学位论文 > 优秀研究生学位论文题录展示
变电站集控智能告警系统研究
作 者: 彭欣
导 师: 卢志刚
学 校: 贵州大学
专 业: 电力系统及其自动化
关键词: RBF神经网络 变电站 容错性 知识表示 故障诊断
分类号: TM76
类 型: 硕士论文
年 份: 2009年
下 载: 59次
引 用: 0次
阅 读: 论文下载
内容摘要
当变电站内发生故障时,会涌现大量的告警信息,而由于某种原因,如信号传输通道受到干扰等,有可能发生信息漏报,告警中还有可能含有错误的信息。在这样的情况下,要求运行人员在极短的时间抓住告警实质,判断出故障设备有时是十分困难的。因此,利用人工智能的方法自动处理大量的告警信息,诊断故障设备,对故障处理人员迅速处理故障,保证电网安全稳定运行具有十分重要的意义。本论文所做的工作正是在此背景下进行的。本论文首先对神经网络做了简单的介绍,提出了采用RBF神经网络的分析方法,分析了RBF神经网络的拓扑结构、理论基础及其学习算法。其次,对RBF神经网络的容错性进行了研究,同时提出了一种提高RBF神经网络容错性的实用方法。再次,在建立网络模型之前,还采用了基于关系型数据的变电站知识表示方法。最后,对变电站智能告警系统进行了总体设计,详细研究了基于重构RBF神经网络的模型建立、网络诊断模块构造、及训练样本提取,并以贵阳市乌当变220kV主变、母线、线路为例,以该变电站的主变压器、母线和线路为核心设备,以与设备对应的相关保护动作信息和开关动作信息作为网络的输入,以与该设备对应的故障类型作为网络的输出,构造了按设备类型来分类的网络诊断模型。用具体实例通过MATLAB7.0进行仿真,对诊断结果进行分析及验证。最终说明本文的设计能够达到预期目标,能够满足工程实际需要,具备较强的应用推广价值。
|
全文目录
摘要 5-6 Abstract 6-7 第一章 绪论 7-13 1.1 研究背景 7-8 1.2 国内外研究现状及意义 8-11 1.3 本文所做的工作 11-13 第二章 RBF神经网络 13-25 2.1 人工神经网络简介 13-16 2.1.1 人工神经网络的产生与发展 13-14 2.1.2 人工神经网络的特点与基本原理 14-16 2.2 RBF神经网络 16-19 2.2.1 RBF神经网络发展历程 16-17 2.2.2 RBF网络拓扑结构 17-19 2.2.3 RBF网络的理论基础 19 2.3 RBF神经网络学习算法 19-23 2.3.1 RBF学习算法综述 19-21 2.3.2 基于正交最小二乘法的RBF学习方法 21-23 2.4 小结 23-25 第三章 RBF神经网络容错性研究 25-35 3.1 前言 25 3.2 RBF神经网络的容错性能分析 25-27 3.2.1 单层感知器的"吸引子"和"吸引域"的计算方法 26 3.2.2 采用高斯函数的RBF神经网络的"吸引域"的计算 26-27 3.3 稳定性基本理论知识 27-29 3.3.1 Lyapunov(李亚普诺夫)稳定性 28 3.3.2 神经网络的实用稳定性理论 28-29 3.4 提高RBF神经网络的容错性能的实用方法 29-34 3.4.1 RBF神经网络实用容错性方法的机理 29-30 3.4.2 RBF神经网络模型的重构机理 30-31 3.4.3 网络输出的模糊处理和"伪吸引域"的形成 31-34 3.5 小结 34-35 第四章 变电站告警信息的知识表示方案 35-47 4.1 知识表示方法简介 35-36 4.2 故障诊断知识的神经网络表示 36-38 4.3 非故障诊断知识的关系型数据库表示 38-46 4.3.1 关系型数据库简介 38-42 4.3.2 设备结构和功能的知识表示 42-44 4.3.3 故障样本知识表示 44-46 4.4 小结 46-47 第五章 变电站智能告警系统设计及应用 47-64 5.1 引言 47 5.2 变电站智能告警系统总体设计 47-49 5.3 基于重构RBF神经网络的诊断 49-55 5.3.1 建立网络模型 49-50 5.3.2 构造网络诊断模块 50-53 5.3.3 构造训练样本集 53-55 5.4 算例及结果分析 55-63 5.4.1 220kV主变子网络的训练及测试 56-60 5.4.2 220kV母线子网络的训练及测试 60-61 5.4.3 220kV线路子网络的训练及测试 61-63 5.5 小结 63-64 第六章 结束语 64-66 6.1 工作小结 64-65 6.2 下一步的工作 65-66 致谢 66-67 参考文献 67-71 附录 71-73 附录A:攻读硕士学位期间发表的论文及主要参与项目 71-72 附录B:220kV乌当变电站一次主接线图 72-73
|
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
- 基因调控网络模型描述语言研究,Q78
- 八作动器隔振平台的六自由度容错控制研究,TB535.1
- 偏振光/地磁/GPS/SINS组合导航算法研究,V249.328
- 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
- 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
- 水上交通安全保障系统的关键技术研究,U698
- 基于神经网络辨识的同步发电机励磁控制研究,TM31
- 变电站综合预警系统研究与应用,TM76
- 制造业绿色产品研发的风险识别与评价研究,F205;F224
- 注塑成型过程监测与故障诊断平台的设计与实现,TQ320.5
- HART现场故障诊断仪的研究与实现,TP277
- 石化企业变电站操作票系统设计与实现,TP311.52
- 聚合釜群多通道实时在线监测系统研究,TP274
- 基于EMD与神经网络的柱塞泵故障诊断方法,TH322
- CBR-RBR模式在地铁施工安全事故案例库中的应用,U215.8
- 地下变电站通风空调系统的节能性研究,TU962
- 数字化变电站集中式保护研究,TM63
- 数字化变电站系统可靠性及安全性研究,TM732
- 发电设备综合状态的评价方法研究及应用,TM621.3
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 > 电力系统的自动化
© 2012 www.xueweilunwen.com
|