電力變壓器的智能故障診斷研究.pdf_第1頁
已閱讀1頁,還剩64頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、電力變壓器是電力系統(tǒng)中最重要的電氣設備之一,也是導致電力系統(tǒng)事故最多的電氣設備之一,其運行狀態(tài)直接影響系統(tǒng)的安全性水平。及時發(fā)現(xiàn)變壓器的潛伏性故障,保證變壓器的安全運行,從而提高供電的可靠性,是電力部門關注的一個重要問題。因此,研究變壓器故障診斷技術,提高變壓器的運行維護水平,具有重要的現(xiàn)實意義。
   由于故障征兆和故障類型之間常常存在復雜的非線性關系,使得診斷系統(tǒng)的數(shù)學模型很難獲取。而人工神經(jīng)網(wǎng)絡以其分布式并行處理、自適應、

2、自學習、聯(lián)想記憶以及非線性映射等優(yōu)點,為解決這一問題開辟了新途徑。因此,本文采用神經(jīng)網(wǎng)絡方法為核心并結合油中溶解氣體分析來研究變壓器故障診斷系統(tǒng)。
   本文首先對電力變壓器的故障及其診斷技術進行了簡要的概述,接著綜合分析了遺傳算法、人工神經(jīng)網(wǎng)絡及小波變換的基本理論、運行機理及各自的優(yōu)、缺點。并針對具體問題研究、改進了一種基于遺傳小波神經(jīng)網(wǎng)絡的故障診斷模型。該模型首先采用改進的遺傳算法對小波神經(jīng)網(wǎng)絡的結構和參數(shù)進行優(yōu)化學習,接著

3、采用BP算法對網(wǎng)絡進行訓練。用訓練過的遺傳小波神經(jīng)網(wǎng)絡對變壓器進行故障診斷,仿真結果表明該算法能夠有效地解決小波神經(jīng)網(wǎng)絡極易陷入局部極小和遺傳算法獨立訓練神經(jīng)網(wǎng)絡速度緩慢等缺點,診斷的精確度也有所提高。
   本文還改進了基于量子神經(jīng)網(wǎng)絡的電力變壓器故障診斷方法,該方法是將量子理論中的量子態(tài)疊加思想應用于神經(jīng)網(wǎng)絡形成多層激活函數(shù)的量子神經(jīng)網(wǎng)絡,使量子神經(jīng)網(wǎng)絡有了一種固有的模糊性,很好地解決了變壓器故障診斷時故障模式間存在交叉數(shù)據(jù)

4、的模式識別問題,用訓練過的量子神經(jīng)網(wǎng)絡對電力變壓器進行故障診斷,仿真實驗結果表明這種方法具有很高的故障診斷率和很低的誤診斷率。
   本文最后改進了基于量子遺傳算法的變壓器故障診斷方法,量子遺傳算法是一種基于量子計算概念、理論的進化算法,它采用量子編碼表征染色體,能夠表示出解的線性疊加態(tài),獲得更好的種群多樣性、更快的收斂速度和全局尋優(yōu)的能力。用訓練過的量子遺傳算法對電力變壓器進行故障診斷,仿真實驗結果表明量子遺傳算法比傳統(tǒng)的量子

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論