版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、在電力系統(tǒng)的運行中,電力設(shè)備的診斷與維護起著非常關(guān)鍵的作用。目前,電力設(shè)備的診斷和維護信息還不能方便、快捷的獲取、交換以及共享。當今信息技術(shù)以其強大、方便、快捷信息共享能力,以及在醫(yī)學,人文等方面的數(shù)字圖書館的出現(xiàn)為電力設(shè)備的診斷與維護開啟了新的一扇門,文中利用網(wǎng)絡(luò)、信息、智能控制等技術(shù)構(gòu)建基于Internet的電力設(shè)備虛擬醫(yī)院(VPEH)及其電力設(shè)備故障診斷平臺,為電力設(shè)備的診斷與維護提供一個方便的信息與經(jīng)驗共享、討論以及全球合作平臺
2、。通過該平臺用戶可以方便快捷的獲取、交換和共享診斷和維護信息,并根據(jù)自身的經(jīng)驗和現(xiàn)場條件做出診斷和給出維護方案。 在電力設(shè)備虛擬醫(yī)院中,對于電力變壓器數(shù)據(jù)挖掘故障診斷研究,本文基于電力變壓器油中溶解氣體分析(DGA),開展了以下電力變壓器絕緣故障診斷新方法研究。其作為VPEH新的診斷知識模型的擴充,能夠為VPEH更好的提供診斷服務,提高VPEH的服務質(zhì)量。這些方法也適用于其它一些電力設(shè)備。 研究了基于粗糙集方法的電力變壓
3、器絕緣故障診斷規(guī)則挖掘。文中采用兩種數(shù)據(jù)處理方法將電力變壓器DGA數(shù)據(jù)歸一化后,根據(jù)定量數(shù)據(jù)的統(tǒng)計分布自動分段,每一段作為定性數(shù)據(jù),對歸一化后的數(shù)據(jù)進行離散化,將離散化后的數(shù)據(jù)建立故障診斷決策表,以決策表作為主要工具即“知識庫”,然后結(jié)合可信度和支持度規(guī)則評價指標基于粗糙集數(shù)據(jù)挖掘方法直接從故障樣本集中挖掘出潛在的診斷規(guī)則,為電力變壓器提供有效的故障診斷。這為基于DGA分析變壓器診斷規(guī)則獲取提供一條新途徑。并為故障參數(shù)信息數(shù)據(jù)不完備的情
4、況下實現(xiàn)診斷服務,提供一條故障診斷服務規(guī)則獲取的途徑。它作為VPEH專家經(jīng)驗診斷規(guī)則的有益補充,能對VPEH中的診斷經(jīng)驗知識庫進行維護和更新。 提出基于粗糙集與模糊徑向基神經(jīng)網(wǎng)絡(luò)的電力變壓器絕緣故障診斷方法。這里采用一種新的結(jié)合方式,將粗糙集理論對知識的約簡能力與模糊徑徑的基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)優(yōu)良的分類診斷能力有機結(jié)合,應用于電力變壓器絕緣故障診斷。該方法一方面將粗糙集作為RBFNN的前置,對經(jīng)模糊離散化的樣本集進行約簡
5、,形成精簡的規(guī)則集,將高于一定可信度和支持度的挖掘規(guī)則用作診斷知識庫,直接用于電力變壓器故障診斷。另一方面通過RS簡化RBFNN輸入?yún)?shù)和訓練樣本的數(shù)量。并將粗糙集挖掘的低于可信度和支持度要求的規(guī)則所對應的挖掘樣本,作為模糊RBFNN的訓練樣本集,同時將粗糙集對這些樣本的聚類結(jié)果作為模糊RBFNN的聚類因子,在此基礎(chǔ)上構(gòu)建RBF神經(jīng)網(wǎng)絡(luò),用于診斷不能用粗糙集挖掘的規(guī)則診斷的事例。通過RS簡化RBFNN輸入?yún)?shù)和訓練樣本的數(shù)量,從而使網(wǎng)絡(luò)
6、結(jié)構(gòu)更加簡單,易于理解,提高網(wǎng)絡(luò)的學習效率。診斷測試中,該方法診斷正確率為90.91﹪,在第七章診斷方法案例測試結(jié)果比較中,其診斷正確率最高。 基于聚類與灰色關(guān)聯(lián)理論,作者提出基于APC-Ⅲ聚類與群灰色關(guān)聯(lián)分析方法的變壓器絕緣故障診斷新方法。不同于近來傳統(tǒng)灰色關(guān)聯(lián)分析在變壓器絕緣故障診斷中的應用,文中采用APC-Ⅲ聚類方法,對若干典型故障樣本聚類成C個最優(yōu)聚類中心,根據(jù)故障類型和灰色參考序列構(gòu)造,將聚類中心作為參考序列,構(gòu)造一組
7、參考序列組,這些參考序列組構(gòu)成灰色參考序列群。相對于灰色參考序列群,給出了群灰色關(guān)聯(lián)度概念,及其關(guān)聯(lián)系數(shù)的計算新方法,最后基于群灰色關(guān)聯(lián)度分析方法識別變壓器絕緣故障診斷。該方法改進了傳統(tǒng)的關(guān)聯(lián)分析方法,降低了對參考信號數(shù)據(jù)準確性的要求,其可應用于參考信號具有較強分散性和獨立性的領(lǐng)域,提高了系統(tǒng)診斷的容錯能力和可靠性。診斷測試中該方法診斷正確率為87.27﹪。 將小波,模糊數(shù)學,神經(jīng)網(wǎng)絡(luò),最小二乘加權(quán)融合數(shù)學方法有機接合,作者提出
8、基于最小二乘加權(quán)融合的集成模糊小波神經(jīng)網(wǎng)絡(luò)變壓器絕緣故障診斷新方法。文中首先將數(shù)據(jù)進行模糊化預處理,用非線性Morlet小波基作為激勵函數(shù),形成神經(jīng)元,結(jié)合雙方的優(yōu)點,構(gòu)造了一種緊致型小波神經(jīng)網(wǎng)絡(luò)。對于小波神經(jīng)網(wǎng)絡(luò)故障識別,首先采用不同的單個子網(wǎng)絡(luò),對相同變壓器故障信號樣本進行訓練及診斷,然后用最小二乘加權(quán)融合法對各個子網(wǎng)絡(luò)的輸出結(jié)果進行決策信息融合,最后根據(jù)融合結(jié)果來進行故障識別。該方法通過最小二乘加權(quán)融合方法對子網(wǎng)絡(luò)進行決策融合,一
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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)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(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)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。
最新文檔
- 基于Internet的電力設(shè)備虛擬醫(yī)院的電力變壓器數(shù)據(jù)挖掘故障診斷研究.pdf
- 基于數(shù)據(jù)挖掘的變壓器故障診斷研究.pdf
- 電力變壓器的智能故障診斷研究.pdf
- 基于信息融合的電力變壓器故障診斷.pdf
- 電力變壓器的智能故障診斷方法研究.pdf
- 基于PCA-SVM的電力變壓器故障診斷研究.pdf
- 電力變壓器故障診斷及電力技術(shù)監(jiān)督系統(tǒng)的研究.pdf
- 基于人工免疫的電力變壓器故障診斷研究.pdf
- 基于DGA的電力變壓器故障診斷技術(shù)研究.pdf
- 大慶電網(wǎng)電力變壓器故障診斷.pdf
- 基于數(shù)據(jù)挖掘的變壓器故障診斷和預測研究.pdf
- 電力變壓器在線監(jiān)測與故障診斷的研究
- 電力變壓器故障診斷與定位的研究.pdf
- 電力變壓器的故障診斷與風險評估.pdf
- 電力變壓器的故障診斷及檢修措施
- 電力變壓器狀態(tài)評估和故障診斷的研究.pdf
- 基于集成學習的電力變壓器故障診斷方法研究.pdf
- 電力變壓器在線監(jiān)測與故障診斷的研究.pdf
- 數(shù)據(jù)驅(qū)動的大型電力變壓器故障診斷和預測研究.pdf
- 基于遺傳算法的電力變壓器故障診斷研究.pdf
評論
0/150
提交評論