网站首页 公文大全 个人文档 实用范文 讲话致辞 实用工具 心得体会 哲学范文 总结范文 范文大全 报告 合同 文书 信函 实用
  • 汇报体会
  • 节日庆典
  • 礼仪
  • 毕业论文
  • 评语寄语
  • 导游词
  • 口号大全
  • 其他范文
  • 百花范文网 > 实用范文 > 其他范文 > 基于KNN改进的BP神经网络的油浸式配电变压器故障诊断

    基于KNN改进的BP神经网络的油浸式配电变压器故障诊断

    时间:2023-01-12 16:35:20来源:百花范文网本文已影响

    翟智勇

    (安徽理工大学电气与信息工程学院,安徽淮南,232001)

    近些年来,我国电力行业发展迅猛。根据统计资料华经产业研究院数据统计表明:2021年中国上半年实现全国发电量的累计量值分别是为38717亿千瓦时,和前2020年水平相比,同期分别增长实现了为5072.2亿千瓦时,累计用电量同比将增长达13.7%百分点;截止2021年6月实现我国上半年发电量预计为6860.5亿千瓦时,同比约增长约7.4%。总体经验来看,从“ 十二五”以来,电力变压器设备的发生故障几率也正在呈逐年速度下降。虽然数据如此,从现场质量部门抽检、生产销售企业反馈的事故数据分析上来看,在设备故障原因比例统计上,设备存在质量问题而引发设备的设备故障率达高达近60%,成逐年上升趋势。因此就可以清晰看出了在世界电力需求数量的长期迅猛式增长中及整个电力系统自身的稳定高速健康发展的现代化进程中,大型复杂电力设备系统安全及可靠有效运行系统的日益重要性。电力变压器主要作为中小型发电厂变压器与小型变电站间的一台主要交换电力设备,假如其一旦发生故障,系统将不能稳定的正常工作。而且,随着各种变压器电气等级数目的日益增加,变压器系统的电气造价亦就变得越益昂贵,如果万一因发生故障系统受到毁灭性破坏,对我们整个中国经济社会长远的高速发展必然造成更加严重恶劣的破坏后果。由于当代科技日新月异的飞速进步,现有采用的许多传统的变压器检测试验方法精度都无法再满足判断出变压器故障程度的一般安全性能要求,因此更需要提供一个更为安全,可靠,便携的检测变压器故障的保护方法。目前国内检测柴油变压器故障情况最多常用到的办法是利用气相光谱法直接检测变压器油样品中可溶解的气体杂质的相对含量,然而釆要用该技术方法对系统进行直接检测,需要符合对变压器油品的直接采样法技术要求很高规定,否则将容易会给变压器油产品引入气体污染危险;并且对于不同杂质组分气体杂质在变压器不同的油样池中产生的脱气效率值也各不一定相同,若需对其检测数据信息进行适当人为地修正则有时还极可能将加大数据误差;此外,从变压器油样中抽取样品到变压器油气样品分离,再结合到变压器各组分进行气体的分离再进行红外色谱检测分析,该色谱检测方法过程又非常庞大复杂,所需测试时间往往过长,并且整个检测时间周期都取决于各电厂运行的各种维护和制度,因此它并远远不能真正满足我们对所有变压器参数进行长期实时分析监测。

    油浸式变压器运行过程中,内部绝缘油、绝缘纸会受到电、热、水、氧等内部或外部的影响,分解出的特征气体和变压器油相融。通过特征气体的种类和浓度可以得出油浸式变压器的故障,并且可以推断出严重程度。变压器油是由-H化合物分子组成的,一旦油浸式变压器发生故障时,产生的能量使碳氢化合物分解,产生了C-H。这些自C-H键再次结合产生低分子量的碳氢化合物气体,如H2、CO、CO2、CH4、C2H2、C2H4、C2H6。如图 1 示 :

    图1 油中气体的分解过程

    目前主要检测柴油变压器故障状态的监测方法主要有DGA(油中溶解气体分析)方法、声纹与振动特性监测、局部放电特性检测系统等。DGA通过先对变压器绝缘油芯中被溶解出来的组分特征气体的气体种类组成和组分含量状况进行的初步的分析,能够用来帮助设计者判别出变压器外壳内部气体是否可能存在一些潜伏性隐患,如果需要再来对内部各组分的特征气体种类的平均产气率组成及其含量变化等趋势来作的进一步的分析,还能够可以通过预测性分析的手段判断出电气故障气体的性质,区分为过热性故障气体和过放电性故障,甚至是可以同时通过均匀勾选分布到多个气体监测点判断故障电流的实际产生时间位置。由于釆用方法能进行全程在线状态监测和无需长期停电的运行,并且又具有其不受其他外界环境因素所影响的一系列明显性能优势,因此这是我们当前已知可以用于判别变压器故障状态的一种最优测量方法。

    图2 变压器故障诊断系统流程图

    反向传播算法(BP)

    BP算法主要有以下三个步骤:

    ①前向计算每个神经元的输出值;

    ②反向计算每个神经元的误差项均为e;

    ③最后用随机梯度下降算法迭代更新权重w和b。

    我们初始化一个w_o和b_0,带到Loss里面去,这个点(w_o,b_o,Loss_o)会出现在碗壁的某个位置,而我们的目标位置是碗底,那就慢慢的一点一点的往底部挪吧。

    我们用这四个表达式,来更新参数。

    计算反向传播的误差损失值Loss,反向传播完成一次权重的更新:

    KNN(K-Nearest Neighbor)最基础简单实用邻近分类算法是数据挖掘邻近分类(classification)技术在应用环境中应用的最基本且简单而实用有效的邻居分类算法技术之一,即可通过由在你附近的所有邻居来做快速地推断来划分出一个符合于你的偏好范围的邻居类别。

    KNN实现的方法原理:由于首先我们是要严格的判断出这个未知的样本数量中包含的其他各个未知类别,以其中包含在所有其他这些已知样本的未知类别数量中的所有未知的样本数量来作为判断主要的参照,计算得出每个所有未知样本的总样本数及与每个其他的所有的这些所有已知的未知样本总数间的最大相对的距离,从中再择优选取一个其中的与所有这个所有未知的已知样本之间相对最大距离为最近的前K个所有已知的未知样本,根据少数人服从于多数人的投票法则(majority-voting)根据上述原理,将这个未知类别的样本数量中与它前面有K个类别的最靠前邻近类别的样本总数中所属的类别数量中占的份额比较过多的样本数量归并计算为一类。以上几个内容基本上就是KNN算法基本原理及其应用在分类与任务分析工作中最为广泛的应用的几个基本原理。

    KNN算法的关键:

    确定K的值K值如果选的过大,会出现欠拟合,太小会出现过拟合,需两次验证确定K值。

    KNN算法的优点:①通俗易懂,易于实现,不需要估计参数,不需要训练;
    ②适合对稀有事件进行分类;
    ③KNN比SVM的准确率要好。

    基于上述分析,bp神经网络的网络损失和精度图如图3所示:

    图3 bp神经网络的网络损失和精度图

    基于KNN网络的网络损失和精度图如图4所示:

    由图3可知,基于BP神经网络的变压器故障诊断准确率可达65%左右,由图4可知,基于KNN网络的变压器故障诊断可达90%左右。

    图4 KNN网络的网络损失和精度图

    猜你喜欢 类别故障诊断气体 比亚迪秦EV充电系统故障诊断与排除汽车实用技术(2022年16期)2022-08-31基于神经网络的船舶电力系统故障诊断方法舰船科学技术(2022年11期)2022-07-15迈腾B81.8T起动机无法启动故障诊断分析汽车实用技术(2022年9期)2022-05-20一起去图书馆吧少儿画王(3-6岁)(2020年4期)2020-09-13简析基于概率预测的网络数学模型建构东方教育(2018年20期)2018-08-22第二节发生在肺内的气体交换中学课程辅导·教学研究(2017年11期)2017-09-23和大气层中的气体做游戏少儿科学周刊·少年版(2015年1期)2015-07-07和大气层中的气体做游戏少儿科学周刊·儿童版(2015年1期)2015-07-07选相纸 打照片微型计算机(2009年4期)2009-12-23

    相关热词搜索:神经网络 配电 变压器

    • 范文大全
    • 说说大全
    • 学习资料
    • 语录
    • 生肖
    • 解梦
    • 十二星座