变压器绝缘故障类型的改进型RBF神经网络识别算法李浩

5DOI：10.13234/j.issn.2095-2805．2018．5.167：TM41：ARBF，，（，454000）：，8，RBF（radialbasisfunction）。RBF、，。：，90%。：；；RBF；；IdentificationAlgorithmforTransformerInsulationFaultTypesBasedonImprovedRBFNeuralNetworkLIHao，WANGFuzhong,WANGRui（SchoolofElectricalEngineeringandAutomation,HenanPolytechnicUniversity,Jiaozuo454000,China）Abstract：Toaccuratelydiagnosetheinternallatentfaulttypesofapowertransformer,anovelradialbasisfunction（RBF）neuralnetworkalgorithmisproposedbyanalyzingthegasproductionundereightlatentinternalinsulationfaulttypes,suchasoiloverheatingandpartialdischarginginoilpaperinsulation.Thisalgorithmisimprovedbyartificialimmunenetworkalgorithmandparticleswarmoptimizationalgorithm.ThispaperfocusesonthecompositionprincipleoftransformerfaultdiagnosismodelbasedonRBFneuralnetwork,themethodfordeterminingthecenterofhiddenlayerinthefaultmodelbasedonartificialimmunenetworkalgorithm,andthemethodofnetworkweightoptimizationbasedonparticleswarmoptimizationalgorithm.Simulationexperimentsarecarriedout,showingthattheproposedalgorithmcaneffectivelyidentifytheinsulationfaulttypesatanaccuracyofhigherthan90%.Keywords:powertransformer;faultdiagnosis;RBFneuralnetwork;artificialimmunenetwork;particleswarmoptimizationalgorithm，，[1,2]。，。DGA（dis-solvedgasanalysis），，[3]。，。，，[4-9]、[10]、[11-12]。RBF（radialbasisfunction）：2016-08-07；：2018-01-11：（132107000027）ProjectSupportedbyFoundationfortheIntegrationofIndustry,EducationandResearchofHenanProvince（132107000027）JournalofPowerSupplyVol.16No.5Sept.201816520189791Tab.1GasproductiontypesunderdifferenttypesoffaultCH4、C2H4H2、C2H6CH4、C2H4、CO、CO2H2、C2H6H2-CO、CO2-H2、CH4、COC2H2、C2H6、CO2H2、C2H2-H2、C2H2CH4、C2H4、CO2H2、C2H2、CO、CO2CH4、C2H4、C2H6、，、。、RBF[13]。[14]RBF，、，，；[15]，RBF，RBF，。RBF，，、。，，。1：（、）（）。，、，1。1，，4，8。（H2）、（CH4）、（C2H6）、（C2H4）、（C2H2）、（CO）（CO2）。，187，，，x1～x77，y1～y818。2RBF2.1RBF，[16]。，。，，、，RBF1。、。，，，7；2，；,，8。，sj（x）=准j（||x-cj||）j=1,2,…,a（1）：sjj；准j（·）1685，：RBF；cj；||x-cj||xcj；a。、，准j（||x-cj||）=exp-（x-cj）T（x-cj）δ2jjj（2），，yk=aj=1Σωjksjk=1,2,…，m（3）：ykk；m。2.2NX=[x1，x2，…，xN]，xi=[xi1，xi2，xi3，xi4，xi5，xi6，xi7]T，Y=[yi1，yi2，yi3，yi4，yi5，yi6，yi7，yi8]T。，yk=ωTkΦ=aj=1Σωkjexp-||x-cj||2δ2jjjk=1,2,…,8（4）：ωkk，ωk=[wk1,wk2,…,wka]T；Φ，Φ=[准1,准2,…，准a]T。（4），RBF。。2.3，RBF，，，。，，，[17-19]。，，。（1）。7xi=[xi1，xi2，xi3，xi4，xi5，xi6，xi7]，xi1～xi77。（2）。[20,21]，xi=[xi1，xi2，xi3，xi4，xi5，xi6，xi7]，x'i=[x'i1，x'i2，x'i3，x'i4，x'i5，x'i6，x'i7]，x'ip=xip7p=1Σxipp=1,2,…,7（5）（3）。，。，、cv，cv0.01，，。nd（ΣA，ΣB）=ni=1Σ（a[i]-b[i]）2姨（6）（4）。NAb；（5）。x'iAbfi，fij=11+||x'i-xj||xj∈Ab（7）（6）。fi，Abn1RBFFig.1FaultdiagnosismodelofRBFneuralnetworky1y2y3y4y5y6y7y8ΣΣΣΣΣΣΣΣH2CH4C2H6C2H4C2H2COCO2ωijS1S2SjSaΦ1Φ2ΦjΦa……16979Ab{n}；（7）。Ab{n}，NcNc=ni=1Σround（Kscalefij）（8）：round（）；Kscale。Ci。（8）。CiC*i，c*j=cj-α（cj-x'i）（9），α，，α。（9）。x'iC*i，f*iC*iξ%Ab*，Ab*σd；（10）。Ab*，σs，Ab*；（11）。。2.4RBFPSO（particleswarmoptimization）、[22-23]。GA（geneticalgorithm），、，，PSO。PSOP-V，。mR，，Pi=（Pi1,Pi2,…，PiR）、Vi=（Vi1,Vi2,…，ViR）。BestPi，BestGi，Vk+1id=ωVkid+C1R1（BestPid-Pkid）+C2R2（BestGid-Pkid）（10）Pk+1id=Pkid+Vk+1id（11）：i=1,2,…，m；d=1,2,…，R；k；ω；BestPid、BestGidik；C1、C2；R1、R2[0,1]。PSO，，RBF。PSO，，。。1。C1、C2kmax，m，PiVi；2。RBF，BestPBestG。Fi=1NNi=1Σ（Y'i-Yi）2（12）:Y'i；Yi；N。3BestP，BestP；BestG，BestG；4（10）（11），；5kmax，，；2。33.12013—2014220kV、150MV·A，300，120，180。3.217052Tab.2Diagnosticresult/%y1y2yy4y5y6y7y8y125232292y234430488y3880100y412120100y522202291y617170100y721183386y8412237488，：cv=0.01，N=20，n=6，Kscale=10，ξ%=10%，δd=0.5，δs=0.15。11。RBF，PSO，：m=40；C1=C2=2；ωmax=1.4；ωmin=0.4；kmax=500，810000000~00000001。0～1，1，2。，180，0.02，。3.3180RBF，2。，BP、RBF，3。2，，y3、y4y6100%，3，590%。23。4（1），、8。、、、。（2）RBF，，8，。，，90%。，：RBF2Fig.2Fitnesscurve3Tab.3Comparisonofdiagnosticaccuracyamongdifferentdiagnosticalgorithms/%BP18015787.4RBF18014178.318016692.20.0400.0380.0360.0340.0320.0300.0280.0260.0240.02220018016014012010080604020017179：[1],,,.[J].,2011,31（7）:57-63.ZhengRuirui,ZhaoJiyin,ZhaoTingting,etal.Powertransformerfaultdiagnosisbasedongeneticsupportvectormachineandgrayartificialimmunealgorithm[J].Proceed-ingoftheCSEE,2011,31（7）:57-63（inChinese）.[2],,.RBF[J].（）,2016,49（1）:88-93.LiuJingyan,WangFuzhong,YangZhanshan.TransformerfaultdiagnosisbasedonRBFneuralnetworkandadaptivegeneticalgorithm[J].EngineeringJournalofWuhanUniver-sity,2016,49（1）:88-93（inChinese）.[3],,,.[J].,2007,41（6）:722-726.WuXiaohui,LiuJiong,LiangYongchun,etal.Applicationofsupportvectormachineintransformerfaultdiagnosis[J].JournalofXi’anJiaotongUniversity,2007,41（6）:722-726（inChinese）.[4],,.BP[J].,2005,31（7）:12-14.WangXuemei,LiWenshen,YanZhang.ApplicationstudyofBPnetworkusedinthefaultdiagnosisofpowertrans-former[J].HighVoltageEngineering,2005,31（7）:12-14（inChinese）.[5],,,.L-MBP[J].,2011,39（8）:100-103.XiangWenqiang,ZhangHua,WangYuan,etal.Applica-tionofBPneuralnetworkwithL-Malgorithminpowertransformerfaultdiagnosis[J].PowerSystemProtectionandControl,2011,39（8）:100-103（inChinese）.[6],.LMBP[J].,2013,49（5）:54-59.SongZhijie,WangJian.TransformerfaultdiagnosisbasedonBPneuralnetworkoptimizedbyfuzzyclusteringandLMalgorithm[J].HighVoltageApparatus,2013,49（5）:54-59（inChinese）.[7],.RBF[J].,2010,38（11）:6-9.RenJing,HuangJiadong.