基于忆阻神经网络的风电变流器故障诊断

发布时间：2017-08-24 00:18

  本文关键词：基于忆阻神经网络的风电变流器故障诊断

  更多相关文章： 风电 变流器 忆阻器 故障诊断 神经网络

【摘要】：目前,能源匮乏与环境污染上升成为困扰全球发展的两个最主要的问题,而风能的开发利用将是缓解这两大难题的有效途径。作为风力发电系统的核心部件,风电变流器的作用主要在于保证在风速变化时系统依然能够发出频率、幅值稳定的优质电能。然而,风力发电机组往往都建在偏远、气候条件不适宜人类长期居留的戈壁、山区、草原等地区,且分布面积广、数量多,再加上机组体积庞大,结构复杂,难以做到日常的例行检查和维护。风电变流器在运行过程中如果发生故障,轻则致使输出电压波形产生畸变从而降低供电质量,重则损毁发电机等昂贵设备,致使整个风电机组瘫痪,甚至会对整个电网的安全产生极大的威胁,给国家造成巨大的经济损失。因此,为了避免事故的进一步加剧,减少由此带来的经济损失,确保风电变流器安全、高效、可靠地运行,研究风电变流器的故障诊断系统具有十分重要的意义。本文以风力机变流器为研究对象,提出将忆阻神经网络应用于其相关故障的诊断测试中,并在Matlab/Simulink平台上建立了一套基于忆阻神经网络的故障诊断系统。论文的主要研究工作包括:(1)建立了永磁直驱式风电变流器的Simulink仿真模型,模拟了变流器在正常运行状态时的输出电压波形,以及单IGBT开路、上下桥臂中的两只IGBT同时开路、同一半桥的两只IGBT同时开路、交叉的两只IGBT同时开路时的输出电压波形。在此基础上,利用小波包分析法对变流器处于不同开路故障下的输出电压波形进行了特征提取,经过规范化处理,得到相关的故障特征向量。(2)利用电压控制忆阻器作为人工神经网络(Artificial Neural Networks,简写为ANNs)的权重,在工程思想上提出了基于忆阻器的神经网络,并给出了整体模型、程序流程、算法、学习规则及各功能单元的设计方案。最终建立了面向风电变流器常见开路故障的整套故障诊断系统。(3)选取基于小波包分析构造的故障电压特征向量作为忆阻神经网络的输入量,对风力机变流器的正常运行状态以及常见的21种开路故障进行了学习训练,并通过实际工况下变流器的桥臂故障对此诊断系统进行了仿真测试。仿真结果说明,该系统能较为准确地诊断风电变流器一系列常见的开路故障。忆阻神经网络在断电状态下可以“记忆”权值,对新事物、新模式的自适应性更强,更接近与人类大脑的工作方式。将忆阻神经网络应用于风电变流器的故障诊断,在兼顾准确性的同时极大地提高了运行速度,具有一定的工程应用价值。
【关键词】：风电 变流器 忆阻器 故障诊断 神经网络
【学位授予单位】：天津理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM315;TM46
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-13
• 1.1 背景及意义10-11
• 1.2 国内外研究现状11-12
• 1.3 课题研究内容及安排12-13
• 第二章 风电变流器的结构与故障机理分析13-17
• 2.1 永磁直驱风力发电系统的结构及特点13
• 2.2 双馈感应风力发电系统的结构及特点13-14
• 2.3 风电变流器的结构及故障机理14-16
• 2.3.1 风电变流器主电路结构14-15
• 2.3.2 风电变流器故障产生机理15-16
• 2.4 本章小结16-17
• 第三章 风电变流器的故障仿真17-25
• 3.1 风电变流器仿真17-19
• 3.1.1 变流器Simulink模型17
• 3.1.2 高次谐波的滤除17-19
• 3.2 故障数据的选取及仿真19-21
• 3.3 故障特征的提取21-24
• 3.3.1 故障特征提取对象的选择21
• 3.3.2 小波包分析技术21-22
• 3.3.3 小波包的算法22
• 3.3.4 风电变流器故障特征的提取步骤22-24
• 3.4 本章小结24-25
• 第四章 忆阻器的理论及仿真模型25-30
• 4.1 忆阻器的发展25-26
• 4.2 忆阻器的基本理论及性质26-27
• 4.3 惠普忆阻器模型及其仿真27-29
• 4.4 电压控制忆阻器模型及其仿真29
• 4.5 本章小结29-30
• 第五章 基于忆阻神经网络的故障诊断系统30-43
• 5.1 忆阻神经网络的模型30-31
• 5.2 忆阻神经网络的算法31-32
• 5.3 学习规则32
• 5.4 程序设计流程32-33
• 5.5 忆阻器模块的设计33-34
• 5.6 输入及输出神经元的设计34-39
• 5.6.1 输入神经元的设计34-36
• 5.6.2 输出神经元的设计36-39
• 5.7 获胜神经元判断模块的设计39-40
• 5.8 显示模块的设计40-41
• 5.9 故障诊断系统总体设计41-42
• 5.10 本章小结42-43
• 第六章 风电变流器故障诊断与仿真结果43-48
• 6.3 训练忆阻神经网络43-45
• 6.4 诊断风电变流器故障45-47
• 6.5 本章小结47-48
• 第七章 总结与展望48-49
• 参考文献49-52
• 致谢52-53
• 附录53-60

【参考文献】

中国期刊全文数据库 前4条

1 余寅;唐宏德;郭家宝;;中国可再生能源发展前景分析[J];华东电力;2009年08期

2 王占霞;张晓波;;基于SOM网的风电变流器故障诊断[J];电网与清洁能源;2011年04期

3 包伯成;胡文;许建平;刘中;邹凌;;忆阻混沌电路的分析与实现[J];物理学报;2011年12期

4 徐德洪，程肇基，，崔学军;用傅里叶分析法诊断电力电子电路的故障[J];浙江大学学报(自然科学版);1994年06期

中国硕士学位论文全文数据库 前3条

1 张亮;基于小波神经网络的风电变流器故障诊断研究[D];重庆大学;2011年

2 刘玲;牵引变流器故障诊断的研究[D];西南交通大学;2010年

3 李燕楠;风力发电系统中变流器故障的智能诊断算法研究[D];兰州理工大学;2012年

本文编号：728128