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

基于RS-RBF神经网络相结合的配电网故障诊断方法研究

内容摘要

全文目录

相似论文