学位论文 > 优秀研究生学位论文题录展示

基于指定元分析与PCA-BP神经网络的接地网故障诊断研究

作　者: 刘先锋
导　师: 彭敏放
学　校: 湖南大学
专　业: 电气工程
关键词: 接地网主元分析 BP神经网络腐蚀状态接地电阻故障诊断指定元分析
分类号: TM862
类　型: 硕士论文
年　份: 2012年
下　载: 78次
引　用: 0次
阅　读: 论文下载

内容摘要

发、变电站接地网对于电力系统的可靠运行和工作人员的人身安全起着重要作用。然而接地网因长期埋在地下，运行条件恶劣，腐蚀不可避免，从而导致电气性能的恶化，严重时将直接危及电网的安全稳定运行。因此，迫切需要找到一种简单、准确、无损的地网状态检测方法，实现不断电、不开挖情况下的状态检测，以便及时发现故障，防患于未然。目前，神经网络、主元分析和指定元分析等信息处理技术已成为新的研究热点，这为解决接地网故障诊断中的诸多难题提供了一条有效途径。本文首先对接地网故障诊断的发展、现状及存在的问题进行了综述，重点对现有接地网故障诊断的电网络法进行了分析。同时，针对其测量过程中可能出现的影响因素进行了探讨，分析了减少误差的有效措施。在此基础上，介绍了主元分析和BP神经网络诊断的基本原理，阐述了BP神经网络在故障诊断上的优势。但由于BP算法受到其自身算法的限制，在对其网络进行训练时需要很大的训练样本和相当长的训练时间，而且随着训练样本维数的增大，网络的性能会变差，这些缺点将使得故障诊断的效率不能达到最优。针对这个问题，本文将PCA与BP相结合，构建PCA-BP网络模型，应用主元分析方法对BP网络输入进行线性组合，以降低输入向量维数，提高输入数据对故障的敏感性，最终达到使网络简化、训练时间缩短的目的，提高BP网络在故障诊断中的识别能力。接地网的诊断实例表明，PCA-BP网络对接地网故障状态的识别率明显高于单独使用BP网络时的识别率，验证了该方法的有效性。针对传统主元分析法因模式复合现象而不能很好地进行故障模式识别和多故障诊断的问题,本文引入指定元分析方法，并将其应用到接地网故障诊断。该方法将观测数据向指定模式上投影得到指定元，把异常检测问题转化为显著性检测问题，依靠各指定模式的显著性大小进行故障诊断，从而克服了主元分析模式复合的不足。

全文目录

摘要  5-6
Abstract  6-11
第1章绪论  11-20
  1.1 接地技术基础知识  11-13
    1.1.1 接地的概念与接地分类  11-12
    1.1.2 接地的目的及其重要性  12-13
  1.2 选题背景及意义  13-16
    1.2.1 接地网的主要问题及诊断的迫切性  13-15
    1.2.2 本课题研究的意义  15-16
  1.3 接地网故障诊断的研究现状  16-18
    1.3.1 国外研究现状  16
    1.3.2 国内研究现状  16-18
  1.4 本论文的主要研究工作  18-20
第2章接地网故障诊断的电网络法  20-28
  2.1 引言  20
  2.2 电网络法诊断的基本原理  20-23
    2.2.1 基本思想  20-21
    2.2.2 构造数学模型  21-22
    2.2.3 故障诊断方程的建立  22-23
  2.3 影响因素及消弱措施分析  23-24
    2.3.1 影响因素  23-24
    2.3.2 消弱措施  24
  2.4 接地网状况判别条件  24-25
  2.5 接地网故障监测点优化布置  25-26
    2.5.1 节点优选方案  25
    2.5.2 接地引下线对测试的影响  25-26
  2.6 接地网故障诊断对测试方案的基本要求  26-27
  2.7 本章小结  27-28
第3章主元分析和 BP 神经网络的基本原理  28-44
  3.1 引言  28
  3.2 主元分析基本理论  28-35
    3.2.1 PCA 的基本思想  28-29
    3.2.2 主元的几何和代数解释  29-30
    3.2.3 主元分析法的建模过程  30-31
    3.2.4 基于 PCA 的算法步骤及其实现  31-33
    3.2.5 主元个数的确定  33-34
    3.2.6 实例仿真验证  34-35
  3.3 BP 神经网络  35-43
    3.3.1 BP 神经网络概述  35-36
    3.3.2 BP 神经网络的基本特点  36-37
    3.3.3 BP 网络模型结构与设计要求  37-38
    3.3.4 BP 神经网络的算法实现  38-40
    3.3.5 BP 神经网络故障诊断的优缺点  40-41
    3.3.6 BP 算法的改进及其比较  41-43
  3.4 本章小结  43-44
第4章基于 PCA-BP 网络的接地网故障诊断  44-57
  4.1 引言  44
  4.2 PCA 与 BP 结合的可行性分析  44-45
    4.2.1 两种算法结合的可行性  44
    4.2.2 优化方案的初步提出及模型评价  44-45
  4.3 PCA-BP 模型构建及故障诊断流程  45-49
    4.3.1 数据归一化  46
    4.3.2 主成分分析  46-47
    4.3.3 BP 网络设计  47-48
    4.3.4 PCA BP模型的故障诊断流程图  48-49
  4.4 接地网故障诊断实例分析  49-55
    4.4.1 样本数据来源  50
    4.4.2 归一化处理  50-52
    4.4.3 对影响因子进行 PCA 分析  52-53
    4.4.4 网络训练与结果分析  53-55
    4.4.5 两种算法的网络测试比较  55
  4.5 本章小结  55-57
第5章基于指定元分析的接地网故障诊断  57-64
  5.1 引言  57
  5.2 指定元分析  57-60
    5.2.1 指定模式的定义  57-58
    5.2.2 指定元分析的基本原理  58-59
    5.2.3 逐步 DCA 故障诊断及其算法实现  59-60
  5.3 PCA 与 DCA 的故障诊断比较  60-61
    5.3.1 基于 PCA 的故障检测  60
    5.3.2 比较分析  60-61
  5.4 实例仿真与分析  61-63
    5.4.1 接地网故障征兆集的构建  61-62
    5.4.2 仿真研究  62-63
    5.4.3 指定模式的显著性分析  63
  5.5 本章小结  63-64
结论  64-66
  1.工作总结  64-65
  2.研究展望  65-66
参考文献  66-71
附录 A （攻读学位期间发表的学术论文目录）  71-72
附录 B （攻读学位期间参加的科研工作及学术活动）  72-73
致谢  73

基于指定元分析与PCA-BP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