学位论文 > 优秀研究生学位论文题录展示
三电平风电变流器故障诊断策略研究
作 者: 李政伟
导 师: 谭国俊
学 校: 中国矿业大学
专 业: 电力电子与电力传动
关键词: 故障诊断 风电变流器 小波包分解 统计学习理论 支持向量机 半监督学习 人工免疫 粒子群优化
分类号: TM46
类 型: 博士论文
年 份: 2013年
下 载: 27次
引 用: 0次
阅 读: 论文下载
内容摘要
目前,能源短缺和环境污染已经成为全球性的两大难题,而风能的开发利用将是缓解这两大难题的有效途径。作为双馈式风力发电系统的核心部件,风电变流器主要用于保证在风速变化时系统依然能够发出频率、幅值稳定的优质电能。然而,由于风电变流器所处现场往往环境恶劣,高温湿热、油水脏污以及交变的电磁干扰,再加上自身构造复杂且需要承受高电压、大电流及高频开关状态,导致其极易发生故障。因此,加强风电变流器的故障诊断研究,开展高效可靠的状态监测和故障诊断显得尤为重要。论文的主要研究工作包括:(1)在深入研究双馈式三电平风电变流器的拓扑结构和数学模型基础上,分析了变流器的典型故障及内部机理。通过比较常用的时频分析技术,选用小波包完全分解应用于变流器故障诊断,根据选定的小波基函数和分解尺度对故障原始信号进行变换,提取故障信号在各频带的能量作为特征信息,构建有效的特征向量作为故障分类器的训练和测试样本。(2)针对变流器故障样本数据的特点,同时也为降低参训样本规模,提高训练和决策速度,提出了基于邻界样本的稀疏最小二乘支持向量机有监督学习算法(BNSS-LSSVM)。为进一步扩展其多类分类能力,提出了基于Huffman决策树的变流器多故障诊断方法。实验结果显示该算法在测试速度、分类效果等方面优于OVO和OVR方法。通过加入不同强度的白噪声干扰,分类结果表明其具备一定的抗干扰能力。(3)算法BNSS-LSSVM的惩罚因子C和核函数高宽σ的选取直接影响系统诊断的精度。为进一步优化故障诊断结果,将多种群协同进化思想和人工免疫原理相结合,提出了一种改进的多种群免疫协同进化粒子群优化算法(MICPSO)。算法充分考虑种群间既相互竞争又协同合作的对立统一,采用阴性免疫算法划分解空间,最大限度地实现空间覆盖,增加初始种群的多样性;利用混合策略选取各个Common种群的精英组建Elite种群,充当高层优良库;通过疫苗提取和疫苗接种的双向机制促进种群间信息共享和协同进化;针对勘探能力和开采能力之间的矛盾,依据抗体的适应度和浓度采用双重概率变异算子,通过大步长的柯西变异提高算法的发散式全局勘探能力,而通过小步长的高斯变异增强算法的精细局部开采能力。(4)为将大量未标签样本与少量已标签样本结合起来提高分类器的泛化性能,在研究半监督学习和直推式支持向量机的基础上,提出了一种改进的渐进直推LSSVM半监督故障诊断算法(IPTS-LSSVM)。该算法对满足条件的无标签样本进行区域标注,扩大了搜索范围,减少了迭代次数;重置迭代中不一致的准标定样本,加快了收敛速度;引入基于Moore广义逆矩阵的增量正学习和减量逆学习来避免直接大矩阵复杂逆运算,在降低计算复杂度的同时又减少了存储空间需求。
|
全文目录
致谢 4-5 摘要 5-7 Abstract 7-8 Extended Abstract 8-10 目录 10-14 图清单 14-17 表清单 17-19 变量注释表 19-21 1 绪论 21-31 1.1 背景及意义 21-22 1.2 国内外研究概况 22-29 1.3 本课题研究内容及安排 29-31 2 三电平风电变流器及支持向量机理论 31-57 2.1 引言 31-33 2.2 三电平风电变流器拓扑结构及数学模型 33-40 2.3 变流器内部故障分析 40-45 2.4 统计学习理论 45-48 2.5 支持向量机 48-56 2.6 本章小结 56-57 3 基于小波包分解的变流器故障特征提取 57-77 3.1 引言 57-58 3.2 小波分析 58-62 3.3 小波包分解 62-63 3.4 基于小波包分解的变流器故障特征提取 63-76 3.5 本章小结 76-77 4 基于邻界样本的稀疏 LSSVM 变流器故障诊断 77-97 4.1 最小二乘支持向量机 77-78 4.2 基于邻界样本的稀疏 LSSVM 78-87 4.3 多类支持向量机 87-91 4.4 基于 Huffman 决策树的变流器多故障诊断 91-95 4.5 本章小结 95-97 5 基于多种群免疫协同进化粒子群的模型参数优化 97-117 5.1 参数选择对算法的影响 97-100 5.2 粒子群优化算法 100-103 5.3 多种群免疫协同进化粒子群优化算法 103-110 5.4 实验及结果分析 110-116 5.5 本章小结 116-117 6 改进的渐进直推 LSSVM 半监督故障诊断 117-134 6.1 引言 117-119 6.2 直推支持向量机算法 119-121 6.3 改进的渐进直推半监督 LSSVM 算法 121-129 6.4 实验与结果分析 129-133 6.5 本章小结 133-134 7 总结与展望 134-136 7.1 主要创新性成果 134-135 7.2 进一步研究内容 135-136 参考文献 136-146 作者简历 146-148 学位论文数据集 148
|
相似论文
- 基于WinCE平台的故障分析仪应用程序设计与开发,TP311.52
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 八作动器隔振平台的六自由度容错控制研究,TB535.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 三容水箱系统故障诊断算法研究,TP277
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于粒子群算法求曲线/曲面间最小距离方法,O182
- 水上交通安全保障系统的关键技术研究,U698
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 人工免疫分类和异常识别算法的改进,R392.1
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 基于车载3D加速传感器的路况监测研究,TP274
中图分类: > 工业技术 > 电工技术 > 变压器、变流器及电抗器 > 变流器
© 2012 www.xueweilunwen.com
|