神经网络和粒子群算法在高压电力计量系统故障诊断中的应用研究

发布时间：2017-04-11 16:15

  本文关键词：神经网络和粒子群算法在高压电力计量系统故障诊断中的应用研究，，由笔耕文化传播整理发布。

【摘要】：随着电力的普及和对电能需求的持续增长,电网铺设范围也日益扩大,电力计量系统的规模越来越大,结构越来越复杂,出现故障的概率也随之增加。无论是系统元器件内部故障还是人为改变系统接线产生的故障,都会造成计量的不准确甚至造成供电中断,对国家建设和日常生活产生巨大影响,因此高压电力计量系统故障诊断技术应运而生,受到电力部门和研究学者们的广泛关注。本文根据高压电力计量系统的结构及其故障特点,将数字滤波、神经网络和粒子群优化算法应用到信号提取和故障诊断中,并做了如下的研究分析。首先,从结构上对高压电力计量系统介绍,简介了电流互感器和电压互感器结构及工作原理,按照元件故障的分类方法,分析了计量系统常见的电压互感器故障、电流互感器故障,并对故障提出了检测方法,尤其对于电流互感器短路这样的隐性故障,从理论上进行分析,推倒出检测公式,并通过了实际的信号进行验证。然后,从整体上提出故障检测电路的设计方案,根据计量系统结构及其故障特点,以CT一次侧短路为例,设计故障检测电路,搭建模拟测试环境进行测试。设计等波纹线性相位FIR数字滤波器,在不同负载情况下,对采集来的故障信号提取检测信号并进行了简单分析。最后,将BP神经网络和粒子群算法应用到高压电力计量系统故障诊断中,对高压电力计量系统常见故障类型进行了辨识。先对系统运行参数提取故障特征并对数据样本做归一化处理,然后选取合适的网络结构和参数,构建BP神经网络模型,用采集的样本数据对网络进行训练和测试;再利用粒子群算法优化BP神经网络权值,设计了基于粒子群优化神经网络的故障诊断系统,最后通过和BP网络的诊断测试对比,表明本文采用的高压电力计量系统故障诊断方法是有效可行的。
【关键词】：高压电力计量系统 故障诊断 数字滤波 神经网络 粒子群算法
【学位授予单位】：河南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM930.7;TP18
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 1 绪论9-13
• 1.1 本文研究背景、意义和现状9-10
• 1.2 人工神经网络故障诊断方法10-11
• 1.3 粒子群优化神经网络的应用与发展11
• 1.4 论文的主要内容和结构11-13
• 2 高压电力计量系统与其故障建模分析13-23
• 2.1 高压电力计量系统13-15
• 2.2 电压互感器和电流互感器15-16
• 2.2.1 高压电压互感器(Potential Transformer)15
• 2.2.2 高压电流互感器(Current Transformer)15-16
• 2.3 电力计量系统故障建模分析16-21
• 2.3.1 电压互感器故障分析16
• 2.3.2 电流互感器故障分析16-21
• 2.4 本章小结21-23
• 3 高压计量系统故障检测电路设计和故障信息提取23-35
• 3.1 故障检测电路设计23-25
• 3.2 A/D转换电路设计25-27
• 3.2.1 微控制器(MCU)的选择25-26
• 3.2.2 A/D转换器的选择26-27
• 3.3 电路模拟环境测试平台27-28
• 3.4 基于数字滤波的故障信息提取28-33
• 3.4.1 数字滤波的基本介绍28-30
• 3.4.2 FIR数字滤波器设计30-31
• 3.4.3 故障信息的提取与分析31-33
• 3.5 本章小结33-35
• 4 基于神经网络的故障诊断分析35-49
• 4.1 神经网络概述35-37
• 4.1.1 人工神经元模型35-36
• 4.1.2 神经元激励函数36-37
• 4.2 神经网络结构和学习37-39
• 4.2.1 神经网络结构和特点37
• 4.2.2 神经网络的学习37-39
• 4.3 BP神经网络模型39-43
• 4.3.1 BP神经网络的结构39-40
• 4.3.2 BP神经网络的学习算法和改进40-43
• 4.4 基于BP神经网络的故障诊断系统分析43-47
• 4.4.1 系统故障分析和判据说明43-44
• 4.4.2 故障样本处理44-45
• 4.4.3 网络训练和诊断测试45-47
• 4.5 本章小结47-49
• 5 粒子群优化神经网络在计量系统故障诊断中的应用设计49-57
• 5.1 粒子群优化算法49-52
• 5.1.1 粒子群算法的基本原理49-50
• 5.1.2 粒子群算法的数学描述50
• 5.1.3 基本PSO的基本流程步骤50-52
• 5.2 基本PSO的不足和改进52-53
• 5.3 基于粒子群优化神经网络的故障诊断系统设计53-56
• 5.3.1 粒子群优化BP神经网络学习算法53-54
• 5.3.2 粒子群优化BP神经网络的故障诊断系统设计54-56
• 5.4 本章小结56-57
• 6 总结与展望57-59
• 6.1 全文总结57
• 6.2 工作展望57-59
• 参考文献59-63
• 致谢63-65
• 攻读硕士学位期间发表的学术论文65-66

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 曾U喺

本文编号：299477