基于神经网络的大型矿用隔爆型干式变压器动态温升预测研究-变压器产业网

　　变压器的动态温升分析，传统方法是根据变压器的热传递过程，经过近似和简化处理，建立其热模型进行模拟数值计算21.但由于变压器热模型是一个典型的非线性系统，结构的复杂性，材料的多种多样，各参数的依赖关系都较复杂，要较准确的建立其动态热模型十分困难，对于采用混合绝缘的矿用隔爆型干式变压器则更明显。而人工神经网络以其高度的非线性映射能力、自组织结构、高度并行处理方式和不需预先建模等优点，为方便、快捷、准确的计算和预测变压器的动态温升提供了可能，对于特定工作条件下的动态温升预测优势明显。本文将改进型的BP神经网络用于隔爆型干式变压器负载动态温升预测，证明了该方法的可行性和优越性。

　　二、隔爆型干式变压器的热传递模型和动态温升特点矿用隔爆型移动变电站直接工作地点靠近采煤黄守道（1962?）湖南资兴人，副教授，博士研究生。

　　壳内主要热源铁芯和绕组发出的热量先从内部由传导方式传递到该部分散热表面，然后以对流和辐射方式由散热面传递给壳内空气，通过空气的对流，把来自铁芯和绕组的热量传给隔爆外壳，加热了的隔爆外壳通过辐射和周围空气对流把热量散走。同时热源通过传导、空气对流等方式把热量传递给器身其它绝缘件使其升温。热源一方面通过冷却媒质空气把热量散发到壳外，另一方面，壳内各热源之间也发生着热交换。因而使得其热模型变得更加复杂，利用传统的数值计算方法分析其动态温升过程非常困难。

　　大容量隔爆型干式变压器的另一个特点是各部分的相对发热时间常数较高，壳内各部分温度场稳定时间长，以一台3150kVAC级隔爆干变为例，其线圈部分标准额定温升为150IK损耗温度为170*Ct3，导线采用NOMEX纸包无氧铜导线，170°C时电阻率为0.2741 mm2/m，电流密度0.9A/mm2，线圈平均温升120K隔爆外壳温升42K根据发热时间常数估算公式：温升（K线电流密度（A/mm2）。知线圈的发热时间常数为：目前，我国大多煤矿都采用一天四班制，三班工作，一班设备维护检修的工作制形式，每天移变工作时间在18小时左右，变压器实际运行于以24小时为一周期的间断长期工作制形式。所以变压器在非稳定温升状态下工作时间较长，只有正确对其主要部位的动态温升进行分析、计算和预测，才能较准确的确定变压器的实际过负荷能力，达到准确的选用各部分的绝缘材料，优化产品设计的目的。

　　三、BPNN的隔爆型干式变压器动态温升预测模型从上述的隔爆型干式变压器热传递模型可知，来自铁芯和线圈的两主要热源发出的热量一方面本身储存一部分热量使其温升增加，另一方面通过各种热交换方式把热量散发出去使周围的结构件，壳内空气和隔爆外壳温升增加，忽略系统对周围环境的影响，随着时间的增加，系统后达到一个发热和散热过程的动态平衡，各部分温升达到稳定状态。变压器结构确定后，内部铁芯和线圈的损耗发热主要决定于系统电压和负载电流，同时又与其某时刻的温度有关。撇开系统内复杂的函数数值对应关系，我们可以简单认为：变压器内部温度场的动态过程，可以看作是一个基于已知模型，在某种给定工况和初始条件下，某部位的温升对于时间的一个连续函数，当然这个连续函数是高度非线性的，难以用准确的数学模型来表达。对于在零初始状态下，周围环境温度影响较小，电网输入电压波动不大的给定矿用隔爆型干式变压器内部关键点动态温升过程通过简化可以近似的看作是：输入电压U，二次电流12和时间T与各关键点01 ~0n之间的一个高度非线性映射关系。

　　（一）BP（Back-propagation）神经网络模型），都存在一个输入层有n个神经元，隐层有2n+1个神经元，输出层有m个神经元的三层神经网络，该神经网络可用来表达该连续函数Y=9（x）。

　　（二）隔爆型干式变压器的动态温升预测BP网络模型以我厂近期开发的3150kVA移动变电站为例，其模型和预测对象是在零初始温升下，变压器在各负载情况下24小时内，箱壳、铁芯、铁芯封板、高压引线、低压线圈的温升动态变化情况，基于ko-mogorov定理，理论上我们可以米用一BP网络来实现其映射F：⑴，I2T）*（01~05）。通过对样本的自适应学习和训练后，在不需要预先建模的情况下可以一次求解出各关键点的动态温升。这正是我们利用人工神经网络来求解非线性问题的明显优势。

　　根据实际模型的学习训练情况，我们在MAT-LAB刘国海，范建中。变压器动态温升的模拟计算。江苏理工大学学报，1995，（1）：崔立君。特种变压器理论与设计。北京：科学技术出版社，1996.王耀南。计算机智能信息处理技术及其应用。长沙：湖南大学出版社，1999.黄文梅，杨勇，熊桂林，成晓明。系统仿真分析与设计一MATLAB语言工程应用。长沙：国防科技大学出版社，2001.