学位论文 > 优秀研究生学位论文题录展示

数据挖掘在OPGW选型中的应用

作　者: 张渝
导　师: 韩晓娟
学　校: 华北电力大学（北京）
专　业: 检测技术与自动化装置
关键词: 数据挖掘 OPGW选型机理分析神经网络
分类号: TP311.13
类　型: 硕士论文
年　份: 2011年
下　载: 32次
引　用: 0次
阅　读: 论文下载

内容摘要

数据挖掘技术是多学科交叉的新兴技术,它是随着数据的大量积累以及市场竞争对信息与知识的迫切需求而产生和发展起来的,并逐渐成为人们关注的热点。数据挖掘通常又称为数据中的知识发现(KDD),是自动或方便地提取代表知识的模式；这些模式隐藏或记录在大型数据库、数据仓库、Web、其他大量信息库或数据流中。目前广泛应用于商务管理、生产控制、市场分析、工程设计和科学探索等领域。常用的数据挖掘技术有神经网络、分类、聚类、关联、模式识别、机理分析等。本文尝试将数据挖掘技术用于电力特种光缆的选型中。在高压输送线路上复合通信能力,最便捷、最经济的方法就是利用光纤复合架空地线(OPGW)建立光通信通道。光纤复合架空地线(Optical Fiber Composite Overhead Ground Wire)是一种把光纤放置在架空地线中,构成电力系统光通信通道的特种电力光缆,兼有地线与通信双重功能。OPGW的选型是确保电力系统安全稳定运行的重要环节,涉及到电气性能匹配和机械性能匹配两个方面。本文将机理分析的数据挖掘方法用于OPGW电气性能分析中,确定了影响OPGW选型的主要短路故障类型,通过公式推导及对影响OPGW分流因素的分析,提出了基于阻抗匹配的OPGW电气性能匹配方法。通过工程实例分析,该方法可以很好地实现OPGW电气性能的匹配,为OPGW机械性能匹配提供明确的研究对象。在满足电气性能匹配的前提下,OPGW与地线机械性能的匹配程度决定了OPGW能否正常发挥地线和通信功能的作用。OPGW与地线机械性能匹配主要体现在应力和弧垂这两个参数上。针对目前应力和弧垂计算过程过于复杂等问题,在综合分析影响应力、弧垂因素的基础之上,结合导线与地线以及地线与OPGW的匹配原则,提出了基于BP神经网络的应力、弧垂计算模型。分别构造了导线、地线和OPGW子网络及其相应的典型训练样本和测试样本,并通过Matlab编程实现了弧垂与应力的智能计算。与传统的计算方法相比,该模型大大简化了其计算过程的复杂性,可以准确地实现应力和弧垂的计算,达到OPGW正确选型目的,具有一定的工程应用前景。最后根据OPGW的结构特点,并参照相匹配的地线结构参数,设计出一系列待选的OPGW。再分别根据电气性能匹配和机械性能匹配选择和已知地线匹配效果最好的OPGW,实现了OPGW的自动选型。

全文目录

摘要  5-7
Abstract  7-11
第1章绪论  11-16
  1.1 数据挖掘概述  11-13
    1.1.1 数据挖掘的分类  11-12
    1.1.2 数据挖掘的过程  12-13
  1.2 电力特种光缆的现状及发展  13-14
  1.3 存在的问题及研究意义  14-15
  1.4 本论文研究的内容  15-16
第2章 OPGW结构及特征参数  16-23
  2.1 OPGW的结构及特点  16-18
  2.2 OPGW的光单元  18
  2.3 OPGW的地线单元  18-23
    2.3.1 OPGW的直径  19-20
    2.3.2 OPGW的载截面积  20
    2.3.3 OPGW的单位质量  20-21
    2.3.4 OPGW的额定拉断力  21
    2.3.5 OPGW的综合弹性模量  21
    2.3.6 OPGW的线膨胀系数(1/℃)  21-22
    2.3.7 OPGW的直流电阻  22-23
第3章基于机理分析的OPGW电气性能匹配  23-42
  3.1 OPGW的电气性能机理分析  23-33
    3.1.1 短路故障与故障电流大小的计算  24-28
    3.1.2 OPGW最大分流计算  28-33
  3.2 短路电流分布的MATLAB仿真实现与结果分析  33-38
  3.3 基于阻抗的OPGW与地线电气性能匹配方法  38-42
    3.3.1 OPGW与地线电气性能匹配原则  38-39
    3.3.2 基于阻抗匹配的OPGW选型算法实现  39
    3.3.3 工程实例  39-42
第4章基于BP神经网络的OPGW与地线机械性能匹配方法研究  42-61
  4.1 OPGW的机械性能  42-53
    4.1.1 气象条件与比载的计算  43-45
    4.1.2 导线的应力与弧垂  45-49
    4.1.3 地线的应力与弧垂  49-51
    4.1.4 OPGW的应力与弧垂  51-53
  4.2 基于BP神经网络的数据挖掘方法  53-55
    4.2.1 BP网络的学习与训练  53-55
    4.2.2 BP网络的结构设计  55
  4.3 基于BP神经网络的应力、弧垂计算模型  55-56
  4.4 训练样本和测试样本的建立  56-59
  4.5 BP网络的训练过程  59
  4.6 工程实例  59-61
第5章 OPGW自动选型的实现  61-67
  5.1 OPGW的结构设计  61-63
  5.2 设计实例  63-67
    5.2.1 已知条件  63-65
    5.2.2 待选的OPGW  65
    5.2.3 电气性能匹配选型  65-66
    5.2.4 机械性能匹配选型  66-67
第6章总结与展望  67-69
参考文献  69-72
攻读硕士学位期间发表的论文及其它成果  72-73
致谢  73

数据挖掘在OPGW选型中的应用

内容摘要

全文目录

相似论文