臺灣博碩士論文加值系統

油中溶解氣體分析試驗是目前用於診斷油浸式電力變壓器潛在內部故障現象最有效之方法及最受歡迎之技術，此方法因可靠性較佳且合於經濟考量並可在不斷電下實施，而被各先進國家列為變壓器例行之維護項目。然而，目前發展使用之診斷法準確度並不高，是故，發展適於本地變壓器運轉特性之診斷法是必須的。
本研究運用基礎為模糊類神經網路理論，使其能自我適應、自我學習及自我訓練，進而提高準確度。搜集台電公司十餘年來所累積油中氣體分析資料及實際的變壓器故障案例，將此資料透過類神經網路理論架構加以訓練。經測試結果顯示類神經網路理論應用於電力變壓器故障不僅可預測故障型別，亦可預測故障位置。研究結果可達成改進變壓氣故障診斷的準確度及精緻性之目的。

Dissolved gas analysis technique is the most popular and effective method for diagnosing the potential faults existing in oil type transformer. The technique of monitoring and sampling the dissolved gasses provides a higher reliability. Some advanced industrial countries adopt the technique of dissolved gas analysis to maintain the function of the transformer because it does not interrupt the power supply. However, the accuracy of dissolved gas analysis not high. So developing a available diagnosis technique for local oil type transformer propriety models is essential.
This study is based on the theory of neural network for discrimination. Which helps to gain higher accuracy, by means of self-adjusting, self-learning, and self-training. Further more, I collected the reports of the dissolved gasses analysis and some cases transformer fault from Taipower to set up a data bank. By the training structure of neural network in the data bank, the neural network discrimination system works not only in predicting the fault patterns but also in diagnosing the fault positions. This study effectively improves the technique to gain higher accuracy and precision in Taipower local oil immersed type transformer diagnosis.

目 錄
中文摘要……………………………………………………………. i
英文摘要……………………………………………………………. ii
誌謝…..……………………………………………………………. ii
目錄…………………………………………………………………. iv
表目錄………………………………………………………………. v
圖目錄………………………………………………………………. vi
第一章 緒論………………………………………………………. 1
1.1 研究動機與目的………………………………………. 1
1.2 研究過程與方法………………………………………. 2
1.3 論文章節結構…………………………………………. 3
第二章 電力變壓器故障診斷之方法……………………………. 5
2.1 前言……………………………………………………. 5
2.2 電力變壓器之主要結構及功能 …………………….. 5
2.2.1 絕緣機能……………………………………….… 5
2.2.2 導電機能…………………………………………. 5
2.2.3 磁路機能…………………………………………. 5
2.2.4 機械機能 ………………………………………… 6
2.2.5 密封及防水機能…………………………………. 6
2.2.6 控制及保護電驛機能……………………………. 6
2.3 電力變壓器故障之成因………………………………. 6
2.4 電力變壓器故障診斷之流程與標準…………………. 8
2.5 電力變壓器故障診斷法………………………………. 10
2.5.1 電氣試驗 ……………………………………….. 11
2.5.2 油中氣體分析……………………………………. 12
2.5.3 絕緣油特性試驗…………………………………. 21
2.5.4 保護電驛動作判定………………………………. 21
2.5.5 目前台電公司所採之診斷法……………………. 22
2.6 本章結語………………………………………………. 24
第三章 模糊集合理論應用於電力變壓器故障診斷……………. 26
3.1 模糊集合理論…………………………………………. 26
3.1.1 模糊集合論………………………………………. 26
3.1.2 模糊集合之基本定義…………………………... 28
3.1.3 模糊集合之基本運算……………………………. 29
3.1.4 隸屬函數………………………………………... 29
3.1.5 模糊推論………………………………………... 30
3.1.6 解模糊化…………………………………………. 32
3.2 模糊集合理論應用於電力變壓器之故障診斷………. 33
3.2.1 診斷法不確定現象………………………………. 33
3.2.2 建立模糊法則……………………………………. 34
3.2.3 模糊推理…………………………………………. 38
3.2.4 模糊診斷測試…………………………………… 39
3.3 本章結語………………………………………………. 39
第四章 類神經網路理論應用於電力變壓器故障診斷…………. 41
4.1 類神經網路簡介………………………………………. 41
4.2 倒傳遞網路……………………………………………. 45
4.3 倒傳遞演算法則………………………………………. 47
4.4 類神經網路理論應用於電力變壓器故障診斷………. 51
4.4.1 類神經網路的架構………………………………. 51
4.4.2 模糊邊界處理……………………………………. 52
4.4.3 隸屬函數確定……………………………………. 54
4.4.4 網路學習…………………………………………. 55
4.4.5 網路測試…………………………………………. 55
4.5 本章結語………………………………………………. 56
第五章 數值驗證與分析………………………………………….. 57
5.1 前言……………………………………………………. 57
5.2 專家系統………………………………………………. 57
5.2.1 專家系統基本概論………………………………. 57
5.2.2 建構傳統專家系統所面臨之困難點……………. 58
5.3 專家系統與類神經網路之比較………………………. 59
5.4 研究成果與討論………………………………………. 60
5.5 實際案例探討…………………………………………. 59
5.6 本章結語………………………………………………. 62
第六章 結論與建議…………………………………………….. 64
6.1 結論……………………………………………………. 64
6.2 未來展望………………………………………………. 64
參考文獻……………………………………………………………. 66
附錄一………………………………………………………………. 69
附錄二………………………………………………………………. 72
附錄三………………………………………………………………. 73
附錄四………………………………………………………………. 74
附錄五………………………………………………………………. 75

參 考 文 獻
〔1〕 張文英，林恆德，陳耀武，段建華，吳光超，賴政宏，“電力變壓器故障診斷專家系統之開發研究”，台電工程月刊，第551期，頁71~86，民國83年7月。
〔2〕 張文英，林恆德，黃榮輝，陳耀武，楊英魁，賴昭村，段建華，吳光超，賴政宏，“電力變壓器氣體診斷法之開發”，台電工程月刊，第572期，頁57~77，民國85年4月。
〔3〕 台灣電力公司，“異常變壓器故障型態調查研究期末報告”，民國83年9月。
〔4〕 周建宏，“電力變壓器故障診斷用之乏晰向量化專家網路”，中原大學電機工程研究所碩士論文，民國88年6月。
〔5〕 張文英，林恆德，黃榮輝，陳耀武，楊英魁，賴昭村，段建華，吳光超，賴政宏，“開放式電力變壓器故障診斷專家系統之研究”，台電工程月刊，第588期，頁34~57，民國86年8月。
〔6〕 陳耀茂譯，模糊理論，台北市，五南圖書出版有限公司，民國88年。
〔7〕 V. Tomsovic, M. Tapper, and T. Ingvarsson, “A Fuzzy Information Appoach To Integrating Different Transformer Diagnostic Methods,”IEEE Trans. on Power Delivery, Vol. 8 , No.3, July 1993, pp.1638~1645.
〔8〕 C. E. Lin, J. M. Ling, and C. L. Huang,“An Expert System for Transformer Fault Diagnosis Using Gas Anysis,”IEEE Trans. on Power Delivery, Vol. 8 , No.1, January 1993, pp.231~238.
〔9〕 徐文，王大忠，周澤存，“電氣設備故障診斷中模糊性處理方法”，高電壓技術(中國大陸)，Vol. 21, No.3, Sept 1995, pp.46~48.
〔10〕 Q. Su,“A Fuzzy Logic Tool For Transformer Fault Diagnosis,”IEEE Power System Technology International Conferece, Vol.1, 2000, pp.265-268.
〔11〕 J. J. Dukarm,“ransformer Oil Diagnosis Using Fuzzy Logic and Neural Networks,”Proceeding of the IEEE Canadia Conference on Electric and Computer Engineer,Vol.1,1993,pp.329~332.
〔12〕 X. Ding, Y. Liu, and P. J. Griffin,“ANN Based Transformer Fault Diagnosis,” IEEE Proceeding of the 59th American Power Conference,Vol.1,Chigago,
April 1995, pp.428-432.
〔13〕 S. M. Islam, T. Wu, and G. Ledwich,“A Novel Logic Approach to Transformer Fault Diagnosis,”IEEE Trans. on Dielectrics and Electrical Insulation, Vol. 7, No 2, April 2000, pp.177~186.
〔1〕 廖炯州，“用於電力變壓器溶解氣體分析法之適應性模糊診斷系統”，中原大學電機工程研究所碩士論文，民國87年6月。
〔15〕 Y. C. Huang, H. T. Yang, and C. L. Huang, “Developing a New Transformer Fault Diagnosis System through Evolutionary Fuzzy Logic,” IEEE Trans. on Dielectrics and Electrical Insulation, Vol. 12 , No. 2, April 1997, pp.761~767.
〔16〕 蘇木春、張孝德，機械學習―類神經網路、模糊系統以及基因演算法，台北市，全華科技圖書股份有限公司，民國89年。
〔17〕 葉怡成，類神經網路應用與實作 ，台北市，儒林圖書股份有限公司，民國86年。
〔18〕 Z. Wang, Y. Liu, and P. J. Griffin, “Neural Net and Expert System Diagnose Transformer Fault,”IEEE Computer Application in Power,pp, Vol. 4, January 2000, pp.50~55.
〔19〕 Z. Wang , Y. Liu, N. C. Wang, T. Y. Guo, F. T. C. Huang, and P. J. Griffin,“Artifical Intelligence in Power Equipment Fault Diagnosis,” IEEE Power Power System Technology International Conference, Vol.1, 2000, pp.247-252.
〔1〕 Yilu Liu，王念中，Zhenyuan Wang，郭宗益，“應用類神經網路專家系統診斷電力變壓器之驗究完成報告”，台電綜合研究所，民國88年6月。
〔21〕 Y. Zhang, X. Ding, and Y. Liu,“An Artificial Neural Network Approach to Transformer Fault Diagnosis,”IEEE Trans. on Power Delivery, Vol. 11, No. 4, October 1996, pp.1836~1841.
〔22〕 高宇，高文勝，嚴璋，“基于模糊理論及自適應共振網路的油中氣體分析診斷”，高電壓技術(中國大陸), Vol. 23, No. 4, Dec. 1997, pp.42~25。
〔23〕 J. L. Guardado, J. L. Naredo, P. Moreno, and C. R. Fuerte,“A Comparative Study Of Neural Network Efficiency in Power Transformer Diagnosis Using Dissolved Gas Anysis,”IEEE Trans. on Power Delivery, Vol. 16, No. 4, October 2001, pp.643~647.
〔24〕 李文棋，“應用類神經網路於故障診斷專家系統―以工具機為例”，東海大學工業工程研究所碩士論文，民國85年6月。