基于鸟群算法的船舶继电保护系统故障诊断方法

发布时间：2021-02-10 13:40

　　针对船舶配电系统在传输电能过程中由于大电流而引发继电保护装置非正常动作的问题,提出了一种船舶配电系统故障诊断方法以确定实际故障情况。该方法考虑了断路器的拒动、误动情况,在分析了船舶电网架构的前提下并结合现有电网解析模型的搭建方法提出了本文带有权值的解析模型,并用改进的鸟群算法完成对解析模型的迭代求解,以期得到更加准确的故障诊断结果。本文首先介绍了船舶电力系统继电保护技术及故障诊断技术发展历史、研究现状,同时指出了此类技术的研究意义。参考现有文献并分析了现有船舶配电系统电网架构,并指出了几种的设备编号方法;介绍了继电保护装置动作原理,并对断路器及保护进行了数字编码定义。其次探究了鸟群算法的原理机制;针对传统鸟群算法在多种测试函数下所表现出的无法跳出局部最优解的问题,首先希望引入Levy飞行机制更新鸟类生产者飞行的位置信息,以期提高传统鸟群算法的全局搜索能力和收敛精度。Levy飞行机制引入确实提高了鸟群算法的全局搜索能力,但是却是以牺牲鸟群算法稳定性为前提。为此,在Levy鸟群算法的基础上又引入阻尼条件抑制Levy飞行过程中的部分长距离跳跃,并做了一系列的相关仿真实验。随后,又参考相关文献... 

【文章来源】：江苏科技大学江苏省

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景和意义
    1.2 故障诊断方法简介
        1.2.1 专家系统
        1.2.2 人工神经网络
        1.2.3 贝叶斯网络
        1.2.4 Petri网
        1.2.5 解析模型
    1.3 本文的研究架构与工作安排
第2章 船舶配电系统结构分析与故障隔离机理研究
    2.1 引言
    2.2 船舶配电系统结构分析
        2.2.1 船舶配电系统结构的描述
        2.2.2 船舶配电系统设备编号规则
    2.3 船舶配电系统故障隔离机理与编码设计
        2.3.1 船舶电网继电保护机理
        2.3.2 船舶配电系统编码设计
    2.4 本章小结
第3章 改进鸟群优化算法的研究
    3.1 鸟群算法原理
        3.1.1 觅食行为
        3.1.2 警戒行为
        3.1.3 飞行行为
        3.1.4 算法流程
    3.2 融合阻尼莱维飞行机制的改进鸟群算法
        3.2.1 莱维飞行策略
        3.2.2 Levy飞行策略阻尼条件的引入
        3.2.3 DLBSA算法思想和步骤
        3.2.4 DLBSA算法的仿真测试
    3.3 DLBSA算法的二进制映射
        3.3.1 传统映射公式
        3.3.2 改进的混合映射公式
        3.3.3 二进制阻尼Levy飞行鸟群算法
    3.4 本章小结
第4章 船舶继电保护系统故障诊断方法
    4.1 船舶配电系统故障诊断解析模型的建立
        4.1.1 保护和断路器的动作状态解析
        4.1.2 故障诊断的完全解析模型
    4.2 基于二进制阻尼LEVY飞行鸟群算法的船舶继电保护系统故障诊断
        4.2.1 阻尼Levy飞行鸟群算法与经典故障诊断智能算法比较
    4.3 算例仿真
        4.3.1 复杂算例1
        4.3.2 复杂算例2
        4.3.3 算例分析
    4.4 本章小结
第5章 船舶配电系统的监控与故障诊断
    5.1 船舶配电系统集中控制功能的实现
    5.2 船舶配电系统监测界面的搭建与故障诊断功能软件设计
        5.2.1 船舶继电保护系统故障诊断功能编程步骤
        5.2.2 船舶配电系统监控界面的搭建
        5.2.3 船舶配电系统故障诊断功能的实现
    5.3 软件演示
    5.4 本章小结
总结与展望
参考文献
攻读硕士期间发表的论文
致谢


【参考文献】：
期刊论文
[1]具有自适应边界与最优引导的莱维飞行蚁狮优化算法[J]. 王若安,周越文,韩博,李剑峰,刘强.  微电子学与计算机. 2018(09)
[2]引入迁移和变异策略的改进鸟群算法及其在参数估计中的应用[J]. 王建伟,彭亦功.  华东理工大学学报(自然科学版). 2018(04)
[3]基于二进制莱维风驱动算法的船舶岸电系统并网故障诊断方法研究[J]. 朱祥兵,李垣江,王建华.  电力系统保护与控制. 2018(16)
[4]均匀局部搜索和高斯变异的布谷鸟搜索算法[J]. 黄海燕,彭虎,邓长寿,王晓静,张艳,谭旭杰.  小型微型计算机系统. 2018(07)
[5]基于邻接矩阵的网络拓扑辨识算法[J]. 郭帅文,燕跃豪,蒋建东,马梦茹,鲍薇.  电力系统保护与控制. 2018(12)
[6]基于莱维飞行的乌鸦搜索算法[J]. 李焰华,刘升,赵齐辉.  智能计算机与应用. 2018(03)
[7]人工神经网络在光学电压互感器故障诊断中的应用[J]. 蒋愈勇,王军龙,李俊一,于文鹏,陈波,李文伟.  电力系统及其自动化学报. 2018(06)
[8]继电保护与安全稳定控制系统隐性故障研究综述及展望[J]. 李文学.  现代工业经济和信息化. 2018(06)
[9]趋优算子和Levy Flight混合的粒子群优化算法[J]. 张新明,王霞,涂强,康强.  电子科技大学学报. 2018(03)
[10]具有动态步长和发现概率的布谷鸟搜索算法[J]. 刘景森,刘晓珍,李煜.  系统仿真学报. 2020(02)

博士论文
[1]粒子群算法的基本理论及其改进研究[D]. 刘建华.中南大学 2009

硕士论文
[1]船舶电力系统拓扑分析与潮流计算研究[D]. 周容华.华中科技大学 2009
[2]大型船舶电力系统网络拓扑重构技术研究[D]. 傅荟璇.哈尔滨工程大学 2007



本文编号：3027447