小电流单相接地故障选线的Fisher信息方式

为了解决小电流接地系统单相接地故障选线困难的问题,提出了将小波分析理论与Fisher信息理论相结合的方法,应用于故障选线技术中。通过比较故障线路和非故障线路零序电流信号在各个小波系数下提取到的Fisher信息值的突变量来进行故障选线。基于PSCAD/EMTDC仿真平台下的大量仿真结果表明:这种Fisher信息的计算方法不受系统中性点接地方式、电压初相角、过渡电阻的影响,选线灵敏度高,能准确定位故障时刻,是一种故障选线的新方法。     

基于核Fisher子空间特征提取的汽轮发电机组过程监控与故障诊断

提出了基于核Fisher子空间特征提取的汽轮发电机组过程监控和故障诊断新方法。该方法首先利用非线性核函数将数据从原始空间映射到高维特征空间，然后在高维特征空间中利用线性Fisher判别分析法提取数据最优的核Fisher特征矢量和判别矢量来实现过程监控。若系统出现故障，则根据当前的判别矢量与历史故障数据集中所含故障的最优核Fisher判别矢量的相似度进行故障诊断。该方法能有效地捕获过程变量之间的非线性关系，过程监控和故障诊断效果明显好于线性Fisher判别法。汽轮发电机组历史故障特征数据集仿真试验证明了该方法的有效性。     

基于改进鲸鱼算法的配电网层级模型故障区段定位

配电网在大量接入分布式电源后，增加了网络结构的维度、发生故障时潮流方向的不确定性。针对采集或上传故障电流信息时会发生信息畸变和区段故障位置的复杂性，提出配网层级模型故障定位方法，根据配电网的网络结构建立数学模型，用分层简化的思想构建层级模型，极大降低了配电网的变量维度，构建开关函数并加入故障辅助判据，再对鲸鱼算法进行种群分布、自适应权重调整和越界处理改进的故障定位求解方法。算例仿真表明，在单故障、多故障、电流信息畸变或者分布式电源的投切状态等多种工况下，所提方法能够准确定位故障区段位置，提高了配电网故障求解的效率及准确度。     

基于BP神经网络模型的异步电动机故障辨识

针对目前三相异步电动机故障诊断方法存在的局限性及其缺陷,在利用小波包分析提取电动机故障信号特征量基础上,提出基于蝙蝠-粒子群及改进BP算法的异步电动机BP神经网络故障辨识模型,采用蝙蝠-粒子群算法优化BP神经网络结构参数,利用改进BP算法训练BP神经网络.仿真结果分析表明,该BP神经网络模型用于三相异步电动机故障辨识,辨识速度快、准确度高、可靠性好.     

基于粗糙集和AFSA-BP的水电机组故障诊断

将粗糙集和人工鱼群优化-神经网络算法引入水电机组故障诊断中,利用人工鱼群优化算法中聚类的特点改进粗糙集属性约简方法并对水电机组故障的检测信息进行约简,提取对故障分类起主要作用的信息,并用BP神经网络对粗糙集处理后的故障信息进行诊断。实验结果表明：该方法降低了神经网络的输入信息空间维数,简化了神经网络结构,有效提高了故障诊断的准确性。     

WRSR与改进朴素贝叶斯融合的变压器故障诊断技术研究

电力变压器的运行状态评估及其故障准确定位,一直是制约电网运行安全和设备运维效率的技术瓶颈。建立一种基于加权秩和比(Weighted Rank Sum Ratio, WRSR)并结合改进朴素贝叶斯网络的诊断模型,用以评估电力变压器整体运行状态,确定故障位置及具体故障类型。首先从多个变电站收集变压器的历年故障数据,并将其作为训练集,在改进朴素贝叶斯网络中建立起特征参量与故障位置、故障类型之间的非线性映射关系。结合某电网的具体变压器运行状态信息与检测数据,利用WRSR模型对具体变压器整体运行状态进行评价,然后将状态性能较差的变压器故障检测数据作为测试集代入至改进朴素贝叶斯网络中来预测故障位置。最终结果表明,所提模型能够实现对电力变压器状态的合理评价,又可在预测故障部位及故障类型时保持较高的准确率。     

用模糊逻辑方法优化多层前馈网络结构

为了优化用于故障分类的多层前馈网络结构配置,提出了一种基于模糊逻辑的优化方法。通过对网络的学习误差、学习时间、灵敏度和网络单元数的模糊化处理,确定了优化网络结构的代价函数,并由此建立起优化网络结构的模糊推理规则,然后应用这些推理规则潍出了优化网络结构的框图。优化结果表明,利用模糊逻辑方法优化用于故障分类的多层前馈网络结构是有效的,优化时迭代时间短。     

双流供电局DA实现的原理和方法

针对三种典型配电网络结构（双电源链式结构,单电源环网结构,“T”型网络结构）,介绍当配网发生故障时,DA实现原则和故障定位,隔离和快速恢复非故障区域送电的方法。     

电力企业局域网技术研究与应用

为提升电力企业行政办公网络的稳定性和可靠性,对传统的基于树型局域网网络拓扑运行中频出的故障进行研究,结合企业实际网络环境,设计出新的网型网络拓扑结构,并启用相应的网络协议抑制各类网络故障。通过分析比对近2年不同网络架构运行环境下的故障数据统计,证实了改进后的办公局域网的网络结构较传统办公局域网的网络结构更为稳定可靠。     

基于粗糙集和聚类PSO-RBF的水电机组故障诊断

正将聚类PSO优化粗糙集-神经网络算法引入水电机组故障诊断中,利用聚类算法和PSO算法的优点改进粗糙集属性约简方法并对水电机组故障的检测信息进行约简,提取对故障分类起主要作用的信息,并用BP神经网络对粗糙集处理后的故障信息进行诊断。该方法降低了神经网络的输入信息空间维数,简化神经网络结构,有效提高故障诊断的准确性。通过对水电机组振动故障数据进行诊断分析,     

基于动态聚类算法径向基函数网络的配电网线损计算

提出了基于径向基函数网络的计算配电网线损的实用方法。对有代表性的配电线路的线损与特征参数的样本数据，采用一种新的动态聚类算法进行聚类，来确定RBF网络的隐含层节点，不仅聚类速度快，而且隐含层节点数的优化提高了网络的利用效率。利用RBF网络强的拟合特性映射线损与特征参数之间复杂的非线性关系，使网络学习了配电线路在结构参数和运行参数变化时线损的趋势规律。以68条配电线路数据为例，仿真结果验证了文中提出的方法具有网络模型简单、学习速度快、线损计算精度高等优点。     

燃煤锅炉效率与NOx排放混合建模研究

介绍了RBF神经网络的结构和特点,进而讨论了遗传算法与RBF神经网络相结合的方法.以某300MW电站锅炉燃烧调整试验数据为基础,利用RBF神经网络对锅炉效率与NOx排放混合建模,并用遗传算法优化RBF神经网络的性能,使其预测精度大幅提高.同时RBF神经网络具有收敛速度快的独特优点.因此,优化后的RBF神经网络模型为下一步的锅炉运行参数优化和燃烧优化系统的建立奠定基础.     

基于支持向量机RBF神经网络的TDOA定位算法

为了克服最小二乘法在无线定位算法中的缺点,提出了基于RBF神经网络的TDOA定位算法。利用SVM优化RBF网络权值、阈值及结点数,获得优化稳定的RBF网络结构,将训练后的RBF网络用于TDOA定位。仿真结果表明,该算法有很强的抗NLOS能力,与Chan算法和基于k-均值聚类法RBF神经网络的定位算法比较,具有更高的定位精度和可靠性。     

RBF神经网络在凝汽器故障诊断中的应用

针对BP神经网络计算过程存在收敛速度慢的缺点,提出了RBF神经网络应用于凝汽器故障诊断的基本方法。介绍了RBF神经网络的结构、凝汽器的故障类型和征兆集的建立方法。对比了RBF神经网络与BP神经网络的诊断结果,证明RBF神经网络的在线诊断速度、诊断精度均优于BP神经网络,对凝汽器的故障诊断准确可靠。     

采用自组织RBF网络算法的变压器故障诊断

针对以往神经网络常采用试凑法设计网络节点的缺陷,提出了一种自组织径向基函数(RBF)神经网络算法。该算法首先通过模糊C-均值(FCM)算法得到初始的RBF神经网络节点数和中心向量,再利用经Gaussian随机分布改进的粒子群优化(PSO)算法对初始RBF神经网络节点数、中心向量、节点连接权值进行优化。利用鸢尾属数据集及葡萄酒数据集对提出的自组织RBF神经网络算法进行了仿真测试,证明该算法对于提高分类精度和优化RBF神经网络结构有一定的作用。最后,将该算法应用到电力机车牵引变压器综合测试及故障诊断系统中,结果证明所提的自组织RBF神经网络诊断算法可有效监测出原系统试验时误报和漏报的故障。     

基于径向基网络实现变压器故障诊断

研究采用径向基神经网络进行变压器故障诊断，以提高变压器故障诊断率。分析了径向基函数神经网络的结构和工作原理，确立了适合变压器故障诊断的网络学习算法，并设计了一个诊断变压器故障的三层径向基网络。通过采用MATLAB进行仿真实验。结果表明径向基神经网络是一很强的分类器，能够有效的对变压器故障进行诊断。     

Estimation of the state of charge for a LFP battery using a hybrid method that combines a RBF neural network,an OLS algorithm and AGA

A method to accurately estimate the State-of-Charge (SOC) for LiFePO₄ (LFB) batteries is urgently required, to address the issues associated with the increased use of LFP batteries for portable devices. This paper proposes a hybrid method that combines a radial basis function (RBF) neural network, an orthogonal least-squares (OLS) algorithm and an adaptive genetic algorithm (AGA) to estimate the SOC in discharging condition. The OLS algorithm determines the optimal number of nodes in the hidden layer of the RBF neural network. With an optimal RBF neural network structure, the AGA is then used to tune the parameters of the RBF neural network, including the centers and widths of RBF and the connection weights. The trained RBF neural network is then used to estimate the SOC of a LFP battery. In order to demonstrate the effectiveness of the proposed estimation method, the method is tested using LFP batteries under several different discharging conditions. The effectiveness of the proposed method is compared with the Coulomb integration method and a back propagation (BP) neural network. The results show that the proposed method outperforms the other methods.     

基于LabVIEW FPGA的音圈电机神经网络控制方法

音圈电机是一种常用的高动态性能驱动器。为了优化、简化不同音圈电机的控制算法调试过程,提出了一种基于LabVIEW FPGA的改进RBF神经网络控制算法。该网络采用3-输入的3层网络结构,通过梯度下降法对隐含层权值系数更新,实现对音圈电机的电流环控制。仿真结果表明,随着隐含层节点数增加,RBF神经网络控制算法性能将优于单神经元自适应控制算法。当隐含层节点数为6时,系统电流上升时间为14μs,相对于单神经元自适应控制缩短了26.3%。将该算法用于激光精密指向系统,实验结果表明,隐含层4节点时,电流上升时间为25μs。实验结果与仿真结果较吻合,验证了RBF神经网络算法的有效性。     

RBF神经网络在中长期负荷预测中的应用

根据电力系统中长期负荷的特点和径向基函数(RBF)神经网络的非线性辨识功能,将RBF神经网络应用于中长期负荷预测的数据预处理,具体讨论了空缺数据的补全以及失真数据的查找和修正,并提出了一种改进的基于RBF神经网络的中长期负荷预测模型。实际算例的分析表明,所提出的基于RBF神经网络的缺损数据处理方法和改进的中长期负荷预测模型是可行和有效的。     

基于AGA优化RBF神经网络的矿井通风机故障诊断

针对径向基神经网络(RBF)用于故障诊断时存在收敛速度慢、诊断结果准确率低等问题,提出了一种基于自适应遗传算法(AGA)优化RBF神经网络的矿井通风机故障诊断方法.采用AGA对RBF神经网络的隐含层节点数、隐层基函数的中心和宽度进行优化,以此提高RBF网络的泛化能力.通过大量收集和整理工作形成样本集,使用训练样本训练RBF网络,根据网络输出结果对通风机故障进行诊断.仿真结果表明,相较于RBF神经网络,AGA优化的RBF神经网络收敛速度更快,迭代次数更少,能够有效识别通风机故障类型,诊断结果准确率更高.