DOI:10.13436/j.mkjx.2011.10.005 第 32 卷第 10 期 2011 年 10 月 故障·诊断 煤 矿 机 械 Coal Mine Machinery Vol.32 No.10 Oct. 2011 基于遗传神经网络的变压器故障诊断 盖玉超， 孙 娴 (山东省产品质量监督检验研究院， 济南 250103) 摘 要： 变压器是重要的输变电设备， 其运行状况直接影响到发、 供电系统的安全性和可靠 性，研究有效地故障诊断方法具有实际意义。 将故障树、神经网络和遗传算法相结合应用于变压器 故障诊断中，并通过实例证明此方法是有效可行的。 关键词： 变压器； 故障树； 神经网络； 遗传算法 中图分类号： TP277 文献标志码： A 文章编号： 1003 － 0794（2011）10 － 0268 － 03 Fault Diagnosis of Transformer Based on Genetic Neural Network GAI Yu-chao， SUN Xian （Shandong Institute of Supervision and Inspection on Product Quality ， Jinan 250103, China） Abstract: Transformer is important power transmission experiment, and it has direct impact on safety and reliability of power system. It has practical significance on study of efficient fault diagnosis method. The fault tree, neural network and genetic algorithm with their respective advantages integrate fault diagnosis and apply them in fault diagnosis of transformer. Example of this method is effective and feasible. Key words: transformer; fault tree; neural network; genetic algorithm 0 引言 单 一 的 故 障 诊 断 方 法 已 经 无 法 满 足 现 代 工 业 生产发展的需求，而多种智能诊断技术相互融合的 故障诊断方式已成为当前研究的热门。 本文将故障 树、 神经网络和遗传算法相结合进行故障诊断，通 过分析变压器的故障机理，建立变压器的故障树模 型 ；在 变 压 器 故 障 树 定 性 分 析 的 基 础 上 ，与 遗 传 神 经网络相结合应用于变压器故障诊断中。 1 诊断模型 （1）诊断原理 故 障 树 是 反 映 故 障 发 生 的 原 因 事 件 及 其 故 障 传播的逻辑关系图。 故障树模型是一个反映诊断对 象结构 、功 能 和 行 为 关 系 的 定 性 因 果 模 型 ，通 过 故 障树模型可以看出故障传播的层次性和子、父节点 之间关系的因果性。 进行故障树分析的主要任务之 一是寻找导致故障的全部故障模式 ，弄清楚出现某 种最不希望发生的故障时，其成因有多少种可能的 组合，找出薄弱环节，及时采取弥补措施，避免重大 事故的发生，为研究对象安全可靠的运行提供理论 依据和实际指导意义。 神经网络学习是知识学习中的一个研究热点， 它 是 通 过 人 工 网 络 来 模 拟 大 脑 神 经 系 统 的 结 构 和 功能。 人工神经网络是一个自组织、自适应的非线 性动力系统， 它能够较好地模拟人的形象思维，具 有大规模并行协同处理能力和较强的学习能力、容 错能力及联想能力。 遗传算法的特点是从某一个初始群体出发，按 照选择、交叉、复制和变异等操作规则，不断地迭代 计算， 同时根据每一个个体的适应度值存优去劣， 使搜索过程向最优解逼近，收敛到最适应环境的个 体，求得问题的最优解。 神 经 网 络 和 遗 传 算 法 是 仿 效 生 物 处 理 模 式 处 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 知模型, 实时检测和监控井下的设备指标参数和环 境变化情况, 比如依据各种气体浓度的变化情况进 行瓦斯爆炸的预报, 为远程监控和事故预警等提供 决策服务。 ［1］杨维,王彬. 矿井巷道层次型无线监测无线传感器网络的实现［J］. 发挥重要作用。 参考文献： 煤炭学报,2008,33(1):94-98. ［2］杨维,周嗣勇,乔华. 煤矿安全监测无线传感器网络节 点 定 位 技 术 3 结语 煤矿安全生产监控与通信是煤矿安全生产的重 要保障。 本文基于泛在网络技术,设计了一种层次型 网格煤矿安全监控和井下人员跟踪系统, 并对系统 的关键技术及进行了研究。 系统可广泛地用于煤矿 安全生产监控、事故预警、事故应急指挥及求援等方 面，在煤矿安全生产,重大事故预警,安全避险,应急 救援,事故调查，人员 、设备和环境监管等方面将会 ［J］.煤炭学报,2007,32(6):652-656. ［3］杨维,张德真. 网格型煤矿井下环境多参数检测［J］.华中科技大学 学报,2010,38(10):70-74. ［4］周 公 博,朱 真 才,陈 光 柱 ，等. 矿 井 巷 道 无 线 传 感 器 网 络 分 层 拓 扑 控制策略［J］.煤炭学报,2010,35(2):334-337. ［5］赵昭,陈小惠. 无 线 传 感 器 网 络 中 基 于 RSSI 的 改 进 定 位 算 法 ［J］. 传感技术学报,2009,22(3):392-394. 作者简介： 刘子林（1968- ），河北沽源人，副教授，硕士研究生，研究 方向为智能感知及无线传感器网络，电子信箱：liuchare@yahoo.com.cn. 责任编辑：武伟民 收稿日期：2011－04－11 268 

第 32 卷第 10 期 基于遗传神经网络的变压器故障诊断———盖玉超，等 Vol.32No.10 理复杂 问 题 的 方 法 ，本 文 提 出 将 故 障 树 、神 经 网 络 和遗传算法相结合应用于变压器故障诊断中 ，弥补 单一诊断方法存在的缺陷，从而提高诊断的信息化 程度，为安全管理提供可靠依据。 识 模 糊 量 化 ， 对 事 件 发 生 程 度 的 隶 属 度 做 如 下 处 理：事件发生用 0.9 表示，事件可能发生可能不发生 用 0.5 表示，事件不发生用 0.1 表示。 遗传神经网络 训练样本如表 1 所示。 （2）遗传神经网络 利用遗传算法全局性搜索的特点可以实现神经 网络连接权值和网络结构的优化。 以 3 层 BP 神经网 络为例，用遗传算法优化神经网络的步骤如下： 步骤 1 设定 BP 神经网络的输入层、隐含层和 输出层的神经元个数及遗传算法中的各个进化参数； 步骤 2 随机产生一组网络权值， 按照编码方 案对权值（阈值）进行编码后组成个体基因型，生成 初始群体； 步骤 3 将 BP 网络误差平方和的倒数作为个体 的适应度函数，以此来评价连接权值（阈值）的优劣； 步骤 4 选择适应度值大的个体遗传给下一代； 步骤 5 判断是否满足进化结束的条件。如果满 足就结束进化过程，输出优化的网络权值（阈值）；否 则，执行步骤 6，继续进化过程，直到满足条件为止； 步骤 6 利用选择、交叉、变异等遗传操作对当 前群体进行优化，产生下一代群体，转步骤 4。 2 实例验证 （1）建立故障树 本 文 将 遗 传 神 经 网 络 应 用 于 变 压 器 故 障 诊 断 中，以变压器绕组故障为例进行验证 。 变压器绕组 是变压 器 的 心 脏 ，是 传 输 和 变 换 电 能 的 核 心 ，研 究 有效的故障诊断方法预防绕组故障发生，具有重要 的实际意义。 设变压器绕组故障的故障树根节点即 顶事件为绕组故障（见图 1），各事件编码如下所示: 顶事件 T 绕组故障； 中间事件 E1 绕 组短路 ；E2 绕组 断路 ；E3 绝 缘 老化；E4 绝缘损伤；E5 松动变形；E6 制造缺陷 底 事 件 X1 异 物 ；X2 焊 接 不 良 ；X3 短 路 过 应 力；X4 过负荷；X5 散热不良；X6 局部过热；X7 外部短 路；X8 振动；X9 焊接不良；X10 排列错误 T E1 E2 E3 X1 E4 X2 X3 X4 X5 E5 E6 X6 X7 X8 X9 X10 图 1 变压器绕组故障的故障树 （2）训练样本的获取 对变压器绕组故障的故障树进行分析，同时结 合 领 域 专 家 给 出 的 一 些 诊 断 实 例 和 曾 经 发 生 的 故 表 1 训练样本 输入 输出 E1 0.9 0.1 0.9 0.9 0.9 0.9 E2 0.1 0.9 0.1 0.1 0.1 0.1 E3 0.1 0.1 0.9 0.1 0.1 0.1 E4 0.1 0.1 0.1 0.9 0.9 0.9 E5 0.1 0.1 0.1 0.1 0.9 0.1 E6 0.1 0.1 0.1 0.1 0.1 0.9 X1 0.9 0.1 0.1 0.1 0.1 0.1 X2 0.1 0.5 0.1 0.1 0.1 0.1 X3 0.1 0.5 0.1 0.1 0.1 0.1 X4 0.1 0.1 0.5 0.1 0.1 0.1 X5 0.1 0.1 0.5 0.1 0.1 0.1 X6 0.1 0.1 0.1 0.9 0.1 0.1 X7 0.1 0.1 0.1 0.1 0.5 0.1 X8 0.1 0.1 0.1 0.1 0.5 0.1 X9 0.1 0.1 0.1 0.1 0.1 0.5 X10 0.1 0.1 0.1 0.1 0.1 0.5 样 本 1 2 3 4 5 6 （3）诊断过程 在 Matlab 中编译程序，主要程序如下： initPop=initializega (popu,aa, ‘rzgabpEval’);% 初 始 化 种群 [x,endPop,bPop,trace] =ga (aa, ‘rzgabpEval’, [],initPop, [1e -6 1 1], ‘maxGenTerm’,gen, ‘normGeomSelect’, [0.09], [‘arithXover’], [2], ‘nonUnifMutation’, [2 gen 3]);%遗传计算 % 将 遗 传 算 法 的 结 果 分 解 为 BP 网 络 所 对 应 的 权 值、阈值 [W1,B1,W2,B2,P,T,A1,A2,SE,val]=rzgadecod(x); [W1,B1,W2,B2,te,tr]=trainlm (W1,B1, ‘tansig’,W2,B2, ‘purelin’,P,T,TP);%训练网络 每次迭代后 的 最 优 解 和 解 的 均 值 存 放 在 trace 中。 对训练好的网络进行测试，测试代码为： P_test=[0.65 0.05 0.2 0.75 0.1 0.3]'; T_test=[0.1 0.1 0.1 0.1 0.1 0.9 0.1 0.1 0.1 0.1]'; TT_test=simuff(P_test,W1,B1,'tansig',W2,B2,'purelin') error_test=TT_test-T_test;res_test=norm(error_test) 运行后得到图 2。 0.12 y 值 应 适 0.10 0.08 0.06 0.04 0.02 0 2 1 50 100 150 200 250 x 300 代数 图 2 适应度曲线 1. 种群个体中当前最优适应值 2. 种群中个体的平均适应值 图 2 为适应度曲线，图中 x 轴表示进化的代数， y 轴表示种群中染色体的适应值， 图中的 2 条曲线 分别是种群个体中当前最优适应值的轨迹和种群中 个体的平均适应值的轨迹。 图 3 为其训练的步数。 测试结果： TT_test =[-0.030 3 0.096 4 0.207 7 0.159 3 障实例，得出可能发生的故障模式。 由于故障具有 0.163 3 0.596 1 0.196 9 0.070 8 0.190 1 0.092 1]; 层次性 、相 关 性 和 模 糊 性 的 特 点 ，需 要 将 规 则 性 知 根据最大隶属度原则，从测试结果可以看出 X6 269 

第 32 卷第 10 期 2011 年 10 月 煤 矿 机 械 Coal Mine Machinery Vol.32 No.10 Oct. 2011 基于云计算技术的设备状态监测系统研究 * 王东方， 郝旺身， 董辛旻， 郝 伟 （郑州大学 振动工程研究所， 郑州 450001） 摘 要： 传统的设备状态监测与故障诊断系统通常采用基于 Internet 的远程监测中心到客户 端的 B/S 服务模式，但是随着客户量和业务量的不断增加，远程监测中心的硬件、软件以及网络速 度等已远远不能满足发展需要。 利用云计算的分布式存储、并行计算等特点，结合频谱分析算法， 提出了一种基于云计算技术的设备状态监测系统。 工程实践证明该方法是可行的。 关键词： 云计算； 频谱分析算法； 分布式基础架构； 状态监测 中图分类号： TP393 文献标志码： A 文章编号： 1003 － 0794（2011）10 － 0270 － 03 Research of Equipment Condition Monitoring System Based on Cloud WANG Dong-fang， HAO Wang-shen， DONG Xin-min， HAO Wei (Institute of Vibration Engineering, Zhengzhou University, Zhengzhou 450001, China) Computing Abstract: It usually used B/S service model for traditional equipment condition monitoring and fault diagnosis from remote center of equipment monitoring to clients on internet in past. However, whether from hardware，software or network speed, it’s hard to meet needs with increase in number of clients and traffic. According to advantages of parallel computing, distributed storage and spectrum analysis algorithm, a new system based on cloud computing is proposed for equipment condition monitoring and fault diagnosis. Engineering practice indicates that it is very effective in fault diagnosis of rotor system. Key words: cloud computing； spectrum analysis algorithm； distributed infrastructure； condition monitoring 0 引言 云 计 算 技 术 是 最 近 几 年 来 发 展 起 来 的 一 门 技 术，是对分布式计算、并行计算、网格计算的进一步 发展和商业实现。 通过云计算可以将计算能力和存 储空间这些资源通过互联网进行共享，并根据需求 加以分配和利用，杜绝资源浪费，达到效益最大化。 云计算包含 3 个层次的服务：基础设施及服务 （IaaS）、平台及服务（PaaS）、软件及服务（SaaS）。 在 云计算模式中, 互联网的计算架构由“服务器+客户 端”向“云服务平台+客户端”演变。 根据这一理念， 建立一个基于云计算的设备状态监测系统，企业可 以通过它时刻监测设备的运行状况，而不必要建立 专门的设备状态监测系统，同时平台和软件都有专 业技术人员进行维护和更新， 这样大大节约了企业 投资和维护设备的成本， 也会提高企业的设备管理 水平。 运用云计算技术建立设备状态监测系统有以 下优势：①降低运行成本，提高资源利用率 ；②提高 故障诊断效率和信息化水平； ③灵活性和可靠性。 “云”的使用规模可以动态伸缩，满足应用和用户规 模增长或减少的需要，同时又不会造成资源浪费。 1 系统体系构建 （1）系统平台体系架构 图 1 为 系 统 架 构 图 ，最 左 边 为 客 户 端 ，无 论 是 什么 样 的 设 备 ，只 要 拥 有 浏 览 器 ，就 可 以 像 使 用 普 通电脑一样使用该系统。 在 Internet 的右边是该系 统的整体架构，采用一台计算机作为主服务器和监 * 河南省教育厅自然科学研究计划项目（2011B460012） !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 局部过热发生的可能性最大， 应采取相应的措施 。 程度上模拟人类专家的记忆和联想 ，充分利用专家 经验 ，同 时 融 合 遗 传 算 法 ，利 用 遗 传 算 法 的 全 局 搜 经过多次测试和训练结果验证，将遗传神经网络应 用于变压器故障诊断，较其他单一的故障诊断方法 索能力弥补了 BP 网络的不足，使诊断更合理可靠， 并应用于变压器故障诊断中，对维护变压器安全可 误 诊率低 ，更 简 明 有 效 ，为 安 全 管 理 人 员 对 故 障 原 靠运行和性能评估有一定的理论价值和实际意义， 因迅速 定 位 ，及 时 采 取 相 应 的 预 防 措 施 ，提 高 变 压 器运行安全性，提供一定的理论参考和指导价值。 通过实例证明此方法是有效可行的。 参考文献： ［1］史定华,王松瑞. 故障树分析技术方法理论［M］. 北京:北京师范大 105 100 和 方 平 差 误 10-5 10-10 10-15 10-20 0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 代数 图 3 训练步数 学出版社,1993. ［2］孔月萍,周继,于军琪,等. 人 工 智 能 及 其 应 用 ［M］. 北 京:机 械 工 业 出版社,2007. ［3］张仰森. 人工智能教程［K］. 北京:高等教育出版社,2008. ［4］曹步清. 基于 GA 进化 BP 神经网络的货币识别研究［D］. 长沙：中 南大学，2007. ［5］李晛. 基于神经网络的电力变压器安全风险分析和评价研究［D］. 北京：北京交通大学，2008. ［6］娄国焕. 基于模糊神经网络的风机故障诊断［J］. 煤矿机械，2009,30 （10）：231-233. 作者简介： 盖玉超（1980- ），山 东 烟 台 人,主 要 从 事 低 压 电 器 产 3 结语 本 文 将 故 障 树 与 神 经 网 络 相 结 合 可 以 在 某 种 品检测. 270 责任编辑：武伟民 收稿日期：2011－03－12