用于聚变电源的故障诊断算法研究

发布时间：2020-08-15 07:06

【摘要】：聚变装置是一个复杂的系统,而聚变电源则是装置能够稳定运行的重要支持系统。电力变换器作为聚变脉冲功率电源的关键组成部分,会影响电源的正常运行。因此,精准快速的故障诊断对电力变换器的健康运行非常重要。随着计算机技术的高速发展,运用深度学习理论来提高故障诊断的智能化水平已逐渐成为一个重要的研究方向。本文首先分析了深度神经网络在电气系统故障诊断的优势,阐述了卷积神经网络(CNN)的特点。基于磁压缩理论分析出EAST#41195托克马克放电的电气参数,为高性能等离子体垂直场设计提供参考,引出磁压缩线圈电源(Magnetic Compression Coil Power Supply,MCPS)的需求。电源变换器的故障诊断对实现该电源的正常运行和良好控制至关重要。而基于深度卷积神经网络的电源变换器故障诊断方法需要大量的故障工况数据。本文以经典聚变电源变换器模型为参照搭建了Simulink模型,插入相应短路故障以获取故障数据,并通过Overlap的方法实现数据增强。给出了用于工况分类的1D-CNN模型,对电源变换器运行工况进行了分类,精确率达98%。以环流工况为研究对象,给出了适用于电源变换器故障诊断的1D-CNN模型,可以自动完成故障信号特征提取,故障识别率达到91%。利用数据可视化技术,展示了1D-CNN模型诊断短路故障信号的过程。根据短路故障信号特点,针对1D-CNN模型训练速度慢的问题,进一步给出了 1D-BNCNN模型。该模型加入批量归一化处理(Batch Normalization)层,使每一个卷积层输入数据的统计分布比较接近,有利于网络训练速度和精度的提升。结果显示,经过20步迭代,模型收敛,故障识别率达到95%。针对聚变垂直磁场电源实测数据统计信息的不足,给出了基于1D-BNCNN的迁移学习模型。该模型采用了小样本测试数据对模型参数微调,实现了模型迁移的方法。将迁移模型用于LHD装置线圈电源变换器仿真的故障诊断问题,测试结果显示精度为91%,从而说明了此类模型对于聚变电源中多信号输入问题的泛化潜力。
【学位授予单位】：中国科学技术大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TL631
【图文】：

实验堆,热核聚变,国际,环向场

Ｗ逡逑图１．２国际热核聚变实验堆ＩＴＥＲ逡逑图１．３中显示了托卡马克用于限制环形等离子体柱的磁场。用环向场线圈（蓝逡逑色）产生最强的纵向（环向）磁场５ｒ，初级变压器线圈中的电流逐渐变大（绿逡逑３逡逑

托卡马克,托卡马克装置,微观粒子,等离子

ｊｘＢ邋＝邋＼／ｐ逦１．２逡逑从该等式可以看出，受控等离子体具有图１．４中所示的独特的磁拓扑结构。逡逑通过外部施加的环形场，与其他形式的磁场组合形成叠加的磁通面。而这个磁通逡逑面实际上就是所谓的平衡面，等离子体的属性和状态由Ｇｒａｄ－Ｓｈａｆｒａｎｏｖ方程详细逡逑描述［１２］。逡逑图１．４托卡马克中的等离子体约束和磁通面逡逑彭元凯先生在文［１８，１９］中将托卡马克、球马克、反向场箍缩等不同形式的聚逡逑变装置，根据环径比0＝施）和边界安全因子（和）划分相对应的区域，如图逡逑４逡逑

托卡马克,等离子体约束,磁通

Ｐｌ？？ｍａ邋？ｌ＊ｃｔｒｉｃ邋ｃｕｒｒａｎｔ逦ＴｏｒｏＭａｉ邋ｍａｇｎｅｔｉｃ邋ｆＭｄ逡逑（Ｍｃｏｎｄａｒｙ邋ｔｒａｎｓｌｏｒｍ？ｒ邋ｃｉｒｃｕｉｔ）逡逑图１．３托卡马克中的线圈和磁场逡逑克装置中，为了更好的对微观粒子进行控制，我们通常会度（尸）。尸通过洛伦兹力公式，由等离子体电流密度（／）和磁Ｂ邋＝邋＼／ｐ式可以看出，受控等离子体具有图１．４中所示的独特的磁加的环形场，与其他形式的磁场组合形成叠加的磁通面。是所谓的平衡面，等离子体的属性和状态由Ｇｒａｄ－Ｓｈａｆｒａｎｏ

【相似文献】