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

  1. 基于WinCE平台的故障分析仪应用程序设计与开发,TP311.52
  2. 基因调控网络模型描述语言研究,Q78
  3. 八作动器隔振平台的六自由度容错控制研究,TB535.1
  4. 偏振光/地磁/GPS/SINS组合导航算法研究,V249.328
  5. 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
  6. 基于支持向量机的故障诊断方法研究,TP18
  7. 三容水箱系统故障诊断算法研究,TP277
  8. 水上交通安全保障系统的关键技术研究,U698
  9. 基于神经网络辨识的同步发电机励磁控制研究,TM31
  10. 变电站综合预警系统研究与应用,TM76
  11. 制造业绿色产品研发的风险识别与评价研究,F205;F224
  12. 注塑成型过程监测与故障诊断平台的设计与实现,TQ320.5
  13. HART现场故障诊断仪的研究与实现,TP277
  14. 石化企业变电站操作票系统设计与实现,TP311.52
  15. 聚合釜群多通道实时在线监测系统研究,TP274
  16. 基于EMD与神经网络的柱塞泵故障诊断方法,TH322
  17. CBR-RBR模式在地铁施工安全事故案例库中的应用,U215.8
  18. 地下变电站通风空调系统的节能性研究,TU962
  19. 数字化变电站集中式保护研究,TM63
  20. 数字化变电站系统可靠性及安全性研究,TM732
  21. 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