《小波分析在变压器故障识别中的应用》由会员分享，可在线阅读，更多相关《小波分析在变压器故障识别中的应用（68页珍藏版）》请在金锄头文库上搜索。
1、-*理工学院毕业论文小波分析在变压器故障识别中的应用学 生：*学 号：*专 业：电气工程及其自动化班 级：电气*.*指导教师：*理工学院自动化与电子信息学院二O一五年六月. z.-摘要：变压器的故障识别在电力系统生产平安中具有很重要的意义。由于小波分析具有良好的时频局域特性以及神经网络具有自学习功能和良好的容错能力，因此将小波分析与神经网络相结合应用于变压器故障识别。当变压器产生故障时，变压器油中气体成分会相应的变化，我们通过神经网络进展训练并运用小波函数中的哈尔小波进展隐层优化，从而找到故障模式，识别出相应故障类型。仿真结果说明通过小波神经网络进展变压器故障识别的判断率高达80%。关键词：变
2、压器故障识别；小波分析；神经网络；哈尔小波；小波神经网络Abstract:Transformer fault identification have a very important role in the production of power system security. Because the wavelet analysis has good time-frequency localization characteristics and neural networks with self-learning function and good fault tolerance, so
3、the wavelet analysis and neural networks used in transformers fault identification. When a transformer failure, the gas position changes accordingly transformer oil, we neural network training and wavelet Haar wavelet function in the hidden layer is optimized to find failure modes, failure to identi
4、fy the appropriate type. Simulation results show that the wavelet neural network to determine transformer fault identification rate of 80%.Key words:Transformer Fault Diagnosis；Wavelet Analysis；Neural Networks； Haar wavelet；Wavelet Neural Network；. z.-目录摘要IABSTRACTII第1章引言11.1 研究目的与意义11.2 国内外开展现状21.2
5、.1 基于变压器油中气体成分检测数据的传统诊断方法21.2.2 基于变压器油中气体成分检测数据的智能诊断方法21.3 本文的主要工作5第2章变压器故障类型与油中溶解气体分析法62.1 变压器的分类和构造62.2 变压器故障类型与原因72.2.1 绕组故障72.2.2 放电故障82.2.3 磁路故障82.2.4 短路故障92.2.5 绝缘故障92.2.6 铁芯故障92.2.7 分接开关故障102.2.8 变压器受潮102.3 变压器油中溶解气体分析法102.3.1 变压器油中气体的组成成分112.3.2 正常运行时变压器油中气体含量112.3.3 变压器故障与特征气体含量对应关系122.4 油中
6、气体为特征量的常用故障诊断法122.4.1 特征气体法132.4.2 比值法13第3章小波分析的根本理论153.1 小波分析根底153.1.1 小波函数153.1.2 刻画小波函数特性的几个重要参数163.2小波变换的分类173.2.1 连续小波变换173.2.2 离散小波变换183.2.3 二进小波变换183.3 多分辨分析与Mallat算法193.3.1 多分辨分析193.3.2 Mallat算法193.4 小波分析在电力系统中的应用21第4章神经网络的根本理论234.1 神经网络的根本概述234.2 神经元模型244.3 神经网络的根本特征和性质264.4 BP网络及BP算法264.4.
7、1 BP网络264.4.2 BP算法27第5章小波神经网络的简介305.1 小波神经网络的根本构造315.2 小波神经网络的优点335.3 小波神经网络的根本算法335.4 小波神经网络的函数逼近能力34第6章基于小波神经网络的简介变压器故障识别实现366.1 样本的选取366.2 数据预处理376.3 数据的归一化处理386.4 变压器故障识别例如及其结果分析39第7章完毕语447.1总结447.2展望44致46参考文献47附录149附录251. z.-第1章引 言1.1 研究目的与意义电力变压器作为电力系统中的重要设备之一，它可以将一种电压等级的电能转换成另一种电压等级的电能。由于中国西电
8、东送，南北互供，全国联网的实施，电力变压器的需求量呈平稳增长的趋势。作为电力系统的转换枢纽，变压器的平安运行与否直接关系到了整个电力系统能否连续稳定地工作，特别是变压器本身造价昂贵，虽然与输电线路和发电机相比故障较少，但是一旦因故障遭到破坏，不仅其检修难度大，而且经济损失也很大，这些都将会对整个电力系统的可靠性和系统的正常运行造成极严重的影响。为了及早发现变压器故障，尤其是内部故障，必须采取一些必要的措施对变压器进展实时检测。随着科学技术的进步与开展，尤其是计算机技术的迅猛开展与普及，设备的故障诊断识别技术已经逐步成为了一门较为完整的综合工程学科。该学科以设备管理、状态监测和故障诊断为内容，逐
9、渐成为国际上一大热门学科1。目前，国内对变压器故障诊断识别研究比较多，但是传统的分析方法受到限制，诊断有一定的难度。小波分析是一种先进的信号处理工具，其实质是对信号进展小波变换。小波分析的理论与方法是从Fourier分析的思想方法演变而来，作为一种能随频率的变化自动调整分析窗口大小的分析工具，在信号处理、计算机视觉、图像处理、语音分析与合成等众多的领域得到应用，因此自八十年代中期以来得到迅猛的开展。现在小波分析已经渗透到了自然科学、应用科学等方面，小波分析已经成为国际研究热点。无论是傅里叶分析还是小波分析都是以线性变换为根底，按非线性傅里叶分析法提出了非线性小波变换，这种非线性小波变换处理非线
10、性问题更为有效。小波变换能够把任何信号映射到一个由根本小波伸缩、平移而成的一组小波函数上去，实现信号在不同时刻、不同频带的合理别离而不丧失任何原始信息。这些功能为动态信号的非平稳描述、机械故障特征频率的分析、微弱信号的提取以实现故障诊断提供了高效、有力的工具2。特别是在故障诊断识别应用上，它不仅可以在低信噪比的信号中检测到故障信号，而且可以滤去噪声恢复原信号,因此在变压器的局部放电、绕组变形等故障的在线检测及变压器保护中多有应用。1.2 国内外开展现状变压器是电力系统中最重要的设备之一，用途十分广泛。随着近几年来电力系统规模的扩大，电压等级的升高，增加了很多大容量的电机和变压器，大容量变压器发
11、生事故的次数也随着增加，变压器的故障诊断就是根据变压器的故障征兆，确定故障的性质或部位。评估方法包括油中溶解气体分析、介质损耗检测、绕组阻抗、绕组变比测量、温度监测、以及局部放电、糠醛测试、调压装置在线监测、内部温度测量、在线功率因数测量、绕组位移变形测量等3。变压器的构造复杂，故障原因、故障现象和故障机理具有多样性、随机性，使得故障诊断存在诸多困难。分析变压器故障诊断方法的研究现状，有利于更好的了解变压器故障诊断的开展水平，正视当前的问题，为进展变压器故障识别方法研究打下良好的根底。1.2.1 基于变压器油中气体成分检测数据的传统诊断方法由于变压器的故障类型与变压器油中溶解气体的成分之间有很
12、明显的对应关系，基于这种对应关系，人们提出了多种判断变压器故障的方式。具体方法有：特征气体法、罗杰斯比值法、改进三比值法、电研协法等4，采用的特征气体有氢气H2、甲烷(CH4)、乙烷(C2H6)、乙烯(C2H4)、乙炔(C2H2)、一氧化碳CO、二氧化碳CO2等七种。传统的利用变压器油中溶解气体分析诊断变压器故障的方法，30多年来取得了巨大的成功，形成了系列标准。但是这些传统的诊断方法大多局限于阈值诊断的范畴,一般只给出一个判定边界的描述，难以确切反映故障与表现特征之间的客观规律，并且很难在溶解气体含量较小的情况下对变压器状态进展分析。1.2.2基于变压器油中气体成分检测数据的智能诊断方法针对
13、传统方法的缺乏，各种智能技术如人工神经网络、模糊理论、小波分析、灰色系统理论等被引入变压器故障识别中。然而由于变压器的复杂性、测试手段的局限性、知识的不准确性，各种方法表现出不同的优缺点。1神经网络法 神经网络Neural Network,简称NN方法是通过模拟人脑神经元活动的过程，用神经元的特性及连接模式来学习和表达知识。人工神经网络具有自组织自学习的能力，无需建立任何物理模型和人工干预。用于变压器故障诊断的神经网络是带有输入层、隐层、输出层的3层前馈构造。由于它具有并行分布处理、自适应、联想记忆、容错性强等特点，在信息处理、模式识别和智能控制等方面得到了广泛的应用。近年来随着神经网络理论的
14、不断开展完善，加上模糊理论和小波分析在神经网络中的广泛应用，神经网络方法成为最有前途的变压器故障诊断方法之一。(2)基于模糊理论的诊断方法 模糊理论在变压器故障诊断中的应用主要有模糊综合诊断和模糊聚类。以油中溶解气体为特征量的模糊聚类主要有基于模糊关系的动态聚类方法和基于目标函数的模糊聚类方法5。模糊诊断不需要建立准确的数学模型，利用模糊隶属函数、模糊关系方程和模糊聚类分析等方法就可以实现智能化的模糊诊断，并且能够提高诊断的准确性。在变压器故障诊断识别中，一种故障状态可以由多种故障征兆反映，而一种故障征兆可不同程度的反映多种故障状态，利用模糊关系矩阵不但可以实现故障的准确诊断，而且还可以确定故障点的部位。但是模糊矩阵的构造需要大量现场实际运行数据为根底，其准确度主要取决于所依据数据的准确性及丰富程度。模糊诊断虽然处理不确定性知识有它的优越性，但是要建立正确的模糊隶属函数是非常困难的。(3)基于小波分析的诊断方法小波分析首先是由法国地球物理学家Morlet于20世纪八十年代初在分析地球物理信号时提出。研究小波分析的热潮出现于1986年以后。1987年Mallat巧妙地将计算机视觉领域的多分辨分析的思想引入小波函数的构造及信号的小波分解与重构，得到了离散小波变换的快速算法Mallat算法。1988年Daubechies成功地构造出了具有紧
