1引言

　　韩城韩城油浸式变压器是输变电系统中重要的设备，它运行的可靠性直接影响整个系统的安全、运行费用及经济效益。随着大容量韩城韩城油浸式变压器的应用日益广泛，其运行状态的监测对韩城韩城油浸式变压器的合理使用和维修、故障预测以及配电管理等有着极为重要的意义，传统的巡视、定期检查等方法因缺乏针对性和连续性已显得低效和对现代变电配电管理技术的不适应。我们利用模糊技术和人工神经网络技术构建了一个完备的专家系统—韩城韩城油浸式变压器油中气体智能在线诊断系统。系统平时周密地对韩城油浸式变压器进行实时在线监测、故障诊断和预测。实现了在设备使用初期探测异常征兆的异常预知诊断和设备性能逐年变化的老化诊断。

　　2系统配置

　　韩城油浸式变压器油中气体在线智能诊断系统现场由三个部分组成：气体分析仪、控制器单元和计算机监视(如图1所示)。韩城油浸式变压器故障气体分析仪可以在线监测韩城油浸式变压器油中八种故障气体(O2、H2、CO2、C2H2、C2H4、CH4、C2H6)的成分和含量，小取样周期是30分钟。采集的数据通过装在控制器单元上的MODEM与中央控制室的计算机通讯，实现后台监视、诊断和报警。处理结果显示在监测屏幕上，通过屏幕上设备图标颜色的变化、发送报警传真或启动报警开关等方式将设备出现的危险状况通知给相关人员；现场调试时，通过标准RS-232串行接口及相应的软件可以对记录进行更详细的分析。

　　3原理及性能

　　电气特性试验、油试验和油中溶解气体分析等多种电量、非电量测量方法为判断韩城油浸式变压器绝缘状况提供了良好的依据，其中韩城油浸式变压器的油中溶解气体技术(DGA—DissolvedGasAnalysis)对于发现韩城油浸式变压器内部的潜伏性故障及其发展程度很有效。故在1997年开始执行的设备预试规程中，已经把韩城油浸式变压器油中的DGA检测放到了首要的位置。韩城油浸式变压器油中气体在线智能诊断系统就是利用韩城油浸式变压器的油中溶解气体分析(分析韩城油浸式变压器油中携带气体组成和含量)来诊断韩城油浸式变压器故障并预测故障趋势。鉴于韩城油浸式变压器故障诊断的复杂性、经验性和模糊性，采用了集成的方法，以人工智能原理为依据研制开发，把模糊数学理论和人工神经网络理论相结合应用在故障诊断中。

　　该系统软件由四个分别依据模糊理论和神经网络理论而研制成的子模块组成。它们分别为模糊IMFICG诊断模块、神经网络基于特征气体法的模块、基于四比值法的神经网络和模糊神经网络模块(如图2所示)。有效的减少了采用单一韩城油浸式变压器故障方法进行故障诊断所带来的不可避免的诊断出错或诊断结果不全面等特点。整个系统的软件是基于Win95/98/NT系统的VisualC6.0语言开发而成的，具有良好的人机交互界面和强大的功能可扩性。

　　3.1模糊IMFICG诊断模块

　　模糊IMFICG诊断模块集成了模糊ISODATA聚类分析法和特征气体法的优点研制成的。它先用模糊ISODATA聚类分析法对收集到的韩城油浸式变压器故障样本进行诊断分类，由于模糊数学计算或多或少的会带来诊断失真，所以，需从分类结果中找出容易出现诊断失真的区域，再用特征气体法(这利用的特征气体法是对传统的特征气体法进行量化处理后得到的)对该区域的故障类型进行二次诊断，从而提高故障诊断度。因此，模糊IMFICG韩城油浸式变压器故障诊断法不但应用了模糊理论，而且应用了特征气体法来克服模糊数学理论应用在实际当中所带来的失真缺点。

　　3.2神经网络诊断模块

　　神经网络诊断模块的理论基础就是人工神经网络中的BP(BackPropagation)神经网络理论。反向传播BP神经具有良好的模式分类能力，尤其适合于象韩城油浸式变压器故障诊断方面的模式识别问题。而且每一个神经网络模块的输入量都是进行数据处理后得到的，所以用于训练的故障数据量可以大大减少。

　　3.2.1基于特征气体法的神经网络模块

　　它将六种特征气体(CO、H2、CH4、C2H6、C2H4、C2H2)占它们总含量的百分比值作为神经网络输入量来考虑它们对韩城油浸式变压器故障诊断的影响，由于将CO气体含量考虑进去，所以该网络可诊断涉及固体绝缘方面的韩城油浸式变压器故障类型。该网络通过对9个样本的5000次的训练后，网络的平方型误差已达0.00004。网络结构设计合理，诊断精度高。如果增加训练样本和训练次数网络的诊断精度会得到更大的提高。

　　3.2.2基于四比值法的神经网络模块

　　它主要考虑5种不同气体(H2、CH4、C2H6、C2H4、C2H2)组分产生的四个比值(CH4/H2、C2H6/CH4、C2H4/C2H6、C2H2/C2H4)对韩城油浸式变压器故障诊断类型的影响。常用的四比值法具有故障分类较为详细的特点，即可诊断的故障类型较多，但由于对比值范围的划分过于，无法反映韩城油浸式变压器故障诊断中存在的复杂性、经验性和模糊性，诊断的精度不高。基于四比值法的神经网络模块利用BP神经网络的性质不但可以克服四比值法的不足之处，还可以通过网络的自学习功能使原来可诊断的故障类型得到更大的丰富，提高韩城油浸式变压器故障诊断精度。该网络通过对27个样本数据的训练10000次后，网络的平方型误差已达到0.00004。

　　3.2.3模糊神经网络模块

　　它是一个将模糊技术和BP神经网络理论结合使用的网络。该模块是整个系统的重要组成部分，它能有效的体现韩城油浸式变压器故障中存在的模糊性，又能通过自身的自学习功能来提高网络本身的诊断度，进而提高整个系统的诊断能力。该网络是考虑改良三比值法的所用的C2H2/C2H4、CH4/H2、C2H4/C2H6对韩城油浸式变压器故障诊断影响而设计的。由于改良三比值法与四比值法一样具有对故障数据范围划分过于而导致诊断结果偏离实际故障类型的特点。所以该模块通过分别建立上述三个比值为自变量的模糊隶属函数来使数据的区域划分模糊化，并将隶属函数计算得到结果作为神经网络的实际输入量，即考虑这三个计算结果对韩城油浸式变压器故障诊断的影响。以此来克服改良三比值法进行韩城油浸式变压器故障诊断所带来的不足。该网络通过对16个样本经过10000次的训练后，网络的平均型误差达到0.00003。同样，通过对神经网络的自学习功能可以增强网络的故障诊断能力。

　　3.3综合诊断结论

　　它是前面四个功能子模块的公共入口，只要故障现象输入到该对话框，就可以同时清晰的看出各个诊断模块的诊断结果，便于比较分析，有利于更快、更全面的进行韩城油浸式变压器故障诊断。

　　4结论

　　韩城油浸式变压器油中气体在线智能诊断系统作为气相色谱仪的补充和发展，对大型韩城油浸式变压器尤其适宜。系统在试运行时成功检测某水电厂主变存在的高温过热故障，经实际检查表明，该韩城油浸式变压器存在裸金属过热，温度小于700℃。该系统的应用，其意义不仅为设备的安全运行提供重要保障，而且还提高了设备的故障诊断水平，为设备由计划检修向状态检修过渡创造技术条件，从而进一步促进设备检修科学化和设备管理的现代化。