基于自适应模糊推理的电力设备故障诊断研究Study on Fault Diagnosis for Electrical Equipment Based on
Adaptive Neural Fuzzy Inference System
胡文平1
尹项根2
(1.福建省电力试验研究院，福建福州
350007;2.华中科技大学电力系，湖北武汉
430074)
摘要：将自适应神经网络的自学习优点与模糊数学的模糊推理方法有效结合，解决了变压器绝缘故障诊断中模糊规则难以确定的问题；利用自适应神经网络的自学习功能，确定了模糊规则和模糊隶属度，建立了变压器故障诊断的ANFIS 模型，实现了电力设备故障诊断，反映了变压器的运行状态。关键词：故障诊断；神经网络；模糊理论；变压器
Abstr act :The paper has combined advantage and fuzzy reasoning metho d.It has o verco me the problem o f difficult to determine fuzzy regulation in transfo rmer f ault diagnosis.M aking use of the self -study functio n o f adaptive neural netw ork,the f uzzy rule and the fuzzy subjectio n degree are made sure by the study o f neural netw ork.ANFIS mo del of transf ormer fault diagnosis has established.This model has realized the electric po wer equipment fault diagno sis.It reflects actual running state of transformer.
Keywords :fault diag nosis ;neural netw ork ;fuzzy theo ry ;transformer.中图分类号:TM41文献标识码:A 文章编号:1006-0170(2007)01-0001-03
FUJIAN DIAN LI YU DIANG ONG
第27卷第1期2007年3月subjection
IS S N 1006-0170CN 35-1174/TM
1引言
电力设备故障诊断中的不确定因素表现为随机
性和模糊性。随机性主要反映客观上的不确定性，它是由于试验数据的分散性和故障因果关系的复杂性造成的；模糊性主要是人为主观理解上的不确定性，表现为边界模糊。对电力变压器而言，它的故障现象、故障原因及故障机理间同样也存在着复杂性和模糊性，若以故障现象作为模糊输入、故障类型作为输出、故障和故障现象之间的关系作为模糊状态，则变压器的故障诊断问题就可以用模糊系统的理论来求解。对模糊系统而言，解模糊是一项复杂的工作。因为模糊规则的前提和结论通常都是模糊子集，并且模糊系统输入/输出关系是高度非线性的，在众多未知的模糊参数面前，再有经验的专家都难以胜任。如果能到一种方法，通过解模糊，得到一种满意的输入/输出关系式，那么变压器故障诊断就变得简单起来。采用模糊神经网络来完成这一工作是一种较为理想的实现方法。神经网络的优点就在于对网络参数的自适应学习，并且具有并行处理和泛化能力。
本文提出的变压器故障诊断AN FIS 模型，彻底摆脱了传统三比值法的束缚，根据输入/输出关系，由自适应神经网络学习确定模糊规则和模糊隶属度，有效解决了变压器故障诊断的不确定性问题。
2Ta kagi-Sugeno 型模糊推理算法
零阶Sugeno 型模糊规则具有如下形式:
if x 为A 并且y 为B then z=k (式中k 为常数)。
而一阶Sug eno 型模糊规则的形式如下:
if x 为A 并且y 为B then z=px+qy+r (式中p,q,r 均为常数)。
对于一个由n 条规则组成的Sugeno 型模糊推理系统，设每条规则具有下面的形式:
Rule (i):if x 为A i ，并且y 为B i ,then z=z i (i=1,2,...,n)。则系统总的输出用式(1)计算:
z=n
i =1
!μA i
(x )μB i
(y )z
i
n
=!μ(x )μB (y )
(1)
福建电力与电工
i 1
A i
i
1--