本文關(guān)鍵詞：基于支持向量機(jī)的高壓線路故障原因辨識(shí)

  更多相關(guān)文章： 故障原因辨識(shí) 錄波器 小波基 支持向量機(jī) 核函數(shù) 遺傳算法

【摘要】：高壓輸電網(wǎng)絡(luò)是送電端和用電端之間的樞紐,起著十分重要的連接作用。高壓輸電線路運(yùn)行的環(huán)境較為惡劣,常常會(huì)發(fā)生各種故障。由于單相瞬時(shí)性接地故障在高壓輸電線路故障中所占的比重較大,本文提出了針對(duì)高壓輸電線路單相瞬時(shí)性接地故障的故障原因辨識(shí)方法。本文首先對(duì)故障錄波器上傳的數(shù)據(jù)信息進(jìn)行處理,針對(duì)時(shí)間不同步問題,提出了相應(yīng)的解決方案。從小波變換的角度出發(fā),在尺度域上對(duì)信號(hào)能量進(jìn)行劃分,通過理論分析和真實(shí)故障錄波數(shù)據(jù)的仿真對(duì)比得出,雙正交小波基bior3.5是故障錄波數(shù)據(jù)分解與重構(gòu)的較好選擇。同時(shí)引入了能量指標(biāo)、方差指標(biāo)和熵指標(biāo)作為信號(hào)特征提取的特征量,將此特征量代入支持向量機(jī)的分類模型中,可以實(shí)現(xiàn)分類器的訓(xùn)練和待測(cè)集的預(yù)測(cè)。其次,詳細(xì)分析了電力線路故障發(fā)生的不同原因,將故障原因大致分為六類,分別是山火、凝冰、雷擊、對(duì)樹木放電、異物和外力破壞。在現(xiàn)有故障錄波數(shù)據(jù)的基礎(chǔ)上,提出了基于支持向量機(jī)的故障原因辨識(shí)分類方法,采用核矩陣和核校準(zhǔn)的近似系數(shù)指標(biāo)對(duì)核函數(shù)進(jìn)行選擇,利用遺傳算法對(duì)懲罰因子C和核參數(shù)的數(shù)值進(jìn)行估計(jì)。經(jīng)實(shí)驗(yàn)仿真證明,最終得出的SVM分類模型的預(yù)測(cè)率較高,具有一定的實(shí)用價(jià)值。最后,介紹了繼電保護(hù)智能支撐平臺(tái)的結(jié)構(gòu)框架以及相關(guān)技術(shù),提出了利用故障錄波數(shù)據(jù)進(jìn)行繼電保護(hù)動(dòng)作分析評(píng)價(jià)的方法,實(shí)現(xiàn)了高壓線路故障原因辨識(shí)等高級(jí)功能在實(shí)際平臺(tái)上的應(yīng)用。
【關(guān)鍵詞】：故障原因辨識(shí) 錄波器 小波基 支持向量機(jī) 核函數(shù) 遺傳算法
【學(xué)位授予單位】：華北電力大學(xué)(北京)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TM75
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 引言10
• 1.2 課題的背景和意義10-11
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀11-14
• 1.3.1 故障錄波分析11-12
• 1.3.2 高壓線路故障原因辨識(shí)12-13
• 1.3.3 故障信息系統(tǒng)13-14
• 1.4 論文的主要工作14-15
• 第2章 基于故障錄波數(shù)據(jù)的線路故障特征量的提取15-30
• 2.1 通信線路兩端不同步問題及解決方案15-19
• 2.1.1 同步問題研究背景15-16
• 2.1.2 在電力系統(tǒng)中時(shí)間同步的應(yīng)用16
• 2.1.3 基于故障線路兩端電壓相位差的時(shí)間同步方法16-17
• 2.1.4 仿真分析17-19
• 2.2 電力系統(tǒng)故障錄波電壓與電流的特征選取與提取19-29
• 2.2.1 小波基選擇的意義19-20
• 2.2.2 兩類小波基簡(jiǎn)介20-21
• 2.2.3 小波基綜合性能的評(píng)價(jià)指標(biāo)21-22
• 2.2.4 分解層數(shù)的選擇22
• 2.2.5 仿真驗(yàn)證與比較22-25
• 2.2.6 錄波數(shù)據(jù)特征量的三個(gè)指標(biāo)25-27
• 2.2.7 樣本的選擇與特征量的提取27-29
• 2.3 本章小結(jié)29-30
• 第3章 基于支持向量機(jī)的故障原因辨識(shí)30-52
• 3.1 高壓電力線路的故障原因概述30-34
• 3.1.1 山火30-31
• 3.1.2 凝冰31
• 3.1.3 雷擊31-32
• 3.1.4 異物32-33
• 3.1.5 對(duì)樹木放電33-34
• 3.1.6 外力破壞34
• 3.1.7 小結(jié)34
• 3.2 支持向量機(jī)模型的建立34-36
• 3.3 基于支持向量機(jī)的電力線路故障類型識(shí)別36-39
• 3.3.1 支持向量機(jī)訓(xùn)練試驗(yàn)36
• 3.3.2 支持向量機(jī)分類測(cè)試試驗(yàn)36-39
• 3.4 支持向量機(jī)模型選擇的意義及方法39-40
• 3.4.1 模型選擇的意義39
• 3.4.2 模型選擇方法簡(jiǎn)介39-40
• 3.5 核函數(shù)的選擇40-44
• 3.5.1 近似系數(shù)指標(biāo)40-41
• 3.5.2 實(shí)驗(yàn)及結(jié)果分析41-44
• 3.6 核參數(shù)的調(diào)整及誤差懲罰參數(shù)C的估計(jì)44-48
• 3.6.1 核函數(shù)參數(shù)的選擇44
• 3.6.2 懲罰因子C的估計(jì)44
• 3.6.3 遺傳算法選擇支持向量機(jī)參數(shù)44-46
• 3.6.4 電力線路故障原因辨識(shí)模型參數(shù)的確定46-48
• 3.7 仿真結(jié)果與分析48-50
• 3.7.1 仿真結(jié)果48-50
• 3.7.2 分析50
• 3.8 本章小結(jié)50-52
• 第4章 繼電保護(hù)運(yùn)行綜合智能支撐平臺(tái)52-64
• 4.1 系統(tǒng)方案概述52-54
• 4.1.1 CSGC3000平臺(tái)介紹52-53
• 4.1.2 系統(tǒng)總體結(jié)構(gòu)53-54
• 4.2 故障智能分析54-57
• 4.2.1 錄波分析55-56
• 4.2.2 故障場(chǎng)景數(shù)據(jù)收集56
• 4.2.3 擴(kuò)展故障分析56-57
• 4.3 保護(hù)動(dòng)作行為分析57-61
• 4.3.1 動(dòng)作行為分析的自動(dòng)啟動(dòng)條件及分析對(duì)象57-58
• 4.3.2 錄波文件選取58
• 4.3.3 基于故障數(shù)據(jù)的繼電保護(hù)動(dòng)作行為分析方法58-61
• 4.4 高壓線路故障原因分析結(jié)果61-62
• 4.4.1 分析結(jié)果61
• 4.4.2 展示界面的設(shè)計(jì)61-62
• 4.5 本章小結(jié)62-64
• 第5章 總結(jié)與展望64-66
• 5.1 總結(jié)64-65
• 5.2 展望65-66
• 參考文獻(xiàn)66-70
• 致謝70

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 葛海峰;林繼鵬;劉君華;丁暉;;基于支持向量機(jī)和小波分解的氣體識(shí)別研究[J];儀器儀表學(xué)報(bào);2006年06期

2 琚旭;王浩;姚宏亮;;支持向量機(jī)的一個(gè)邊界樣本修剪方法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年07期

3 張菁華;袁鑫;劉達(dá);;基于支持向量機(jī)的電力工程最優(yōu)投標(biāo)報(bào)價(jià)決策研究[J];山東電力高等專科學(xué)校學(xué)報(bào);2006年04期

4 張濤;段淑敏;;支持向量機(jī)在中醫(yī)疾病癥候診斷中的應(yīng)用[J];華北水利水電學(xué)院學(xué)報(bào);2007年03期

5 王晶;靳其兵;曹柳林;;面向多輸入輸出系統(tǒng)的支持向量機(jī)回歸[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年S2期

6 陳丹;;多類支持向量機(jī)算法的研究[J];東莞理工學(xué)院學(xué)報(bào);2007年05期

7 程麗麗;張健沛;馬駿;;一種改進(jìn)的加權(quán)邊界調(diào)節(jié)支持向量機(jī)算法[J];哈爾濱工程大學(xué)學(xué)報(bào);2007年10期

8 宋召青;崔和;胡云安;;支持向量機(jī)理論的研究與進(jìn)展[J];海軍航空工程學(xué)院學(xué)報(bào);2008年02期

9 郭濵;孫曉梅;薛明;;基于殼向量的邊界鄰近支持向量機(jī)[J];黑龍江交通科技;2008年12期

10 許超;運(yùn)士偉;舒云星;;基于支持向量機(jī)的混凝土測(cè)強(qiáng)換算模型[J];洛陽(yáng)理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 余樂安;姚瀟;;基于中心化支持向量機(jī)的信用風(fēng)險(xiǎn)評(píng)估模型[A];第六屆（2011）中國(guó)管理學(xué)年會(huì)——商務(wù)智能分會(huì)場(chǎng)論文集[C];2011年

2 劉希玉;徐志敏;段會(huì)川;;基于支持向量機(jī)的創(chuàng)新分類器[A];山東省計(jì)算機(jī)學(xué)會(huì)2005年信息技術(shù)與信息化研討會(huì)論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機(jī)學(xué)習(xí)方法[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機(jī)的系統(tǒng)辨識(shí)方法研究及應(yīng)用[A];中國(guó)力學(xué)大會(huì)——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機(jī)方法的衢州降雪模型[A];第五屆長(zhǎng)三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機(jī)方法預(yù)測(cè)膜蛋白類型[A];第十一次中國(guó)生物物理學(xué)術(shù)大會(huì)暨第九屆全國(guó)會(huì)員代表大會(huì)摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機(jī)綜述[A];全國(guó)第十五屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學(xué)與支持向量機(jī)[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機(jī)算法[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

10 侯澍e，

本文編號(hào)：879736