学位论文 > 优秀研究生学位论文题录展示
基于RS-RBF神经网络相结合的配电网故障诊断方法研究
作 者: 杜瑞娟
导 师: 王平
学 校: 西华大学
专 业: 电力系统及其自动化
关键词: 电网 故障诊断 粗糙集 神经网络 可辨识矩阵 属性约简
分类号: TM73
类 型: 硕士论文
年 份: 2012年
下 载: 68次
引 用: 0次
阅 读: 论文下载
内容摘要
随着电网规模的不断扩大以及综合自动化水平的提高,配电网发生故障后,越来越多的信息涌入调度中心。这些信息由于数量巨大,以及其不确定性及不正确性,甚至部分重要信息缺失,将可能导致诊断结果的不准确甚至错误。为了解决诸如上述的问题,本文是通过分析粗糙集理论和RBF神经网络算法,然后将这两种算法充分结合起来找到个一种最优方法对配电网的进行故障诊断。首先利用粗糙集理论对不完整数据及不精确知识的处理方法,将涌入调度中心的大量不确定数据编辑决策表并进行约简,得到最小约简属性,然后将这些属性作为RBF神经网络的训练样本输入,对网络进行训练,利用训练好的神经网络模块,对电网系统进行故障诊断,以此判断故障部位。在本文中,利用RBF神经网络进行训练,是因为它与传统BP神经网络相比:具有BP所不具有的最佳逼近性能和全局最优特性;并且结构简单、训练速度快、适合大规模电网。文中,将粗糙集和神经网络进行优化组合,充分利用这两种方法的共同优点,进行配电网故障诊断时,可以大大提高系统的容错性和诊断效率。文章利用vs2005开发环境,用vc++语言编写粗糙集部分约简程序,然后在vc++环境下调用matlab神经网络工具箱,建立一个简易的系统模块,对故障进行训练,并实现对故障的诊断处理。最后,本文结合一个算例,按步骤对其进行诊断,判断故障类型,并与传统电网故障诊断方法相比较,验证其正确性和实用性。
|
全文目录
摘要 4-5 Abstract 5-8 1 绪论 8-19 1.1 选题的背景及现实意义 8-9 1.2 配电网故障诊断技术的研究现状及问题 9-15 1.2.1 人工智能技术在配电网故障诊断中的应用 9-15 1.2.2 电网故障诊断存在的问题及展望 15 1.3 粗糙集理论的发展和应用 15-16 1.4 人工神经网络理论的发展和应用 16-18 1.5 本论文所做的工作及创新 18-19 2 Rough 集的基本理论及其在电网故障诊断中的应用 19-32 2.1 引言 19 2.2 Rough 集的基本理论 19-22 2.2.1 知识的表达与决策表 19-20 2.2.2 Rough 集的基本理论 20-22 2.3 Rough 集的约简 22-24 2.3.1 粗糙集的约简 22-23 2.3.2 决策表的约简方法 23-24 2.4 一种基于依赖度的属性约简算法 24-27 2.4.1 不一致决策表的处理 24 2.4.2 一种基于依赖度的属性约简算法[32] 24-27 2.5 简单的配网算例 27-31 2.6 小结 31-32 3 人工神经网络及其在电网故障诊断中的应用 32-41 3.1 引言 32 3.2 人工神经网络的结构及学习方法 32-35 3.2.1 人工神经元模型 32-33 3.2.2 人工神经网络的拓扑结构 33-34 3.2.3 人工神经网络的学习方法 34-35 3.3 RBF 人工神经网络介绍及其算法实现 35-38 3.3.1 RBF 神经网络基本理论介绍 35-36 3.3.2 BP 神经网络与 RBF 神经网络的比较 36-37 3.3.3 RBF 神经网络的构造设计 37-38 3.4 人工神经网络的局限性及其在故障诊断的应用 38-40 3.4.1 人工神经网络的局限性 38-39 3.4.2 人工神经网络在配电网故障诊断中的应用 39-40 3.5 小结 40-41 4 RS-RBF 神经网络相结合的电网故障诊断方法 41-49 4.1 引言 41 4.2 算法描述 41-43 4.2.1 故障信息的提取和决策表的属性约简 42 4.2.2 MATLAB7.0 中 RBF 神经网络模型的建立及训练 42 4.2.3 诊断结果输出 42-43 4.3 简单配电网算例实现及验证 43-48 4.3.1 RS-RBF 神经网络在电网故障诊断中的训练和使用 43-46 4.3.2 RBF 神经网络在电网故障诊断中的训练和使用 46-48 4.4 小结 48-49 5 较大规模电网故障诊断的实现与验证 49-61 5.1 引言 49 5.2 较大规模电网故障诊断算例 49-59 5.2.1 算法流程 49 5.2.2 各功能模块的实现 49-51 5.2.3 算例实现并验证 51-59 5.3 与 BP 神经网络相比较 59 5.4 小结 59-61 6 总结与展望 61-63 6.1 总结 61-62 6.2 展望 62-63 参考文献 63-66 附录A 部分程序源代码 66-70 攻读硕士学位期间发表的论文及科研成果 70-71 致谢 71-72
|
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
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 八作动器隔振平台的六自由度容错控制研究,TB535.1
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
- 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
- 电网电压不平衡时复合型PWM整流器控制策略的研究,TM461
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
- 基于神经网络的水厂投药预测控制研究,TP273.1
- 视觉伺服四自由度机械臂的研究,TP242.6
- 机械臂视觉伺服系统的研究,TP242.6
- 压电驱动微工作台的控制与校正技术研究,TP273
- 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
- 某武器检测装置的控制系统设计,TP183
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 大学生综合素质测评研究,G645.5
- 不具备全局Lipschitz条件的时滞细胞神经网络的反周期解研究,TP183
中图分类: > 工业技术 > 电工技术 > 输配电工程、电力网及电力系统 > 电力系统的调度、管理、通信
© 2012 www.xueweilunwen.com
|