共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
准确的输电线路故障类型识别是实现故障测距的前提,文中在高压输电线路故障分析的基础上,构建了由Kohonen自组织特征映射神经网络模型和BP网络模型组合而成的类型识别网络模型,来实现输电线路的故障检测及故障类型识别。经理论分析和大量的EMTP仿真表明:此网络模型较单一网络模型,所需训练样本少,学习时间短,并且在各种故障模式下,均能可靠、准确实现输电线路故障类型的识别,不受故障过渡电阻、故障初始角、系统运行方式、故障点位置等因素的影响。 相似文献
3.
本文构造了一个波神经网络,利用神经网络实现了风支机故障类型的识别。理论分析和试验结果表明,以上方法对鼠笼也电动机的故障诊断是有效的,并验证了其可行性和优越性。 相似文献
4.
准确的输电线路故障类型识别是实现故障测距的前提 ,文中在高压输电线路故障分析的基础上 ,构建了由Kohonen自组织特征映射神经网络模型和BP网络模型组合而成的类型识别网络模型 ,来实现输电线路的故障检测及故障类型识别。经理论分析和大量的EMTP仿真表明 :此网络模型较单一网络模型 ,所需训练样本少 ,学习时间短 ,并且在各种故障模式下 ,均能可靠、准确实现输电线路故障类型的识别 ,不受故障过渡电阻、故障初始角、系统运行方式、故障点位置等因素的影响 相似文献
5.
提出了基于模糊神经网络的双端电源输电线路故障类型识别的方法,用ATP提取输电线路故障后一周后继电保护安装点的三相电压电流以及反映接地故障的零序电流基频分量及其相应的相角,并采用T-S模型与改进BP算法结合的模糊神经网络,实现故障类型识别。该方法不受故障位置、故障电阻及对两端电源初始相角差、系统运行方式等不确定的因素影响,仿真结果表明该类型识别方法可靠、正确。 相似文献
6.
提出了基于模糊神经网络的双端电源输电线路故障类型识别的方法,用ATP提取输电线路故障后一周后继电保护安装点的三相电压电流以及反映接地故障的零序电流基频分量及其相应的相角,并采用T-S模型与改进BP算法结合的模糊神经网络,实现故障类型识别.该方法不受故障位置、故障电阻及对两端电源初始相角差、系统运行方式等不确定的因素影响,仿真结果表明该类型识别方法可靠、正确. 相似文献
7.
变压器是电力系统中最重要的枢纽设备之一,其保护动作的正确是整个电力系统稳定运行的关键.对于接入大规模风电场的系统,双馈风电机组在低电压穿越期间短路电流特殊的频偏特性将导致传统变压器差动保护方案在风电场送出变中动作性能变差.针对这一问题,首先推导了频偏特性下短路电流经DFT提取后的误差表达式,并分析该短路电流对传统保护的影响.在此基础上,提出了利用BP神经网络模型来逼近变压器电磁暂态模型,并结合波形相关性进行故障识别的新方案.最后,在MATLAB/SIMULINK平台上搭建双馈风电场仿真模型.仿真结果表明,在各运行工况下,基于BP神经网络模型的方案能够有效进行故障识别,并规避频偏特性及励磁涌流带来的影响. 相似文献
8.
充电模块是电动汽车直流充电桩最为关键的部分,针对其功率开关和电解电容等核心器件的开路故障特点,提出了一种基于小波包变换(wavelet packet transform,WPT)和麻雀搜索算法优化反向传播神经网络(sparrow search algorithm-back propagation,SSA-BP)的故障诊断方法。该方法以充电模块输出电压为原始信号,首先通过预处理剔除其直流分量,对处理后的信号进行小波包分解,然后计算出各子频带信号的能量,通过归一化得到初始特征向量,最后将直流分量和归一化后的特征向量作为最终故障特征量输入到SSA-BP神经网络,进而输出分类结果实现故障诊断。为验证方法的可行性和优越性,搭建了输出功率15 kW的两级仿真模型,在不同工况下进行仿真验证。实验结果表明该方法具有较好的诊断效果,诊断率达到93.85%,对电动汽车直流充电桩故障诊断具有现实指导意义。 相似文献
9.
10.
旋转整流器故障的神经网络识别研究 总被引:6,自引:0,他引:6
以630kW无刷励磁同步电机为研究对象,采用神经网络识别故障。在旋转整流器各种故障状态下,测试交流励磁机极间探测线圈中感应电势的各次谐波,作为神经网络的训练样本。最后,将经过训练的神经网络程序模块置入计算机监测系统中,以识别旋转整流器的各种故障类型。 相似文献
11.
12.
提出一种利用概率神经网络来进行母线故障识别的新方法。首先用PSCAD/EMTDC软件对母线故障状态进行仿真,提取仿真数据,进行数据预处理,然后建立概率神经网络模型,训练网络后判断母线的区内、区外故障及正确识别各种故障类型,从而验证基于概率神经网络的母线故障识别的准确性。 相似文献
13.
14.
15.
16.
利用油中溶解气体数据诊断变压器故障(DGA法)是目前使用最为广泛的方法之一,本文引入了BP神经网络,选取7种特征气体含量作为输入量,6种故障类型作为输出量,提出了一种对变压器故障进行估算和预测的方法。利用MATLAB建立对变压器DGA数据的BP神经网络模型,并通过对实际样本数据的学习训练,分析诊断结果,提出了未来研究的方向和展望。 相似文献
17.
如何准确求解绝缘栅双极晶体管(IGBT)模块的开关损耗值,是电力变换器性能和寿命研究中的关键问题之一。针对现有IGBT开关损耗模型难以准确求解开关损耗值的缺陷,引入了基于粒子群算法优化的误差反向传播(BP)前馈神经网络模型。将影响开关损耗的5个主要因素(集射工作电压、集电极电流、驱动电压、驱动电阻、结温)作为BP神经网络的输入向量,并采用粒子群算法优化网络的初始权值与阀值,通过共轭梯度法的学习规则加速收敛,从而获得开关损耗的精确求解值。该模型实现了在额定值范围内对各种工况下的IGBT模块开关损耗值的可靠预测,其在100组测试验证样本下所出现的最大误差比率为3.85%。 相似文献
18.
基于小波神经网络和故障录波数据的电网故障类型识别 总被引:15,自引:3,他引:15
电力系统发生大面积复杂故障后,调度人员仅仅依靠来自数据采集与监视控制(supervisory control and data acquisition,SCADA)系统的保护和开关接点的变位信息难以做出准确的判断,来自故障录波装置记录的模拟量信息越来越成为故障诊断和系统恢复的重要依据。为了进一步提高超高压输电线路故障类型识别率和计算速度,文中利用提升小波和PNN网络构造了新的小波神经网络故障识别模型,应用bior3.1提升小波对故障电流进行分解,将分解到的 (0,375)Hz频率段的小波系数输入到PNN神经网络。通过 ATP仿真及华东电网实际故障录波数据的测试和比较结果表明:该模型具有很高的识别率和收敛速度,并有望将该模型应用到电网故障诊断系统。 相似文献
19.
20.
基于模糊输出BP神经网络的电机主绝缘老化状态评估方法 总被引:3,自引:2,他引:3
评估大电机主绝缘的老化状态是电气工程领域中的重要课题,其目标是根据非破坏性参量评估绝缘的老化状态,然而传统的评估方法一直没有得到准确可靠的评估结果。为了克服传统的绝缘状态阈值评估方法的缺点,提出应用神经网络和模糊数学结合评估绝缘状态的新方法。由于绝缘的老化状态是一种模糊现象,所以建立了具有模糊输出的3层BP神经网络对绝缘状态进行评估,并确定了绝缘状态论域上的四个模糊子集及其隶属函数,同时规定了网络的输入和输出参量。选择Levenberg-Marquardt快速学习算法对该文建立的模糊输出神经网络进行了训练,并使用另外10组多因子加速老化数据和5组真机线棒数据对网络的评估能力进行了检验,检验结果表明该方法可以准确有效地评估定子绝缘的老化状态。 相似文献