基于FOA-PNN的水轮机运转状态识别研究

发布时间：2023-10-31 20:18

　　由于我国能源结构的调整,风电、水电等非稳定能源应用愈加广泛,随着此类能源的快速发展,发电量增加的同时电网运行的复杂程度也在增加,因此保障电网安全稳定的运行尤为重要。水轮机发电机组具有优异的调峰、调频以及故障备用等功能,充分发挥水轮机组的作用可以有效降低电网的压力,改善电能的质量、缓解电网容易出现的峰谷矛盾等问题,保障并提高电网安全稳定运行的能力。随着水轮机自身结构不断扩大,各个部分的能量转换关系也越来越复杂,运行过程中,机组的某一部分出现故障,极大程度影响整个水轮机组的运行故障,造成巨大的经济损失甚至是更为严重的灾难。因此,保障水轮机组运行过程中的安全、可靠性能,及时为水轮机组进行故障诊断以及状态预测,是当前我国水电站急需解决的重大实际问题。本文提出一种新型水轮机运转状态识别方法,主要通过引入互信息理论深度探究不同参数在水轮机状态分类中的贡献度,并提取压力脉动信号的特征参数融合成特征向量。同时通过果蝇算法(FOA)优化概率神经网络(PNN)中的平滑因子σ,建立基于FOA-PNN的水轮机运转状态分类模型,实现水轮机故障的实时监测。首先,为揭示水轮机的运转状态与能量特征之间的关系,采用小波...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究的背景及意义
    1.2 国内外水轮机压力脉动研究现状及分析
    1.3 深度学习算法应用于水轮机故障诊断的研究现状
    1.4 本文主要研究内容
第2章 水轮机振动信号的处理与分析
    2.1 水轮机压力脉动信号的采集及工况设置
    2.2 应用小波变换分析压力脉动信号
        2.2.1 小波变换分析方法
        2.2.2 常用的小波函数
        2.2.3 小波阈值去噪
    2.3 数据处理及分析
    2.4 本章小结
第3章 基于主要工况参数的水轮机振动趋势预测
    3.1 相关性指标
        3.1.1 Pearson相关系数
        3.1.2 互信息
    3.2 工况参数与振动变量之间的相关性分析
    3.3 基于主要相关工况参数的水轮发电机组振动趋势预测
        3.3.1 小波神经网络振动趋势预测模型
        3.3.2 工程实例验证
    3.4 基于SVM的水轮机运转状态识别研究
        3.4.1 支持向量机模型
        3.4.2 SVM的数据处理过程
        3.4.3 实验结果分析
    3.5 本章小结
第4章 优化PNN模型在水轮机运转状态识别中的应用
    4.1 概率神经网络原理
        4.1.1 概率神经网络的基础理论
        4.1.2 概率神经网络的结构
        4.1.3 概率神经网络重要的参数——平滑因子σ
    4.2 果蝇优化算法
        4.2.1 果蝇算法的生物学基础
        4.2.2 果蝇优化算法的基本原理
        4.2.3 果蝇优化算法参数分析
        4.2.4 果蝇优化算法的特性
    4.3 果蝇优化算法的基本框架
        4.3.1 算法描述
        4.3.2 算法流程
    4.4 概率神经网络的参数优化与模型建立
        4.4.1 算法分析
        4.4.2 算法实现步骤
    4.5 水轮机故障诊断实验
        4.5.1 建立网络的输入输出
        4.5.2 数据集设置
        4.5.3 果蝇优化算法构建FOA-PNN网络模型
        4.5.4 实验数据的结果与分析
    4.6 本章小结
结论
参考文献
攻读硕士学位期间发表的学术成果
致谢



本文编号：3859413