基于模糊神经网络的输电线路故障诊断系统研究

发布时间：2017-03-21 10:05

  本文关键词：基于模糊神经网络的输电线路故障诊断系统研究，，由笔耕文化传播整理发布。

【摘要】：输电线路在电力系统中的作用是输送电能,其具有高可靠性对整个电力系统的重要意义不言自明。输电线路也是电力系统故障发生最为频繁的部分,如果不能采取有效的防护措施,可能会导致整个电力系统瘫痪。如何对输电线路故障时采取快速、准确的诊断,一直是研究人员所面对的一个重要的课题。本文首先对输电线路发生的各类短路故障及其对应的故障机理进行分析,提取机理分析结果特征,并作为故障诊断依据；其次针对目前短路故障中信息处理复杂繁琐,而单一诊断方法诊断实时性和准确性差等问题,给出了一种模糊推理与神经网络相结合的方式---模糊神经网络算法；最后根据这种结合方式构建一类模糊-神经网络故障诊断模型,并在Matlab中应用输电线路故障诊断算法构建故障诊断系统,进行仿真实验。该系统具有以下特点：(1)采用基于序电流与序电压的算法,不仅能识别出故障相,还能判断是否是接地故障,大大减少了计算量。(2)通过建立串联的模型,既能同时运用两种诊断方法,扬长避短,又避免了两种方法的互相干扰,并且在模糊推理系统中,就简化了输出向量个数,减轻了神经网络训练压力,提高系统诊断效率。为了验证所设计的系统模型的有效性,在实验室环境下通过大量测试样本的验证,结果表明,本文所确定的模糊-神经网络系统对输电线路故障短路类型能全部做出正确的类型识别,达到了预期目标。
【关键词】：输电线路故障 模糊神经网络 模糊推理 神经网络 训练
【学位授予单位】：安徽理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM75
【目录】：

• 摘要5-6
• Abstract6-11
• 1 绪论11-17
• 1.1 课题研究的背景11-12
• 1.2 国内外现状的研究及发展趋势12-14
• 1.3 课题研究的意义14-15
• 1.4 本文的主要工作及各章节安排15-17
• 2 模糊神经网络的理论基础17-33
• 2.1 模糊理论的基本知识17-19
• 2.1.1 模糊集合及其基本运算17-19
• 2.1.2 模糊逻辑系统19
• 2.2 神经网络概论19-23
• 2.2.1 神经网络的分类20-22
• 2.2.2 神经网络的学习算法22-23
• 2.3 BP神经网络23-27
• 2.3.1 BP神经网络的结构与网络逼近23-26
• 2.3.2 BP网络模式识别与学习算法26-27
• 2.4 模糊神经网络知识27-30
• 2.4.1 模糊神经网络理论概述27-28
• 2.4.2 模糊神经元28-29
• 2.4.3 模糊神经网络的结构特征29-30
• 2.5 本章小结30-33
• 3 输电线路故障机理分析33-45
• 3.1 输电线路故障33-34
• 3.1.1 本文采用输电线路的模型33-34
• 3.2 输电线路各种故障的原因及特征34-43
• 3.2.1 单相接地故障34-37
• 3.2.2 两相短路故障37-39
• 3.2.3 两相短路接地故障39-42
• 3.2.4 三相短路故障42-43
• 3.3 各种短路故障的电流电压特征总结43
• 3.4 本章小结43-45
• 4 构建模糊-神经网络诊断系统的模型45-53
• 4.1 模糊推理与神经网络的模型构建方式45-48
• 4.2 基于模糊-神经网络的模型构建48-52
• 4.2.1 模糊推理系统的结构模型48-51
• 4.2.2 BP神经网络的结构模型51-52
• 4.3 本章小结52-53
• 5 基于模糊-神经网络的故障诊断实现53-65
• 5.1 Matlab仿真软件53-54
• 5.1.1 模糊逻辑工具箱53-54
• 5.1.2 神经网络工具箱54
• 5.2 模糊-神经网络的诊断过程54-55
• 5.3 模糊推理的诊断55-58
• 5.4 BP神经网络的诊断58-61
• 5.4.1 输入及输出向量的构成58-59
• 5.4.2 BP神经网络的训练59-61
• 5.5 基于模糊-神经网络的测试61-63
• 5.5.1 测试样本的建立61-62
• 5.5.2 基于模糊-神经网络的测试过程62-63
• 5.5.3 模糊-神经网络测试结果分析63
• 5.6 本章小结63-65
• 6 总结与展望65-67
• 6.1 总结65
• 6.2 展望65-67
• 参考文献67-71
• 致谢71-73
• 攻读硕士学位期间主要科研成果73

【相似文献】

中国期刊全文数据库 前10条

1 张晓琴,张富梅,侯永兴,张立毅,王华奎;模糊神经网络的结构分析[J];太原理工大学学报;2005年S1期

2 张思梅;张炳传;;模糊神经网络在水环境保护中的应用综述[J];安徽建筑工业学院学报(自然科学版);2007年02期

3 陈晓洪;刘川;浦金云;;舰艇系统损伤等级模糊神经网络评估模型[J];海军工程大学学报;2009年03期

4 王培勋;王顺磊;陈树娟;;模糊神经网络的理论发展与应用研究[J];中国新技术新产品;2010年01期

5 郭华旺;董海鹰;;基于模糊神经网络的风速预测研究[J];电气传动自动化;2012年03期

6 高明明;刘吉臻;高明帅;杨世明;吴玉平;张明胜;;基于补偿模糊神经网络的灰循环系统控制研究[J];动力工程学报;2012年07期

7 胡贤金;;基于模糊神经网络的切削参数预测方法[J];工具技术;2012年11期

8 吴小苗，韩祯祥;电力系统自组织模糊神经网络稳定器[J];电力系统及其自动化学报;1995年04期

9 刘乐星;王俊超;毛宗源;;基于神经网络的模糊规则自动生成[J];葛洲坝水电工程学院学报;1996年02期

10 邢进生,万百五;基于矩形函数系的模糊神经网络及其应用[J];西安交通大学学报;2000年06期

中国重要会议论文全文数据库 前10条

1 李仁发;乜崇义;;一种用模糊神经网络建立模糊模型的新方法[A];1996年中国智能自动化学术会议论文集（上册）[C];1996年

2 舒赛刚;任雪梅;陈杰;;模糊神经网络在混沌预测中的应用[A];第二十届中国控制会议论文集（下）[C];2001年

3 张剑辉;彭力;林行辛;;变结构的补偿模糊神经网络的研究[A];第二十三届中国控制会议论文集（上册）[C];2004年

4 林雄;张福金;黄槐仁;刘煜;;进化模糊神经网络在时序预测的应用[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

5 谢维信;钱涛;;模糊神经网络研究述评[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 陈一飞;李怀;;模糊神经网络在室内采光控制中的应用[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

7 荣莉莉;;模糊神经网络在项目评价系统中的应用[A];全国青年管理科学与系统科学论文集第5卷[C];1999年

8 孙增圻;;模糊神经网络及其在系统建模与控制中的应用[A];1998年中国智能自动化学术会议论文集（上册）[C];1998年

9 马海峰;李晨光;唐涛;;基于模糊神经网络的列车运行安全控制[A];1998年中国智能自动化学术会议论文集（上册）[C];1998年

10 王孙安;杜海峰;;基于相平面的模糊神经网络研究及应用[A];第一届全国流体动力及控制工程学术会议论文集[C];2000年

中国博士学位论文全文数据库 前10条

1 何春梅;模糊神经网络的性能及其学习算法研究[D];南京理工大学;2010年

2 李龙;模糊神经网络学习算法及收敛性研究[D];大连理工大学;2010年

3 翟东海;加乘型模糊神经网络理论和应用的研究[D];西南交通大学;2003年

4 杨洁;模糊神经网络的学习收敛性与阈值可去性[D];大连理工大学;2006年

5 艾芳菊;模糊神经网络的结构优化研究[D];中国科学院研究生院（成都计算机应用研究所）;2006年

6 王振雷;模糊神经网络理论及其在复杂系统中的应用研究[D];东北大学;2002年

7 孙海蓉;模糊神经网络的研究及其应用[D];华北电力大学（河北）;2006年

8 周志坚;基于遗传算法的神经模糊技术应用研究[D];华南理工大学;1999年

9 朱喜林;模糊神经网络选择机械加工参数的应用研究[D];吉林大学;2006年

10 陈向坚;微型飞行器姿态的智能控制方法研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2012年

中国硕士学位论文全文数据库 前10条

1 曹甄;基于模糊神经网络的桥梁状态评价[D];天津大学;2009年

2 程冰;模糊神经网络研究[D];广东工业大学;2005年

3 王玉红;基于模糊神经网络的信用风险评级研究[D];哈尔滨工程大学;2006年

4 王雪苗;模糊神经网络优化及应用研究[D];大连理工大学;2006年

5 马秀会;模糊神经网络研究综述[D];吉林大学;2008年

6 徐坤哲;基于区间二型TSK模糊神经网络系统的时间序列预测及应用研究[D];渤海大学;2015年

7 游鑫;基于相似日和动态模糊神经网络的短期电力负荷预测[D];江西理工大学;2015年

8 王荣;基于模糊神经网络的锅炉汽包水位控制系统研究[D];新疆大学;2015年

9 方盼;一类模糊神经网络的参数辨识和结构优化[D];大连理工大学;2015年

10 胡婷;基于模糊神经网络的输油管网泄漏检测技术研究[D];东北大学;2013年

  本文关键词：基于模糊神经网络的输电线路故障诊断系统研究，由笔耕文化传播整理发布。

本文编号：259449