)用于故障類型判別；

計算適應(yīng)度值，利用粒子群算法求解最優(yōu)粒子，其中，所述最優(yōu)粒子即最優(yōu)Elman神經(jīng)網(wǎng)絡(luò)的隱藏層的神經(jīng)元數(shù)目N₀和PNN網(wǎng)絡(luò)徑向基函數(shù)分布系數(shù)S₀。