专家系统access数据库

【摘要】在多年研究成果的基础上,本文利用Delphi7及ODBC数据库开发出了基于Access数据库的电力变压器故障诊断系统.
故障诊断基于专家知识库,而专家知识库又由专家经验构成.
现场通常采用潜伏性故障诊断和绝缘预防性诊断对变压器状态进行诊断.
其中,潜伏性故障诊断以油中溶解气体色谱分析为基础,结合外部检查、绝缘油诊断来综合分析判断运行中变压器的潜伏性故障;而绝缘预防性诊断则由绝缘电阻、直流电阻、介损、直流泄漏、套管诊断构成.
通过潜伏性故障诊断和绝缘预防性诊断,专家系统能够综合判断变压器的整体绝缘水平,并为现场操作人员提出建议.
本专家系统在大量调研的基础上完成,并辅以试验报告等功能,充分考虑到现场的需要,有较强的实用价值.

关键词:电力变压器;专家系统;故障诊断;数据库;知识库全文数字及字母TimesNewRoman【Abstract】Basedonresearchingforseveralyears,Delphi7andODBCareutilizedtodevelopTransformerFaultDiagnosingExpertSystem(TFDES)basedonAccessdatabase.
FaultDiagnosisisbasedonexpertknowledgebase,composedbyexperts'experiences.
LatentFaultDiagnostic(LFD)andInsulationPrecautionaryTest(IPT)arepopularlyusedinreality,soastodiagnosefaultsoftransformers'insulation.
LFD,isusedtoindicatethelatentfaultsoftransformers,basedonDissolvedGasAnalysis(DGA),andassistedbyExternalExamination(EE),InsulationOil(IO).
IPT,consistedofInsulationResistance,OhmicResistance,OilDielectricLoss,DCleakingCurrentandBushing.
ThroughLFDandITP,TFDEScanjudgesyntheticallythewholeinsulationleveloftransformer,andgiveoutproperexpertsuggestionstooperators.
ThisTFDES,completedthroughalotofinvestigationandresearching,affiliatedwithTestReportandsomeotherfunctions,thinkingcompletelyofon-the-spotneed,isveryworthypractically.
KeyWords:ElectricTransformer;ExpertSystem;FaultsDiagnosis;Database;KnowledgeBase目录1引言12电力变压器绝缘故障诊断模型52.
1.
电力变压器结构简介52.
2.
电力变压器绝缘基本知识52.
2.
1电力变压器的绝缘52.
2.
2油浸式变压器常用绝缘材料62.
3.
电力变压器的故障及检测手段72.
3.
1故障原因及其种类72.
3.
2电力变压器常规试验项目82.
4.
电力变压器异常情况的分析122.
4.
1声音异常122.
4.
2油温异常132.
4.
3油位异常142.
4.
4外表异常152.
3.
1气温、颜色异常152.
5.
油中气体色谱分析法152.
5.
1油中气体组成的规律162.
5.
2油中气体含量与故障性质的关系162.
5.
3油中气体分析过程172.
5.
4气体分析方法173电力变压器绝缘故障诊断专家系统263.
1.
专家系统的概念263.
2.
专家系统的结构283.
2.
1知识库283.
2.
2数据库293.
2.
3推理机293.
2.
4数据管理303.
2.
5人机界面303.
3.
专家系统中模糊问题的处理303.
3.
1模糊知识的获取313.
3.
2模糊综合评判的处理方法333.
4.
专家系统各模块介绍343.
4.
1气体色谱跟踪试验模块343.
4.
2潜伏性故障诊断模块353.
4.
3绝缘预防性诊断模块354专家系统的完善与应用开发364.
1前期准备364.
1.
1经验总结364.
1.
2开发方案374.
2完善与应用开发384.
2.
1诊断系统394.
2.
2管理系统434.
2.
3查询系统444.
2.
3界面风格454.
2.
4系统说明454.
3诊断程序函数说明464.
3.
1诊断函数464.
3.
2主要辅助函数484.
4诊断实例505结论525.
1结论525.
2电力变压器故障诊断专家系统的展望52致谢54参考文献555658601引言1.
1本文研究的背景意义最近十多年来,我国的国民经济一直以10%左右的速度稳定发展,为满足国民经济对电能需求的迅速增长,我国电网的规模日益扩大.
在电力系统向超高压,大容量,大电网,自动化方向发展的同时,提高电力设备的运行可靠性尤为重要.
根据国内外运行经验,电压等级越高、容量越大,电气设备的故障率一般也越高,修复时间也越长.
大型变压器是电力系统中最昂贵和最重要的设备之一.
它的正常运行对于整个电力系统的可靠运行起着非常关键的作用.
监视运行当中的异常状态并判断发生原因是判断故障的首要内容.
因而研究电力变压器的故障模式和故障诊断具有非常重要的现实意义.
故障诊断涉及到设备的运行机理、故障发生发展的的机制、装置维护的现状、运行条件等诸方面因素,因而是一项复杂的技术性工作.
为了高效地解决诊断问题,将表征异常现象、故障性质、原因和措施及其相互间的关系用知识描述并形成推理,即构成了基于知识的诊断专家系统[1].

1.
2电力变压器故障诊断技术的发展及研究现状变压器故障诊断基本上经历了感官诊断,实验测试,人工智能三个发展阶段.
早期,电力工作者缺乏理论的支持,基本上凭借一定的工作经验的积累,根据变压器的外部检查情况来判断其内部和外部故障.
但仅仅这样单靠人工经验来判断故障难免会有很大的失误和纰漏.
后来,随着油中气体分析法的发展,变压器故障诊断技术得到了很大的提高,进入实验测试诊断阶段.
电力工作者首先用气体色谱分析测得变压器油中溶解的各气体含量,然后根据各种判断方法对产生这些气体的故障原因作出解释.
常用的判断方法有特征气体法和比值法.
比值法中尤以罗杰斯法和三比值法最为常用.
特征气体判断法反应了故障点发热使绝缘材料分解时的事物本质.
故障点产生气体的特征是随着故障点的故障类型以及故障能量级别以及所设计的绝缘材料的不同而不同的.
特征气体法根据测得的某种气体的含量以基准值的比较来粗略判断变压器的故障.
而比值法则根据实验测得的各种气体的比值组合来进一步比较具体地判断变压器地故障[2].

虽然对油中溶解气体分析可以有效地探测变压器潜伏性故障,但是,在电力设备地故障原因,故障现象和故障机理间同时存在随机性和模糊性地不确定现象.
仅仅依靠实验测试地诊断方式难于满足现有地工程应用的要求.
实际上随机性地产生是由于实验测试数据的分散性和本来故障地因果关系不确定性等造成的,它主要反应了客观上的不确定性,模糊性的产生是由于测试数据在主观判断边界上的亦此亦彼性,它主要反应了人为主观理解上的不确定性.
许多现有的诊断规则都太绝对化,无法有效的解决不精确性,不完全性,和不确定性信息.
同时,传统的比值法也存在编码范围不够完善的问题,很大程度上制约了变压器故障诊断技术的发展.

近期,随着人工智能的发展,其广泛地应用于电力系统各个领域.
人工智能在变压器故障诊断方面地应用极大地促进了诊断技术的提高.
人工智能的应用可以分为专家系统和人工神经网这两个方向.
专家系统方面:专家系统由专家知识库,推理机以及用户接口和解释机制等主要部分组成.
知识是专家系统地核心和关键,是解决问题的出发点.
专家系统利用只是实现从故障表象到故障本质的推理过程.
它具有概念明确,长于分析,推理路径清晰,易于用户参与,便于解释等显著优点.
实际上,是对人类逻辑思维模式的计算机模拟.
但专家系统也具有缺陷:知识获取困难.
首先专家系统的规则表述缺乏深度,缺乏对专家思维过程的描述.
而且专家系统的学习能力低下,人工方式获取知识的效率又很低下使得专家系统的只是难于完备,从而制约了专家系统的发展.

知识维护困难.
基于知识的推理,存在"匹配冲突"和"组合爆炸"的问题.
推理的速度慢,效率差,难以适应检测控制适时性的要求.
实际应用:由于在电力系统的故障诊断中同时存在具有随机性和模糊性的不定因素,因此单纯用概率统计或模糊数学的方法都不利于准确的映射故障的特性.
现在提出一种将两者结合起来的方法,并在此基础上重新定义了诊断问题.
不仅有助于解决三比值法因编码不全而难以作出结论的不足,而且比仅基于概率统计的诊断模型具有更高的正判率.
这种方法利用色谱数据和电气数据进行综合诊断,得出更为具体的诊断.

近期,为了解决专家系统较难获取完备知识的瓶颈问题.
提出了一种变压器故障诊断专家系统知识库的粗糙集方法.
将粗糙集理论和专家系统相结合,在变压器历史故障数据所形成决策表的简约基础上,通过计算规则的粗糙隶属度,建立了具有不同简化层次上符合置信度要求的节点网络规划集的知识库.

人工神经网方面:人工神经网将已有的数据和已知的故障诊断模式作为样本,通过学习得出数据量和故障模式间的映射关系.
在神经网络系统中,信息的存储和处理是合为一体的,能从不完全的,不精确的信息联想出完整的信息,因而神经网络具有很强的学习能力,信息处理能力和学习过程中的完善性能.
但是,它也有以下缺陷:对奇异故障模式的诊断能力差神经网络对结论和过程无法给出解释神经网络只是单纯对数据进行分析,缺乏全局观,无法对诊断对象的所有层面进行整体分析.
实际应用:决策树神经网络模型采用分级别的方法,是对故障的诊断逐步得到细化,最终得出引发故障的具体原因.
这种决策树分类网络具有较高的诊断准确率和实用价值.
根据故障的特点,提出了一种基于决策树的变压器故障识别方法.
在故障决策树的基础上,以小波分类网络为基本单元模块,构造组合神经网络模型在结构复杂性和学习难于收敛等方面的不足,大大提高了故障分析的准确度.
在这种诊断模型中,初始的判断结论较粗略,但准确性较高;随后判断逐级细化,表现出对故障良好的辨识能力.

变压器故障表象与机理间的联系错综复杂,种种单一的诊断方法均存在一定的弊端.
往往考虑将几种判断方法结合起来分析.
1.
3本文的主要内容论文以变压器油中溶解的气体的分析为基础,建立基于范例推理的变压器绝缘故障综合诊断模型.
这样能够在一定程序上弥补各种范例检索算法的不足,在比较了待诊…2电力变压器绝缘故障诊断模型专家系统的知识库中的知识是从专家那里来的变压器领域专业知识,也就是他们对于变压器故障性质、种类、原因,及其诊断技术的专家经验.
本章将从电力变压器结构、故障检测手段以及故障性质的分析入手,制定电力变压器故障诊断的模型,为以后的故障诊断打下坚实的基础.

2.
1电力变压器结构简介电力变压器由铁芯、绕组、油箱、绝缘套管装置、冷却装置和保护装置等组成,可用图2-1表示.
图2-1油浸式电力变压器结构2.
2电力变压器的故障及检测手段2.
2.
1故障原因及其种类变压器故障的原因一般非常复杂,而且多数是不明确的.
但弄清故障原因,对制定防止故障的对策是非常必要的.
变压器的故障原因可分为以下几类:选用规格不当:变压器绝缘等级选择错误;所选电压等级,电压分接头不当;容量太小.
制造质量不良:材料不好,包括导电,磁性,绝缘材料;设计和制造工艺不好.
相对产气速率:表示某一设备已含有一定的气体初始浓度,经过一定的时间间隔后,计算出每月每种气体的含量增值占该气体初始值的平均百分值.
可按下式计算[9]:γr=1-1)式中:γr——相对产气速率(%/m或%/d)Ci1,Ci2——分别为第一次,第二次取样测得的油气中气体浓度,——两次取样时间间隔中的实际运行时间,按月或日计算变压器故障的种类变压器故障的种类是多种多样的,可按故障按发生部位和发生过程加以分类,如表1-1和表1-2所列表2-1按故障发生的部位分类内部故障外部故障1.
绕组:绝缘击穿,断线,变形1.
油箱:焊接质量不好,密封垫圈不好2.
铁心:铁心层叠之间绝缘不好,接地不好,铁心穿心螺栓绝缘击穿内部的装配金具2.
电压分接开关传动装置:机械饱和部分,控制设备续表2-1内部故障外部故障3.
电压分接开关,引接线3.
冷却装置:风扇,输油泵,控制设备4.
绝缘油老化4.
绝缘套管,温度计,继电器5总结5.
1结论电力变压器故障诊断专家系统的设计与开发是一个非常复杂的课题.
该课题科技含量高,同时跨越多门学科,不仅要对变压器的运行,维护,电气试验的每一个细节有充分的了解,而且要掌握专家系统的关键部分——知识的表示和知识库的构造,同时对机器学习也要有一定程度的了解.
而对于诊断过程中的不确定性的分析处理又需要模糊数学的知识.
可以肯定,在融进了以上的关键技术后,电力变压器故障诊断专家系统的诊断结论将是可靠的和准确的,这将大大提高电力部门的变压器维护水平.
本次设计的一个重大突破是将电力变压器的诊断模块与人机界面的编写程序统一成Delphi7,使程序的执行效率大大提高;将各个诊断模块独立开来,在保证诊断结果准确的前提下使得用户可以有选择的做一些电气试验;新增试验报告系统,方便用户管理和打印试验数据,提高了程序实用性.

5.
2电力变压器故障诊断专家系统的展望电力变压器的故障诊断专家系统是很有发展前景和意义的一个研究领域.
生产经济的发展离不开电力系统的稳定运行.
电力系统的高效稳定运行要求在变压器不停机的情况下可以实现对它故障诊断与监测.
在本次设计中,我们不仅改善了TFDES各个诊断模块,加强了各个模块在故障诊断时的有效结合,同时也开发了包括绝缘预防性试验基准数据库在内的三个数据库管理系统,从而实现了专家系统基于动态数据库的故障诊断,大大提高了诊断的可信度和专家系统对现场的实用性.
根据电力系统的发展要求,我觉得专家系统应在以下四个方面继续发展.

第一方面:专家系统的知识库需要根据最新的国家标准和最新的诊断方法不断地充实,完善.
知识学习能力需要提高,知识表达的方法可以更新,同时应开发便于用户维护更新的知识库管理系统.
推理机的机制必须完善,应加入人工神经网,这将使得故障诊断的准确性更加提高,同时更能适用于各种情况.

致谢***老师是我这次毕业设计的导师.
自……………………很好的平台,我所有成绩的取得和…………老师悉心指导是分不开的.
也感谢合肥电厂、马鞍山电厂现场工作人员的配合……………….
整个设计工程中我感到受益匪浅,不但加深了对绝缘方面的专业知识,而且还学到了专家系统的精髓以及程序开发的技巧,同时掌握了一些提出问题和解决问题的方法,这些为我以后的研究生学习做了很好的铺垫.