采用传感系统监测变压器局部放电的变化情况,选取高频电流信号和超声波信号作为变压器局部放电的监测参量,利用改进逆传播(BP)神经网络算法对变压器局部放电量进行建模分析。以D9—QY—40000/220型电力变压器(220 k V变压器)为例进行实例研究,结果表明:基于改进BP神经网络的局放预测模型训练集误差系数为0.0118,测试集误差系数为0.0232。此模型的局放预测值与实际值的曲线趋势基本一致,有效地对变压器局部放电量进行预测,为变压器故障诊断奠定了基础。 变压器局放监测与改进BP神经网络预测模型研究象采用高频脉冲电流检测和超声波检测技术对变压器局放进行检测。迁移的电荷可在外围测量回路中产生脉冲电流，根据法拉第电磁感应定律，变化的电场会产生变化的磁场，高频脉冲电流传感器从而获取局部放电信号;超声波传感器根据压电效应，将局放的超声信号转换成对应的电信号，数据采集装置将高频脉冲电流传感器和超声波传感器采集发到的电信号转换成标准的电压信号并将信号传送给上位机进行显示存储。电力变压器传感局部放电在线监测系统如图1所示。图1传感监测系统根据220kV电力变压器局部放电的监测需求，将超声波传感器与高频脉冲电流传感器安装在变压器器身处进行局部放电的实时监控。实验在变压器工作在额定功率下对变压器进行局放监测，根据电力变压器的实际情况，选取了变压器2015．3．10～2015．6．11网络预测模型-电动液压滚圆机数控滚弧机价格低电动张家港滚圆机多少钱所采集到的94个高频脉冲电流传感器和超声波传感器的数据，监测数据变化曲线如图2所示。图2变压器高频脉冲电流传感器与超声波传感器监测数据曲线图2基于改进BP神经网络的局放预测模型通过高频电流传感器和超声波传感器本文由弯管机网站采集网络资源整理! http://www.wanguanjixie.name可以监测到开关柜是否存在局部放电，但是无法监测到局部放电的视在放电值;基于改进BP神经网络的变压器局部放电预测模型可以通过所监测的参量(高频脉冲电流、超声波信号)训练出预测模型来预测变压器局部放电量。BP网络是一类多层的前馈神经网络，如图3所示是典型的BP神经网络结构图，包含一个输出层、一个中间层、一个输入层，每一层神经元的输出，都是下一层神经元的输入，与此同时该方法只影响下一层神经元的输入，输入信号从输入会出现每个样本拟合的绝对误差较小，但是相对于实际值非常小的样本而言，其相对误差就变得非常大的情况，这样将会导致拟合的结果不均匀，即被测量变量较大的样本拟合程度非常好，但是被测量变量较小的样本拟合的程度却非常差，因此，在本文中把传统的误差函数改进为如式(2)所示E=1N∑Niyi－珋yiy()i2(2)这样，通过对误差函数的改进，在神经网络训练结束后，每个样本的拟合误差都相对较小，因此，能够使每个样本都能得到较好的拟合。局放预测模型算法流程参见图4。图4改进BP神经网络预测模型算法流程图3变压器局部放电预测模型数据分析与性能评价通过电火花发生器连续打火模拟连续放电脉冲信号的实验，测得150个放电量所对应的高频脉冲电流传感器和超声波传感器的样本数据，特征项为高频脉冲电流值和超声波信号值。选择前100个层神经元传到中间层神经元，最后再传到输出层神经元。局部放电预测模型的基本思想是以所测得各个局放值网络预测模型-电动液压滚圆机数控滚弧机价格低电动张家港滚圆机多少钱本文由弯管机网站采集网络资源整理! http://www.wanguanjixie.name