基于神经网络辅助的Walsh矩阵的电力变压器故障检测技术

《IEEE Transactions on Industrial Informatics》：Neural Network Assisted Walsh Matrix-Based Fault Detection Technique for Power Transformer

提出基于Walsh矩阵分析和前馈神经网络的电力变压器内部故障检测方法，通过仿真和实验验证其有效性，并与现有方法比较，结果显示该方法在准确性和效率上具有优势。

　　

摘要：

本文提出了一种基于沃尔什矩阵分析和前馈神经网络的电力变压器故障检测新技术。首先，利用变压器两侧的三相电流信号计算沃尔什矩阵的系数，然后从这些系数中提取特征，并通过前馈神经网络进行处理，从而有效区分内部故障与外部故障。通过仿真和实验室实验（使用两种不同类型的三相变压器）生成测试用例，用于模型的训练、测试和验证。通过调整超参数来选择最优模型。该方法的有效性还通过现场记录的数据得到了验证。最后，从运行特性、计算复杂性和实现难度等方面将所提方法与其他现有方法进行了比较。结果表明，与其他方法相比，该技术在检测电力变压器内部故障方面具有显著优势。

引言

由于分布式能源资源（DERs）所代表的可再生能源（REs）的普及，电力系统正在经历重大变革。电力变压器在将DERs集成到不同电压等级的系统中发挥着关键作用，因此其运行状态备受关注。它们通常采用数字差动保护装置（87T）进行保护[1]。然而，87T的保护装置在运行过程中可能会因多种原因出现故障，例如涌流、由于磁材料改进导致的谐波含量不足、变压器通电故障以及绕组间故障[2]、[3]、[4]。因此，开发一种能够快速准确区分电力变压器内部故障与外部故障的防护策略至关重要。