基于BP神经网络的变压器内部故障保护

苏美玲+邹晓松+何杰

【摘 要】本文研究了基于BP神经网络方法的变压器内部故障保护。运用MATLAB/SUMILINK对变压器励磁涌流、励磁涌流与故障电流的差异进行了数字仿真。利用MATLAB的人工神经网络工具箱，建立了BP神经网络模型，对励磁涌流和故障电流的样本进行训练及测试并对训练好的网络进行验证。表明BP神经网络可以较为正确地区分励磁涌流和故障电流，用于变压器内部故障保护。

【关键词】变压器；励磁涌流；故障电流；MATLAB/SUMILINK；BP神经网络

2.2.6 验证

经过大量数据验证，基本上能区别内部故障和励磁涌流，下为随机的一组数据验证。

1）空载合闸式输入为：

（I0 Id2 Id3 Id4 Id5）=（0.5826 0.608 0.2276 0.0221 0.0407）

输出为0.88595>0.5，励磁涌流符合。

2）当故障时输入为：

（I0 Id2 Id3 Id4 Id5）=（0.2599 0.0285 0.0193 0.0148 0.0121）

输出为0.45525<0.5，内部故障符合。

3 结论

本文提出并建立了一个用于变压器内部故障保护的三层前向BP神经网络模型，利用MATLAB进行大量的仿真计算得到神经网络的训练样本并对其训练。对训练后的BP神经网络进行验证，表明，该方法可克服常规变压器内部故障保护的缺点，能够对变压器励磁涌流作出较为正确判断，应用于变压器内部故障保护时有很好的工作性能。

【参考文献】

[1]Pei Liu， O.P.M.D.， Improved Operation Of Differential Protection Of Power Transformers For Internal Faults[J]. IEEE Transactions On Power Delivery， 1992，7（4）.

[2]王维俭，刘俊宏.试论变压器差动保护的现状与发展[J].电力自动化设备，1996（04）.

[3]吕珍，岳蔚，刘沛.变压器差动保护二次谐波制动判据的仿真研究[J].继电器，2003（06）.

[4]王森，王进荣，王进忠.微机保护的现状和发展[J].才智，2014（10）.

[5]覃斌志.基于神经网络的变压器励磁涌流识别方法的研究[D].湖南大学，2013.

[责任编辑：汤静]