配电网故障诊断系统软件开发外文翻译

配电网故障诊断系统软件开发外文翻译

ID:10293495

大小:289.00 KB

页数:12页

时间:2018-07-06

配电网故障诊断系统软件开发外文翻译_第1页
配电网故障诊断系统软件开发外文翻译_第2页
配电网故障诊断系统软件开发外文翻译_第3页
配电网故障诊断系统软件开发外文翻译_第4页
配电网故障诊断系统软件开发外文翻译_第5页
资源描述:

《配电网故障诊断系统软件开发外文翻译》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、2005年的IEEE/PES的输电和配电研讨会暨展览会:亚洲及太平洋中国大连基于人工神经网络(RBF)的高压断路器的诊断方法刘爱民,林欣,刘向东(电气工程专业,沉阳科技大学,沉阳,中国)摘要-本文提出了一种新型的基于人工神经网络理论(RBF)的(高电)压断路器故障诊断方法。此外,该文提出了一种改进算法,致力于上述方法不能研究新故障类型的缺陷。该算法应用于(高压)断路器故障诊断。该改进算法不仅可以识别故障类型,还可以识别并且找到没有存储在故障样本类型的新故障。最后,介绍了识别新故障类型的作用。关键词-人工神经网络;断路器;信心水准;电力系统

2、;故障诊断;机械故障;(RBF)神经网络;运行故障;状态检测;一.导言设备故障会影响电力系统正常运作,这可能造成巨大的损失,并导致一系列安全和经济问题,更严重情况下,系统会发生故障。因此,事先诊断设备(特别是关键部件设备)对于整个系统安全运行是很重要的环节。根据国际统计,高压断路器,作为发电机12和用户之间核心传递者,肩负着不可替代的责任。尽管如此,机械故障比其他类型的高压断路器故障占的比例更大。基于这个原因,本文的重点是对高压断路器的机械性能的检测。此外,断路器的多样化和复杂导致各种运行故障。不幸的是各种运行故障使人们难以选择适当的传感

3、器。并且工作状态的多样性给断路器对线路检查和诊断带来很大困难。所以这通过几个传感器来获得断路器内部故障是相当困难的。因此,有必要进一步研究对地断路器的检测,以便提出更实用的方法,如[1]人工神经网络可以有效的解决这些问题。故障识别的本质是能够模式识别。基于神经网络的故障诊断可以被当成模式识别。人工神经网络在电力系统中的应用和研究,包括断路器的保护和变压器诊断,发动机故障诊断和电力网状态监测与故障诊断。如[2]-[5]本文在断路器状态检测的关键参数(如检测主轴角落移动接触路径)和仿真分析机的动态基础上,从相应的标识的故障断路器提取现有的状态

4、参数和估计的工作状态,最终我们基于人工神经网络的故障诊断方法研究。二基于RBG网络的故障识别A.RBF网络介绍如今,电力系统是适应于工神经网络-神经网络模型。不过,BP网络是一种神经整体逼近模式,这意味着任何变化的任意点的投入和任意一个或多个方面的重量最终将影响输出的整个系统。由于这个原因,在BP网络实施过程,每一个实施环节将使连接程度改变,这将放缓领会的速度。本文提出了典型的局部逼近的神经网络-RBF神经网络。RBF的拓扑图如图1。R(X)12图1RBF的拓扑图网络结构径向的主要功能RBF网络同BP基本上是一样的,而主要的不同之处是隐蔽

5、的神经细胞激活函数是径向的基本功能,例如:高斯函数:f(x)=exp[-(x-c)2/2b2],B和C分别代表高斯函数的价值和标准偏差。(显示为图2)。该算法可以计算隐蔽节点自动数[6]图2高斯函数从图2可知,影响高斯函数是很少的,当输入接近某些隐蔽节点的基本性能时,该节点将产生很大的输出。否则,节点输出是零。当一个不属于已知版本的新的样本投入RBF网络,所有的输出将被确认为是零,为了有效地估计样本。B基于RBF网络的状态识别应用神经网络故障识别的基本原理是基于对已知的设备状态(状态特征量)和相应的故障类型(故障代码),利用神经网络自认能

6、力,我们可以建立状态特征量和状态代码之间的映射关系。经过自认,现状特征量输入到网络,然后网络的输出于现存的状态代码相比,最后相应的设备状态类型的故障类型被输出。在这里输入向量代表输入状态特征量。因为特征量用于表示设备状态用的方法不同,本文采用了正常化的方式。如果输入向量已正常化,表示如B'=(AI'),12然后如果分母赋予当AIJ的最大值时AIJ代表从I到J的正常化值。通常情况下,状态类型通过特征来描述,因此,为了过程的神经网络,对类型用代码是有必要的。例如:如果SI代表I的状态那么三.基于神经网络的高压断路器故障识别A:故障自动识别算法

7、通过最后一节对基于神经网络的故障识别分析后我们可以找到一些限制,网络能输出相应的储存在已有样本的状态类型的代码。这就是说,网络只不过是能够识别状态。然而,在实际应用中,它几乎是不可能拥有所有的必要状态,所以训练样本是有限的。相应的状态只占有整个数量的相当小的一部分。因此,识别将避免不了错误。针对这个问题,本文引进了了信心水准来改善基于RBF的故障识别算法。这样,我们得到结果的信心水准,并根据恰当的规律新的故障被识别出来。在此之后,他们的投入新的样本信息到网络,以便为修改形成网络的重量和阈值。修改后的网络有能力识别到新的故障类型,所以修改识

8、别算法对于识别新的故障类型具有至关重要的作用。如果SI代表输出量I,那么其中p是输出载体总数。如果α代表的信心水准,那么(4)12在这个表达式中,分子代表绝对值是最大的输出向量I,分母代表所有

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。