（1,2,3,5,6.7.8国网枣庄供电公司，4国网临沂供电公司）
前言
人工神经网络（ANN：ArtificialNeuralNetwork）是一种把对大脑的生理研究成果作为基础来达到模拟大脑的一些机制的数学模型，于上世纪40年代初被提出，并且得到了迅猛的发展，被广泛的应用在许多领域中。
近年来，神经网络已经广泛的应用在了变压器状态监测系统中。BP神经网络在变压器状态监测中应用的最广泛，该方法的依据是利用特征气体法和IEC三比值法对油中溶解的气体进行分析。文献[]提出的变压器故障方案是利用广义误差神经网络对故障进行正确的分类，从而克服BP神经网络的缺点；文献[]利用竞争学习理论的Kohonen自组织网络模型，网络规模小、分类能力强，克服了BP网络的缺点，试算结果令人满意。
神经网络故障诊断方法应用分析
神经网络输入向量为、、、、这五种气体，即该网络输入层的节点数目为5；对于隐含层的设计为两倍的输入层节点数加一，对于本文来说，就是11个节点；然后将所输入的气体数据和历史数据综合在一起来分析变压器的运行状况并给出诊断结论，给出的变压器故障诊断结论为：无故障、中低温过热、高温过热、低能量放电和高能量放电等五种类型，即规定了输出节点是5个，分别对应为、、、、，通过网络给出的输出值来判断故障类型，发生该类故障可能性最大的情况是输出为1，；如果不可能发生该类故障，则输出0。
下面本文用36组数据来对该BP神经网络进行训练，输入气体的数据是气体在总气体中的百分比，数据如表2-1所示：
表2-1神经网络模型训练数据
训练的误差曲线如图2-6所示。
图2-6BP神经网络训练误差曲线
可以看出BP神经网络故障诊断模型能够较为精确地拟合输入样本数据，训练结果如下表2-2。
表2-2训练后的网络输出结果对照表
网络模型训练好后，可以对变压器进行故障诊断。BP神经网络对来自某变电站变压器的20组数据进行分析与检验，其诊断结果如下表2-3。
表2-3应用于BP神经网络的变压器故障诊断的诊断结果
注：表中*表示诊断错误。
结论
从诊断结果可以看出，判断正确率可以达到90%，充分显示了用BP神经网络来对变压器故障诊断具有较高的适合度以及故障诊断的准确性。
参考文献
[1]马歆,潘力强,綦科.GBP人工神经网络在变压器故障诊断中的应用[J].湖南大学学报,1998,25(5):82-86.
[2]DUANYu-qian,HEJia-li.TransformerComputerizedProtectionBasedonArtificialNervalNetwork[C].ProceedingsoftheCSEE),1998,3(18):190-194.
客服QQ：30444492琼网文【2021】1550-113号
增值电信业务经营许可证：琼B2-20210322
出版物经营许可证：新出发龙华出字第(2021)009号
广播电视节目制作经营许可证：(琼)字第00779号
版权所有 ©2002-2024 期刊网(www.qikanchina.com) 琼ICP备2021005105号
