黄明增 高泷森 林广大

摘 要：本文研究了一种基于BP神经网络的变压器故障诊断方法，利用油中气体含量分析的方法，收集整理变压器故障信息作为训练和诊断样本，建立了基于BP神经网络的变压器故障诊断模型，准确率最高达到95%，具有较高的实际应用价值。

关键词：油浸式变压器；BP神经网络；故障诊断

中图分类号：TM411 文献标识码：A 文章编号：1003-5168（2018）07-0049-03

Fault Diagnosis of Oil-immersed Transformer Based on BP Neural Network

HUANG Mingzeng1 Gao Longsen2 LIN Guangda1

（1. College of Engineering， South China Agricultural University，Guangzhou Guangdong 510642；

2. College of Information Engineering， Hebei Geography University，Shijiazhuang Hebei 050031）

Abstract： In this paper， we studied a kind of transformer fault diagnosis method based on BP neural network， using analysis method of gas content， collected transformer fault information as the training samples， and diagnosised based on BP neural network model of transformer fault diagnosis， 96% accurate， feasible in practical application.

Keywords： oil-immersed transformer；BP nerve network；fault diagnosis

油浸式变压器在电力系统中发挥着变化电压、电能转化的作用，其安全、穩定运行影响着整个电力系统的可靠性，关系到国计民生。由此，准确判断变压器的运行状态，对变压器潜伏性的故障做出预测，就显得极为重要，也是国内研究的焦点之一[1，2]。当油浸变压器内部存在过热或放电故障时，其内部油中溶解的气体类型和含量会发生变化，油中溶解气体分析成为判别其运行状态的一种有效手段[3]。

在判断变压器故障时用到的特征气体主要包括：氢气（H2）、甲烷（CH4）、乙烷（C2H6）、乙烯（CH4）、乙炔（C2H2）、一氧化碳（CO）及二氧化碳（CO2）。本文选取前五种气体作为故障诊断气体，将变压器的故障类型分为中低温过热、高温过热、低能放电和高能放电故障。本文将BP神经网络应用于变压器故障预测诊断，对准确判断变压器的运行状态及预测变压器潜伏性故障具有重要意义。

1 BP神经网络

BP（backpropagation）神经网络是一类多层的前馈型神经网络。由于其权值的调整采用反向传播（Backpropagation）的学习算法，因此被称为BP网络。BP神经网络结构简单，可调整的参数多，训练算法多，可操作性好，拥有高度的自组织能力、非线性逼近能力和自学习能力 ，在模式识别和分类方面应用十分广泛，也适用于变压器故障诊断。……