基于径向基函数神经网络的电网模糊元胞故障诊断

提出了基于径向基函数神经网络的电网模糊元胞故障诊断方法,旨在有效解决神经网络应用于电网故障诊断所面临的适应网络拓扑结构变化的可移植性问题。该方法以单个线路、母线和变压器为元胞对象,以保护各元胞的所有关联保护和对应的断路器为输入,建立了元胞通用神经网络诊断模型,并给出了故障诊断时模型的自动生成方法。此外,考虑到电网故障信息存在不完备性和不确定性,本文采用模糊矢状图来描述电网元件、保护和断路器之间的逻辑推理关系,并提取出蕴含不确定性的模糊推理规则,用于训练元胞通用神经网络。算例仿真结果表明,该方法简单、有效,能处理各种复杂故障情况,且能有效适应网络拓扑结构的变化,具有良好的容错性和可移植性。     

基于径向基函数神经网络和模糊积分融合的电网分区故障诊断

为有效解决分区故障诊断关于互连区域间联络线的诊断问题,提出了基于径向基函数神经网络和模糊积分融合的大电网故障诊断方法。该方法通过网络重叠分区将大电网划分为若干区域,故障发生后根据警报信息选择性触发警报信息所在区域对应的区域径向基函数神经网络诊断模块,然后利用模糊积分关联融合相连区域关于联络线的诊断输出,实现对联络线的故障诊断。该方法不仅可以诊断各区域内部发生的故障,而且能够有效地诊断区域间联络线发生的故障。算例仿真结果表明:该方法简单、有效,能弥补现有电网分区故障诊断方法在联络线故障诊断方面存在的不足,且能够处理各种复杂故障情况,具有良好的故障容错能力。     

基于多输出衰减径向基函数神经网络的电网故障诊断

为提高电网故障诊断神经网络模型的构建速度,提出了一种基于多输出衰减径向基函数（Multi-output Decay Radial Basis Function, MDRBF）神经网络的故障诊断方法。DRBF神经网络不需训练即能以任意精度一致逼近任意连续多变量函数。介绍了单输出DRBF（Single-output DRBF, SDRBF）神经网络,分析了其存在的不足,即只能处理单输出变量问题,不能直接应用于电网故障诊断。在此基础上,根据电网元件的故障特点,提出了将SDRBF神经网络演变为多输出DRBF（Mu     

基于径向基函数神经网络和模糊积分融合的电网分区故障诊断EI北大核心CSCD

为有效解决分区故障诊断关于互连区域间联络线的诊断问题,提出了基于径向基函数神经网络和模糊积分融合的大电网故障诊断方法。该方法通过网络重叠分区将大电网划分为若干区域,故障发生后根据警报信息选择性触发警报信息所在区域对应的区域径向基函数神经网络诊断模块,然后利用模糊积分关联融合相连区域关于联络线的诊断输出,实现对联络线的故障诊断。该方法不仅可以诊断各区域内部发生的故障,而且能够有效地诊断区域间联络线发生的故障。算例仿真结果表明:该方法简单、有效,能弥补现有电网分区故障诊断方法在联络线故障诊断方面存在的不足,且能够处理各种复杂故障情况,具有良好的故障容错能力。     

基于径向基函数神经网络的在线分布式故障诊断系统

作者建议使用分布式智能系统解决大规模电力网络的实时故障诊断问题,并为此提出了一种新的基于最小度排序的图形分割方法,它能够将大规模电力网络有效地分割为给定数目的连通子网络,并且各子网络的故障诊断负担近似相等,同时每个网络边界元件的数目最小。然后用径向基函数神经网络完成各子网络的故障诊断。所提出的分布式智能故障诊断系统已使用稀疏存储技术编程实现,并在IEEE14母线、30母线和118母线系统中进行了仿真研究。计算机仿真结果表明该故障诊断系统能有效地解决大规模电力网络的故障诊断问题。     

基于径向基函数神经网络的中速磨煤机故障诊断

为了能够对磨煤机早期故障做出预测并有效判别故障类型,提出了基于径向基函数神经网络的磨煤机故障诊断方法。介绍了该方法可以有效地处理故障征兆与故障类型之间的不确定性,具有很好的分辨力。应用该方法对某电厂HP碗式中速磨煤机的故障特征数据集进行了仿真实验,表明该方法故障诊断正确率高,诊断结果是有效的。     

基于径向基函数的集成神经网络在变压器故障诊断中的应用

本文提出一个结合电气试验与油中溶解气体分析结果的故障诊断方法，采用具有良好分类能力的径向基函数集成神经网络，由于既充分利用了油中溶解气体分析结果中的有效信息，又考虑到一些对故障反映比较灵敏的电气试验的结果，因而该方法有助于提高故障诊断的准确性。诊断结果表明，本算法应用于电力变压器故障诊断具有较高的正判率。     

基于径向基函数网络的大型电力变压器故障诊断

研究了径向基函数（RBF）神经网络的模型结构及其在电力变压器故障诊断中的实现方法,介绍了变压器故障诊断的RBF模型.通过故障诊断及仿真实例分析,将RBF网络与BP网络的性能进行比较,得出RBF神经网络训练速度快、逼近误差小、能够更有效地解决电力变压器故障诊断问题的结论.     

基于粗糙径向基神经网络的电网故障诊断新模型

在一种属性约简方法的基础上,利用粗糙集和径向基网络的优势,将二者充分融合,构建了一种电网故障诊断新模型,并对其进行了改造。通过对电网故障诊断算例的仿真实验比较表明,该模型减少了识别的主观因素,简化了网络结构,并且识别效果明显,分类能力强,具有很强的容错性和解释性,有很广阔的应用前景。     

基于粗糙径向基神经网络的电网故障诊断新模型

在一种属性约简方法的基础上,利用粗糙集和径向基网络的优势,将二者充分融合,构建了一种电网故障诊断新模型,并对其进行了改造.通过对电网故障诊断算例的仿真实验比较表明,该模型减少了识别的主观因素,简化了网络结构,并且识别效果明显,分类能力强,具有很强的容错性和解释性,有很广阔的应用前景.     

基于新型神经网络的电网故障诊断方法

故障诊断对于事故后系统快速恢复正常运行具有重要的意义。该文提出应用新型径向基函数 (RadialBasisFunc tion ,RBF)神经网络解决故障诊断问题 ,文中将正交最小二乘 (Orthogonalleastsquare)算法扩展用于优化RBF神经网络参数。并应用传统的BP神经网络解决同样的问题以进行比较。在 4母线测试系统中的计算机仿真结果证明 ,在解决故障诊断这一类问题时 ,RBF神经网络优于BP神经网络模型 ,能够更有效地解决问题     

基于阻抗法的电力电缆高阻故障定位理论及试验

电力电缆的高阻故障的准确定位是一个比较困难的课题。本提出了基于阻抗法的变频电力电缆故障定位方法。该方法采胜频率比工频高的正弦电源,仅仅采集故障状态下故障相电缆单端的电压、电流信号。其原理是：电弧是电阻性的,因此流过故障点的电流和故障点两端的电压是同相位的,采集到线路首端的电流和故障点两端的电压是同相位的,采集到线路首端的电压与电流后,基于分布参数线路理论就可以求出沿线路各点的电压与电流,在故障点处电压与电流是同相位的。本正是利用这一点推导出故障定位方程。经过数字仿真试验和低压模拟实验证明,该方法是可行的,具有较高的定位精度。     

基于相量测量技术和模糊径向基网络暂态稳定性预测

提出一种新的基于模糊聚类的径向基神经网络及其训练算法,利用同步相量测量装置获得的故障后短时间内各发电机的功角,经简单运算后作为神经网络的输入,其输出为多机电力系统稳定性的分类结果。对４９机实际系统在不同接线方式和故障位置条件下,进行了有无切机控制两种情况下的数值仿真实验,结果表明所提出的方法对系统的失稳预测和切机控制决策是有效的,神经网络训练时间短,分类精度高。     

神经网络的同伦算法与电力系统状态估计

本文将同伦算法引入到神经网络的学习训练中，提高了神经网络的学习效率，该方法具有稳定性强，收敛性好的优点，用这种神经网络进行了电力系统的状态估计，算例表明了该方法的有效性。     

基于径向基神经网络和自适应神经模糊系统的电力短期负荷预测方法

针对实时电价对短期负荷的影响,建立了径向基（RBF）神经网络和自适应神经网络模糊系统（ANFIS）相结合的短期负荷预测模型.该模型利用RBF神经网络的非线性逼近能力对不考虑电价因素的预测日负荷进行了预测,并根据近期实时电价的变化,应用ANFIS系统对RBF神经网络的负荷预测结果进行修正,以使固定电价时代的预测方法在电价敏感环境下也能达到较好的预测精度,克服了神经网络在电力市场下进行负荷预测时存在的不足.某电网实际预测结果表明,该方法具有较好的预测效果.     

基于神经网络与专家系统的汽轮发电机组故障诊断系统

根据模糊神经网络和专家系统的特点。建立了模糊神经网络与专家系统相结合的汽轮发电机组故障诊断系统。系统采用模糊隶属度函数表示难以准确描述的领域专家知识;推理过程中,采用神经网络进行前向推理,并参考神经网络的输出。用专家系统进行反向推理,结合了神经网络求解迅速和专家系统解释清晰的优点,并提高了系统诊断能力;最后,采用信息融合方法处理冗余的诊断结果,提高了系统的综合诊断性能。     

基于粗糙集理论和神经网络模型的变电站故障诊断方法

以变电站的开关继电保护信息为基础,提出了一种基于粗糙集理论和神经网络理论的变电站故障诊断方法.即利用粗糙集理论的知识约简和处理不确定信息的能力,对变电站的故障诊断知识进行分层挖掘,实行属性优选,再运用神经网络对故障诊断知识进行模式识别.变电站故障诊断实例表明了该方法能有效地缩小问题求解规模,且具有较强的抗干扰能力.     

基于径向基函数网络的距离保护方案

提出了一种利用径向基函数网络（RBFN）来实现神经网络式距离保护的方法。同基于BP网络的神经网络式距离保护的训练时间相比,所需的网络训练时间大大减少。同时,从检验结果可以看出,基于RBFN的神经网络式距离保护具有很好的模式识别能力。     

机电系统中模糊与模糊神经元网络控制策略的研究

先进控制策略可以应用在机电运动控制中以有效地消除和补偿由静动摩擦力所引起的非线性特性。这种影响很难用常规控制方法加以消除。文章对机电运动控制中模糊与模糊神经元网络控制策略的应用进行了对比研究,用于对比的被控对象是一具有高度非线性摩擦力影响的直流电机。比较中对不同控制策略的特点进行了讨论。