發(fā)布時(shí)間：2023-05-20 02:04

　　隨著國(guó)家經(jīng)濟(jì)的快速發(fā)展,社會(huì)的用電量與日俱增,電力系統(tǒng)規(guī)模也越發(fā)龐大,電力變壓器作為電網(wǎng)中最為關(guān)鍵設(shè)備之一,并且也是事故發(fā)生頻率最高的設(shè)備之一,當(dāng)其發(fā)生故障,會(huì)對(duì)電網(wǎng)的安全穩(wěn)定運(yùn)行造成威脅,所以及時(shí)診斷出變壓器故障從而減少故障的發(fā)生,保護(hù)電網(wǎng)安全運(yùn)行變的十分的重要。變壓器在出現(xiàn)了故障后,會(huì)有大量氣體產(chǎn)生并溶解在變壓器油中,且不同氣體含量與變壓器故障類型之間存在一定的聯(lián)系,利用這種關(guān)系來判斷故障類型,這就是油中溶解氣體分析法(DGA),針對(duì)神經(jīng)網(wǎng)絡(luò)的缺點(diǎn),提出了天牛須算法(BAS)與BP神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的故障診斷方法。本文先使用BP神經(jīng)網(wǎng)絡(luò)的對(duì)變壓器故障進(jìn)行診斷,以變壓器油中溶解氣體含量作為輸入,以變壓器故障類型作為輸出,對(duì)收集到100組數(shù)據(jù)進(jìn)行訓(xùn)練,對(duì)25組數(shù)據(jù)進(jìn)行測(cè)試,發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)存在收斂慢,容易陷入局部最優(yōu)等問題,于是提出基于天牛須算法的BP神經(jīng)網(wǎng)絡(luò)故障診斷方法,通過天牛須算法來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)初始的權(quán)值和閾值,以優(yōu)化后的權(quán)值作為初始權(quán)值,對(duì)變壓器故障進(jìn)行診斷。同時(shí)提出遺傳算法與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的故障診斷模型。使用matlab進(jìn)行仿真,發(fā)現(xiàn)兩個(gè)模型在變壓器故障診斷速度和故障...

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 電力變壓器故障診斷的背景
    1.2 研究的意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 傳統(tǒng)診斷方法
        1.3.2 人工智能算法
    1.4 存在問題
    1.5 .課題研究?jī)?nèi)容
第二章 變壓器故障類型及診斷方法
    2.1 變壓器故障類型
        2.1.1 過熱故障
        2.1.2 放電故障
    2.2 電力變壓器油中溶解氣體分析
        2.2.1 電力變壓器溶解氣體產(chǎn)生原理
        2.2.2 變壓器油中氣體產(chǎn)生
        2.2.3 油中溶解氣體組成
    2.3 傳統(tǒng)變壓器診斷方法
        2.3.1 特征氣體法
        2.3.2 三比值法
        2.3.3 羅杰斯四比值法
        2.3.4 電協(xié)研法
    2.4 本章小結(jié)
第三章 BP神經(jīng)網(wǎng)絡(luò)算法
    3.1 人工神經(jīng)網(wǎng)絡(luò)
        3.1.1 人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
        3.1.2 人工神經(jīng)網(wǎng)絡(luò)特點(diǎn)
        3.1.3 人工神經(jīng)網(wǎng)絡(luò)的分類
    3.2 BP神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
        3.2.1 BP神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)
        3.2.2 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法
    3.3 BP神經(jīng)網(wǎng)絡(luò)算法流程
    3.4 BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方法
        3.4.1 網(wǎng)絡(luò)層數(shù)
        3.4.2 輸入層節(jié)點(diǎn)數(shù)
        3.4.3 隱含層節(jié)點(diǎn)數(shù)
        3.4.4 輸出層神經(jīng)元個(gè)數(shù)
        3.4.5 傳輸函數(shù)選擇
        3.4.6 訓(xùn)練函數(shù)選擇
        3.4.7 初始權(quán)值的確定
    3.5 BP神經(jīng)網(wǎng)絡(luò)缺陷
    3.6 本章小結(jié)
第四章 變壓器故障診斷的BP神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)
    4.1 網(wǎng)絡(luò)層數(shù)選擇
    4.2 網(wǎng)絡(luò)各層節(jié)點(diǎn)數(shù)
        4.2.1 輸入層節(jié)點(diǎn)數(shù)
        4.2.2 輸出層節(jié)點(diǎn)數(shù)
        4.2.3 隱含層節(jié)點(diǎn)個(gè)數(shù)
    4.3 輸入輸出向量確定
        4.3.1 輸入向量確定
        4.3.2 輸出向量確定
    4.4 傳遞函數(shù)確定
    4.5 訓(xùn)練算法確定
    4.6 訓(xùn)練樣本選取
    4.7 BP神經(jīng)網(wǎng)絡(luò)仿真
    4.8 本章小結(jié)
第五章 天牛須算法對(duì)BP神經(jīng)網(wǎng)絡(luò)優(yōu)化
    5.1 天牛須算法簡(jiǎn)介
    5.2 天牛須算法實(shí)現(xiàn)
    5.3 基于天牛須算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)故障診斷模型
    5.4 本章小結(jié)
第六章 遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)優(yōu)化
    6.1 遺傳算法簡(jiǎn)介
    6.2 遺傳算法基本原理
    6.3 遺傳算法實(shí)現(xiàn)
        6.3.1 對(duì)參數(shù)進(jìn)行編碼
        6.3.2 初始種族規(guī)模確定
        6.3.3 適應(yīng)度確定
        6.3.4 遺傳操作
    6.4 遺傳算法優(yōu)缺點(diǎn)
    6.5 基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)故障診斷模型
    6.6 本章小結(jié)
第七章 總結(jié)與展望
    7.1 全文總結(jié)
    7.2 工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表論文



本文編號(hào)：3820321