一种基于改进BP神经网络的变压器故障诊断方法

郭 林，唐 晶，唐黎哲，詹彦豪，李 飞

（1.国家能源投资集团 朔黄铁路发展有限责任公司，河北 肃宁 062350；2.株洲中车时代电气股份有限公司，湖南 株洲 412001）

0 引言

牵引变压器是机车电力系统电力变换及传输的重要设备之一。及时有效地排查、定位及诊断牵引变压器故障，对于机车的安全运行至关重要[1]。然而在长期使用过程中，变压器由于其自身耦合结构且受电、热及外界复杂环境的影响，很可能会导致故障诊断结果的准确程度达不到工程要求。因此，如何对变压器进行故障诊断与健康管理受到相关学者及工程技术人员的广泛关注。

牵引变压器在运行过程中会受到多种因素影响，包括内部高温循环、高能辐射、电磁耦合及机械振动等，这些因素会导致变压器油裂解，产生H2, CH4,C2H6, C2H4及C2H2等多种气体。根据油中不同气体含量，可以判断变压器的故障类别、故障位置及故障程度。目前一般采用油中溶解气体分析（dissolved gas analysis, DGA）技术[2-3]对变压器内部潜在故障或已出现的故障进行诊断。大量实验及研究表明，目前工程应用中基于DGA技术形成的三比值法[4]、Rogers法[5]等传统方法具有编码不全、编码边界过于绝对及故障诊断不全等缺点，因此难以诊断变压器故障的确切类型。

随着神经网络技术的发展及普及应用，将该技术运用于变压器故障类型诊断中也渐渐成为研究与应用重点[6-7]。文献[8]对传统的反向传播（back propagation, BP）神经网络参数进行调优设计，并将其运用到工业遥感测控装备变频器故障诊断场景中，结果表明文中模型能够提高故障类型诊断的准确率，并在较小数量样本范围内取得了较好的效果。……