本文選題：電網故障診斷　切入點：復雜故障　出處：《華北電力大學(北京)》2017年碩士論文

【摘要】：隨著全球能源互聯(lián)網的提出,各級電網之間的互聯(lián)性增強,尤其是間歇式新能源和微電網的接入,電網自身的動態(tài)行為日趨復雜,發(fā)生拒動等復雜故障的可能性仍舊存在,準確、快速的實現(xiàn)電網故障診斷成為更為緊迫的現(xiàn)實要求。本文以診斷電網復雜故障為目的,針對現(xiàn)有專家系統(tǒng)缺乏學習能力的不足,利用支持向量機(SVM)模型基于歷史故障經驗對復雜故障進行診斷,其主要工作如下:研究統(tǒng)計學習理論的內在特點,深入理解VC維和結構風險最小化原則,闡述支持向量機模型的數(shù)學原理,在Visual studio 2010平臺使用C++語言分別編寫線性和非線性支持向量機模型的實現(xiàn)算法,為支持向量機在電網故障診斷的應用打下理論基礎。根據(jù)電網故障診斷的需求與特點,提出基于支持向量機的方法對復雜故障進行診斷。通過對歷史故障案例的訓練學習,獲取這些復雜故障案例中的“隱性”診斷知識,利用這些經驗規(guī)律對現(xiàn)有故障進行診斷,并不斷用新的故障事件對SVM模型進行再訓練。為使建立的支持向量機模型具有廣泛的通用性,以數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)(SCADA)系統(tǒng)采集的保護動作和斷路器跳閘信息為基礎,針對母線、線路和變壓器等三類元件分別設置其支持向量機模型的輸入特征量,并利用遺傳算法對懲罰因子和徑向基核函數(shù)參數(shù)進行尋優(yōu)。在課題組已開發(fā)的電網故障診斷系統(tǒng)的基礎上,增設利用SVM算法的復雜故障診斷模塊,并對該模塊五個組成部分的功能設計進行了逐一論述,提高了電網故障診斷系統(tǒng)針對復雜故障的診斷效率,最后通過三種典型的復雜故障案例測試驗證了模塊實用性與有效性。
[Abstract]:With the development of the global energy Internet, the interconnection between all levels of power grids is enhanced, especially the interconnect of intermittent new energy sources and microgrids, the dynamic behavior of the grid itself is becoming more and more complex, and the possibility of complex faults such as rejection still exists. Accurate and rapid realization of power network fault diagnosis becomes a more urgent practical requirement. This paper aims to diagnose complex fault of power grid, aiming at the lack of learning ability of the existing expert system. Support vector machine (SVM) model is used to diagnose complex faults based on historical fault experience. The main work is as follows: the inherent characteristics of statistical learning theory are studied, and the principle of VC and structural risk minimization is deeply understood. The mathematical principle of support vector machine (SVM) model is expounded. The algorithms of linear and nonlinear SVM models are programmed in C language on Visual studio 2010 platform. This paper lays a theoretical foundation for the application of support vector machine in power network fault diagnosis. According to the requirements and characteristics of power network fault diagnosis, a method based on support vector machine is proposed to diagnose complex faults. Acquiring the "implicit" diagnosis knowledge in these complex fault cases, and using these empirical rules to diagnose existing faults, In order to make the established support vector machine model universal, it is based on the protection action and breaker tripping information collected by the data acquisition and monitoring control system (SCADAA) system. For three kinds of components, such as busbar, line and transformer, the input characteristic quantity of support vector machine model is set up separately. The genetic algorithm is used to optimize the parameters of the penalty factor and the radial basis function. On the basis of the fault diagnosis system developed by the research group, the complex fault diagnosis module using SVM algorithm is added. The function design of the five components of the module is discussed one by one to improve the efficiency of the fault diagnosis system for complex faults. Finally, the practicability and effectiveness of the module are verified by three typical complex fault cases.
【學位授予單位】：華北電力大學(北京)
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TM711

【參考文獻】

相關期刊論文 前10條

1 薛浩然;張珂珩;李斌;彭晨輝;;基于布谷鳥算法和支持向量機的變壓器故障診斷[J];電力系統(tǒng)保護與控制;2015年08期

2 張旭;魏娟;趙冬梅;梁偉宸;;一種用于電網故障診斷的遙信信息解析方法[J];中國電機工程學報;2014年22期

3 劉曉琴;王大志;張翠玲;江雪晨;寧一;;基于遺傳小波神經網絡的電網故障診斷方法研究[J];石油化工高等學校學報;2013年06期

4 熊國江;石東源;朱林;;基于多輸出衰減徑向基函數(shù)神經網絡的電網故障診斷[J];電力系統(tǒng)保護與控制;2013年21期

5 湯昶烽;衛(wèi)志農;李志杰;鐘淋涓;孫國強;孫永輝;;基于因子分析和支持向量機的電網故障風險評估[J];電網技術;2013年04期

6 趙冬梅;張旭;張東英;劉燕華;魏娟;張虹;;基于模式匹配的地區(qū)電網故障診斷[J];電網技術;2012年12期

7 趙冬梅;張旭;張東英;劉燕華;魏娟;張虹;;地區(qū)電網故障診斷基本分析模式研究[J];電網技術;2012年11期

8 孫宏斌;王康;張伯明;趙峰;;采用線性決策樹的暫態(tài)穩(wěn)定規(guī)則提取[J];中國電機工程學報;2011年34期

9 葉林;劉鵬;;基于經驗模態(tài)分解和支持向量機的短期風電功率組合預測模型[J];中國電機工程學報;2011年31期

10 栗然;張烈勇;顧雪平;李和明;;采用粗糙集聯(lián)合規(guī)則挖掘算法的分布式電網故障診斷[J];中國電機工程學報;2010年04期

相關博士學位論文 前2條

1 馬剛;輸變電設備在線狀態(tài)分析與智能診斷系統(tǒng)的研究[D];華北電力大學;2013年

2 鮑漪瀾;基于支持向量機的金融時間序列分析預測算法研究[D];大連海事大學;2013年

相關碩士學位論文 前2條

1 何小萍;改進的支持向量機分類算法在語音識別中的應用研究[D];太原理工大學;2013年

2 王宇飛;支持向量機在電網故障診斷中的應用研究[D];吉林大學;2010年

，

本文編號：1665540