基于模糊RBF神经网络的高压断路器机构故障诊断

为了快速准确诊断高压断路器是否发生操作机构故障,文章提出了一种基于模糊RBF神经网络的高压断路器机构故障诊断方法。该方法首先分析高压断路器的分(合)闸线圈电流,提取时间和电流特征参数t_1、t_2、t_3、t_4、t_5、I_1、I_2、I_3,然后在RBF神经网络增加模糊化层,对特征参数进行相对模糊化运算,最后将模糊化后的特征参数输入到RBF神经网络进行故障识别、分类。该方法以ABB VD4高压断路器的88组实验数据为训练样本建立4种高压断路器操作机构的模糊RBF神经网络故障诊断模型,12组测试样本来验证其准确性,实验结果显示,模糊RBF神经网络高压断路器的故障诊断模型能够准确的诊断出故障类型,其准确率达到99%,具有良好的实用性。与基于模糊BP神经网络的故障诊断方法相比,该方法收敛速度快,训练时间短,均方差较小,为0.107 3。     

基于神经网络的变压器故障诊断

为了保障变压器在电力系统中能够安全有效的运行,提出了一种将RBF神经网络与模糊控制算法相结合对变压器进行故障诊断的方法。设计了具有6层神经网络的学习体系,并且将模糊隶属度函数引入到第2层中,加快了神经网络的学习速度。基于变压器故障的数据统计,通过对其内部的气体含量进行分析对故障类型进行分类。通过样本数据对所设计的模糊RBF神经网络进行故障诊断训练。实验结果表明,通过训练后的该模型对变压器的故障诊断具有更好的效果。     

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.     

径向基函数神经网络在电力变压器故障诊断中的应用

基于油中溶解气体分析法,采用径向基函数（radicalbasisfunction,RBF）神经网络模型对电力变压器进行故障诊断。为了提高诊断模型的辨识精度,分两步对RBF神经网络的模型参数进行辨识：首先采用减聚类算法确定RBF神经网络隐含层基函数的中心点,然后采用量子粒子群优化（quantum-behavedparticleswarmopti-mization,QPs0）算法求解基函数的宽度以及隐含层与输出层的连接权重。仿真实验结果表明,该方法的故障诊断正确率较高,达90．67％。     

光伏阵列故障类型的改进型RBF神经网络识别算法

光伏阵列是光伏系统中非常重要的组成部分。传统的BP神经网络诊断算法有着精度低、收敛速度慢等缺点,为了精确地诊断出光伏阵列内部的故障位置及其类型,通过分析阵列开路、短路、老化、阴影和电池板裂片5种故障,提出了一种改进型RBF神经网络的故障诊断识别算法。首先,建立RBF神经网络的光伏阵列故障诊断模型,确定基于遗传算法的故障模型隐层中心的确定方法,然后针对基于粒子群优化算法的网络模型进行自适应权重寻优的仿真实验。最后,将优化的算法与传统RBF神经网络算法进行对比。结果表明:该优化算法不仅可以有效地诊断光伏阵列的故障类型,还可以提高故障诊断的准确率。     

基于免疫RBF神经网络的变压器故障诊断

为了提高变压器故障诊断的准确率,提出一种免疫RBF混合智能诊断算法,用免疫聚类算法确定RBF神经网络隐含层中心的数量和初始位置,减少了网络训练的计算量,提高了网络的泛化能力;用遗传算法对RBF网络训练,进一步优化网络的结构和连接权重,将训练后的RBF网络应用于变压器故障诊断.经过大量实例分析,并将其结果与其他算法进行对比,表明该方法算法精简,诊断正确率高.     

PCA和GA-PSO-RBF集成的发电机组远程故障诊断

首先基于LPC2290核心芯片的arm嵌入式工控平台设计了远程数据采集系统,使故障诊断系统通过Internet在线获取发电机组状态数据。然后给出了主元分析(PCA)和GA-PSO-RBF神经网络集成的故障诊断方法。故障模式向量先通过PCA降维,降低RBF神经网络的规模和计算时间。针对RBF神经网络参数难以设置、收敛速度慢等不足,介绍了一种具有遗传算法中的选择、交叉、变异操作的遗传-粒子群算法(GA-PSO),用于RBF神经网络的参数优化过程。最后以转子振动试验台仿真发电机组,实现了状态信息的远程获取;通过故障诊断仿真测试验证了PCA和GA-PSO-RBF集成诊断方法的有效性。     

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.     

变压器绝缘故障类型的改进型RBF神经网络识别算法

为精确诊断电力变压器内部潜在绝缘故障类型,通过对变压器内部油过热和油纸绝缘中局部放电等8种潜在绝缘故障发生时所产生的气体成分分析,提出了一种以人工免疫网络与粒子群算法改进径向基函数RBF(radial basis function)神经网络的变压器故障诊断算法。重点介绍了基于RBF神经网络的变压器故障诊断模型的构成原理、基于人工免疫网络算法的故障模型隐层中心确定方法以及基于粒子群算法的网络模型权重寻优方法,并进行了仿真实验。实验结果表明:该算法能有效地识别其绝缘故障类型,且识别精度可达90%以上。     

基于新型RBF神经网络的中速磨煤机建模

提出了一种结合免疫聚类和免疫进化规划的径向基函数(RBF)神经网络设计方法,该方法采用人工免疫聚类机制根据输入数据集合自适应确定RBF神经网络隐节点的数量和数据中心位置,并通过提取核函数宽度作为疫苗和免疫选择操作确定网络输出层的权值。利用RBF神经网络设计方法建立了中速磨煤机出口温度和入口空气流量的RBF神经网络模型,仿真结果表明该模型具有较高的精度。     

变电站隔离闸刀触头的检修方法

电网运行中GW4、GW5、GW7等型隔离闸刀触头容易发热,影响变电设备的操作和安全运行;通过分析闸刀触头发热的原因,找出处理发热的办法,以解决触头发热的问题,促进电网安全生产和稳定运行。     

铅酸蓄电池板栅浇铸缺陷分析

铅酸蓄电池板栅浇铸过程中出现的缺陷通常分为宏观缺陷和微观缺陷两大类。本文通过宏观和微观分析的方法,结合板栅的实际情况,对Pb-Ca-Sn-Al四元合金板栅浇铸过程中产生的缺陷进行了介绍和分析。     

小功率金卤灯再启动特性机理的探讨

利用专门设计的金卤灯再启动特性测试仪记录了金卤灯再启动特性的若干典型曲线，对某些异常特性的发生机理进行了分析，找到了它们与金卤灯内在质量的联系，研究表明通过测量金卤灯的再启动特性可以方便地诊断金卤灯的内在质量。     

压实度标准制定的合理性

通过土料干湿法对比试验和环刀取土尺寸效应对比试验, 探讨了影响分层碾压土基垫层 压实度的主要因素, 指出通过击实试验制定土基压实度标准和施工质量检验时应注意的问题, 以及如何确保压实度标准制定的合理性和现场检验的客观性。     

从实际滑移土坡确定滑带土抗剪强度

本文简要介绍了滑带土抗剪强度的几种确定方法及其所存在的受限问题,提出与摩尔极限应力圆物理意义一致的临界圆强度包线法可应用于抗剪强度的确定,并在小岭滑坡中证实,经对比计算,结果较为理想。     

发电机转子接地故障的处理方法

论述发电机转子动态不稳定接地故障的分析处理方法.     

加快黄河北干流梯级开发的思考

根据规划在黄河北干流上布置万家寨、龙口、天桥、碛口、古贤、甘泽坡6座水利枢纽工程。北干梯级开发可有效控制和管理黄河的水沙关系、洪水;改善生态环境,使水资源得到合理利用;向华北电网提供大量电力,对秦晋2省工农业、通航和旅游等具有促进作用,并带动地方经济的发展。     

动态信号分析仪示值误差测量结果的不确定度评定

介绍了用直接测量法评价动态信号分析仪的频谱幅值和频率指标时,测量结果的不确定度分析和评定过程.讨论了影响频谱幅值示值误差和频率示值误差的测量不确定度的几个主要来源.通过实例,给出了频谱幅值示值误差和频率示值误差的不确定度分析和评定结果.     

发电机定子绝缘剩余寿命评估参量的选择

为选择发电机定子绝缘剩余寿命评估的特征量,测量了运行23年的发电机定子线棒局部放电、tanδ和击穿电压等参量,分析了非破坏性参量与击穿电压的关系,并根据绝缘老化机理和过程,得出了tanδ、Δtanδ、S+k,S-k, Asy等5个特征参量。分析发现第一主成分中上述参量的比重较大,证明它们能较好预测绝缘的老化状态。     

一种考虑了负荷特性的企业电网潮流算法

大型企业电网的负荷特性主要表现为感应电动机群特性,为了改进现在常用的电力系统潮流算法中用恒功率模型来表征节点负荷,不能满足工程精度要求的问题,提出了在对企业电网负荷节点电动机群进行等效变换后,引入负荷特性的潮流计算的思路,在此基础上进行了理论推导,并经过现场实测数据,进行了仿真。仿真结果表明,负荷特性的潮流计算方法符合企业工程精度要求,可以达到提升业电网潮流计算结果在精确度、实用度等方面的要求,具有一定的理论和工程意义。