基于概率神经网络的变压器局部放电模式识别研究

发布时间：2017-10-29 02:18

  本文关键词：基于概率神经网络的变压器局部放电模式识别研究

  更多相关文章： 变压器 局部放电 矩特征 概率神经网络 遗传算法

【摘要】：电力是现代社会经济发展的命脉,近几年在世界各地连续发生了灾难性的停电事故,这些事故大多是由于电力系统出现故障导致的。变压器是电力系统的枢纽,它的运行状态直接关系到整个电力系统能否稳定可靠运行。国际大电网会议(CIGRE)报告指出,高压电器故障中绝缘故障占了51%,长时间的局部放电是造成绝缘故障的主要原因。为了避免绝缘故障产生,需要对变压器进行局部放电检测,及时评估绝缘劣化程度,保证变压器安全可靠运行。变压器局部放电模式识别是局部放电检测的核心环节,能够帮助工程技术人员快速识别局部放电类型,确定检修方案。因此,将变压器局部放电模式识别作为研究对象,具有较大的理论价值和实际意义。本文研究内容如下。(1)本文基于局部放电脉冲电流法搭建实验平台,使用PCI-9814高速数据采集卡以及LabVIEW软件设计信号采集系统,然后采集变压器内部四种典型局部放电模型的放电信号。将多次实验采集到的数据按照局部放电相位分布模式绘制成三维谱图,然后映射到二维平面生成灰度图。因为矩特征能够反映像素点的分布情况,所以提取灰度图矩特征作为模式识别器输入特征量。(2)局部放电检测过程对实时性要求高,且检测信号易受随机噪声干扰,导致错误样本较多。针对以上缺陷,本文提出一种基于概率神经网络的变压器局部放电模式识别器,概率神经网络样本追加能力强、容错性较高、训练速度快。为了验证所提识别器识别性能,将所提识别器与常用的反向传播神经网络,极限学习机、朴素贝叶斯识别器进行对比。仿真结果表明,与其他三种识别器相比,所提识别器准确率更高。(3)概率神经网络平滑因子对识别效果影响较大,目前此因子多采用经验值,需要繁杂的计算及实验才能获得。针对这一问题,本文通过使用具有全局搜索能力的遗传算法优化平滑因子,仿真结果表明,通过优化平滑因子,概率神经网络识别效果有较大提升。
【关键词】：变压器 局部放电 矩特征 概率神经网络 遗传算法
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM407;TP183
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-19
• 1.1 变压器局部放电研究的目的及意义9-10
• 1.2 国内外研究现状10-16
• 1.2.1 局部放电检测方法及基本信号提取10-14
• 1.2.2 局部放电特征量提取14-15
• 1.2.3 局部放电模式识别器设计15-16
• 1.3 存在的问题16-17
• 1.4 本文主要研究内容及章节安排17-19
• 第二章 变压器局部放电特征量设计19-34
• 2.1 局部放电灰度图构造19-31
• 2.1.1 局部放电模式构造19-22
• 2.1.2 局部放电模型22-25
• 2.1.3 局部放电实验平台及信号采集系统25-29
• 2.1.4 局部放电灰度图像29-31
• 2.2 局部放电灰度矩特征31-33
• 2.2.1 矩的基本原理31-32
• 2.2.2 局部放电灰度矩特征设计32-33
• 2.3 小结33-34
• 第三章 变压器局部放电模式识别34-54
• 3.1 基于PNN的局部放电模式识别34-40
• 3.1.1 PNN基本算法36-38
• 3.1.2 设计网络结构以及结果分析38-40
• 3.2 基于BP的局部放电模式识别40-45
• 3.2.1 BP基本算法41-42
• 3.2.2 结果分析42-45
• 3.3 基于ELM的局部放电模式识别45-49
• 3.3.1 ELM基本算法46-47
• 3.3.2 结果分析47-49
• 3.4 基于NB的局部放电模式识别49-52
• 3.4.1 NB基本算法49-51
• 3.4.2 结果分析51-52
• 3.5 小结52-54
• 第四章 优化概率神经网络模型54-62
• 4.1 基于遗传算法优化平滑因子54-55
• 4.2 遗传算法分析55-57
• 4.3 算法设计及结果分析57-60
• 4.4 小结60-62
• 第五章 总结和展望62-64
• 5.1 本文研究总结62
• 5.2 未来工作展望62-64
• 参考文献64-69
• 致谢69-70
• 攻读硕士期间发表论文70

【相似文献】

中国期刊全文数据库 前10条

1 张吉刚;梁娜;;基于概率神经网络的高校毕业生学位评审预测[J];佳木斯大学学报(自然科学版);2011年05期

2 徐光华,屈梁生;基于概率神经网络的机组状态多步预报方法[J];西安交通大学学报;1999年07期

3 高宏岩;;概率神经网络在旋转机械故障诊断中的应用[J];煤矿机械;2006年05期

4 姬东朝;宋笔锋;易华辉;;基于概率神经网络的设备故障诊断及仿真分析[J];火力与指挥控制;2009年01期

5 朱明悦;李小申;;基于概率神经网络的发动机故障诊断方法研究[J];制造业自动化;2012年09期

6 刘宇;卢宇;张玉欣;;概率神经网络在隧道变形位移预测中的应用[J];冶金自动化;2012年04期

7 肖玉玲;孙丽娜;;基于概率神经网络的发动机故障诊断方法研究[J];河南教育学院学报(自然科学版);2012年03期

8 汤俊;莫依雯;邓勇;;概率神经网络在可疑交易监测中的应用及效率比较[J];武汉大学学报(工学版);2013年02期

9 成奇明;张树京;;概率神经网络回归、判别与聚类[J];北方交通大学学报;1993年04期

10 段传学,徐光华,孟光;概率神经网络的边界预报[J];上海交通大学学报;2005年02期

中国重要会议论文全文数据库 前7条

1 刘建华;张伟江;张仲俊;;概率神经网络的实时训练[A];1995中国控制与决策学术年会论文集[C];1995年

2 徐欣;冯道旺;周一宇;卢启中;;核函数概率神经网络脉冲去交错器研究与设计[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

3 贾勇;何正友;赵静;;基于小波熵和概率神经网络的配电网暂降源识别方法[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（下册）[C];2008年

4 王成儒;王金甲;李静;;一种用于说话人辨认的概率神经网络的MCE训练算法[A];第三次全国会员代表大会暨学术会议论文集[C];2002年

5 朱志强;樊大帅;张军;王亮;;基于组合PNN概率神经网络的车标识别方法[A];全国先进制造技术高层论坛暨第十届制造业自动化与信息化技术研讨会论文集[C];2011年

6 薄翠梅;李俊;陆爱晶;张广明;;基于核函数和概率神经网络的TE过程监控研究[A];第二十六届中国控制会议论文集[C];2007年

7 芮瑞;鲍长春;;基于概率神经网络的语音与音乐分类[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

中国硕士学位论文全文数据库 前10条

1 张鲁丹;智能图像识别技术研究[D];渤海大学;2016年

2 周沙;基于概率神经网络的变压器局部放电模式识别研究[D];江苏大学;2016年

3 张洪波;基于主成分的概率神经网络模拟电路故障诊断的研究[D];湖南大学;2008年

4 张海艳;基于自适应概率神经网络的农作物虫情预测研究[D];兰州交通大学;2011年

5 荣薇;基于概率神经网络的汉语耳语音识别的研究[D];苏州大学;2008年

6 苏亮;基于概率神经网络的焊接结构疲劳寿命分类与预测[D];长安大学;2012年

7 李旭军;基于概率神经网络的质量控制研究[D];合肥工业大学;2006年

8 吴太阳;小波变换和概率神经网络在脉象信号分析中的应用[D];重庆大学;2007年

9 张卫华;基于Alpha稳定分布基函数概率神经网络的系统故障诊断研究[D];江南大学;2009年

10 蔡曲林;基于概率神经网络的模式识别[D];国防科学技术大学;2005年

，

本文编号：1110977