学位论文 > 优秀研究生学位论文题录展示

基于神经网络的接地网故障诊断研究

作　者: 易志鹏
导　师: 彭敏放
学　校: 湖南大学
专　业: 电气工程
关键词: 接地网故障诊断神经网络蚁群算法直流信号交流信号
分类号: TM862
类　型: 硕士论文
年　份: 2013年
下　载: 4次
引　用: 0次
阅　读: 论文下载

内容摘要

发变电站接地网是电力系统中必不可少的一部分，良好的接地系统是确保工作人员安全和电气设备正常运行的关键，并且还可以为整个电力系统提供一个参考的地电位。鉴于经济性的考虑，我国目前绝大部分接地网都是采用碳钢作为接地体的材料，埋于土壤中之后，经过腐蚀、机械损伤等原因，导致其电阻增大，电气性能恶化，直接危及电力系统的安全运行。因此研究接地网故障诊断方法，及时找出接地故障位置所在，排除故障，具有非常重要的意义。本文借鉴电网络分析的接地网故障诊断研究成果，考虑接地网在直流激励源下，将每根接地体视为纯电阻，构建了接地网的等效模型。基于此模型，通过获取接地网在支路故障时的可及测量节点电压值，经过归一化处理作为神经网络的输入样本，进行神经网络训练，利用训练之后的神经网络进行故障诊断定位。考虑到在直流激励下，将接地网构建为纯电阻模型，可以利用的故障特征量较少，利用这些故障特征量建立起来的电路方程都是欠稳定方程，难以直接解出方程，得到精确的诊断结果。为此本文继而考虑采用高频交流激励源对接地网进行激励，在此激励下，考虑导体的电抗特性，将接地网的每根接地体视为π模型，构建了接地网的新模型。基于此，获取地网可及测量节点的电压波形，考虑到小波包分解在提取故障特征情况的优势，因此利用小波包分解重构故障信号，计算其频带能量从而构造故障样本初始特征矢量，以此为输入样本，进行神经网络训练，以其进行地网诊断，得到更加准确的诊断结果。鉴于神经网络收敛速度慢，并且可能陷入局部最优的情况，采用蚁群优化神经网络对地网进行诊断，将其与没有优化的情况比较，发现收敛速度得到了提高，并且诊断结果更加准。

全文目录

摘要  5-6
Abstract  6-7
目录  7-10
插图索引  10-11
附表索引  11-12
第1章绪论  12-18
  1.1 电力系统接地概述  12
  1.2 选题背景及意义  12-15
  1.3 国内外研究现状  15-16
    1.3.1 国外研究现状  15
    1.3.2 国内研究现状  15-16
  1.4 本论文的主要研究工作  16-18
第2章接地网测试方法  18-28
  2.1 引言  18
  2.2 接地网的安全性  18-21
    2.2.1 问题的引出  18-19
    2.2.2 地网设计标准  19-20
    2.2.3 接地网安全性检测  20-21
  2.3 基于电网络分析的地网诊断原理  21-24
    2.3.1 基本思想  22
    2.3.2 数学模型  22-24
    2.3.3 故障诊断方程  24
  2.4 接地网测点优化布置  24-26
    2.4.1 节点优选方案  25
    2.4.2 接地引下线对测试的影响  25-26
  2.5 接地网诊断对测试方案的基本要求  26-27
  2.6 本章小结  27-28
第3章基于神经网络的接地网故障定位  28-39
  3.1 引言  28
  3.2 神经网络概述  28-31
    3.2.1 神经网络的发展及分类  28-29
    3.2.2 神经网络的特点  29
    3.2.3 学习算法  29-30
    3.2.4 学习规则  30-31
  3.3 Elman 神经网络  31-32
    3.3.1 网络结构  31-32
    3.3.2 Elman 网络和 BP 网络的比较  32
  3.4 基于神经网络的故障模式识别  32-34
  3.5 接地网仿真模型  34-35
  3.6 应用神经网络的接地网诊断  35-38
    3.6.1 故障诊断步骤  35-36
    3.6.2 仿真计算  36-38
  3.7 小结  38-39
第4章采用高频信号测试的接地网诊断  39-53
  4.1 引言  39
  4.2 ATPDraw 软件简介  39
  4.3 基于 ATPDraw 的接地网模型建立  39-42
    4.3.1 接地体单元模型  39-40
    4.3.2 接地网等效模型  40-42
  4.4 特征提取方法  42-43
    4.4.1 基于主元分析的特征提取  42
    4.4.2 基于小波分析的特征提取  42
    4.4.3 基于分形理论的特征提取  42
    4.4.4 基于 K 近邻法的特征提取  42-43
    4.4.5 基于粗糙集的特征提取  43
  4.5 小波分析与小波包分解  43-48
    4.5.1 小波分析的基础知识  43-44
    4.5.2 多分辨率分析和 Mallat 算法  44-46
    4.5.3 小波包分析  46-48
  4.6 基于小波分析的接地网诊断  48-52
    4.6.1 故障信号频段能量值提取  48-49
    4.6.2 诊断模型及仿真  49-52
  4.7 本章小结  52-53
第5章基于蚁群神经网络的接地网诊断  53-61
  5.1 引言  53
  5.2 蚁群算法  53-57
    5.2.1 蚁群算法原理  53-55
    5.2.2 结合蚁群优化算法的神经网络训练  55-57
  5.3 仿真分析  57-58
  5.4 实例计算及分析  58-60
    5.4.1 接地网模型  58
    5.4.2 单支路故障  58-59
    5.4.3 多支路故障  59-60
  5.5 本章小结  60-61
结论  61-63
参考文献  63-67
致谢  67-68
附录A（攻读学位期间发表的学术论文目录）  68-69
附录B (攻读学位期间参加的科研工作)  69

基于神经网络的接地网故障诊断研究

内容摘要

全文目录

相似论文