范競敏，曹　建，丁家峰，王浩宇

中南大學物理科學與技術學院，湖南長

北京華電云通電力技術有限公司，北京　

摘　　　要：油中溶解氣體分析（ＤＧＡ）是目前電力充油設備潛伏性故障診斷的重要手段。為了克服傳統ＢＰ網絡及其改進診斷算法所具有的隱層節點數多、收斂時間長的缺陷，減少算法運算量及提高變壓器故障診斷的正確率，提出了一種新的診斷算法：線性分類器－ＢＰ神經網絡（ＬＣ�玻拢校┕收媳孀R方法。通過對變壓器大量過熱和放電兩類典型故障數據的研究，發現其ＤＧＡ故障數據的特征空間線性可分且分離度較好。基于以上特性，先用線性分類器診斷過熱和放電故障，然后利用兩個小型ＢＰ網絡分別進行進一步診斷，得到較終診斷結果。實驗結果表明，提出的ＬＣ�玻拢兴惴ň哂辛己玫姆诸惸芰Γ�故障診斷的正確率達到９４％，且網絡結構簡單，運算量小，從而為變壓器的故障診斷提供了一條新的有效途徑。

關　鍵　詞：ＤＧＡ；線性分類器；ＢＰ網絡；故障診斷

１　引　言
大型電力變壓器是電力系統中較重要的電氣設備之一，其運行狀態直接影響到整個電力系統的安全與穩定運行。因此，研究變壓器故障診斷技術，提高變壓器的維護和檢修水平，保證變壓器的安全、穩定運行具有重要的現實意義［１］。目前，利用ＤＧＡ數據判斷變壓器故障的方法有多種，常用的有ＩＥＣ三比值法、電協研法等。然而，這些方法在工程實際應用中往往暴露出編碼不全、編碼邊界過于絕對等缺點［２］。近年來，一些人工智能方法如人工神經網絡［３］、模糊理論［４�玻担荨⒒疑�理論［６］等被應用到變壓器故障診斷中，但由于變壓器結構的復雜性以及故障機理的多樣性，變壓器故障診斷的正確率還有待進一步提高。為了在減少算法運算量的同時提高算法的診斷正確率，本文提出了一種基于線性分類器與ＢＰ神經網絡的變壓器故障辨識算法，并建立了算法的模型。

登錄網站后可下載文件