受到高速鐵路沿途復雜多變的自然條件等因素的影響,牽引網輸電線路容易發(fā)生故障跳閘,直接影響到供電設備及輸電網絡的安全可靠運行。為了快速有效地恢復牽引網穩(wěn)定工作,就必須要準確識別故障類型,進而針對不同的故障類型采取不同的措施使鐵路恢復運輸,對于維護高速鐵路安全和穩(wěn)定運行有著重要的意義。本文針對牽引網線路故障特征提取和模式識別算法、基于云平臺的牽引網故障診斷方法的應用展開研究:通過牽引網變電站樣本數據的統(tǒng)計分析,劃分了牽引網故障類型,并對網上異物、電力機車、天氣影響、設備異常、過負荷、保護誤動、外部網絡、雷擊等8種主要故障模式展開研究,確定基于頻域法的牽引網故障診斷技術的研究方向;針對故障行波的非平穩(wěn)暫態(tài)信號特點,提出了一種應用于牽引網故障信號的主特征提取算法,結合了小波包能量譜法和主成分分析法獲取故障行波的主要特征向量,并確定了牽引網故障模式識別的評判標準;采用GA-BP神經網絡算法模型完成牽引網故障模式的診斷工作,把從已知故障行波中獲取的主要能量特征作為算法模型的訓練樣本進行學習,實現了故障模式識別算法設計,識別準確率在90%以上;提出了將云服務器技術與牽引網故障診斷方法相結合的應用系統(tǒng)...

【文章頁數】：86 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 國內外研究現狀及發(fā)展趨勢
        1.2.1 故障檢測方法發(fā)展狀況
        1.2.2 故障診斷方法發(fā)展狀況
    1.3 本文的主要內容
    1.4 本文的章節(jié)安排
第2章 牽引網線路故障模式分析
    2.1 牽引網故障行波特性
        2.1.1 故障行波的產生
        2.1.2 故障行波的折反射特性
        2.1.3 故障行波的傳播特性
    2.2 牽引網故障模式分類及其主要特征
        2.2.1 牽引網故障數據樣本獲取
        2.2.2 牽引網故障模式統(tǒng)計分析
    2.3 本章小結
第3章 牽引網線路故障信號特征提取
    3.1 故障信號特征提取算法設計
    3.2 小波包能量特征提取算法
        3.2.1 小波包分析
        3.2.2 小波包能量特征矩陣
        3.2.3 能量特征主成分分析
    3.3 故障行波信號的特征提取
        3.3.1 故障行波信號能量特征向量分布
        3.3.2 故障行波信號主特征向量提取
    3.4 本章小結
第4章 牽引網故障模式識別算法研究
    4.1 牽引網故障模式識別方案設計
    4.2 BP神經網絡故障模式識別算法
        4.2.1 BP神經網絡結構
        4.2.2 故障模式識別算法設計
    4.3 GA-BP神經網絡模式識別算法
        4.3.1 遺傳算法模型構建
        4.3.2 GA-BP神經網絡算法設計
    4.4 本章小結
第5章 基于云平臺的牽引網故障模式診斷系統(tǒng)設計
    5.1 系統(tǒng)總體方案設計
    5.2 牽引網故障模式診斷系統(tǒng)模塊設計
        5.2.1 牽引網故障通信系統(tǒng)設計
        5.2.2 牽引網故障數據調控中心設計
        5.2.3 牽引網故障數據計算節(jié)點設計
    5.3 牽引網故障模式診斷系統(tǒng)測試
        5.3.1 測試平臺構建
        5.3.2 系統(tǒng)功能測試
        5.3.3 系統(tǒng)性能分析
    5.4 本章小結
第6章 總結與展望
    6.1 總結
    6.2 展望
致謝
參考文獻



本文編號：3763107