本文關鍵詞：神經(jīng)網(wǎng)絡和粒子群算法在高壓電力計量系統(tǒng)故障診斷中的應用研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著電力的普及和對電能需求的持續(xù)增長,電網(wǎng)鋪設范圍也日益擴大,電力計量系統(tǒng)的規(guī)模越來越大,結構越來越復雜,出現(xiàn)故障的概率也隨之增加。無論是系統(tǒng)元器件內(nèi)部故障還是人為改變系統(tǒng)接線產(chǎn)生的故障,都會造成計量的不準確甚至造成供電中斷,對國家建設和日常生活產(chǎn)生巨大影響,因此高壓電力計量系統(tǒng)故障診斷技術應運而生,受到電力部門和研究學者們的廣泛關注。本文根據(jù)高壓電力計量系統(tǒng)的結構及其故障特點,將數(shù)字濾波、神經(jīng)網(wǎng)絡和粒子群優(yōu)化算法應用到信號提取和故障診斷中,并做了如下的研究分析。首先,從結構上對高壓電力計量系統(tǒng)介紹,簡介了電流互感器和電壓互感器結構及工作原理,按照元件故障的分類方法,分析了計量系統(tǒng)常見的電壓互感器故障、電流互感器故障,并對故障提出了檢測方法,尤其對于電流互感器短路這樣的隱性故障,從理論上進行分析,推倒出檢測公式,并通過了實際的信號進行驗證。然后,從整體上提出故障檢測電路的設計方案,根據(jù)計量系統(tǒng)結構及其故障特點,以CT一次側短路為例,設計故障檢測電路,搭建模擬測試環(huán)境進行測試。設計等波紋線性相位FIR數(shù)字濾波器,在不同負載情況下,對采集來的故障信號提取檢測信號并進行了簡單分析。最后,將BP神經(jīng)網(wǎng)絡和粒子群算法應用到高壓電力計量系統(tǒng)故障診斷中,對高壓電力計量系統(tǒng)常見故障類型進行了辨識。先對系統(tǒng)運行參數(shù)提取故障特征并對數(shù)據(jù)樣本做歸一化處理,然后選取合適的網(wǎng)絡結構和參數(shù),構建BP神經(jīng)網(wǎng)絡模型,用采集的樣本數(shù)據(jù)對網(wǎng)絡進行訓練和測試;再利用粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡權值,設計了基于粒子群優(yōu)化神經(jīng)網(wǎng)絡的故障診斷系統(tǒng),最后通過和BP網(wǎng)絡的診斷測試對比,表明本文采用的高壓電力計量系統(tǒng)故障診斷方法是有效可行的。
【關鍵詞】：高壓電力計量系統(tǒng) 故障診斷 數(shù)字濾波 神經(jīng)網(wǎng)絡 粒子群算法
【學位授予單位】：河南大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM930.7;TP18
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 1 緒論9-13
• 1.1 本文研究背景、意義和現(xiàn)狀9-10
• 1.2 人工神經(jīng)網(wǎng)絡故障診斷方法10-11
• 1.3 粒子群優(yōu)化神經(jīng)網(wǎng)絡的應用與發(fā)展11
• 1.4 論文的主要內(nèi)容和結構11-13
• 2 高壓電力計量系統(tǒng)與其故障建模分析13-23
• 2.1 高壓電力計量系統(tǒng)13-15
• 2.2 電壓互感器和電流互感器15-16
• 2.2.1 高壓電壓互感器(Potential Transformer)15
• 2.2.2 高壓電流互感器(Current Transformer)15-16
• 2.3 電力計量系統(tǒng)故障建模分析16-21
• 2.3.1 電壓互感器故障分析16
• 2.3.2 電流互感器故障分析16-21
• 2.4 本章小結21-23
• 3 高壓計量系統(tǒng)故障檢測電路設計和故障信息提取23-35
• 3.1 故障檢測電路設計23-25
• 3.2 A/D轉換電路設計25-27
• 3.2.1 微控制器(MCU)的選擇25-26
• 3.2.2 A/D轉換器的選擇26-27
• 3.3 電路模擬環(huán)境測試平臺27-28
• 3.4 基于數(shù)字濾波的故障信息提取28-33
• 3.4.1 數(shù)字濾波的基本介紹28-30
• 3.4.2 FIR數(shù)字濾波器設計30-31
• 3.4.3 故障信息的提取與分析31-33
• 3.5 本章小結33-35
• 4 基于神經(jīng)網(wǎng)絡的故障診斷分析35-49
• 4.1 神經(jīng)網(wǎng)絡概述35-37
• 4.1.1 人工神經(jīng)元模型35-36
• 4.1.2 神經(jīng)元激勵函數(shù)36-37
• 4.2 神經(jīng)網(wǎng)絡結構和學習37-39
• 4.2.1 神經(jīng)網(wǎng)絡結構和特點37
• 4.2.2 神經(jīng)網(wǎng)絡的學習37-39
• 4.3 BP神經(jīng)網(wǎng)絡模型39-43
• 4.3.1 BP神經(jīng)網(wǎng)絡的結構39-40
• 4.3.2 BP神經(jīng)網(wǎng)絡的學習算法和改進40-43
• 4.4 基于BP神經(jīng)網(wǎng)絡的故障診斷系統(tǒng)分析43-47
• 4.4.1 系統(tǒng)故障分析和判據(jù)說明43-44
• 4.4.2 故障樣本處理44-45
• 4.4.3 網(wǎng)絡訓練和診斷測試45-47
• 4.5 本章小結47-49
• 5 粒子群優(yōu)化神經(jīng)網(wǎng)絡在計量系統(tǒng)故障診斷中的應用設計49-57
• 5.1 粒子群優(yōu)化算法49-52
• 5.1.1 粒子群算法的基本原理49-50
• 5.1.2 粒子群算法的數(shù)學描述50
• 5.1.3 基本PSO的基本流程步驟50-52
• 5.2 基本PSO的不足和改進52-53
• 5.3 基于粒子群優(yōu)化神經(jīng)網(wǎng)絡的故障診斷系統(tǒng)設計53-56
• 5.3.1 粒子群優(yōu)化BP神經(jīng)網(wǎng)絡學習算法53-54
• 5.3.2 粒子群優(yōu)化BP神經(jīng)網(wǎng)絡的故障診斷系統(tǒng)設計54-56
• 5.4 本章小結56-57
• 6 總結與展望57-59
• 6.1 全文總結57
• 6.2 工作展望57-59
• 參考文獻59-63
• 致謝63-65
• 攻讀碩士學位期間發(fā)表的學術論文65-66

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王凡,孟立凡;關于使用神經(jīng)網(wǎng)絡推定操作者疲勞的研究[J];人類工效學;2004年03期

2 常國任;李仁松;沈醫(yī)文;劉鋼;;基于神經(jīng)網(wǎng)絡的直升機艦面系統(tǒng)效能評估[J];艦船電子工程;2007年03期

3 陳俊;;神經(jīng)網(wǎng)絡的應用與展望[J];佛山科學技術學院學報(自然科學版);2009年05期

4 許萬增;;神經(jīng)網(wǎng)絡的研究及其應用[J];國際技術經(jīng)濟研究學報;1990年01期

5 張軍華;神經(jīng)網(wǎng)絡技術及其在軍用系統(tǒng)中的應用[J];現(xiàn)代防御技術;1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡在預報控制中的應用[J];機床;1993年11期

7 靳蕃;神經(jīng)網(wǎng)絡及其在鐵道科技中應用的探討[J];鐵道學報;1993年02期

8 宋玉華，王啟霞;神經(jīng)網(wǎng)絡診斷──神經(jīng)網(wǎng)絡在自動化領域里的應用[J];中國儀器儀表;1994年03期

9 魏銘炎;國內(nèi)外神經(jīng)網(wǎng)絡技術的研究與應用概況[J];電機電器技術;1995年04期

10 王中賢，錢頌迪;神經(jīng)網(wǎng)絡法在經(jīng)濟管理中的應用[J];航天工業(yè)管理;1995年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 曾U喺

本文編號：299477