本文關鍵詞：山火的無線傳感與RBF識別研究

  更多相關文章： 山火 溫濕度 煙霧 一氧化碳 硫化氫 風速 雨量 RBF神經網絡

【摘要】：我國的電力事業(yè)發(fā)展迅速,電網的密度和規(guī)模不斷擴大,越來越多的電網跨越山區(qū)林區(qū),山區(qū)林區(qū)的火災事故頻發(fā)導致的輸電線路跳閘事故,嚴重威脅著輸電線路的正常運行,保障輸電線路的正常工作成為電網安全運行的關鍵。近幾年,云南電網多次出現(xiàn)由于森林火災導致的輸電線路故障的事件,給輸電線路的安全運行帶來了極大的壓力。山火條件下發(fā)生跳閘是火焰溫度、火焰電導率以及灰燼和煙霧導致間隙絕緣水平劇烈下降的結果。為了有效的預報和監(jiān)測山火,減少山火對輸電線路正常運行的影響,本文做了以下研究：1.通過研究山火對輸電線路正常運行的影響,選取了造成和反映山火發(fā)生的幾個重要的環(huán)境參數(shù)(溫度、濕度、一氧化碳、硫化氫、離子煙霧和雨量)作為山火監(jiān)測的對象,依據幾類傳感器和無線傳感網的工作原理,針對輸電線路分布廣、監(jiān)測區(qū)域不集中、有線傳輸成本高、布線及維護困難的特點,采用智能無線傳感網絡對變電站輸電線路周圍的環(huán)境參數(shù)進行在線監(jiān)測。2.依據監(jiān)測系統(tǒng)需求,設計和開發(fā)了電力火災在線監(jiān)測系統(tǒng),利用多線程技術編寫了通信協(xié)議解析程序,解析無線傳輸?shù)臄?shù)據幀,將監(jiān)測數(shù)據存入數(shù)據庫中,并顯示在實時監(jiān)測界面上；依據楚雄220kV腰站的實際情況及設備安裝要求,安裝傳感網的監(jiān)測和通信設備,搭建楚雄220kV腰站電力火災在線監(jiān)測系統(tǒng),并接入電力專網。3.依據《中華人民共和國森林火險氣象等級標準(QX/T 77-2007)》,選取網絡訓練樣本,代入到監(jiān)督學習的RBF神經網絡中進行訓練；選取楚雄220kV腰站電力火災在線監(jiān)測系統(tǒng)采集的監(jiān)測數(shù)據帶入RBF的神經網絡,仿真出山火發(fā)生的危險等級。
【關鍵詞】：山火 溫濕度 煙霧 一氧化碳 硫化氫 風速 雨量 RBF神經網絡
【學位授予單位】：昆明理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM75
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-16
• 1.1 引言10-11
• 1.2 山火監(jiān)測及RBF預測模型的研究現(xiàn)狀11-13
• 1.2.1 山火預報技術簡述11-12
• 1.2.2 山火監(jiān)測技術簡述12
• 1.2.3 RBF預測模型的國內外研究現(xiàn)狀12-13
• 1.3 小結13-16
• 第二章 無線傳感器網絡監(jiān)測電力火災的基礎研究16-30
• 2.1 引言16
• 2.2 無線傳感器網絡的基礎研究16-17
• 2.3 電力火災監(jiān)測參量的分析研究17-19
• 2.3.1 電力火災等級預報參量的選擇17-18
• 2.3.2 電力火災監(jiān)測參量的選擇18-19
• 2.4 電力火災監(jiān)測傳感器網絡的傳感節(jié)點19-25
• 2.4.1 智能溫濕度傳感器19-20
• 2.4.2 智能離子煙霧傳感器20-21
• 2.4.3 智能硫化氫傳感器21-22
• 2.4.4 智能一氧化碳傳感器22-23
• 2.4.5 智能雨量傳感器23-24
• 2.4.6 智能風速傳感器24-25
• 2.5 電力火災監(jiān)測傳感網的通信結構25-28
• 2.5.1 無線通信網關25-27
• 2.5.2 無線傳感基站27-28
• 2.6 小結28-30
• 第三章 電力火災監(jiān)測傳感器網絡30-52
• 3.1 引言30
• 3.2 無線在線監(jiān)測系統(tǒng)的設計30-38
• 3.2.1 系統(tǒng)功能劃分與實現(xiàn)30-33
• 3.2.2 數(shù)據庫設計33-36
• 3.2.3 無線通信信道的建立及協(xié)議解析36-38
• 3.3 電力火災監(jiān)測傳感網的布設38-47
• 3.3.1 電力火災監(jiān)測傳感器及通信模塊的安裝40-42
• 3.3.2 通信模塊的安裝42-44
• 3.3.3 供電模塊的安裝44-46
• 3.3.4 服務器的搭建和調試46-47
• 3.4 電力火災在線監(jiān)測系統(tǒng)47-50
• 3.4.1 系統(tǒng)的主要功能47-49
• 3.4.2 系統(tǒng)的監(jiān)測成果49-50
• 3.5 小結50-52
• 第四章 RBF神經網絡模型研究—電力火災等級預測52-64
• 4.1 引言52
• 4.2 RBF神經網絡概述52-54
• 4.2.1 RBF神經網絡的結構52-53
• 4.2.2 RBF神經網絡的學習算法53-54
• 4.2.3 RBF神經網絡的MATLAB工具箱函數(shù)54
• 4.3 基于RBF的山火等級預測模型研究54-62
• 4.3.1 問題描述54
• 4.3.2 訓練樣本集和測試樣本集54-56
• 4.3.3 創(chuàng)建RBF神經網絡及仿真測試56-59
• 4.3.4 電力鐵塔火災等級的預測59-62
• 4.4 小結62-64
• 第五章 總結與展望64-66
• 5.1 總結64
• 5.2 展望64-66
• 致謝66-68
• 參考文獻68-74
• 附錄A 攻讀碩士學位期間研究成果74-76
• 附錄B 訓練和測試樣本集76-77

【參考文獻】

中國期刊全文數(shù)據庫 前8條

1 陳鋒;林向東;牛樹奎;王叁;李德;;氣候變化對云南省森林火災的影響[J];北京林業(yè)大學學報;2012年06期

2 朱時陽;鄧雨榮;;輸電線路走廊山火監(jiān)測技術研究與應用[J];廣西電力;2013年03期

3 徐海寧;廖文勝;李凱;郭婷;;輸電線路防山火措施[J];電力安全技術;2013年05期

4 李勇;陶雄俊;陳立;;輸電線路山火故障分析及預防[J];湖北電力;2010年06期

5 易浩若,紀平,覃先林;全國森林火險預報系統(tǒng)的研究與運行[J];林業(yè)科學;2004年03期

6 王展宏;;翻斗式雨量計的誤差分析與改進[J];水利信息化;2012年04期

7 張秀玲,李海濱;一種基于RBF神經網絡的數(shù)字模式識別方法[J];儀器儀表學報;2002年03期

8 謝紹峰,張貴,肖化順;林火動態(tài)監(jiān)測中3S技術的應用現(xiàn)狀與展望[J];中南林業(yè)調查規(guī)劃;2005年04期

中國碩士學位論文全文數(shù)據庫 前1條

1 王軒;基于物聯(lián)網技術的森林火災監(jiān)測研究[D];中南林業(yè)科技大學;2011年

，

本文編號：1072323