基于六氟化硫氣體分解物的高壓設(shè)備專家診斷系統(tǒng)

【摘要】 本文采用小波神經(jīng)網(wǎng)絡(luò)的專家診斷方法，提出了一種基于六氟化硫氣體分解物的高壓設(shè)備專家診斷系統(tǒng)的思路和方法，并且將良好的軟件和硬件協(xié)同應(yīng)用于高壓設(shè)備專家診斷中，用于分析氣體分解物的含量并做出高壓設(shè)備的故障判斷與對故障的預(yù)測。介紹專家診斷系統(tǒng)的硬件組成和軟件實現(xiàn)方式，并通過與其他業(yè)內(nèi)常用方法的比較進而突出本方法的優(yōu)勢。最后，通過分析一些列實驗數(shù)據(jù)證明專家診斷系統(tǒng)的可靠性和實用性。

【關(guān)鍵字】 網(wǎng)絡(luò)模型 專家診斷 小波神經(jīng) 高壓設(shè)備

一、引言

現(xiàn)如今，在國內(nèi)外高壓設(shè)備中六氟化硫已經(jīng)逐步替代常規(guī)的絕緣油材料而得到廣泛應(yīng)用，六氟化硫高壓設(shè)備的潛在故障檢測和故障分析就顯得越發(fā)的重要。數(shù)據(jù)分析顯示國內(nèi)外對于六氟化硫高壓設(shè)備的故障概率的調(diào)查結(jié)果表明，六氟化硫氣體產(chǎn)生故障在所有故障中占的比例非常大，因此，盡早檢測出設(shè)備隱患，避免事故的發(fā)生，對于電力系統(tǒng)來說一直是工作重點，對六氟化硫?qū)崟r監(jiān)測和診斷的方法的探索也一直沒有停止過。

國內(nèi)外此前已經(jīng)對基于六氟化硫氣體分解物分析的高壓設(shè)備故障檢測做了很多研究，但是目前國外制造的檢測儀器對檢測環(huán)境的補償并不適合應(yīng)用于國內(nèi)的檢測環(huán)境，因此不適合在國內(nèi)推廣，而國內(nèi)目前并沒有成熟的方法應(yīng)用于生產(chǎn)實踐中。

我們通過對海量相關(guān)文獻的研究和對現(xiàn)場實際情況的深入調(diào)研，總結(jié)出六氟化硫高壓設(shè)備故障檢測存在兩大技術(shù)難點：第一，不同六氟化硫高壓設(shè)備工作機理迥異，環(huán)境各有相同，高壓設(shè)備出現(xiàn)故障時，氣室內(nèi)包括六氟化硫氣體在內(nèi)的各種分解物多達幾十種，選取哪種氣體作為檢測對象，采用哪種測量原理，如何才能比較準確的得到測量結(jié)果是第一個難點。第二，由于六氟化硫高壓設(shè)備在運行狀態(tài)下處于強磁場環(huán)境中 ，高壓設(shè)備故障時六氟化硫各種分解物的含量均為ppm級別 ，即百萬分之一含量，因此微小采樣信號極容易受到外界強電磁場干擾的干擾而變得不準確，這就對軟硬件的設(shè)計提出非常高的要求，必須考慮電磁兼容，就地處理，有效傳輸?shù)葐栴}。

六氟化硫高壓設(shè)備內(nèi)部發(fā)生故障時分解產(chǎn)物主要是氟化物和硫化物。經(jīng)過大量調(diào)研和廣泛查閱，我們提出各類六氟化硫設(shè)備中二氧化硫含量的正常范圍是：。當被檢測氣室的二氧化硫含量小于或此濃度時，設(shè)備運行屬于正常；如果超過上述指標時，則應(yīng)視為不正常，應(yīng)采取加強監(jiān)督或停電檢修策略。

我們根據(jù)六氟化硫高壓設(shè)備的絕緣檢測機理，結(jié)合對眾多高壓設(shè)備專家診斷方法的深入研究與對比，更重要的是在高壓設(shè)備故障檢測現(xiàn)場的高壓強電磁環(huán)境下，而且在數(shù)據(jù)壓縮時，小波神經(jīng)網(wǎng)絡(luò)不僅重建結(jié)果很好，同時還有很好的濾噪功能。因此我們最終選擇小波神經(jīng)網(wǎng)絡(luò)專家診斷方法，用于檢測、分析和判斷六氟化硫高壓設(shè)備內(nèi)部故障。

文章分為三部分，第一部分原理概述，闡述小波神經(jīng)網(wǎng)絡(luò)專家診斷系統(tǒng)的組成原理和軟硬件的基本組成；第二部分重點介紹介紹小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和專家診斷的優(yōu)越性；第三部分方法比較，通過仿真與實驗對比各種專家診斷的方法，總結(jié)出小波神經(jīng)網(wǎng)絡(luò)的優(yōu)越性；第四部分通過數(shù)據(jù)分析得出結(jié)論，說明基于小波神經(jīng)網(wǎng)絡(luò)的組合電器專家診斷系統(tǒng)是值得信賴和推廣使用的。

二、專家診斷系統(tǒng)構(gòu)建

基于六氟化硫氣體分解物的高壓設(shè)備專家診斷系統(tǒng)是由氣體傳感器單元、氣路連接單元、氣體報警單元、中央控制器單元、顯示單元以及鍵盤操作單元等組成。系統(tǒng)結(jié)構(gòu)如圖1所示。

基于六氟化硫氣體分解物的高壓設(shè)備專家診斷系統(tǒng)采用ATMEL公司生產(chǎn)的ATmega128系列AVR單片機作為主控制CPU，氣體傳感器采用英國City公司的二氧化硫傳感器（型號：4S），采樣精度可達0.1ppm，系統(tǒng)能實現(xiàn)整體的信號采集，中央處理器負責(zé)信號的處理并控制各類接口。AVR單片機自帶的A/D轉(zhuǎn)換器可實現(xiàn)對氣體含量信號的轉(zhuǎn)換，經(jīng)過軟件修正、補償后存儲于單片機內(nèi)部的EEPROM中，防止掉電數(shù)據(jù)丟失，數(shù)據(jù)在本地液晶屏顯示。系統(tǒng)可設(shè)置好報警閾值，當檢測到二氧化硫含量超過設(shè)定閾值時系統(tǒng)會通過報警器報警，引起工作人員注意。工作人員通過按鍵操作可以查詢歷史數(shù)據(jù)，實現(xiàn)對高壓設(shè)備潛在故障進行分析和預(yù)測。

基于六氟化硫氣體分解物的高壓設(shè)備專家診斷系統(tǒng)軟件由三部分組成：數(shù)據(jù)采集，數(shù)據(jù)處理和數(shù)據(jù)輸出。數(shù)據(jù)采集包含了數(shù)據(jù)濾波，數(shù)據(jù)存儲和對歷史數(shù)據(jù)的查詢，為了減少高壓電磁場對數(shù)據(jù)采集的影響，數(shù)據(jù)濾波選擇采用小波神經(jīng)網(wǎng)絡(luò)的過濾方法。

診斷系統(tǒng)軟件結(jié)構(gòu)流程圖如圖2所示：

診斷系統(tǒng)只有在軟硬密切協(xié)同的基礎(chǔ)上，才能獲得比較準確的測量結(jié)果。因此為了得到更接近實際數(shù)據(jù)的檢測結(jié)果，采用較好的軟硬件結(jié)合非常有必要。

三、小波神經(jīng)網(wǎng)絡(luò)建模

將小波神經(jīng)網(wǎng)絡(luò)用于信號表達，其本質(zhì)是在小波特征空間中尋找一組合適的小波基，相應(yīng)的自適應(yīng)小波的計算通過對小波參數(shù)或形狀迭代計算以使其能量函數(shù)最小化來實現(xiàn)。小波神經(jīng)網(wǎng)絡(luò)建模就是基于小波分析所構(gòu)造的一種新型神經(jīng)網(wǎng)絡(luò)模型，它結(jié)合了小波變換極佳的時頻域性質(zhì)以及神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能，因而具有非常強的逼近和容錯能力。

我們利用小波變換的基本原理，同時利用神經(jīng)網(wǎng)絡(luò)的權(quán)值代替離散小波變換中的系數(shù)，就可以構(gòu)成小波神經(jīng)網(wǎng)絡(luò)，然后利用小波變換函數(shù)的時頻特性來減少神經(jīng)網(wǎng)絡(luò)的實際規(guī)模，就能通過實驗結(jié)論證明該算法能夠在有效減少神經(jīng)元數(shù)量的同時達到非常好的函數(shù)逼近效果。

3.1小波神經(jīng)網(wǎng)絡(luò)理論

小波變換其實是不同參數(shù)之間的積分變化：

在多組分測定中，小波空間還能作為分類別的特征空間，而組分特征提取則是通過將一組小波基與信號向量的內(nèi)積進行加權(quán)和來實現(xiàn)的。其采用的特征輸出為：

采用共軛梯度法來優(yōu)化網(wǎng)絡(luò)參數(shù)。小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差的收斂速度非?？?，通常只需迭代10次就已經(jīng)收斂。小波神經(jīng)網(wǎng)絡(luò)可以同時進行數(shù)據(jù)壓縮和過濾噪聲，由于當擬合誤差逼近于零時，濾噪的效果將會變差，因此不需像一般的神經(jīng)網(wǎng)絡(luò)一樣，要求擬合誤差越小越好。當小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練次數(shù)達到20次以上時，其誤差不再有明顯下降趨勢。因此在選擇網(wǎng)絡(luò)參數(shù)時，小波神經(jīng)網(wǎng)絡(luò)不需要對噪聲信號擬合，這樣就可以達到數(shù)據(jù)壓縮和過濾噪聲的雙重效果。

3.2 小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

小波神經(jīng)網(wǎng)絡(luò)采用不同的結(jié)構(gòu)來滿足不同的用途。當小波神經(jīng)網(wǎng)絡(luò)用于表示信號時：信號表示強調(diào)的是信號的峰值，而信號分類強調(diào)信號之間重疊的尾部。在信號分類中，小波神經(jīng)網(wǎng)絡(luò)可用作信號分類的特征空間，然后把這些特征輸入到另一個分類器，而特征提取則是通過一組小波與輸入矢量的內(nèi)積。小波函數(shù)在時頻域都有分辨的特點和它在緊支集中能任意逼近非線性連續(xù)函數(shù)的特點，使得其更適合學(xué)習(xí)快速變化和局部非線性的函數(shù)。如果可以根據(jù)需要自由決定BP神經(jīng)網(wǎng)絡(luò)的隱層節(jié)點數(shù)，則一個三層神經(jīng)網(wǎng)絡(luò)可以實現(xiàn)任意精度近似任意連續(xù)函數(shù)。根據(jù)小波變換的知識，離散小波變換中的系數(shù)由神經(jīng)網(wǎng)絡(luò)的權(quán)值去代替，進而構(gòu)成小波神經(jīng)網(wǎng)絡(luò)。小波神經(jīng)網(wǎng)絡(luò)的隱層用的是極性函數(shù)，預(yù)處理層就是小波變換了。一般情況下，信號可用離散小波式來表示：

這樣就能用單隱層的前饋神經(jīng)網(wǎng)絡(luò)來表示信號函數(shù)，在后，神經(jīng)網(wǎng)絡(luò)的權(quán)值就由函數(shù)的小波系數(shù)展開來表示，而且該網(wǎng)絡(luò)可以無限地逼近任意非線性函數(shù)。而小波系構(gòu)成了的框架。因為在逼近誤差之后可以通過增加神經(jīng)網(wǎng)絡(luò)的規(guī)模，即權(quán)值的個數(shù)，最終達到逼近要求。含預(yù)處理層的小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為：

（1）輸入層：輸入原始信號；

（2）預(yù)處理層：原始信號輸入預(yù)處理層后，進行若干級的小波分解，不同的結(jié)點代表了不同的分解，對于小波樹中的葉結(jié)點，預(yù)處理層首先輸出小波分解的結(jié)果，然后取平均的X維特征作為隱含層的輸入，每個結(jié)點輸出N維特征，；

（3）隱層：隱層類似于BP網(wǎng)絡(luò)，可隨預(yù)處理層的變化而發(fā)生變化，作為輸入，每個結(jié)點只接受固定的一個預(yù)處理層結(jié)點輸出sigmoid函數(shù)值；

（4）輸出層：同樣類似于BP網(wǎng)絡(luò)中的輸出層，接受隱層的輸出，輸出分類結(jié)果，輸出層函數(shù)運算。

我們要進一步研究被溶蝕如何正確選擇小波母函數(shù)，學(xué)習(xí)算法的速度，神經(jīng)網(wǎng)絡(luò)的規(guī)模等。能否可以用小波神經(jīng)元逼近的非線性函數(shù)代替sigmoid函數(shù)，使其在分類問題神經(jīng)網(wǎng)絡(luò)中具有更高的分類特性。我們從函數(shù)y=f（x）的一組輸入輸出樣本集（x，y）出發(fā)，來訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，可以得到神經(jīng)網(wǎng)絡(luò)權(quán)值，最終建立起一個能無限逼近某些非線性函數(shù)的我們所需要的小波神經(jīng)網(wǎng)絡(luò)。在網(wǎng)絡(luò)訓(xùn)練前先進行信號的若干級小波分解，小波分解算法采用級聯(lián)濾波器組實現(xiàn)快速小波變化。由此完成小波函數(shù)選取。網(wǎng)絡(luò)節(jié)點的修改包括網(wǎng)絡(luò)節(jié)點的分裂與刪除，當網(wǎng)絡(luò)結(jié)點發(fā)生分裂時，增加一個結(jié)點和權(quán)，原結(jié)點的權(quán)值賦予分裂后的結(jié)點，當刪除網(wǎng)絡(luò)節(jié)點時，刪除結(jié)點及相對應(yīng)的權(quán)，一般采用BP算法訓(xùn)練進行網(wǎng)絡(luò)訓(xùn)練。 若一個結(jié)點在兩層的權(quán)值分布上基本相似，上層未做大幅度的修改，則說明該結(jié)點的分類能力較強。

四、仿真與實現(xiàn)

在不同的條件下對該算法的有效性了進行仿真，我們提出了基于小波神經(jīng)網(wǎng)絡(luò)的高壓強磁場環(huán)境下信號處理算法，并建立了基于Matlab環(huán)境下的系統(tǒng)仿真模型。

現(xiàn)在給出權(quán)值和閾值的范圍并繪制誤差曲面及誤差曲面的等高線，最優(yōu)值就在誤差曲面的最低點。輸入樣本之間是非線性的，最優(yōu)點的均方誤差無法達到0。

經(jīng)過20次訓(xùn)練后，由于誤差已經(jīng)很小，輸出信號可以被利用，完全達到處理的目的。

本次實驗數(shù)據(jù)所有測試結(jié)果均得到其認證，在中國計量科學(xué)院完成。

五、結(jié)論

通過算法的仿真和現(xiàn)場的測試結(jié)果表明，小波變換在實驗室內(nèi)對原始信號的處理達到了濾波效果，但是在變電站高壓電磁場環(huán)境下仍然存在誤差?；谛〔ㄉ窠?jīng)網(wǎng)絡(luò)的信號處理就充分的完成濾波目標，將誤差減小到合理范圍內(nèi)，輸出信號也不再受到檢測變電站的高壓電磁場的影響。加上良好的軟件和硬件設(shè)計，和就地化處理手段和抗干擾手段，使得基于六氟化硫氣體分解物的電氣設(shè)備故障診斷系統(tǒng)在六氟化硫組合電器故障檢測中取得了立項的效果，達到了預(yù)期目標。

參 考 文 獻

[1]何正友.小波分析在電力系統(tǒng)暫態(tài)信號處理中的應(yīng)用[M].北京：中國電力出版社，2011.

[2]劉建敏；劉艷斌；喬新勇；；發(fā)動機技術(shù)狀況變化趨勢預(yù)測研究[J]；兵工學(xué)報；2007年07期

[3]劉霞；復(fù)雜非線性系統(tǒng)的小波神經(jīng)網(wǎng)絡(luò)建模及其應(yīng)用[D]；大慶石油學(xué)院；2005年

[4]廖忠；小波網(wǎng)絡(luò)及其在水輪機調(diào)節(jié)系統(tǒng)中的應(yīng)用研究[D]；河海大學(xué)；2005年

[5]王麗霞，何正友，趙靜，等.小波變換和數(shù)學(xué)形態(tài)學(xué)在電力擾動信號消噪中的應(yīng)用[J].電力系統(tǒng)保護與控制，2008，36（24）：30-35.

[6]王海斌，黃顯林，胡恒章；基于小波神經(jīng)網(wǎng)絡(luò)的多節(jié)點機械手滑模自適應(yīng)控制[J]；電氣傳動自動化；2000年02期

[7] ROgerJ.Best：MarketBasedManagementStrategiesforGrowingCustomerValueandProfitability[M]Ameriea，2006

[8] ChrisAnderson：TheLongTail：WllytheFutureofBusiness15SellingLessofMore[M]Ameriea，2006