首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 78 毫秒
1.
变压器色谱监测中的BPNN故障诊断法   总被引:48,自引:5,他引:48  
本文将BP神经网络应用于变压器故障诊断。通过验证,结果显示BPNN诊断法有良好的应用前景。  相似文献   

2.
该文以较成熟的BP(back propagation)神经网络为基础,论述了神经网络技术在旋转机械故障诊断中的应用问题,提出了用并行BP网络解决并发故障分类问题的方法,并采用自适应学习率和绝对误差等距离逼近法改善BP网络的学习性能,最后以振动频谱为特征,就汽轮发电机组机械中常见的20种故障模式的分类和训练学习进行了仿真试验和分析。结果表明:神经网络技术对于高维空间模式识别和非线性模式识别问题具有较强的分类能力,特别是并行BP网络,可以解决并发故障分类问题,为旋转机械智能诊断提供了一个有效方法。表5参15  相似文献   

3.
介绍了BP神经网络模型和算法,建立了轴向通风同步发电机定子绕组温度预测的人工神经元网络BP模型。  相似文献   

4.
神经网络应用于电力变压器故障诊断   总被引:34,自引:5,他引:34  
将电力变压器油气分析法作为检测数据来源,利用神经网络这一强有力的故障诊断工具,有效地诊断电力变压内部故障。仿真结果表明,用神经网络诊断变压器故障具有更加优秀的性能。文中,作者采用的BP网络模型及算法,并对网络训练过程中一些技巧问题进行了讨论。  相似文献   

5.
基于BP算法的电站燃气轮机故障诊断   总被引:15,自引:5,他引:10  
针对传统故障诊断方法在燃气轮机系统中应用的局限性,研究了基于BP算法的神经网络方法在电站燃气轮机故障诊断中的应用,通过选择足够的故障样本来训练神经网络,将代表故障的信息输入训练的神经网络后,由输出结果,就可以判断发生的故障种类,这样不仅减小了用于诊断的知识库,而且加快了计算速度,满足了实时在线诊断的要求。  相似文献   

6.
神经网络诊断变压器故障的新方法   总被引:2,自引:0,他引:2  
李红雷  肖登明  赵杰  潘勇斌 《高压电器》2000,36(6):12-14,22
介绍了一种用于信号分类识别的小波神经网络,其网络权值由小波函数集充当,并在学习过程中应用了共轭梯度法。将此小波神经网络用于变压器油色谱诊断,经仿真计算,证实它具有比BP网络更好的逼近性能,可以达到较高的准确率。  相似文献   

7.
基于BP网络模型的汽轮发电机组的振动故障诊断   总被引:11,自引:0,他引:11  
建立了汽轮发电机组的基于BP算法的神经网络振动故障诊断模型,对实际机组进行了现场诊断,效果良好。并将其与灰色关联度分析方法、模糊综合评判方法做了综合比较,提出神经网络方法在故障诊断领域中有广阔的应用前景。  相似文献   

8.
介绍了人工神经网络的基本性能和BP网络模型及算法,并将神经网络中的BP模型应用于水轮发电机组振动故障诊断中,比较了选择不同的网络参数对诊断系统性能的影响。实验证明,基于BP网络的水轮发电机组振动故障诊断方法具有较高的实用价值。  相似文献   

9.
针对典型 BP神经网络存在的缺陷而提出了一些有效的改进措施。通过采用改进的 BP神经网络来对控制规则样本采样的学习和训练,使网络记忆控制规则,以达到智能控制的目的。仿真和实验结果证明该方法具有优良的控制特性,满足伺服电机控制的需要。  相似文献   

10.
基于神经网络自适应PID控制的船舶操纵研究   总被引:9,自引:0,他引:9  
本文针对船舶操纵这种非线性、时变参数控制对象,提出了一种采用神经网络自适应PID控制方案。该控制结构有两上子神经网络组成,一个三层BP神经网络用于对被控对象进行在线辨只,另一个两层线性网络构成具有PID结构的控制器。文中给出了神经网络在线训练学习方法,并进行船舶操纵控制仿真研究。  相似文献   

11.
为了克服传统BP神经网络在结构设计和学习算法中存在的缺陷,提出了一种免疫小波网络(IWN)来预测电力系统短期负荷.在IWN的设计中,根据共生进化和免疫规划原理,提出共生进化免疫规划算法,可以自动确定小波网络隐层神经元的数量和参数.电力系统短期负荷预测的算例计算表明,与传统的BP神经网络预测方法相比,该方法具有更高的预测精度.  相似文献   

12.
适用于海量负荷数据分类的高性能反向传播神经网络算法   总被引:1,自引:0,他引:1  
负荷分类对于指导电网发用电规划与保证电网可靠运行具有重要意义。面向负荷数据海量化与复杂化趋势,传统负荷分类方法已无法满足用电大数据分析要求。首先,针对用户侧数据体量大、类型多、速度快等特点,在Spark平台上将反向传播神经网络(BPNN)算法并行化,实现对海量负荷数据的高效分类。然后,通过对训练样本抽样分块以降低各网络学习时间,针对分布式后BPNN基分类器由于学习样本缺失潜在的准确度下降问题,采用集成学习予以改善。并通过BPNN学习不同训练样本块构建差异化基分类器,对基分类结果多数投票得到最终分类结果。另外,提供了一种基于K-means和K-medoids聚类的负荷数据训练样本选取方法。算例表明所提方法既能对负荷曲线有效分类,又能大幅提高海量数据的处理效率。  相似文献   

13.
电力变压器故障与否直接影响电力系统运行可靠性,准确且高效的变压器故障诊断有助于及时发现电网不安全因素。本文提出一种基于海量数据驱动的优选训练样本的分布式神经网络决策变压器故障类型方法。首先通过比值法求取DGA的比值型特征向量,根据皮尔逊相关系数和欧氏距离双指标计算方法在各类别中选取更具该类代表性数据作为训练样本;再通过插值-随机抽样方法应对训练样本类间数据不平衡问题并对其进行抽样分块;为适应海量数据处理,在Spark平台上将BPNN算法并行化实现以提高算法性能表现,各BPNN学习不同训练样本块构建性能不同的子分类器;最后对子分类结果多数投票得到最终诊断类型。算例表明所提方法对变压器故障类型诊断效果良好,诊断正确率较IEC三比值法和传统串行BPNN高,证明了该方法对于变压器故障类型诊断的有效性与适用性。  相似文献   

14.
刘克文  张贲  王宇飞 《电力建设》2011,32(11):40-44
为提高国家电网网络入侵检测中攻击分类问题的准确度,提出一种基于复合分类器的入侵检测模型.复合分类器由核主成分分析、量子遗传算法和前馈( back propagation,BP)神经网络组合而成.复合分类器先使用核主成分分析将高维数的原始数据降维,降维后的数据再通过BP神经网络训练生成分类模型,其中BP神经网络的参数通过...  相似文献   

15.
利用DGA-NN诊断油浸式电力变压器故障   总被引:1,自引:1,他引:1  
人工神经网络以其良好的非线性映射能力广泛应用于电力变压器故障诊断。为研究反向传播神经网络(BPNN)和概率神经网络(PNN)的学习过程、网络参数选择等问题,利用Matlab的神经网络工具箱结合油中溶解气体建立了BPNN和PNN的故障诊断模型,并对其性能做了分析和对比。结果表明,两种网络均能较好地实现变压器故障的实时诊断。因初始化权值的随机性,BPNN的输出结果具有差异性,收敛速度较慢,而PNN网络结构自适应确定,可以随时添加训练样本,且训练速度较快,适合于实现变压器故障的实时诊断。相同条件下,PNN的收敛速度约为BPNN的5倍。  相似文献   

16.
This paper presents an approach for on-line evaluation of loadability limit for pool model with Thyristor Controlled Series Compensator (TCSC) using Back Propagation Neural Network (BPNN). The optimal location, setting of TCSC and loadability limit for various load patterns in off-line are determined using Differential Evolution (DE) algorithm. This approach uses AC load flow equations with constraints on real and reactive power generations, transmission line flows, magnitude of bus voltages and TCSC setting. The input parameters to BPNN are real and reactive power loads at all buses. Data for training the BPNN is generated through Optimal Power Flow (OPF) solution using DE and the trained BPNN is tested with unseen load patterns. Sequential Forward Selection (SFS) belonging to greedy wrapper method is used for the selection of best optimal input features. Simulations are performed on 39 bus New England test system and IEEE 118 bus system. Solution accuracy and computation time are analyzed. The results obtained illustrate that, for on-line evaluation of loadability limit of pool model with TCSC, BPNN is accurate with minimal Mean Squared Error (MSE) and less computation time.  相似文献   

17.
变压器油是电力变压器中的主要绝缘物质之一,油的密度指标与变压器的安全运行息息相关。文中基于多频超声波、遗传算法-反向传播神经网络(GA-BPNN)的原理,对变压器油密度进行了预测研究。以电网公司110组变压器油为例,其中100组为训练集,10组为预测集。建立了基于BPNN的变压器油密度预测模型,并将242维多频超声数据作为输入,密度作为输出。通过试验法确定了BPNN的隐层神经元个数,由此建立非线性映射关系,并用遗传算法优化BPNN的各层连接权值及阈值。结果表明,与传统的标准BPNN模型相比,GA-BPNN模型的变压器油密度值与实际值拟合度更高,误差更小。研究结果为检测变压器油的其他参数提供了可靠的依据。  相似文献   

18.
The purpose of this paper is to design, train, and test an improved Backpropagation Neural Network (BPNN) for application to the problem of combined economic and emission dispatch. Focus is on the reduction of single pollutant nitrogen oxide, NO x ; transmission losses are included. The equality constraint of power balance and inequality generator capacity constraints are considered. The total load supplied is the input to the neural network. The thermal generator outputs and total system transmission loss are considered as outputs of the neural network. The program for Optimization Technique using the Quick Method is developed in Matlab, and the program for an improved BPNN is developed using the Matlab Neural Network Toolbox. Performance of an improved BPNN is compared with the Quick Method, and it is observed that the proposed neural network technique is very fast and predicts accurate results while satisfying inequality generator capacity constraints at various load levels. It also offers a considerable saving in computer memory. The proposed BPNN technique has been demonstrated through a sample system consisting of six thermal generators.  相似文献   

19.
提高时间序列气象适应性的短期电力负荷预测算法   总被引:12,自引:2,他引:12  
采用时间序列中的自回归求和移动平均算法(ARIMA)对日负荷进行粗预测,获得消除了周期性的受气象因素影响较强的差值序列。结合气象信息,为小规模神经网络构造能反映气象变化的新息序列,为网络提供良好的训练与适应环境,训出对气象非平稳变化敏感的输出因子Y,再用敏感因子对ARIMA算法的预测结果进行修正,从而构建出对气象适应性较强的ARIMA Y的预测算法。利用Delphi5.0实现的负荷预测软件对广西负荷区进行预测,多年的运行证明:该算法对广西负荷区气象非平稳变化具有很好的敏感性和适应性,能显著提高气象非平稳变化日的预测准确率,较好地解决了在气象变化影响下用ARIMA算法预测准确率偏低的问题。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号