特变电工山东沈变电气设备有限公司 山东省泰安市 271219
摘要：人工智能在变压器故障诊断领域当中的应用，以专家系统以及人工神经网络最为引人注目。例如已开发的人工智能变压器故障诊断软件TFDES主要由变压器故障诊断知识库、数据库、推理机、解释机制以及人机接口几部分组成。人工智能变压器故障诊断系统能够对运行中变压器的内部潜伏性故障作出早期诊断，进而为现场运行人员提供“咨询”意见。文章主要分析了人工智能在变压器故障诊断中的应用。
关键词：人工智能；变压器；故障诊断；应用
引言
在电力系统中，变压器是最重要的设备之一，其在输配电系统中具有非常重要的作用，变压器能否正常运行将决定着整个电力系统的运行情况。而在变压器运行中，经常会由于安装不当、运行管理不善以及自身缺陷等各种原因造成各种故障，进而威胁到整个电网的安全。所以，研究变压器故障诊断方法及其应用具有非常重要的现实意义。而人工智能在变压器故障诊断领域中的应用，能够有效提升变压器故障诊断的智能化水平。
1变压器故障以及诊断方法
变压器故障包括许多种类型，而造成故障的原因也比较复杂，从实际情况来看，变压器制造上的问题占据了事故发生总量的80％左右，运行维护中的问题占据了20％左右。制造方面包括套管质量差、绝缘缺陷、短路强度差以及分解开关质量等问题，在运行方面主要是进水受潮，运行、安装以及检修不当造成的各种状况，其他还有一些诸如雷击、绝缘老化、过电压、污闪等问题。根据发生部位可分为外在故障以及内在故障，这些故障的发生严重影响着变压器的正常运行，造成了电力系统故障。针对这些故障进行诊断，首先就是要根据变压器故障征兆进行判断，定位故障发生的位置和性质。故障检测主要是通过继电保护、有种气体分析、绝缘试验、电气试验等综合进行诊断，主要有神经网络方法、模糊集理论方法以及专家系统方法等。人工智能技术的应用不仅可以克服传统故障诊断的不足，提升诊断准确性，更好地设计解决方案，而且在此系统的基础上实现混合智能诊断系统的开发，这对于人工智能技术的应用前景的拓展具有重要意义。
2人工智能技术在变压器故障诊断中的应用
由于传统的变压器故障诊断是通过实验手段来分析变压器的各种参数继而得出诊断结果的，所以诊断效率低、精确度不高。而专家系统、人工神经网络、遗传算法等人工智能方法在变压器故障诊断领域中的应用，能够弥补传统实验方法的不足，提升变压器故障诊断效率和精确度。
期刊文章分类查询,尽在期刊图书馆
2.1专家系统变压器故障诊断
顾名思义，专家系统就是将在变压器故障诊断方面的多位专家所具有的知识、经验、推理、技能综合后编制成大型计算机程序，着重围绕气体色谱分析，采用三比值法和特征气体法对变压器运行状况进行分析，判断变压器的故障。同时结合外部检查、绝缘油特性试验、绝缘油预防性检查等检测手段建立知识库程序。综合分析模块根据气体色谱分析、外部检查、绝缘油特性、绝缘预防性试验模块分析的结果，对变压器的运行状况进行分析判断，并向运行人员做出操作建议。协调器是主模块，它控制、协调其它模块的工作。变压器故障诊断专家系统由以下部分组成：第一，变压器故障诊断知识库。建成模块化结构，是系统的核心。第二，数据库。由气体分析与绝缘预防数据库和动态数据库两部分组成。前者可将各种气体数据和绝缘预防数据作为历史资料存档，以便用户随时查询、管理。它得出最后结论，根据当前的输入数据和综合历史变化的趋势进行纵向分析，结合有关试验数据进行横向分析。后者是一个上下文树，它存放中间推理结果和最终判断结论，以便用户需要解释时，由解释机制调用。第三，推理机。实现目标驱动的反向推理，并引入模糊逻辑，能成功地处理某些模糊问题。第四，学习系统。构造专家系统时，总结和提取专家领域知识，把它形式化并编码存入计算机系统形成知识库。第五，上下文。存放中间结果的地方，给推理机提供一个笔记本记录，指导推理机工作。第六，征兆提取器。征兆采用人机交互方式，由人机交互口送入系统中。第七，解释器。随时回答用户提出的各种问题。专家系统通过计算机系统帮助人们分析解决只能用语言描述、思维推理的复杂问题。但专家系统也存在知识获取困难、不确定性推理以及自学习困难等不足之处。
2.2人工神经网络的变压器故障诊断
人工神经网络方法是典型的模拟人类神经系统进行信息传输与数据处理的人工智能技术，该方法最大的特点就在于对于神经元网络的应用。不同神经元之间的沟通连接共同构成了网络运行的基础，对于各种隐含所处理问题的智慧进行权重连接，进而实现诊断与处理。从其运行方式和结构来看，它具有一定的学习能力，能够通过对学习算法的应用实现训练样本的训练，同时完成知识的自我组织与构建，容错能力较强，即使输入信号存在一定的干扰因素，也能在较大程度上给出相对正确的输出结果。同时，系统强大的神经元并行运算能力还能并行处理故障诊断，因为在执行效率上也较为令人满意。众多的神经网络模型中，应用较为广泛和典型的是误差逆传播神经网络（BP网络）。这种网络具有很强的非线性映射能力，同时是一种柔性网络结构，能够随着逆传播的修正不断减少误差，同时还能通过对输入模式的响应做好分类，提升正确率，尤其是对于变压器故障中的油中溶解气体类故障诊断具有较好的应用效果。虽然误差逆传播神经网络在变压器的故障诊断中有过多次成功的先例，但是随着学习样本的增多，输入输出关系的复杂多样化，这种系统的网络收敛速度不断受到影响，变得越来越慢，有时候甚至出现不收敛现象。基于这种情况，有些研究指出将径向路基函数网络应用与变压器的故障诊断，以此来弥补和改善此神经系统的缺陷，有些研究则提出了基于概率神经网络的变压器故障诊断方法等等不一而足。神经网络方法的应用简化了复杂故障问题的处理与分类，同时在自我学习的基础上实现了对专家系统不足的弥补，但是总体上来说，还是存在网络收敛慢、结构参数受经验设定影响大等问题，所以仍研究人员加强研究，拓宽神经网络应用范围，不断综合其他方法进行弥补。
2.3遗传算法变压器故障诊断
与前两种方法相比，遗传算法算是一种新发展起来的优化算法，其本质上是一种不依赖于具体问题的直接搜索方法，依据适者生存、优胜劣汰的进化规则，对包含可能解的群体进行基于遗传学的操作，不断生产新的群体并使群体不断进化，同时以全局并行搜索优化群体中的最优个体以求得满足要求的最优解。近年来，遗传算法在模式识别、神经网络、图像处理、机器学习、工业优化控制、自适应控制、生物科学、社会科学等方面都得到应用。遗传算法以其能以较大概率求得全局最优解、计算时间较少等特点在故障诊断中也得到了应用。将遗传算法用于变压器局部放电超声定位，具有较大的应用优势，相关算例表明，遗传算法能有效防止结果陷入局部极小的状况，诊断结果优于最小二乘法。
结束语
总而言之，将人工智能技术应用于变压器故障诊断中，有利于维护电力系统的正常运行，能够及时应对故障。因此，相关企业需要不断对这种技术进行深入的研究，不断拓展变压器诊断的途径和方法，有效提升变压器故障诊断效率和精确度。
参考文献：
[1]陈欣.电力工程变压器故障诊断中人工智能技术的应用研究[J].中国新技术新产品，2013（08）：181.
论文作者:王乾
论文发表刊物:《基层建设》2018年第5期
论文发表时间:2018/5/21
标签：变压器论文; 故障诊断论文; 人工智能论文; 神经网络论文; 专家系统论文; 故障论文; 方法论文; 《基层建设》2018年第5期论文;