RBF神经网络与粒子群算法融合的高压断路器故障诊断方法研究

来源 :河南理工大学 | 被引量 : 0次 | 上传用户:kyonizuka
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着科技和经济的飞速发展,电力系统在整体大局中的地位日趋重要,人们对电力的需求量越来越大,促进电力系统必须迅速发展,电网不断复杂化。目前电压等级的提高和装机容量的增大,用户对供电质量和可靠性的要求也越来越高,这就要求电力系统要加强电力设备的正常运行状态的可靠性。高压断路器作为电力系统的重要开关设备,在配电、保护线路及设备中起着关键作用,且在电力系统中得到了广泛的应用。要提高电力系统安全可靠的供电从某种意义上说就是提高高压断路器的可靠运行。  目前神经网络采用的算法有很多种,而BP神经网络和RBF神经网络是应用比较多的,但是BP神经网络有着收敛速度慢、容易陷入极小区域的缺点,RBF神经网络虽然比BP神经网络在收敛速度上快,但是RBF却有着训练连接权值麻烦的缺点。为了提高收敛的速度和改掉连接权值不容易算出来的缺点,本文分别用遗传算法和粒子群算法融合RBF神经网络。  基于这些分析,本文提出了用 RBF神经网络与粒子群算法相融合的方法,用霍尔传感器和断路器机械特性测试仪现场测试得出高压断路器分合闸线圈电流随时间变化的故障时的特征量数据,建立PSO-RBF模型。用MATLAB进行数据的分析与仿真研究,结果显示出基于 PSO-RBF的高压断路器的故障诊断模型可以很好的确定出高压断路器的故障原因。同时,在本文中还建立了GA-RBF,BP,RBF分别关于高压断路器的故障诊断的模型,并进行对比,结果显示PSO-RBF神经网络具有很好的诊断效果。  本文用最大似然估计的概率论方法对高压断路器的可靠性进行分析与仿真,预计出断路器在多长时间内的运行是可靠的;用RBF神经网络融合粒子群算法技术在可靠时间内诊断,预防了故障了出现,增加了电力系统的可靠供电。
其他文献
在小学低年级数学教学中,要培养学生一定的数学思维,《小学数学课程标准》中提出,要注重培养学生的计算能力,训练口算能力,口算也是学生笔算、估算以及简算的重要基础,是学生
可靠的通信是实现电力系统“五遥”(包括“遥视”在内)的关键之一。在整个数字化电力系统中,各种信息(包括实时信息和非实时信息)的采集和传递具有基础地位。而通信时,通信双方必须遵循相同的通信规约。由于不同的远动设备生产厂家存在技术上和利益上的不同,通信规约的统一还将是个长期的过程。实现不同型号、不同规约的设备方便、高效的互联是当前迫切需要解决的问题。 在对各种标准及流行规约查阅、收集和整理的基础
汽轮发电机定子绕组强迫循环内部蒸发冷却,是一种新型的冷却方式,其特征在于定子绕组内部先利用液体单相升温再利用沸腾传热带走热量。蒸发冷却技术较之空气冷却和水冷却有着明显优势:冷却效率高、运行维护简单、绝缘性好、可靠性高等。但它的计算较为复杂。准确的建立数学模型,提高蒸发冷却的计算精度势在必行。国内外目前尚没有这方面的研究报道。 本文简要介绍了汽轮发电机定子绕组内部蒸发冷却的技术原理,着重...