本論文提出以機率神經網路為基礎之變壓器故障診斷，雖已有多種類神經網路被提出應用於相關課題上，但當溶解氣體紀錄有所改變時，其適應能力變成了類神經應用上的瓶頸，在油浸式變壓器中本文使用適應性強之機率神經網路來分析溶解氣體以辨別各種故障類型，並以油中分解氣體比值來規劃類神經之訓練範例，當增加新的範例時，具有快速訓練特性及不需任何修正疊代過程，最後將以氣體診斷記錄,以個人電腦模擬測試後並驗證所建議的診斷系統之可行性。本論文亦提出以網際網路為基礎之分散式虛擬電力變壓器監測系統。使用LabVIEW軟體撰寫人機界面（MMI），並利用所提供的 DataSocket伺服工具來執行數據資料網路分享功能。

本論文應用以電流注入法為基礎之諧波潮流程式來解決諧波問題，在此有基本頻率和諧波頻率兩種模型，傅利葉分析應用於諧波負載注入電流的諧波成分，處理諧波負載則被視為電流源，以諧波負載潮流程式為工具，探討有關諧波污染問題，如對變壓器損失與負載功率因數之影響，最後並發展一套被動濾波器，藉以改善用戶端之諧波以符合台電諧波管制標準。

In this thesis a transformer fault diagnosis system using probabilistic neural network (PNN) is proposed and implemented. Many artificial neural networks (ANN) have been proposed to deal with the transformer fault diagnosis. However, when dissolved gas records change, adaptation capability becomes a problem in ANN applications. PNN analyzes the dissolved gas contents in the oil-immersed transformer to identify various fault types. Numerical gas ratios of oil and cellulose decomposition were used to create the training examples. Retraining can also be done by adding new examples without any iteration. With diagnostic gas records, computer simulations were conducted to show the effectiveness of the proposed system. The Internet based power transformer monitoring system was also proposed in this thesis . LabVIEW was used to develop the Man-Machine Interface (MMI), and DataSocket tool was used to share the information on Internet.

Application of the harmonic load flow based on the Equivalent- Current Injection was used to solve harmonic problems. There are two sub-models including the fundamental and harmonic frequency models. The standard Fourier analysis was used to deal with the harmonic loads to get injection currents. A passive filter was also developed to improve harmonics to satisfy restriction standards of the Taiwan Power Company.

目錄

摘要……………………………………………………………………….I
英文摘要 III
目錄 V
圖目錄 IX
表目錄 XII

第一章 緒論 1
1.1 研究動機 1
1.2 研究目的與方法 2
1.3 論文內容概述 4

第二章 研究方法簡介 6
2.1 類神經網路之介紹 6
2.1.1類神經網路模型………………………………….....6
2.1.2 類神經網路架構 8
2.1.3類神經網路的運作 9
2.1.4 類神經網路的選用 11
2.2 機率神經網路 12
2.3 模糊理論介紹 14
2.3.1二值邏輯 16
2.3.2 模糊集合 17
2.3.3 模糊集合之定義及基本運算 18
2.4 本章結論 20

第三章 變壓器故障診斷系統之建構 21
3.1 前言 21
3.2 現行檢測模式 21
3.3 變壓器故障診斷工具 26
3.3.1 油中溶解氣體分析(DGA) 26
3.3.2 電力變壓器故障/異狀型式與位置 30
3.4 PNN故障診斷模型 31
3.5 模糊理論建構變壓器故障診斷模型 37
3.6 本章結論 39

第四章 諧波對變壓器的影響 40
4.1 前言 40
4.2 諧波的定義 40
4.2.1 傅立葉級數介紹 40
4.2.2 電力系統諧波的基本定義 41
4.2.3諧波失真因數之定義 42
4.2.4 移置功因 43
4.3 諧波對變壓器內部損失的影響 44
4.3.1諧波電壓對損失的影響 45
4.3.2 諧波電流對損失的影響 45
4.4 建立電流注入法為基礎的諧波負載潮流 47
4.4.1 電流注入法為基礎之負載載潮流推導 47
4.4.2 電流注入法為基礎之諧波負載載潮流推導 53
4.5 濾波器設計 53

第五章 人機介面之建構 55
5.1 前言 55
5.2 DataSocket 56
5.3 人機介面之建構 57
5.3.1 虛擬分散式電力變壓器即時偵測系統 57
5.3.2 電力變壓器故障診斷系統 61
5.3.3 諧波產生器 63
5.3.4 電力變壓器損失顯示介面 63
5.3.5 電力系統負載功因顯示介面 64

第六章 系統實例整合測試 66
6.1 前言 66
6.2 平滑參數之測試 66
6.3 變壓器故障診斷系統之測試 .68
6.4 相似度測試 72
6.5 PNN與FUZZY的模擬測試比較 73
6.6分散式電力變壓器監測之人機介面 74
6.7 諧波分析之測試 76
6.8 諧波產生器之測試 76
6.9 濾波器之測試 78
6.10 電力變壓器損失效應與濾波器改善測試 79
6.11負載功率因數測試系統一 81
6.12負載功率因數測試系統二 83
6.13本章結論 85

第七章　結論與未來研究方向 86
7.1 結論 86
7.2 未來研究方向 87

參考文獻 88

圖目錄
圖1-1 變壓器故障診斷流程………………………………………….2
圖1-2 諧波應用流程 3
圖2-1 單一生物神經元模型 7
圖2-2 順向神經網路架構圖 9
圖2-3 回授神經網路架構圖 9
圖2-4 機率神經網路基本架構圖 13
圖2-5 明確集合之特性函數 17
圖2-6 模糊集合之特性函數 17
圖3-1 變壓器週期性檢測流程 22
圖3-2 安裝於變壓器之線上油中氣體偵測器 22
圖3-3 氣體比值分佈範圍圖樣 35
圖3-4 變壓器故障診斷系統圖 36
圖3-5 輸入歸屬函數 37
圖3-6 輸入歸屬函數 38
圖3-7 推論規則 38
圖4-1 Bus i、j間的輸電線路模型 48
圖4-2 電流注入法之負載潮流程式流程圖(考慮電壓控制匯流排) 52
圖5-1　 公佈者、DataSocket Server、訂閱者 56
圖5-2　 DataSocket Server Manager 57
圖5-3 虛擬電力變壓器即時偵測系統診斷結果主畫面 58
圖5-4 參數值之傳輸 59
圖5-5 位置與時間之傳輸 59
圖5-6 資料庫 60
圖5-7 LabVIEW傳至EXCEL之畫面 60
圖5-8 警報系統 61
圖5-9 變壓器故障診斷系統主畫面 61
圖5-10 變壓器故障診斷系統副畫面 62
圖5-11 諧波產生器 63
圖5-12 電力變壓器損失之人機介面 64
圖5-13 電力系統負載功因之人機介面(1) 65
圖5-14 電力系統負載功因之人機介面(2) 65
圖6-1 平滑參數說明(a)(b)(c)(d) 67
圖6-2 輸出機率值與平滑參數之對應表 68
圖6-3 變壓器故障診斷為「中溫熱故障包含絕遠紙裂化」 68
圖6-4 中溫熱故障包含絕緣紙裂化原因與位置 69
圖6-5 變壓器故障診斷為「能量放電含有電弧放電」 70
圖6-6 能量放電含有電弧放電原因與位置 70
圖6-7 變壓器故障診斷為「能量部分放電含有電暈損失」 71
圖6-8 能量部分放電含有電暈損失原因與位置 71
圖6-9 相似度測試(a)(b)(c) 72
圖6-10 診斷模型比較 73
圖6-11 分散式電力變壓器之人機介面 74
圖6-12 345KV的人機介面 75
圖6-13 諧波分析之主畫面 76
圖6-14 變速馬達交流側的模擬波形與頻譜圖(1) 77
圖6-15 變速馬達交流側的模擬波形與頻譜圖(2) 77
圖6-16 濾波器測試 78
圖6-17 損失流程圖 79
圖6-18 變壓器損失人機主畫面 80
圖6-19 變壓器T1損失介面 80
圖6-20 功率因數流程圖 81
圖6-21 具有HVDC的系統 82
圖6-22 Bus 2人機畫面 82
圖6-23 多種類型諧波源系統 84
圖6-24 Bus 10人機畫面 84

表目錄

表2-1 生物體與生物模型對照表……………………………………..7
表2-2 傳統集合與模糊集合基本精神的比較表 18
表3-1 某檢測公司之檢測報告 23
表3-2 IEC改良診斷法數碼分配 28
表3-3 IEC改良診斷法研判變壓器內部故障診斷表 29
表3-4 CIGRE診斷法數碼分配 29
表3-5 CIGRE診斷法研判變壓器內部故障診斷表 29
表3-6 電力變壓器故障/異狀原因分類/異狀位置 30
表3-7 氣體比值範圍和故障類型對應表 33
表3-8 PNN所需訓練範例組 35
表4-1 諧波常用的模組 54
表6-1 平滑參數是否明確診斷故障類型之範圍 67
表6-2 探討PNN與FUZZY的優缺點 73
表6-3 變速馬達基頻與諧波成分 76
表6-4 以改善銅損對應濾波器設計 78
表6-5 濾波器的截止頻率與改善後銅損的對應關係 83
表6-6 具有HVDC的系統之功率因數改善前後的比較 85

[1]Chin E. Lin, Jeeng-Min Ling, and Ching-Lien Huang, “An Expert System for Transformer Fault Diagnosis Using Dissolved Gas Analysis, “IEEE Trans. on Power Delivery, Vol.8, No.1, January 1993, pp. 231-238.
[2]Yann-Chang Huang, Hong-Tzer Yang, and Ching-Lien
Huang, “Developing a New Transformer Fault Diagnosis System through Evolutionary Fuzzy Logic, ”IEEE Trans. on Power Delivery, Vol.12, No.2, April 1997, pp. 761-767.
[3] Syed Mofizul Islam , Tony Wu, and Gerard Ledwich, “A Novel Fuzzy Logic Approach to Transformer Fault Diagnosis, ”IEEE Trans. on Dielectrics and Electrical Insulation, Vol.7, No.2, April 2000, pp. 177-186.
[4]Y. Zhang, X. Ding, Y. Liu, and P. J. Griffin, “An Artificial Neural Network Approach to Transformer Fault Diagnosis, “IEEE Trans. on Power Delivery, Vol.11, No.4, October 1996, pp. 1836-1841.
[5]Zhenyuan Wang, Yilu Liu, and P. J. Griffin, “A Combined ANN and Expert System Tool for Transformer Fault Diagnosis, “IEEE Trans. on Power Delivery, Vol.13, No.4, October 1998, pp. 1224-1229.
[6]IEEE Guide for the Interpretation of Gases Generated in Oil-Immersed Transformer (1992) ANSI/IEEE Stand. C57. 104-1991.
[7]B. Falou, “ Detection of and Research for the Characteristics of an Incipient Fault from Analysis of Dissovled Gas in the Oil of an Insulation, “ SC-15, CIGRE, Electra, No. 42, 1975, pp. 31-52.
[8]Yann-Chang Huang and Chao-Ming Huang,“Evolving Wavelet Network for Power Transformer Condition Monitoring, ”IEEE Trans. on Power Delivery, Vol.17, No.2, April 2002, pp. 412-416.
[9]Specht, D.F., “Probabilistic Neural Network for Classification, Mapping, or Associative Memory, ” Proc. IEEE Int. Conf. Neural Network, San Diego, CA, Vol.1,July 1988, pp. 525-532.
[10]Specht, D.F., “A General Regression Neural Network,“IEEE Transaction on Neural Network, 1991, pp.568-576.
[11]Edward J. Rzempoluck, “ Neural Networks Data Analysis Using SimulnetTM, “Springer-Verlag New York, Inc., 1998.
[12]Wen-Ying Chang, Herng-Der Lin, Yaw-Wu Chen., Chien-Hua Tuan, Kuang-Chao Wu., and Jeng-Hong Lai, “Expert System for Transformer Faults Diagnosis, “Monthly Journal of Taipower’s Engineering, Vol.551, April 1995, pp. 71-86.
[13]Seymour Lipschutz, “Theory and Problems of Data Structures, “McGRAW-Hill Book Company, 1986.
[14]周建宏“電力變壓器故障診斷用之乏晰學習向量量化專家網路,“碩士論文,私立中原大學電機所,民國88
[15]王瑋民,黃昭明,林安志,張德福“線上變壓器油中氣體監控診斷系統之研究,“2003電力研討會,pp.957-961.
[16]王念中“大型電力變壓器監測和線上診斷系統之研究,“2002電力研討會,pp.148-151.
[17]蔡世育,張文曜“近十年電力變壓器故障數量統計及原因分析,“2003電力研討會,pp.947-952.
[18]辜志承,李親民,王延年,江世鑫,江榮成,廖清榮,張文曜,郭宗益“諧波對電力設備之影響,“台電工程月刊,pp.36-53.民國86年.
[19]江榮成,廖清榮,郭宗益“大用戶諧波污染事故調查與分析,“台電工程月刊,pp.60-67.民國86年.
[20]洪瑤“電力系統斜坡問題探討,“台電工程月刊,pp.11-21.民國82年.
[21]林金賢“考慮多負載及諧波準位之高壓大容量被動式諧波濾波器之最佳規劃,“碩士論文,私立中原大學電機所,民國90.
[22]W. M. Lin and J. H. Teng, “ Distribution Fast-Decoupled State Estimation By Measurement Pairing,” IEE Proc.-Generation, Transmission and Distribution, Vol. 143, No. 1, pp. 43-48, 1996.
[23]W. M. Lin and J. H. Teng, “Phase-Decoupled Load Flow Method for Radial and Weakly-Mesh Distribution Networks,” IEE Proc.-Generation, Transmission and Distribution, Vol.143, No. 1,pp.43-48, Jan.1996.
[24]W. M. Lin and J. H. Teng, “Three-Phase Distribution Network Fast-Decoupled Power Flow Solution,” IEEE Transaction on Electrical Power and Energy Systems, 1996.
[25]W. M. Lin and J. H. Teng, “Current-Based Power Flow Solutions for Distribution Systems, ” IEEE ICPST ’94 Conference Beijing, China, pp. 414-418.
[26]Haley and P. H., M. Ayres, “Super Decoupled Load Flow with Distributed Slack Bus,” IEEE Transcations on Power Apparatus and Systems, Vol. PAS-104, pp. 104-113, 1985.
[27]蕭子健,劉建昇,楊雅齡, “LabVIEW網路篇, ”高立圖書有限
公司, 2001.
[28]蕭子健,周森益,鄭博修,林珮瑜,黃欽章, “LabVIEW分析篇, ”
高立圖書有限公司, 2001
[29] 謝勝治, “圖控式程式語言LabVIEW, ”全華科技圖書公司, 1997.
[30]D.F. Specht, “Probabilistic Neural Network for Classification, Mapping, or Associative Memory, ” Proc. IEEE Int. Conf. Neural Network, San Diego, CA, Vol.1, July 1988, pp. 525- 532.
[31]井上洋, 天笠美知夫，“模糊理論”五南圖書出版有限公司，民
國88年
[32]徐揚,鄒開其，“模糊系統與專家系統”儒林圖書有限公司，民國
民國82年
[33]李天龍“以FFT為架構建立之諧波參數計算方法,“碩士論文,國立
中山大學電機所,民國89
[34]許鴻亨“具諧波監測系統之數位電驛, ”碩士論文,國立中山大學電機所,民國87