基于虚拟仪器的发电机励磁系统故障诊断

发电机励磁系统功率单元故障将严重影响发电机的稳定运行,快速准确发现、排除故障显得非常必要。本文在分析发电机励磁系统功率单元工作原理和特点的基础上,对其故障进行了分类,提出了一种改进的模式识别诊断方法,并据此开发出了基于虚拟仪器的发电机励磁系统功率单元的故障诊断系统。测试表明该诊断系统能够准确地判断出具体的那个晶闸管发生故障,给出正确诊断。     

基于BP神经网络的最优励磁控制器

设计了一种新型的基于BP神经网络的最优励磁控制器(NNOEC)。在线性最优励磁控制的基础上,利用4层BP神经网络对发电机的运行方式和系统所遭受的干扰类型进行辨识,通过对网络的训练,使得网络能够实时根据发电机的状态量来调节最优控制的反馈矩阵,以适应当前的运行点和所遭受的干扰。仿真结果表明,所设计的NNOEC在系统运行方式较大的变化范围内都能提供很好的控制性能,在大小扰动下均表现出很好的阻尼特性和良好的电压性能。     

基于小波神经网络的无刷同步发电机旋转整流器故障诊断研究

无刷励磁系统中旋转整流器因工作环境恶劣,发生故障时故障信息难以提取,因而故障诊断一直是一个难点,成为制约该励磁方式发展的障碍之一.针对大型无刷汽轮发电机故障诊断需要,提出应用小波神经网络对旋转整流器故障进行诊断,通过对旋转整流器的故障信号的频谱分析,提取故障信息频域特征量作为学习样本,通过训练使构建的小波神经网络能够准确反映频谱特征量和故障之间的映射关系,从而准确对故障进行诊断.提出了比较精确的数学模型,提高了旋转整流器故障的诊断能力和诊断的准确性.     

运用模糊神经网络来区分变压器励磁涌流和内部故障

变压器励磁涌流和内部故障的鉴别一直是变压器差动保护中的一个热点问题在几种传统的识别励磁涌流方法的基础上,结合模糊神经网络这一新型的人工智能技术,综合利用这几种原理对电气量的采样值分别提取形成网络的特征输入量,并采用了Simpson模糊极小-极大神经网络来形成区分励磁涌流和内部故障的模糊模式分类器运用EMTP程序通过大量的仿真计算获取网络的训练和测试样本,结果表明,训练后的网络能快速地区分变压器各种运行工况下的励磁涌流和内部故障,对测试样本的正确率达到100%。     

基于Labwindows/CVI的发电机励磁系统故障诊断

发电机励磁系统功率单元故障将严重影响发电机的稳定运行,快速准确地发现、排除故障显得非常重要。利用软件MATLAB/Simulink对功率单元故障进行了仿真分析,通过得到的仿真结果得出了三相输入电流波形和峰峰值变化判断故障的诊断方法。据此在虚拟仪器的软件平台Labwindows/CVI上开发了发电机励磁系统功率单元的故障诊断系统。试验结果表明该诊断系统能够准确判断出具体的哪个晶闸管发生故障,给出正确诊断。     

运用模糊神经网络来区分变压器励磁涌流和内部故障

变压器励磁涌流和内部故障的鉴别一直是变压器差动保护中的一个热点问题。在几种传统的识别励磁涌流方法的基础上 ,结合模糊神经网络这一新型的人工智能技术 ,综合利用这几种原理对电气量的采样值分别提取形成网络的特征输入量 ,并采用了Simpson模糊极小 -极大神经网络来形成区分励磁涌流和内部故障的模糊模式分类器。运用EMTP程序通过大量的仿真计算获取网络的训练和测试样本 ,结果表明 ,训练后的网络能快速地区分变压器各种运行工况下的励磁涌流和内部故障 ,对测试样本的正确率达到 10 0 %。     

基于电网运行数据集的发电机励磁系统调差系数优化整定

提出了基于电网运行数据集的发电机励磁系统调差系数优化整定方法。通过自组织映射神经网络对电网运行方式数据进行聚类,利用电网运行数据集得到电网典型运行方式及出现概率,并在此基础上分析发电机励磁系统调差系数不同定值方案对电网运行的影响,对发电机励磁系统调差系数进行优化整定。将所提方法应用于吉林省电网,仿真结果表明,该方法充分考虑了负荷变化特征和可再生能源发电运行特性,能有效降低电网有功损耗,提高电网电压水平,减小电压波动。     

无刷励磁同步发电机旋转整流器故障的模糊神经网络诊断

模糊神经网络是模糊逻辑与神经网络相结合而构成的 ,具备模糊技术和神经网络技术的优点 ,应用于电力系统故障诊断中 ,是一种使用方便的人工智能处理系统。基于模糊神经网络对无刷励磁同步发电机旋转整流器故障诊断进行研究。经过训练后的模糊神经网络 ,在对旋转整流器故障进行诊断时 ,有较高的准确性和有效性     

基于两层迭代聚类算法的RBFNN及在发电机诊断中的应用

首先分析了传统的基于K均值聚类算法径向基函数神经网络(RBFNN)的缺点,即需要人为确定隐含层神经元数量,并且不同的初始化方法有不同的聚类结果和学习误差。然后提出了一种新的RBFNN算法——两层迭代聚类算法,能根据样本的分布情况自动计算RBFNN隐含层神经元数量、中心向量和宽度。将实测的MJF-30-6型发电机正常运行、转子励磁绕组故障运行和定子绕组故障时定转子径向振动信号作为学习样本,运用文中所述算法与传统的RBFNN算法比较,结果表明,基于两层迭代聚类算法的RBFNN具有较小的学习误差。     

基于BP神经网络和专家系统的变电站报警信息处理系统

对BP神经网络的容错性进行了研究,将网络的容错能力与测试样本所形成的模糊区的 大小相对应,通过消除模糊区来提高网络的容错能力。针对南昌500 kV变电站自动化系统, 开发了变电站的实时故障诊断系统。该系统以3层前向BP网络作为故障诊断的核心部分,以 开关动作信息、保护动作信息等作为人工神经网络的输入。同时结合专家系统,利用其推理 判断能力,对变电站运行方式进行识别,并对神经网络的某些输出结果进行必要的修正。     

利用小波神经网络的电力变压器故障诊断方法

为提高变压器传统油中溶解气体分析(DGA)的故障诊断能力,提出了一种利用小波神经网络(WNN)的变压器故障诊断方法。WNN隐含层采用离散仿射小波函数,仿照前馈BP神经网络算法构造WNN,引入学习率和动量系数来训练网络。实验结果表明:相同条件下,较之传统比值法与BP神经网络,WNN的故障模式识别准确率更高,对照BP神经网络,所提出的WNN变压器故障诊断方法在稳定性和收敛时间方面表现更优。     

结合进化算法的人工神经网络在变压器故障诊断中的应用

人工神经网络在变压器故障诊断中有广泛的应用。常用的BP算法具有易陷入局部极小、收敛速度慢等缺点 ,给故障诊断带来不便。为此提出利用进化算法优化人工神经网络结构的初值 ,利用可靠性分析技术对输入数据进行处理 ,从而有助于较快获得最佳的权值矩阵 ,实现变压器故障诊断。     

电厂厂用电监控系统ECS通信技术探讨

阐述了发电厂厂用电监控系统ECS(Electric Control System)由简易到先进的3个发展阶段,即一对一的控制方式,电气监控纳入集散控制系统(DCS)的控制方式,全数字化的电气监控系统、并为DCS提供所需信息接口和控制接口的控制方式。分析表明DCS和ECS控制层之间的通信介质采用基于TCP/IP的以太网,通信规约采用IEC-104或OPC(OLE for Process Control)是合适的。实例说明了在600 MW等大机组电厂的工程设计中,只要优化好ECS系统的组网方案、选择恰当的通信规约,就能满足DCS通过ECS系统对参与顺序控制的电气量进行软采集和控制的高速要求。     

Abductive reasoning network based diagnosis system for faultsection estimation in power systems

This paper presents an abductive reasoning network (ARN) for real-time fault section estimation in power systems. The proposed ARN handles complicated and knowledge-embedded relationships between the circuit breaker status (input) and the corresponding candidate fault section (output) using a hierarchical network with several layers of function nodes of simple low-order polynomials. The relay status is then further used to validate the final fault section. Test results confirm that the proposed diagnosis system can obtain rapid and accurate diagnosis results with flexibility and portability for diverse power system fault diagnosis. In addition, the proposed method performs better than the artificial neural networks (ANN) classification method both in developing the diagnosis system and in estimating the practical fault section. Moreover, this study demonstrates the feasibility of applying the proposed method to real power system fault diagnosis     

基于人工神经元网络的测量数据正确性的验证方法在发电厂控制系统中的应用研究

提出了一种基于人工神经元网络ＡＮＮ 的测量数据正确性的验证方法。任何过程参数都与其它参数存在着必然的内在联系,在一定运行范围内,ＡＮＮ 通过学习,可“掌握”在该范围内各参数间的联系规律。利用这个网络关系,就可以根据其它参数预测被测参数值,用于对被测数据进行正确性验证,甚至可暂时替代不可靠的测量数据。该方法为测量的在线自动校验提供了手段,也为建立过程故障诊断系统创造了条件,有利于提高发电厂自动控制水平和运行的经济性及安全性     

基于非线性主分量分析-多层感知器网络的变压器油中溶解气体数据分析

采用人工神经网络进行变压器DGA数据的分析与诊断。为全面评价变压器的实际运行状况，综合利用了各特征气体含量及其比值信息，并借鉴模糊数据处理思想构造初始输入特征集合。借助一个特殊的复合神经网络进行数据分析与故障诊断。其中，非线性主分量分析网络执行多元输入特征信息的融合及主特征选择，形成待识别故障类的敏感特征量；随后的多层感知器执行故障模式识别。试验结果表明，在DGA分析的基础上，应用非线性主分量分析－多层感知器复合神经网络可有效实现变压器不同故障模式的智能化识别，获得较好的诊断结果。     

基于虚拟DCS的仿真系统设计火电厂实时故障诊断系统

基于虚拟分布控制系统(DCS)的仿真系统生成的故障数据以及它所提供的过程控制中的对象链接与嵌入OPC(OLE for Process Control)服务器,设计了火电厂实时智能故障诊断系统。论述了基于虚拟DCS仿真系统与实际DCS控制系统的对应关系,与故障诊断系统的数据接口及专家系统知识库的构建。对诊断系统的调试结果表明:基于虚拟DCS的仿真系统设计的故障诊断系统实现了火电厂的实时故障诊断与事故预报。     

建筑配电系统故障电弧的仿真与检测

选择合适的电弧模型,对建筑配电系统发生的故障电弧进行了仿真.基于小波的时一频分析特点和人工神经网络(ANN)的学习能力,提出了一种分辨故障电弧和正常负荷电流的方法.该方法通过小波变换对信号进行多分辨率分析,提取信号的特征矢量,利用人工神经网络对输入特征矢量进行故障识别.仿真实验的结果表明,该方法具有良好的故障识别件能.     

用L-M算法的神经网络诊断充油设备绝缘故障

针对充油型设备的故障诊断 ,采用Levenberg Marquardt算法建立多层前向人工神经网络 ,采用改进算法训练网络 ,克服了传统BP算法收敛速度慢、易陷入局部极小的缺陷 ;采用可靠性数据分析技术和变量循环重新编号等方法有助于加快网络收敛 ;提出将判别具体故障类别和固体绝缘故障分开的两层诊断结构 ,提高了网络的训练效率和诊断的准确性。     

基于BP神经网络的大功率直流电机故障诊断研究

提出了一种用人工神经网络实现直流电机故障诊的方法。推导了故障诊断所需的特征参量。在特征参量的基础上改变了传统的电机故障分类方法,将电机故障分为电枢故障、励磁故障、换向器故障和机械故障4类。以MATLAB仿真数据为基础,训练了一个可行的神经网络。测试结果表明,对电机故障诊断的正确率较高,可行性较强,建立的故障诊断模型有效地实现了特征参量提取和故障映射的功能。