輸電線路作為電力系統(tǒng)的脈絡(luò),在電網(wǎng)的安全、可靠運(yùn)行中承擔(dān)著主要作用。輸電線路一旦發(fā)生故障,將直接影響到電力系統(tǒng)的電能傳輸,進(jìn)而影響人民的正常生活。輸電線路作為輸變電系統(tǒng)的重要組成部分,相對于其他輸變電設(shè)備,輸電線路分布廣、數(shù)量多,大部分安裝在露天環(huán)境中,工作狀況復(fù)雜且相對惡劣,更容易發(fā)生故障,基于智能算法,針對輸電線路開展設(shè)備故障辨識有具有重要意義。然而,目前該領(lǐng)域的相關(guān)研究所用方法相對單一,且對實際情況的考慮較少,難以滿足實際需求。為了提高輸變電設(shè)備運(yùn)行水平,亟需對輸電線路故障辨識進(jìn)行深入研究。本文首先基于輸電線路的故障錄波數(shù)據(jù),提出了小波包分解與循環(huán)神經(jīng)網(wǎng)絡(luò)相結(jié)合的故障分類模型。錄波數(shù)據(jù)作為電力系統(tǒng)監(jiān)測下的典型數(shù)據(jù),具有時序特性,能反映故障演變過程中各設(shè)備的變化,信息價值豐富。循環(huán)神經(jīng)網(wǎng)絡(luò)在序列的演進(jìn)方向進(jìn)行遞歸,能夠充分提取故障錄波中各電氣量隨時間的變化規(guī)律,挖掘潛在特征。通過小波包變化對故障錄波進(jìn)行時頻域的分解,將分解后的錄波序列作為循環(huán)神經(jīng)網(wǎng)絡(luò)的輸入,提高了故障分類網(wǎng)絡(luò)對錄波所含高頻突變量的識別能力。進(jìn)一步,對循環(huán)網(wǎng)絡(luò)參數(shù)以及小波包分解層數(shù)進(jìn)行對比選優(yōu),提高了所得模型的準(zhǔn)確性... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１含隱藏層的循環(huán)神經(jīng)網(wǎng)絡(luò)??從圖中可以看出，ＲＮＮ能夠?qū)W習(xí)到相鄰序列間時序信息中隱含的依賴特征，??但當(dāng)序列較長時，通過前段序列獲取的特征可能由于間隔過大而弱化，以至于??

山東大學(xué)碩士學(xué)位論文??〇．＝琴ｌｕｉ＋ｂｑ?（２－３）??其中，％９和￣分別表示輸出層的權(quán)重和偏差參數(shù)，７是輸出的特征維度。??循環(huán)神經(jīng)網(wǎng)絡(luò)的示意圖如圖所示。??．．．?〇ｔ?ｉ?ａ?〇ｉ?年?〇ｉ＾ｉ??輸出??ｆ?＼｜?／？?＼?Ｊ?（?＼??隱藏層——??Ｖ．?／，?＼?／???／??—??Ｊ??輸入——?（Ｔ?????圖２－１含隱藏層的循環(huán)神經(jīng)網(wǎng)絡(luò)??從圖中可以看出，ＲＮＮ能夠?qū)W習(xí)到相鄰序列間時序信息中隱含的依賴特征，??但當(dāng)序列較長時，通過前段序列獲取的特征可能由于間隔過大而弱化，以至于??模型無法捕捉到關(guān)鍵聯(lián)系而導(dǎo)致訓(xùn)練結(jié)果變差。為此引入了長短期記憶網(wǎng)絡(luò)??（ＬＳＴＭ）。??２．１．２雙向長短期網(wǎng)絡(luò)ＢＩＬＳＴＭ??ＬＳＴＭ網(wǎng)絡(luò)在ＲＮＮ基礎(chǔ)上引入了輸入門（ｉｎｐｕｔ?ｇａｔｅ）、遺忘門（ｆｏｒｇｅｔ?ｇａｔｅ）、??輸出門（ｏｕｔｐｕｔ?ｇａｔｅ）和記憶細(xì)胞來記錄額外的信息以解決序列較長時的模型對應(yīng)??識別能力欠缺的問題［５１］。??記憶細(xì)胞：?（＂?￣?Ｔ＂??ｃ，．，??ＫＤ—－ｊ－?＿?Ｃ＇??Ａ?“?（ｔａｒＡ）??遺忘門：輸入門輸出門??Ｆ＇Ｖ〇￣ｌ?Ｉｆ＼?〇?ｉ?＾?｜?ｔａｎｈ?＿ｊ?〇�。�?＜Ｔ?１??隱藏狀態(tài)：?丁丁?１?＾?Ｈ??Ｈ，．，??＼?）??輸入???？??圖２－２長短期網(wǎng)絡(luò)基本結(jié)構(gòu)??８??

得最終輸出兼顧輸入和細(xì)胞狀態(tài)的??影響：??／／，?＝０，〇ｔａｎｈ（Ｃ（）?（２－９）??上述的網(wǎng)絡(luò)可以發(fā)現(xiàn)序列間的正向聯(lián)系，而在實際訓(xùn)練中，序列在前向和??后向都有著潛在的依賴特征。通過將兩個反向的ＬＳＴＭ上下疊加一起并整合輸??出，即可得到雙向長短期網(wǎng)絡(luò)（ＢＩＬＳＴＭ）：??０１?年〇２?Ｏｊ??，??１＾１＂???［５－???．．＇ｉｆｆ???？?／／／?＞?Ｈ２?？?？?Ｈｒ???？??＾ｙ?ｙ—ｙ——．??Ｘ，?ｘ２?ＸＴ??圖２－３雙向長短期網(wǎng)絡(luò)結(jié)構(gòu)??９??

【參考文獻(xiàn)】：
期刊論文
[1]多支持向量機(jī)模型的輸電線路故障診斷方法[J]. 吳笑民,曹衛(wèi)華,王典洪,丁敏.  高電壓技術(shù). 2020(03)
[2]經(jīng)典人工智能算法綜述[J]. 陶陽明.  軟件導(dǎo)刊. 2020(03)
[3]應(yīng)用深度學(xué)習(xí)的生成對抗網(wǎng)絡(luò)行星齒輪箱故障診斷技術(shù)研究[J]. 王威,孫長杰,王麗,陳博.  機(jī)械科學(xué)與技術(shù). 2020(01)
[4]人工智能在金融行業(yè)的應(yīng)用及風(fēng)險分析[J]. 房安.  電子技術(shù)與軟件工程. 2019(04)
[5]基于大數(shù)據(jù)挖掘的變電設(shè)備故障預(yù)警研究及應(yīng)用[J]. 范李平,張曉輝,蘇偉.  電力大數(shù)據(jù). 2019(01)
[6]結(jié)構(gòu)化數(shù)據(jù)清洗技術(shù)綜述[J]. 郝爽,李國良,馮建華,王寧.  清華大學(xué)學(xué)報(自然科學(xué)版). 2018(12)
[7]基于多源信息融合的電力變壓器故障診斷方法研究[J]. 趙文清,祝玲玉,高樹國,李剛.  電力信息與通信技術(shù). 2018(10)
[8]輸電線路絕緣子自爆缺陷識別方法[J]. 侯春萍,章衡光,張巍,楊陽,張貴峰,田治仁.  電力系統(tǒng)及其自動化學(xué)報. 2019(06)
[9]一種基于貪心算法的緊急控制策略優(yōu)化搜索方法[J]. 陳學(xué)通,凌超,薛峰,周野,宋曉芳.  電力系統(tǒng)保護(hù)與控制. 2017(23)
[10]基于大數(shù)據(jù)挖掘技術(shù)的輸變電設(shè)備故障診斷方法[J]. 胡軍,尹立群,李振,郭麗娟,段煉,張玉波.  高電壓技術(shù). 2017(11)

博士論文
[1]輸電線路氣象災(zāi)害風(fēng)險分析與預(yù)警方法研究[D]. 王建.重慶大學(xué) 2016

碩士論文
[1]基于多源異構(gòu)數(shù)據(jù)融合的深度學(xué)習(xí)故障診斷[D]. 何一帆.河南大學(xué) 2019
[2]基于多維信息融合的變壓器狀態(tài)評估與故障診斷方法研究[D]. 鄧焱.華南理工大學(xué) 2018
[3]基于故障樹和信號分析的電力變壓器故障診斷技術(shù)研究[D]. 余鑫.哈爾濱工業(yè)大學(xué) 2017
[4]基于大數(shù)據(jù)的設(shè)備狀態(tài)在線監(jiān)測與預(yù)警診斷系統(tǒng)研究[D]. 李子龍.華北電力大學(xué) 2016



本文編號：2945352