本文關(guān)鍵詞：基于憶阻神經(jīng)網(wǎng)絡(luò)的風(fēng)電變流器故障診斷

  更多相關(guān)文章： 風(fēng)電 變流器 憶阻器 故障診斷 神經(jīng)網(wǎng)絡(luò)

【摘要】：目前,能源匱乏與環(huán)境污染上升成為困擾全球發(fā)展的兩個最主要的問題,而風(fēng)能的開發(fā)利用將是緩解這兩大難題的有效途徑。作為風(fēng)力發(fā)電系統(tǒng)的核心部件,風(fēng)電變流器的作用主要在于保證在風(fēng)速變化時系統(tǒng)依然能夠發(fā)出頻率、幅值穩(wěn)定的優(yōu)質(zhì)電能。然而,風(fēng)力發(fā)電機(jī)組往往都建在偏遠(yuǎn)、氣候條件不適宜人類長期居留的戈壁、山區(qū)、草原等地區(qū),且分布面積廣、數(shù)量多,再加上機(jī)組體積龐大,結(jié)構(gòu)復(fù)雜,難以做到日常的例行檢查和維護(hù)。風(fēng)電變流器在運(yùn)行過程中如果發(fā)生故障,輕則致使輸出電壓波形產(chǎn)生畸變從而降低供電質(zhì)量,重則損毀發(fā)電機(jī)等昂貴設(shè)備,致使整個風(fēng)電機(jī)組癱瘓,甚至?xí)䦟φ麄�電網(wǎng)的安全產(chǎn)生極大的威脅,給國家造成巨大的經(jīng)濟(jì)損失。因此,為了避免事故的進(jìn)一步加劇,減少由此帶來的經(jīng)濟(jì)損失,確保風(fēng)電變流器安全、高效、可靠地運(yùn)行,研究風(fēng)電變流器的故障診斷系統(tǒng)具有十分重要的意義。本文以風(fēng)力機(jī)變流器為研究對象,提出將憶阻神經(jīng)網(wǎng)絡(luò)應(yīng)用于其相關(guān)故障的診斷測試中,并在Matlab/Simulink平臺上建立了一套基于憶阻神經(jīng)網(wǎng)絡(luò)的故障診斷系統(tǒng)。論文的主要研究工作包括:(1)建立了永磁直驅(qū)式風(fēng)電變流器的Simulink仿真模型,模擬了變流器在正常運(yùn)行狀態(tài)時的輸出電壓波形,以及單IGBT開路、上下橋臂中的兩只IGBT同時開路、同一半橋的兩只IGBT同時開路、交叉的兩只IGBT同時開路時的輸出電壓波形。在此基礎(chǔ)上,利用小波包分析法對變流器處于不同開路故障下的輸出電壓波形進(jìn)行了特征提取,經(jīng)過規(guī)范化處理,得到相關(guān)的故障特征向量。(2)利用電壓控制憶阻器作為人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡寫為ANNs)的權(quán)重,在工程思想上提出了基于憶阻器的神經(jīng)網(wǎng)絡(luò),并給出了整體模型、程序流程、算法、學(xué)習(xí)規(guī)則及各功能單元的設(shè)計方案。最終建立了面向風(fēng)電變流器常見開路故障的整套故障診斷系統(tǒng)。(3)選取基于小波包分析構(gòu)造的故障電壓特征向量作為憶阻神經(jīng)網(wǎng)絡(luò)的輸入量,對風(fēng)力機(jī)變流器的正常運(yùn)行狀態(tài)以及常見的21種開路故障進(jìn)行了學(xué)習(xí)訓(xùn)練,并通過實(shí)際工況下變流器的橋臂故障對此診斷系統(tǒng)進(jìn)行了仿真測試。仿真結(jié)果說明,該系統(tǒng)能較為準(zhǔn)確地診斷風(fēng)電變流器一系列常見的開路故障。憶阻神經(jīng)網(wǎng)絡(luò)在斷電狀態(tài)下可以“記憶”權(quán)值,對新事物、新模式的自適應(yīng)性更強(qiáng),更接近與人類大腦的工作方式。將憶阻神經(jīng)網(wǎng)絡(luò)應(yīng)用于風(fēng)電變流器的故障診斷,在兼顧準(zhǔn)確性的同時極大地提高了運(yùn)行速度,具有一定的工程應(yīng)用價值。
【關(guān)鍵詞】：風(fēng)電 變流器 憶阻器 故障診斷 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：天津理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM315;TM46
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-13
• 1.1 背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-12
• 1.3 課題研究內(nèi)容及安排12-13
• 第二章 風(fēng)電變流器的結(jié)構(gòu)與故障機(jī)理分析13-17
• 2.1 永磁直驅(qū)風(fēng)力發(fā)電系統(tǒng)的結(jié)構(gòu)及特點(diǎn)13
• 2.2 雙饋感應(yīng)風(fēng)力發(fā)電系統(tǒng)的結(jié)構(gòu)及特點(diǎn)13-14
• 2.3 風(fēng)電變流器的結(jié)構(gòu)及故障機(jī)理14-16
• 2.3.1 風(fēng)電變流器主電路結(jié)構(gòu)14-15
• 2.3.2 風(fēng)電變流器故障產(chǎn)生機(jī)理15-16
• 2.4 本章小結(jié)16-17
• 第三章 風(fēng)電變流器的故障仿真17-25
• 3.1 風(fēng)電變流器仿真17-19
• 3.1.1 變流器Simulink模型17
• 3.1.2 高次諧波的濾除17-19
• 3.2 故障數(shù)據(jù)的選取及仿真19-21
• 3.3 故障特征的提取21-24
• 3.3.1 故障特征提取對象的選擇21
• 3.3.2 小波包分析技術(shù)21-22
• 3.3.3 小波包的算法22
• 3.3.4 風(fēng)電變流器故障特征的提取步驟22-24
• 3.4 本章小結(jié)24-25
• 第四章 憶阻器的理論及仿真模型25-30
• 4.1 憶阻器的發(fā)展25-26
• 4.2 憶阻器的基本理論及性質(zhì)26-27
• 4.3 惠普憶阻器模型及其仿真27-29
• 4.4 電壓控制憶阻器模型及其仿真29
• 4.5 本章小結(jié)29-30
• 第五章 基于憶阻神經(jīng)網(wǎng)絡(luò)的故障診斷系統(tǒng)30-43
• 5.1 憶阻神經(jīng)網(wǎng)絡(luò)的模型30-31
• 5.2 憶阻神經(jīng)網(wǎng)絡(luò)的算法31-32
• 5.3 學(xué)習(xí)規(guī)則32
• 5.4 程序設(shè)計流程32-33
• 5.5 憶阻器模塊的設(shè)計33-34
• 5.6 輸入及輸出神經(jīng)元的設(shè)計34-39
• 5.6.1 輸入神經(jīng)元的設(shè)計34-36
• 5.6.2 輸出神經(jīng)元的設(shè)計36-39
• 5.7 獲勝神經(jīng)元判斷模塊的設(shè)計39-40
• 5.8 顯示模塊的設(shè)計40-41
• 5.9 故障診斷系統(tǒng)總體設(shè)計41-42
• 5.10 本章小結(jié)42-43
• 第六章 風(fēng)電變流器故障診斷與仿真結(jié)果43-48
• 6.3 訓(xùn)練憶阻神經(jīng)網(wǎng)絡(luò)43-45
• 6.4 診斷風(fēng)電變流器故障45-47
• 6.5 本章小結(jié)47-48
• 第七章 總結(jié)與展望48-49
• 參考文獻(xiàn)49-52
• 致謝52-53
• 附錄53-60

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 余寅;唐宏德;郭家寶;;中國可再生能源發(fā)展前景分析[J];華東電力;2009年08期

2 王占霞;張曉波;;基于SOM網(wǎng)的風(fēng)電變流器故障診斷[J];電網(wǎng)與清潔能源;2011年04期

3 包伯成;胡文;許建平;劉中;鄒凌;;憶阻混沌電路的分析與實(shí)現(xiàn)[J];物理學(xué)報;2011年12期

4 徐德洪，程肇基，，崔學(xué)軍;用傅里葉分析法診斷電力電子電路的故障[J];浙江大學(xué)學(xué)報(自然科學(xué)版);1994年06期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 張亮;基于小波神經(jīng)網(wǎng)絡(luò)的風(fēng)電變流器故障診斷研究[D];重慶大學(xué);2011年

2 劉玲;牽引變流器故障診斷的研究[D];西南交通大學(xué);2010年

3 李燕楠;風(fēng)力發(fā)電系統(tǒng)中變流器故障的智能診斷算法研究[D];蘭州理工大學(xué);2012年

本文編號：728128