基于故障录波数据和气象信息的架空输电线路故障类型辨识方法研究
发布时间：2020-12-29 08:41
输电线路作为电力系统的脉络,在电网的安全、可靠运行中承担着主要作用。输电线路一旦发生故障,将直接影响到电力系统的电能传输,进而影响人民的正常生活。输电线路作为输变电系统的重要组成部分,相对于其他输变电设备,输电线路分布广、数量多,大部分安装在露天环境中,工作状况复杂且相对恶劣,更容易发生故障,基于智能算法,针对输电线路开展设备故障辨识有具有重要意义。然而,目前该领域的相关研究所用方法相对单一,且对实际情况的考虑较少,难以满足实际需求。为了提高输变电设备运行水平,亟需对输电线路故障辨识进行深入研究。本文首先基于输电线路的故障录波数据,提出了小波包分解与循环神经网络相结合的故障分类模型。录波数据作为电力系统监测下的典型数据,具有时序特性,能反映故障演变过程中各设备的变化,信息价值丰富。循环神经网络在序列的演进方向进行递归,能够充分提取故障录波中各电气量随时间的变化规律,挖掘潜在特征。通过小波包变化对故障录波进行时频域的分解,将分解后的录波序列作为循环神经网络的输入,提高了故障分类网络对录波所含高频突变量的识别能力。进一步,对循环网络参数以及小波包分解层数进行对比选优,提高了所得模型的准确性...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图２－１含隐藏层的循环神经网络??从图中可以看出，ＲＮＮ能够学习到相邻序列间时序信息中隐含的依赖特征，??但当序列较长时，通过前段序列获取的特征可能由于间隔过大而弱化，以至于??
山东大学硕士学位论文??〇．＝琴ｌｕｉ＋ｂｑ?（２－３）??其中，％９和￣分别表示输出层的权重和偏差参数，７是输出的特征维度。??循环神经网络的示意图如图所示。??．．．?〇ｔ?ｉ?ａ?〇ｉ?年?〇ｉ＾ｉ??输出??ｆ?＼｜?／？?＼?Ｊ?（?＼??隐藏层——??Ｖ．?／，?＼?／???／??—??Ｊ??输入——?（Ｔ?????图２－１含隐藏层的循环神经网络??从图中可以看出，ＲＮＮ能够学习到相邻序列间时序信息中隐含的依赖特征，??但当序列较长时，通过前段序列获取的特征可能由于间隔过大而弱化，以至于??模型无法捕捉到关键联系而导致训练结果变差。为此引入了长短期记忆网络??（ＬＳＴＭ）。??２．１．２双向长短期网络ＢＩＬＳＴＭ??ＬＳＴＭ网络在ＲＮＮ基础上引入了输入门（ｉｎｐｕｔ?ｇａｔｅ）、遗忘门（ｆｏｒｇｅｔ?ｇａｔｅ）、??输出门（ｏｕｔｐｕｔ?ｇａｔｅ）和记忆细胞来记录额外的信息以解决序列较长时的模型对应??识别能力欠缺的问题［５１］。??记忆细胞：?（＂?￣?Ｔ＂??ｃ，．，??ＫＤ—－ｊ－?＿?Ｃ＇??Ａ?“?（ｔａｒＡ）??遗忘门：输入门输出门??Ｆ＇Ｖ〇￣ｌ?Ｉｆ＼?〇?ｉ?＾?｜?ｔａｎｈ?＿ｊ?〇！＼?＜Ｔ?１??隐藏状态：?丁丁?１?＾?Ｈ??Ｈ，．，??＼?）??输入???？??图２－２长短期网络基本结构??８??
得最终输出兼顾输入和细胞状态的??影响：??／／，?＝０，〇ｔａｎｈ（Ｃ（）?（２－９）??上述的网络可以发现序列间的正向联系，而在实际训练中，序列在前向和??后向都有着潜在的依赖特征。通过将两个反向的ＬＳＴＭ上下叠加一起并整合输??出，即可得到双向长短期网络（ＢＩＬＳＴＭ）：??０１?年〇２?Ｏｊ??，??１＾１＂???［５－???．．＇ｉｆｆ???？?／／／?＞?Ｈ２?？?？?Ｈｒ???？??＾ｙ?ｙ—ｙ——．??Ｘ，?ｘ２?ＸＴ??图２－３双向长短期网络结构??９??
【参考文献】：
期刊论文
[1]多支持向量机模型的输电线路故障诊断方法[J]. 吴笑民,曹卫华,王典洪,丁敏. 高电压技术. 2020(03)
[2]经典人工智能算法综述[J]. 陶阳明. 软件导刊. 2020(03)
[3]应用深度学习的生成对抗网络行星齿轮箱故障诊断技术研究[J]. 王威,孙长杰,王丽,陈博. 机械科学与技术. 2020(01)
[4]人工智能在金融行业的应用及风险分析[J]. 房安. 电子技术与软件工程. 2019(04)
[5]基于大数据挖掘的变电设备故障预警研究及应用[J]. 范李平,张晓辉,苏伟. 电力大数据. 2019(01)
[6]结构化数据清洗技术综述[J]. 郝爽,李国良,冯建华,王宁. 清华大学学报(自然科学版). 2018(12)
[7]基于多源信息融合的电力变压器故障诊断方法研究[J]. 赵文清,祝玲玉,高树国,李刚. 电力信息与通信技术. 2018(10)
[8]输电线路绝缘子自爆缺陷识别方法[J]. 侯春萍,章衡光,张巍,杨阳,张贵峰,田治仁. 电力系统及其自动化学报. 2019(06)
[9]一种基于贪心算法的紧急控制策略优化搜索方法[J]. 陈学通,凌超,薛峰,周野,宋晓芳. 电力系统保护与控制. 2017(23)
[10]基于大数据挖掘技术的输变电设备故障诊断方法[J]. 胡军,尹立群,李振,郭丽娟,段炼,张玉波. 高电压技术. 2017(11)
博士论文
[1]输电线路气象灾害风险分析与预警方法研究[D]. 王建.重庆大学 2016
硕士论文
[1]基于多源异构数据融合的深度学习故障诊断[D]. 何一帆.河南大学 2019
[2]基于多维信息融合的变压器状态评估与故障诊断方法研究[D]. 邓焱.华南理工大学 2018
[3]基于故障树和信号分析的电力变压器故障诊断技术研究[D]. 余鑫.哈尔滨工业大学 2017
[4]基于大数据的设备状态在线监测与预警诊断系统研究[D]. 李子龙.华北电力大学 2016
本文编号：2945352
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
图２－１含隐藏层的循环神经网络??从图中可以看出，ＲＮＮ能够学习到相邻序列间时序信息中隐含的依赖特征，??但当序列较长时，通过前段序列获取的特征可能由于间隔过大而弱化，以至于??
山东大学硕士学位论文??〇．＝琴ｌｕｉ＋ｂｑ?（２－３）??其中，％９和￣分别表示输出层的权重和偏差参数，７是输出的特征维度。??循环神经网络的示意图如图所示。??．．．?〇ｔ?ｉ?ａ?〇ｉ?年?〇ｉ＾ｉ??输出??ｆ?＼｜?／？?＼?Ｊ?（?＼??隐藏层——??Ｖ．?／，?＼?／???／??—??Ｊ??输入——?（Ｔ?????图２－１含隐藏层的循环神经网络??从图中可以看出，ＲＮＮ能够学习到相邻序列间时序信息中隐含的依赖特征，??但当序列较长时，通过前段序列获取的特征可能由于间隔过大而弱化，以至于??模型无法捕捉到关键联系而导致训练结果变差。为此引入了长短期记忆网络??（ＬＳＴＭ）。??２．１．２双向长短期网络ＢＩＬＳＴＭ??ＬＳＴＭ网络在ＲＮＮ基础上引入了输入门（ｉｎｐｕｔ?ｇａｔｅ）、遗忘门（ｆｏｒｇｅｔ?ｇａｔｅ）、??输出门（ｏｕｔｐｕｔ?ｇａｔｅ）和记忆细胞来记录额外的信息以解决序列较长时的模型对应??识别能力欠缺的问题［５１］。??记忆细胞：?（＂?￣?Ｔ＂??ｃ，．，??ＫＤ—－ｊ－?＿?Ｃ＇??Ａ?“?（ｔａｒＡ）??遗忘门：输入门输出门??Ｆ＇Ｖ〇￣ｌ?Ｉｆ＼?〇?ｉ?＾?｜?ｔａｎｈ?＿ｊ?〇！＼?＜Ｔ?１??隐藏状态：?丁丁?１?＾?Ｈ??Ｈ，．，??＼?）??输入???？??图２－２长短期网络基本结构??８??
得最终输出兼顾输入和细胞状态的??影响：??／／，?＝０，〇ｔａｎｈ（Ｃ（）?（２－９）??上述的网络可以发现序列间的正向联系，而在实际训练中，序列在前向和??后向都有着潜在的依赖特征。通过将两个反向的ＬＳＴＭ上下叠加一起并整合输??出，即可得到双向长短期网络（ＢＩＬＳＴＭ）：??０１?年〇２?Ｏｊ??，??１＾１＂???［５－???．．＇ｉｆｆ???？?／／／?＞?Ｈ２?？?？?Ｈｒ???？??＾ｙ?ｙ—ｙ——．??Ｘ，?ｘ２?ＸＴ??图２－３双向长短期网络结构??９??
【参考文献】：
期刊论文
[1]多支持向量机模型的输电线路故障诊断方法[J]. 吴笑民,曹卫华,王典洪,丁敏. 高电压技术. 2020(03)
[2]经典人工智能算法综述[J]. 陶阳明. 软件导刊. 2020(03)
[3]应用深度学习的生成对抗网络行星齿轮箱故障诊断技术研究[J]. 王威,孙长杰,王丽,陈博. 机械科学与技术. 2020(01)
[4]人工智能在金融行业的应用及风险分析[J]. 房安. 电子技术与软件工程. 2019(04)
[5]基于大数据挖掘的变电设备故障预警研究及应用[J]. 范李平,张晓辉,苏伟. 电力大数据. 2019(01)
[6]结构化数据清洗技术综述[J]. 郝爽,李国良,冯建华,王宁. 清华大学学报(自然科学版). 2018(12)
[7]基于多源信息融合的电力变压器故障诊断方法研究[J]. 赵文清,祝玲玉,高树国,李刚. 电力信息与通信技术. 2018(10)
[8]输电线路绝缘子自爆缺陷识别方法[J]. 侯春萍,章衡光,张巍,杨阳,张贵峰,田治仁. 电力系统及其自动化学报. 2019(06)
[9]一种基于贪心算法的紧急控制策略优化搜索方法[J]. 陈学通,凌超,薛峰,周野,宋晓芳. 电力系统保护与控制. 2017(23)
[10]基于大数据挖掘技术的输变电设备故障诊断方法[J]. 胡军,尹立群,李振,郭丽娟,段炼,张玉波. 高电压技术. 2017(11)
博士论文
[1]输电线路气象灾害风险分析与预警方法研究[D]. 王建.重庆大学 2016
硕士论文
[1]基于多源异构数据融合的深度学习故障诊断[D]. 何一帆.河南大学 2019
[2]基于多维信息融合的变压器状态评估与故障诊断方法研究[D]. 邓焱.华南理工大学 2018
[3]基于故障树和信号分析的电力变压器故障诊断技术研究[D]. 余鑫.哈尔滨工业大学 2017
[4]基于大数据的设备状态在线监测与预警诊断系统研究[D]. 李子龙.华北电力大学 2016
本文编号：2945352
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/2945352.html
