本文關(guān)鍵詞：基于概率神經(jīng)網(wǎng)絡(luò)的變壓器局部放電模式識別研究

  更多相關(guān)文章： 變壓器 局部放電 矩特征 概率神經(jīng)網(wǎng)絡(luò) 遺傳算法

【摘要】：電力是現(xiàn)代社會經(jīng)濟發(fā)展的命脈,近幾年在世界各地連續(xù)發(fā)生了災(zāi)難性的停電事故,這些事故大多是由于電力系統(tǒng)出現(xiàn)故障導(dǎo)致的。變壓器是電力系統(tǒng)的樞紐,它的運行狀態(tài)直接關(guān)系到整個電力系統(tǒng)能否穩(wěn)定可靠運行。國際大電網(wǎng)會議(CIGRE)報告指出,高壓電器故障中絕緣故障占了51%,長時間的局部放電是造成絕緣故障的主要原因。為了避免絕緣故障產(chǎn)生,需要對變壓器進行局部放電檢測,及時評估絕緣劣化程度,保證變壓器安全可靠運行。變壓器局部放電模式識別是局部放電檢測的核心環(huán)節(jié),能夠幫助工程技術(shù)人員快速識別局部放電類型,確定檢修方案。因此,將變壓器局部放電模式識別作為研究對象,具有較大的理論價值和實際意義。本文研究內(nèi)容如下。(1)本文基于局部放電脈沖電流法搭建實驗平臺,使用PCI-9814高速數(shù)據(jù)采集卡以及LabVIEW軟件設(shè)計信號采集系統(tǒng),然后采集變壓器內(nèi)部四種典型局部放電模型的放電信號。將多次實驗采集到的數(shù)據(jù)按照局部放電相位分布模式繪制成三維譜圖,然后映射到二維平面生成灰度圖。因為矩特征能夠反映像素點的分布情況,所以提取灰度圖矩特征作為模式識別器輸入特征量。(2)局部放電檢測過程對實時性要求高,且檢測信號易受隨機噪聲干擾,導(dǎo)致錯誤樣本較多。針對以上缺陷,本文提出一種基于概率神經(jīng)網(wǎng)絡(luò)的變壓器局部放電模式識別器,概率神經(jīng)網(wǎng)絡(luò)樣本追加能力強、容錯性較高、訓(xùn)練速度快。為了驗證所提識別器識別性能,將所提識別器與常用的反向傳播神經(jīng)網(wǎng)絡(luò),極限學習機、樸素貝葉斯識別器進行對比。仿真結(jié)果表明,與其他三種識別器相比,所提識別器準確率更高。(3)概率神經(jīng)網(wǎng)絡(luò)平滑因子對識別效果影響較大,目前此因子多采用經(jīng)驗值,需要繁雜的計算及實驗才能獲得。針對這一問題,本文通過使用具有全局搜索能力的遺傳算法優(yōu)化平滑因子,仿真結(jié)果表明,通過優(yōu)化平滑因子,概率神經(jīng)網(wǎng)絡(luò)識別效果有較大提升。
【關(guān)鍵詞】：變壓器 局部放電 矩特征 概率神經(jīng)網(wǎng)絡(luò) 遺傳算法
【學位授予單位】：江蘇大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM407;TP183
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-19
• 1.1 變壓器局部放電研究的目的及意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-16
• 1.2.1 局部放電檢測方法及基本信號提取10-14
• 1.2.2 局部放電特征量提取14-15
• 1.2.3 局部放電模式識別器設(shè)計15-16
• 1.3 存在的問題16-17
• 1.4 本文主要研究內(nèi)容及章節(jié)安排17-19
• 第二章 變壓器局部放電特征量設(shè)計19-34
• 2.1 局部放電灰度圖構(gòu)造19-31
• 2.1.1 局部放電模式構(gòu)造19-22
• 2.1.2 局部放電模型22-25
• 2.1.3 局部放電實驗平臺及信號采集系統(tǒng)25-29
• 2.1.4 局部放電灰度圖像29-31
• 2.2 局部放電灰度矩特征31-33
• 2.2.1 矩的基本原理31-32
• 2.2.2 局部放電灰度矩特征設(shè)計32-33
• 2.3 小結(jié)33-34
• 第三章 變壓器局部放電模式識別34-54
• 3.1 基于PNN的局部放電模式識別34-40
• 3.1.1 PNN基本算法36-38
• 3.1.2 設(shè)計網(wǎng)絡(luò)結(jié)構(gòu)以及結(jié)果分析38-40
• 3.2 基于BP的局部放電模式識別40-45
• 3.2.1 BP基本算法41-42
• 3.2.2 結(jié)果分析42-45
• 3.3 基于ELM的局部放電模式識別45-49
• 3.3.1 ELM基本算法46-47
• 3.3.2 結(jié)果分析47-49
• 3.4 基于NB的局部放電模式識別49-52
• 3.4.1 NB基本算法49-51
• 3.4.2 結(jié)果分析51-52
• 3.5 小結(jié)52-54
• 第四章 優(yōu)化概率神經(jīng)網(wǎng)絡(luò)模型54-62
• 4.1 基于遺傳算法優(yōu)化平滑因子54-55
• 4.2 遺傳算法分析55-57
• 4.3 算法設(shè)計及結(jié)果分析57-60
• 4.4 小結(jié)60-62
• 第五章 總結(jié)和展望62-64
• 5.1 本文研究總結(jié)62
• 5.2 未來工作展望62-64
• 參考文獻64-69
• 致謝69-70
• 攻讀碩士期間發(fā)表論文70

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張吉剛;梁娜;;基于概率神經(jīng)網(wǎng)絡(luò)的高校畢業(yè)生學位評審預(yù)測[J];佳木斯大學學報(自然科學版);2011年05期

2 徐光華,屈梁生;基于概率神經(jīng)網(wǎng)絡(luò)的機組狀態(tài)多步預(yù)報方法[J];西安交通大學學報;1999年07期

3 高宏巖;;概率神經(jīng)網(wǎng)絡(luò)在旋轉(zhuǎn)機械故障診斷中的應(yīng)用[J];煤礦機械;2006年05期

4 姬東朝;宋筆鋒;易華輝;;基于概率神經(jīng)網(wǎng)絡(luò)的設(shè)備故障診斷及仿真分析[J];火力與指揮控制;2009年01期

5 朱明悅;李小申;;基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動機故障診斷方法研究[J];制造業(yè)自動化;2012年09期

6 劉宇;盧宇;張玉欣;;概率神經(jīng)網(wǎng)絡(luò)在隧道變形位移預(yù)測中的應(yīng)用[J];冶金自動化;2012年04期

7 肖玉玲;孫麗娜;;基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動機故障診斷方法研究[J];河南教育學院學報(自然科學版);2012年03期

8 湯俊;莫依雯;鄧勇;;概率神經(jīng)網(wǎng)絡(luò)在可疑交易監(jiān)測中的應(yīng)用及效率比較[J];武漢大學學報(工學版);2013年02期

9 成奇明;張樹京;;概率神經(jīng)網(wǎng)絡(luò)回歸、判別與聚類[J];北方交通大學學報;1993年04期

10 段傳學,徐光華,孟光;概率神經(jīng)網(wǎng)絡(luò)的邊界預(yù)報[J];上海交通大學學報;2005年02期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 劉建華;張偉江;張仲俊;;概率神經(jīng)網(wǎng)絡(luò)的實時訓(xùn)練[A];1995中國控制與決策學術(shù)年會論文集[C];1995年

2 徐欣;馮道旺;周一宇;盧啟中;;核函數(shù)概率神經(jīng)網(wǎng)絡(luò)脈沖去交錯器研究與設(shè)計[A];第十屆全國信號處理學術(shù)年會（CCSP-2001）論文集[C];2001年

3 賈勇;何正友;趙靜;;基于小波熵和概率神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)暫降源識別方法[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術(shù)年會論文集（下冊）[C];2008年

4 王成儒;王金甲;李靜;;一種用于說話人辨認的概率神經(jīng)網(wǎng)絡(luò)的MCE訓(xùn)練算法[A];第三次全國會員代表大會暨學術(shù)會議論文集[C];2002年

5 朱志強;樊大帥;張軍;王亮;;基于組合PNN概率神經(jīng)網(wǎng)絡(luò)的車標識別方法[A];全國先進制造技術(shù)高層論壇暨第十屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2011年

6 薄翠梅;李俊;陸愛晶;張廣明;;基于核函數(shù)和概率神經(jīng)網(wǎng)絡(luò)的TE過程監(jiān)控研究[A];第二十六屆中國控制會議論文集[C];2007年

7 芮瑞;鮑長春;;基于概率神經(jīng)網(wǎng)絡(luò)的語音與音樂分類[A];第十四屆全國信號處理學術(shù)年會(CCSP-2009)論文集[C];2009年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張魯?shù)?智能圖像識別技術(shù)研究[D];渤海大學;2016年

2 周沙;基于概率神經(jīng)網(wǎng)絡(luò)的變壓器局部放電模式識別研究[D];江蘇大學;2016年

3 張洪波;基于主成分的概率神經(jīng)網(wǎng)絡(luò)模擬電路故障診斷的研究[D];湖南大學;2008年

4 張海艷;基于自適應(yīng)概率神經(jīng)網(wǎng)絡(luò)的農(nóng)作物蟲情預(yù)測研究[D];蘭州交通大學;2011年

5 榮薇;基于概率神經(jīng)網(wǎng)絡(luò)的漢語耳語音識別的研究[D];蘇州大學;2008年

6 蘇亮;基于概率神經(jīng)網(wǎng)絡(luò)的焊接結(jié)構(gòu)疲勞壽命分類與預(yù)測[D];長安大學;2012年

7 李旭軍;基于概率神經(jīng)網(wǎng)絡(luò)的質(zhì)量控制研究[D];合肥工業(yè)大學;2006年

8 吳太陽;小波變換和概率神經(jīng)網(wǎng)絡(luò)在脈象信號分析中的應(yīng)用[D];重慶大學;2007年

9 張衛(wèi)華;基于Alpha穩(wěn)定分布基函數(shù)概率神經(jīng)網(wǎng)絡(luò)的系統(tǒng)故障診斷研究[D];江南大學;2009年

10 蔡曲林;基于概率神經(jīng)網(wǎng)絡(luò)的模式識別[D];國防科學技術(shù)大學;2005年

，

本文編號：1110977