一种基于ISSA-PNN的变压器绕组变形诊断方法技术

一种基于ISSA

【技术实现步骤摘要】
一种基于ISSA
‑
PNN的变压器绕组变形诊断方法


[0001]本专利技术涉及变压器故障诊断的
，尤其涉及一种变压器绕组变形诊断方法。

技术介绍

[0002]电力变压器作为特高压输电网络中的枢纽电气设备，其运行状态的好坏与电力系统的稳定水平密切相关。变压器运行环境复杂，结构部件繁多，长期负载运行下不可避免会出现各种故障。根据我国国家能源局发布的《2022全国电力可靠性年度报告》，由绕组损坏导致的变压器故障占变压器故障总数的19.91％。变压器绕组因受到短路电动力作用而发生的变形为弹塑性变形，并且会在绕组受到多次短路冲击后发生累积。此外，由于变压器的高压绕组和低压绕组依次缠绕于铁芯，常规检修时，检修人员仅能对最外层的线圈状态进行检查，无法确定内层的线圈状态。因此，变压器的绕组轻微变形通常会被检修人员所忽视。
[0003]当前，我国普遍使用频率响应法来检测变压器的绕组变形，通过对比绕组变形前后的频率响应曲线对变压器的绕组状态进行综合评判。而实际应用频率响应法时，往往出现绕组变形后实验数据变化不明显的现象。我国电力部门发布的《油浸式电力变压器(电抗器)技术监督导则》和《3～110kV电网继电保护装置运行整定规程》中规定，变压器绕组变形实验应包含频率响应法、低电压阻抗法、电容量法。通过三种实验的纵向和横向对比，对变压器的绕组变形缺陷和严重程度进行诊断。2017年，国家电网公司下发《国家电网公司变电检测管理规定》，其中的绕组频率响应分析细则要求，在频率响应法的实验结果基础上，需要结合变压器的油色谱气体数据来对绕组状态进行综合评判。由此可见，频率响应法的实验结果不能作为变压器绕组变形的唯一判据。变压器的绕组变形诊断依然是当前亟待解决的问题。
[0004]本申请以变压器的漏磁场磁感应强度作为表征绕组状态的特征量，将漏磁场磁感应强度的轴向分量和径向分量作为PNN的输入特征，通过构建一种ISSA选取基于绕组变形样本分布的最优PNN平滑因子，进而提升PNN的泛化性能。将PNN的绕组变形诊断错误率设置为ISSA的适应度函数，利用ISSA
‑
PNN对绕组变形样本进行分类，以提升变压器的绕组变形诊断精度。

技术实现思路

[0005]本专利技术的目的是提供一种基于强化型麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化概率神经网络(ProbabilisticNeural Network,PNN)的变压器绕组变形诊断方法，解决现有技术对变压器绕组变形诊断精度较低的问题。
[0006]本专利技术是一种基于ISSA
‑
PNN的变压器绕组变形诊断方法，其步骤包括：
[0007]步骤(1)将低压绕组轴向压缩变形、高压绕组轴向压缩变形、低压绕组径向凹陷变形、高压绕组径向鼓包变形共4种绕组变形类别作为绕组变形样本的标签值；
[0008]步骤(2)利用有限元仿真软件模拟变压器的绕组变形，进而获取变压器绕组变形状态下的漏磁场磁感应强度；通过设置变压器高压绕组和低压绕组的高度来模拟绕组的轴向压缩变形，将绕组变形前后的绕组高度差值作为轴向压缩变形量；通过设置变压器绕组的内外径长度来模拟绕组的径向凹陷变形或径向鼓包变形；模拟低压绕组径向凹陷变形时，将低压绕组变形前后的内径差值作为径向凹陷变形量；模拟高压绕组径向鼓包变形时，将高压绕组变形前后的外径差值作为径向鼓包变形量；
[0009]步骤(3)利用有限元仿真软件的后处理功能对变压器绕组变形后的漏磁场磁感应强度进行测量；选取铁轭下方高、低压绕组间的空道作为漏磁场磁感应强度的测量路径，选取测量路径从下至上等间距分布的3个测量点进行漏磁场磁感应强度的测量，将漏磁场磁感应强度的轴向分量和径向分量作为PNN诊断绕组变形的特征依据，进而确定变压器绕组变形诊断模型的输入特征数量为6，输入向量的形式为X(x
z1
,x
z2
,x
z3
,x
j1
,x
j2
,x
j3
)，x
z1
为测量路径顶端的轴向漏磁场磁感应强度、x
z2
为测量路径中部的轴向漏磁场磁感应强度、x
z3
为测量路径底部的轴向漏磁场磁感应强度、x
j1
为测量路径顶端的径向漏磁场磁感应强度、x
j2
为测量路径中部的径向漏磁场磁感应强度、x
j3
为测量路径底部的径向漏磁场磁感应强度；
[0010]步骤(4)对变压器绕组变形状态下的漏磁场磁感应强度样本集进行划分，将60％的样本数据用于模型训练，40％的样本数据用于模型性能评估，此时PNN样本层中对应的绕组变形训练样本向量的数量为漏磁场磁感应强度样本集的60％；
[0011]步骤(5)将ISSA的个体位置信息设置为PNN样本层的平滑因子，进而确定PNN样本层的相关度判别函数，通过相关度判别函数来计算待识别绕组变形样本向量与样本层中低压绕组轴向压缩变形训练样本向量、高压绕组轴向压缩变形训练样本向量、低压绕组径向凹陷变形训练样本向量、高压绕组径向鼓包变形训练样本向量之间的相关度；求和层聚集样本层中待识别绕组变形样本向量分别属于低压绕组轴向压缩变形、高压绕组轴向压缩变形、低压绕组径向凹陷变形、高压绕组径向鼓包变形的概率密度估计并作加权平均后，输出概率密度估计最大的绕组变形类别作为待识别绕组变形样本的诊断结果；
[0012]步骤(6)将PNN的绕组变形诊断错误率设置为ISSA的适应度值函数；将ISSA原个体位置信息设置为平滑因子1、将利用融合反向学习策略的Tent混沌映射生成的反向个体位置信息设置为平滑因子2，进而确定平滑因子1对应的样本层相关度判别函数1和平滑因子2对应的样本层相关度判别函数2；通过相关度判别函数1和相关度判别函数2分别计算待识别绕组变形样本向量与样本层中低压绕组轴向压缩变形训练样本向量、高压绕组轴向压缩变形训练样本向量、低压绕组径向凹陷变形训练样本向量、高压绕组径向鼓包变形训练样本向量之间的相关度，得到两组不同的变压器绕组变形诊断结果，保留绕组诊断精度更高的相关度判别函数对应的个体位置信息作为ISSA的初始迭代个体；
[0013]步骤(7)在ISSA的个体位置信息迭代更新过程中，通过引入非线性惯性权重ω对ISSA中发现者的位置更新策略进行调整，及时纠正ISSA的种群搜索方向；ISSA的不同个体位置信息对应PNN样本层不同的相关度判别函数；将ISSA个体之间的位置信息差异作为调整因素融入ISSA中发现者的位置更新公式，ISSA个体之间的位置信息差异能用适应度值差异来表示；ISSA种群个体间的适应度值差异较大说明种群个体的分布比较稀疏，此时非线性惯性权重ω减小使得发现者的搜索步长减小；种群个体间的适应度值接近说明种群个体出现聚集现象，非线性惯性权重ω增大使得发现者的搜索步长增大；依据ISSA的种群个体
空间分布对ISSA下一步的位置更新策略进行动态调整本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ISSA
‑
PNN的变压器绕组变形诊断方法，其特征在于，其步骤包括：步骤(1)将低压绕组轴向压缩变形、高压绕组轴向压缩变形、低压绕组径向凹陷变形、高压绕组径向鼓包变形共4种绕组变形类别作为绕组变形样本的标签值；步骤(2)利用有限元仿真软件模拟变压器的绕组变形，进而获取变压器绕组变形状态下的漏磁场磁感应强度；通过设置变压器高压绕组和低压绕组的高度来模拟绕组的轴向压缩变形，将绕组变形前后的绕组高度差值作为轴向压缩变形量；通过设置变压器绕组的内外径长度来模拟绕组的径向凹陷变形或径向鼓包变形；模拟低压绕组径向凹陷变形时，将低压绕组变形前后的内径差值作为径向凹陷变形量；模拟高压绕组径向鼓包变形时，将高压绕组变形前后的外径差值作为径向鼓包变形量；步骤(3)利用有限元仿真软件的后处理功能对变压器绕组变形后的漏磁场磁感应强度进行测量；选取铁轭下方高、低压绕组间的空道作为漏磁场磁感应强度的测量路径，选取测量路径从下至上等间距分布的3个测量点进行漏磁场磁感应强度的测量，将漏磁场磁感应强度的轴向分量和径向分量作为PNN诊断绕组变形的特征依据，进而确定变压器绕组变形诊断模型的输入特征数量为6，输入向量的形式为X(x
z1
,x
z2
,x
z3
,x
j1
,x
j2
,x
j3
)，x
z1
为测量路径顶端的轴向漏磁场磁感应强度、x
z2
为测量路径中部的轴向漏磁场磁感应强度、x
z3
为测量路径底部的轴向漏磁场磁感应强度、x
j1
为测量路径顶端的径向漏磁场磁感应强度、x
j2
为测量路径中部的径向漏磁场磁感应强度、x
j3
为测量路径底部的径向漏磁场磁感应强度；步骤(4)对变压器绕组变形状态下的漏磁场磁感应强度样本集进行划分，将60％的样本数据用于模型训练，40％的样本数据用于模型性能评估，此时PNN样本层中对应的绕组变形训练样本向量的数量为漏磁场磁感应强度样本集的60％；步骤(5)将ISSA的个体位置信息设置为PNN样本层的平滑因子，进而确定PNN样本层的相关度判别函数，通过相关度判别函数来计算待识别绕组变形样本向量与样本层中低压绕组轴...

【专利技术属性】
技术研发人员：白望望，王衡，张中丹，丁颖杰，徐敏，王海亮，李万伟，王兴贵，席贇，张耀忠，冯智慧，王涛，胡安龙，崔炎，
申请(专利权)人：兰州理工大学国网甘肃省电力公司定西供电公司，
类型：发明
国别省市：