基于模糊關(guān)系與自組織競爭網(wǎng)絡(luò)的變壓器故障診斷

張旭

摘? 要：縱觀現(xiàn)階段變壓器故障診斷的相關(guān)研究，發(fā)現(xiàn)傳統(tǒng)的診斷方式存在著諸多的弊端，對比于人工智能網(wǎng)絡(luò)診斷方法來說，其發(fā)揮出的作用并不明顯?；谌斯ぶ悄芫W(wǎng)絡(luò)診斷方法的研究，構(gòu)建自組織競爭網(wǎng)絡(luò)模型，在此基礎(chǔ)上的電力變壓器故障診斷方法更加的科學(xué)。基于此，文章將重點(diǎn)闡述模糊關(guān)系與自組織競爭網(wǎng)絡(luò)的變壓器故障診斷。

關(guān)鍵詞：模糊關(guān)系;自組織競爭網(wǎng)絡(luò);變壓器故障;診斷方式

中圖分類號：TP391? ? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號：2095-2945（2020）08-0059-02

Abstract： Throughout the relevant research of transformer fault diagnosis at the present stage， it is found that the traditional diagnosis method has many disadvantages， compared with the artificial intelligence network diagnosis method， its role is not obvious. Based on the research of artificial intelligence network diagnosis method， the self-organizing competitive network model is constructed， and the power transformer fault diagnosis method is more scientific. Based on this， this paper will focus on the transformer fault diagnosis based on fuzzy relation and self-organizing competitive network.

Keywords： fuzzy relation; self-organizing competitive network; transformer fault; diagnosis mode

為了更好的實(shí)現(xiàn)對變壓器故障的合理分析，需要結(jié)合智能化技術(shù)的應(yīng)用趨勢，分析實(shí)時在線診斷和高可靠性診斷的實(shí)踐價值[1]。依照變壓器故障狀態(tài)的等級劃分和特征參數(shù)分析，在存在著諸多不確定性問題的基礎(chǔ)上，借助于模糊理論中的隸屬度函數(shù)實(shí)現(xiàn)對故障特征數(shù)據(jù)的合理化判斷，可以獲取更為可靠地故障類型分析，同時還能進(jìn)一步總結(jié)故障數(shù)據(jù)的模糊關(guān)系。依照國家電網(wǎng)互聯(lián)目標(biāo)的實(shí)施情況，分析當(dāng)前龐大的智能互聯(lián)網(wǎng)在變電、輸電及配電環(huán)境中扮演的重要角色，擬定科學(xué)的故障診斷方法，促使變壓器始終保持在相對穩(wěn)定的運(yùn)行狀態(tài)，給電網(wǎng)建設(shè)提供有效的支撐[2]。

1 變壓器故障診斷模型分析

油中溶解氣體分析法屬于一種較為可靠的變壓器故障診斷方法，屬于電力變壓器故障現(xiàn)場診斷較為直接的手段。但是在實(shí)際運(yùn)用這種方法的過程中，反映出采集精確性不高、穩(wěn)定性不強(qiáng)的問題，并且氣相色譜柱無法迎合相對復(fù)雜的現(xiàn)場環(huán)境的需要。分析電力變壓器故障識別體現(xiàn)出較為明顯的模糊性，現(xiàn)階段傳統(tǒng)的油中溶解性氣體故障診斷方式無法更好的反映變壓器出現(xiàn)的故障種類及征兆存在的對應(yīng)關(guān)系，可見其存在著弊端[3]。為了讓非線性映射關(guān)系充分的反映出來，神經(jīng)網(wǎng)絡(luò)這類存在著自組織以及自學(xué)習(xí)能力的強(qiáng)大工具被合理的運(yùn)用至具體的工作實(shí)踐中。為了更好的解讀電力變壓器故障的基本情況，同時明確故障診斷的基本技術(shù)，主張在模糊理論的基礎(chǔ)上，將其和自組織競爭神經(jīng)網(wǎng)絡(luò)建立起密切的聯(lián)系，將其合理的運(yùn)用至電力變壓器故障識別工作中，由此對變壓器故障的診斷精度提供可靠地保障[4]。

2 基于模糊理論和關(guān)系的變壓器故障數(shù)據(jù)處理

電力變壓器油中多種溶解性的故障特征氣體存在著復(fù)雜的成分，同時還需要明確基本的含量問題，其與變壓器的故障性質(zhì)和嚴(yán)重的程度等存在著極為密切的關(guān)聯(lián)，數(shù)學(xué)上也反映出諸多的映射關(guān)系。應(yīng)該考慮的問題是電力變壓器的故障存在著相應(yīng)的產(chǎn)氣機(jī)理，其存在著極為明顯的特征，較為復(fù)雜且細(xì)化，油中氣體的含量實(shí)際的分布情況無法通過相對簡易的手段加以推測。受到不同運(yùn)行環(huán)境的影響，電力變壓器故障氣體的組分以及相應(yīng)的濃度等，往往可以彰顯出較為明顯的復(fù)雜特征，其中的映射問題也是一個非常重要的方面，所以依照特定環(huán)境下變壓器的故障數(shù)據(jù)難以將故障的基本特征和類型之間的關(guān)系加以判斷?；谏鲜龅南嚓P(guān)問題，對電力變壓器故障診斷實(shí)踐實(shí)際統(tǒng)計的故障樣本做出合理的判斷，具體的故障種類對應(yīng)的溶解特征氣體具體的隸屬度值向量差異顯著。也就是說在電力變壓器的故障確定之后，不同特征的氣體中存有三種以上的氣體濃度關(guān)系密切，若是對這些氣體的濃度進(jìn)行合理科學(xué)的處理，可以獲取對應(yīng)的隸屬度值，而五種特征氣體隸屬度值便使得變壓器的故障特征輸入向量得以獲取。

3 自組織競爭網(wǎng)絡(luò)結(jié)構(gòu)的概述

這種神經(jīng)元網(wǎng)絡(luò)屬于相對獨(dú)立的一種網(wǎng)絡(luò)結(jié)構(gòu)，其主要是一種單層網(wǎng)絡(luò)，對應(yīng)的輸入和輸出節(jié)點(diǎn)之間始終建立著極為顯著的完全互聯(lián)模式，同時構(gòu)建起對應(yīng)的完全互聯(lián)模式體系[5]。網(wǎng)絡(luò)在學(xué)習(xí)中的競爭特性得以充分的表現(xiàn)，具體反映在輸出層上，因此可以通過基本的輸出過程彰顯出基本的特點(diǎn)，在競爭網(wǎng)絡(luò)中將輸出層稱作競爭層，其擔(dān)負(fù)著至關(guān)重要的職責(zé)，突出一種競爭關(guān)系，對比于輸入節(jié)點(diǎn)相連的權(quán)值和輸入，主要被稱之為輸入層。自組織競爭網(wǎng)絡(luò)中涵蓋著輸入層和競爭層，兩者之間的關(guān)系十分的密切，同時還反映出對應(yīng)的競爭模式。依照競爭的規(guī)則，競爭層中所涉及到的神經(jīng)元體現(xiàn)出最大加權(quán)值的神經(jīng)元取得最終的勝利，輸出的權(quán)值則是依照權(quán)值的公式進(jìn)行合理的調(diào)整。權(quán)值調(diào)整公式中往往涉及到不同的項(xiàng)，若是其中一項(xiàng)是1的時候，權(quán)值則會增加;若是存在著0時，則權(quán)值會逐漸的減小。在網(wǎng)絡(luò)競爭層中，不同的神經(jīng)元競爭針對于輸入模式的響應(yīng)機(jī)會表現(xiàn)的較為突出，而反映出的成果也證實(shí)了具體的工作模式，最后僅有一個神經(jīng)元能夠成為競爭中的獲勝方，這個獲勝的神經(jīng)元也就是最終模式需要輸出的結(jié)果。

4 基于模糊關(guān)系與自組織競爭網(wǎng)絡(luò)的變壓器故障診斷

4.1 網(wǎng)絡(luò)學(xué)習(xí)的訓(xùn)練實(shí)踐

依照上述相關(guān)步驟實(shí)際分析的基本情況，了解到收集到的不同電力變壓器故障種類及無故障種類的相關(guān)樣本數(shù)據(jù)，在對獲取的基本信息進(jìn)行了模糊處理后，獲取了對應(yīng)的故障數(shù)據(jù)樣本向量，為后續(xù)相關(guān)任務(wù)的開展奠定了可靠的基礎(chǔ)。通過將實(shí)施了對應(yīng)處理后的變壓器故障樣本向量合理的輸入至已經(jīng)構(gòu)建起的神經(jīng)網(wǎng)絡(luò)模型之中，使得相應(yīng)的神經(jīng)網(wǎng)絡(luò)模型關(guān)注到相關(guān)樣本的實(shí)際狀態(tài)，在對其進(jìn)行合理的分析后，借助于MATLAB仿真軟件進(jìn)行科學(xué)的學(xué)習(xí)訓(xùn)練。整個訓(xùn)練的過程會涉及到部分細(xì)節(jié)性的問題，考慮到自組織競爭神經(jīng)網(wǎng)絡(luò)的特殊性，明確其本身就是一種無監(jiān)督、自學(xué)習(xí)的網(wǎng)絡(luò)模式，同時還能實(shí)現(xiàn)無預(yù)期的輸出，屬于融合了人工智能技術(shù)的網(wǎng)絡(luò)。這種模型在實(shí)際學(xué)習(xí)的時候，不需要對訓(xùn)練停止的有效誤差項(xiàng)進(jìn)行設(shè)置，僅僅需要對模型訓(xùn)練的相關(guān)次數(shù)予以明確即可。在設(shè)定這種模型訓(xùn)練循環(huán)迭代次數(shù)的時候，應(yīng)該將其控制在200次為最佳，學(xué)習(xí)的速率需要適當(dāng)?shù)脑O(shè)置于0.1，當(dāng)這種網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練在模型達(dá)到了最大循環(huán)迭代次數(shù)的時候即可停止。經(jīng)過對學(xué)習(xí)訓(xùn)練的數(shù)據(jù)及時的輸出，分析相關(guān)的結(jié)果和原始樣本的分類結(jié)果情況，在相互對比的過程中，發(fā)現(xiàn)網(wǎng)絡(luò)分類結(jié)果處于吻合的狀態(tài)。

4.2 故障的具體實(shí)踐測試

在變電站的電力變壓器故障數(shù)據(jù)的相關(guān)記錄中，能夠清楚的了解到分析的主體，隨機(jī)的選出對應(yīng)的變壓器故障種類和無故障種類，將其適當(dāng)?shù)慕M合，使其成為100組故障特征輸入向量，將其作為主要的分析對象，同時根據(jù)其實(shí)際的情況做出合理的判斷[6]。將其適當(dāng)?shù)膶?dǎo)入至自組織競爭神經(jīng)網(wǎng)絡(luò)模型中，之后落實(shí)相應(yīng)的變壓器故障診斷工作，將獲取的結(jié)果做出科學(xué)的判斷和分析，使其與變壓器故障數(shù)據(jù)加以分析，前提是確保相關(guān)的數(shù)據(jù)未經(jīng)模糊關(guān)系的處理，還是通過直接的構(gòu)成特征向量完成了有效的導(dǎo)入，適時的導(dǎo)入至自組織精神網(wǎng)絡(luò)模型的診斷過程中，促使診斷的結(jié)果能夠及時的完成對比分析，讓實(shí)際的故障診斷對比結(jié)果更加的直觀且真實(shí)。經(jīng)過合理的統(tǒng)計與對比，在模糊理論的影響下，借助于模糊關(guān)系的處理方式，使得變壓器故障數(shù)據(jù)被自組織競爭網(wǎng)絡(luò)進(jìn)行合理科學(xué)的判斷，正確的劃分出不同的類型，分類診斷結(jié)果和實(shí)際故障的結(jié)果呈現(xiàn)出相對吻合的狀態(tài)，處于完全吻合的模式之下，但是沒有經(jīng)過模糊關(guān)系處理的變壓器故障數(shù)據(jù)，通過借助于自組織競爭網(wǎng)絡(luò)的作用，使其劃分出三種類型，反映出故障診斷錯誤的問題，這對于故障的實(shí)際結(jié)果不相符。可見在具體的實(shí)踐中，還是應(yīng)該重視理論和實(shí)踐的相互結(jié)合，只有兩者密切聯(lián)系，才能保證結(jié)果符合實(shí)際的情況，給相關(guān)工作的開展提供有效的參考依據(jù)。

5 結(jié)束語

借助于自組織競爭神經(jīng)網(wǎng)絡(luò)實(shí)際存在的自組織以及自學(xué)習(xí)特征，可以在開展相關(guān)工作的時候，積極的將相關(guān)的特征利用起來，保證對電力變壓器故障及時的判定，實(shí)現(xiàn)實(shí)時在線診斷的目標(biāo)，這將富有現(xiàn)實(shí)意義。借助于模糊理論中隸屬度函數(shù)知識，變壓器的故障種類以及相應(yīng)的故障特征等表現(xiàn)出極為顯著的含量模糊關(guān)系，為建立在自組織競爭網(wǎng)絡(luò)上的變壓器故障診斷提供了合理的數(shù)據(jù)預(yù)處理機(jī)會，確保含有故障特征氣體含量值充分反映出來，同時又能充分的映射至特定的區(qū)間中，構(gòu)成方便網(wǎng)絡(luò)識別和判斷的輸入數(shù)據(jù)。就是因?yàn)橄嚓P(guān)實(shí)踐方案的存在，使得自組織競爭網(wǎng)絡(luò)本身存有的弊端加以規(guī)避，在具體運(yùn)用的時候，避免了無規(guī)律、突變?nèi)哂嗟淖儔浩鞴收蠑?shù)據(jù)問題，這對于完成電力變壓器的故障在線診斷目標(biāo)有著較大的幫助，并且反映出極為理想的可靠性識別成效。

參考文獻(xiàn)：

[1]葛燕燕，李鑫，馮爍，等.基于熵權(quán)模糊綜合評價模型的多層疊置含煤層氣系統(tǒng)合層排采水源判別[J].煤炭技術(shù)，2019，38（12）：73-75.

[2]劉存香，劉學(xué)軍，莫韋花.多序關(guān)系分析——模糊綜合評價法在轎車電液制動系統(tǒng)方案評判中的應(yīng)用[J].機(jī)電工程，2019，36（10）：1089-1093.

[3]馬海龍.基于多信息融合的刮板輸送機(jī)減速機(jī)模糊故障診斷專家系統(tǒng)[J].煤礦機(jī)械，2019，40（09）：174-176.

[4]薛敏，史軒亞，杜義飛.企業(yè)關(guān)鍵主體二元網(wǎng)絡(luò)關(guān)系對其能力進(jìn)階的影響——基于模糊集定性比較分析[J].技術(shù)經(jīng)濟(jì)，2019，38（05）：21-28.

[5]黃柯，熊清泉.Addition-Max合成模糊關(guān)系不等式系統(tǒng)的極大解[J].模糊系統(tǒng)與數(shù)學(xué)，2018，32（06）：106-116.

[6]朱天翔，林海濤，楊曉鵬.約束條件為加法-取小模糊關(guān)系系統(tǒng)的帶權(quán)min-max規(guī)劃[J].運(yùn)籌與管理，2018，27（10）：97-101.