基于故障录波器信息的故障诊断系统

对人工神经网络（ANN）方法应用于变电站故障诊断进行了研究,提出了一种基故障录波器信息的故障诊断系统。该系统中,核心部分是三层前向BP网络分别对变电站内的变压器、线路和母线构造相应的故障诊断ANN模型,对每种保护、断路器和自动装置构造相应的动作性能诊断模块。仿真计算结果表明：基于波器信息的将ANN应用于变电站故障诊断的方法是一种有效的方法。     

基于二阶BP神经网络的旋转机械故障的智能诊断

针对旋转机械故障的智能诊断问题,提出了结合二阶BP神经网络和模糊网络的集成诊断方法。系统由信号处理子系统和故障诊断子系统两大部分组成。信号子系统负责信号的提取和预处理,诊断子系统则是诊断的核心,不同信号送入不同子神经网络进行诊断,结果通过决策神经网络进行数据融合,做出最后的诊断。该系统具有知识自动获取、识别速度快、鲁棒性及容错能力强等特点。实例证明该系统是有效的。     

基于RBFNN的高压输电线路故障诊断

本文在对电力系统故障诊断方法进行分析的基础上,利用径向基函数(Radial Basis Function-RBF)网络适合于求解模式识别问题的优势,提出了应用RBF神经网络(简称RBFNN)来实现高压输电线路的故障诊断,建造了基于RBFNN的高压输电线路故障诊断模型结构,并且给出了确定RBF网络最佳聚类数的标准.仿真分析及容错性测试结果表明,本文所提方法能有效地实现高压输电线路系统的故障诊断,而且在网络的训练速度以及对因干扰而畸变的输入信息情况的容错能力方面都优于传统的BP神经网络,对实时信息处理系统具有一定的适用性.     

电力系统故障诊断神经网络专家系统的一种实现方式

对人工神经网络和专家系统结合应用于电力系统故障诊断问题进行了研究，提出了电力 系统故障诊断神经网络专家系统的一种实现方式。该结构方案中，采用三层前向BP网络作 为 故障诊断的核心部分，与传统的专家系统相结合组成混合式的神经网络专家系统。基于该方 案建造的故障诊断神经网络专家系统综合了专家系统和人工神经网络各自的优点，充分利用 专家系统的推理判断能力和人工神经网络的学习和容错能力，比单独利用专家系统或人工神 经网络的电力系统故障诊断系统具有更好的性能。     

基于小波神经网络的风电变流器故障诊断系统

由于小波神经网络具有较强的逼近能力和容错能力,本文研究了一套基于小波神经网络的永磁直驱风电变流器的故障诊断系统。首先对风电变流器中的故障进行设置,然后使用小波变换的多分辨率特性,提取风电变流器的故障特征向量,最后应用BP神经网络进行故障模式识别。通过仿真结果表明,此种风电变流器的故障诊断系统具有较强的稳定性和准确性。     

基于IEC 61850的电网故障诊断完全解析化建模

电网故障诊断完全解析模型在对故障诊断规则进行解析的过程中,完整保留了电网元件、保护动作和断路器跳闸之间的逻辑关系,有很好的容错能力和应用前景。文中基于IEC 61850标准,提出一种利用变电站系统配置描述文件(SCD)构建电网故障诊断完全解析模型的方法。该方法通过解析变电站系统配置描述文件,获取系统元件的保护配置信息和保护动作与断路器跳闸的逻辑关系,再结合电网拓扑信息,可在线生成电网故障诊断的完全解析模型。最后,通过一个复杂故障的诊断算例证明了该建模方法的可行性,可望用于在线故障诊断。     

用HCM聚类算法RBF网络诊断输电线路故障

在分析高压输电线路故障诊断方法的基础上,利用径向基函数(RBF)网络适于求解模式识别问题的优势,建造了基于RBF网络的高压输电线路故障诊断模型结构,来实现高压输电线路的故障诊断。同时采用基于优化原理的HCM算法实现聚类过程,来确定RBF网络的隐含层节点数,使网络的利用效率较高。仿真分析及容错性测试结果表明,该法能有效地实现高压输电线路系统的故障诊断,且在网络的训练速度及对畸变输入信息的容错能力方面都优于传统的BP神经网络(BPNN),对实时信息处理系统有一定适用性。     

BP神经网络光伏组件在线故障诊断系统开发

介绍了并网光伏发电系统的故障诊断模式和故障原因,针对太阳能并网发电系统工作过程中可能出现的故障,提出了一种基于BP神经网络的故障诊断方法。该方法以网络故障信息为样本对BP网络进行训练,利用其强大的自适应能力和非线性映射能力,建立起网络故障信息与故障模式输出之间的映射。测试结果证明了该方法的有效性和可行性,不仅具有诊断精度高的特点,同时还易于实现,因此可用于并网光伏发电系统的故障诊断。     

基于粗糙集理论和神经网络模型的变电站故障诊断方法

以变电站的开关继电保护信息为基础,提出了一种基于粗糙集理论和神经网络理论的变电站故障诊断方法.即利用粗糙集理论的知识约简和处理不确定信息的能力,对变电站的故障诊断知识进行分层挖掘,实行属性优选,再运用神经网络对故障诊断知识进行模式识别.变电站故障诊断实例表明了该方法能有效地缩小问题求解规模,且具有较强的抗干扰能力.     

基于ANN的船舶柴油发电机转速容错控制

结合人工神经网络与智能容错控制,形成船舶柴油发电机转速神经网络容错控制。对由故障诊断后获取的特征值进行归一化处理,把经过处理的特征值作为神经网络的输入样本集,设计输出样本集,建立BP神经网络和Elman神经网络,用整理后的数据训练神经网络,使神经网络具有容错控制功能,并对神经网络模型进行仿真测试。仿真试验显示可以实现对船舶电力系统容错控制,保证船舶的安全运行。     

两种基于神经网络的故障诊断方法

复杂设备或系统的故障诊断中常采用神经网络构建故障映射关系，针对实际应用中神经网络存在收敛速度慢、学习记忆不稳定等不足，以一电站锅炉送风机为诊断对象研究了基于带有偏差单元的递归神经网络故障诊断方法。对状态检测系统采集的信号进行逻辑处理，分离出8个故障特征参数。以8种常见故障模式作为BP网络和递归神经网络的训练样本，对训练过程和仿真结果作了对比分析，结果表明该诊断方法在收敛速度、精度和稳定性能等方面均有良好改善，满足了系统在线故障诊断的需求。     

基于人工神经网络的变压器励磁涌流的鉴别

研究了基于神经网络方法的电力变压器励磁涌流鉴别。对变压器励磁涌流及故障电流进行了数字仿真,比较了两者在物理特性上的区别。利用Matlab的人工工具箱,分别建立了BP和RBF神经网络模型,对励磁涌流和故障电流的样本进行训练及测试。结果表明,人工神经网络可以正确地区分励磁涌流和故障电流,RBF神经网络能更加快速、准确地判断出变压器的故障。     

Fault simulation and diagnosis for vector control of AC motor drive

An AC drive system is a multivariable, nonlinear, strongly coupled, and complex electromechanical system whose safety and reliability are extremely important in modern electric locomotives. Therefore, it is very important to carry out the converter's fault diagnosis. In this paper, the vector control of an AC motor drive system is modeled and simulated with MATLAB in order to obtain reliable failure data. Through comparative analysis, we extract the effective fault features, which are input to the neural network (NN) to complete the fault diagnosis. Finally, we compare the training and diagnosis results of the Levenberg‐Marquardt (LM)‐back propagation (BP) and BP NNs through simulation experiments and show that the LM‐BP NN has a higher efficiency and higher diagnosis accuracy. Also, it does not fall into local minima and is suitable for pattern recognition. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

一种基于EFPN的电力系统故障诊断方法

针对电力系统故障诊断中存在的告警信息错误或缺失,以及信息出现的时间不确定等问题,提出一种基于扩展模糊Petri网(EFPN)的故障诊断方法。该方法通过将模糊规则映射到扩展模糊Petri网,对故障诊断过程中的不确定性问题进行定量分析。首先,采用统计计算获得信号置信度,运用层次分析法设定权值,进而构建时间隶属函数定量分析信号的时间不确定性。由变电站故障诊断实例可知,该方法在处理不完备信号和误信号时,表现出较好的适应性和容错性,准确度高,且降低了直接使用专家经验的主观性。     

蚁群算法在电机故障诊断中的应用

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,有正反馈、分布式计算、启发性收敛等特点.本文介绍了蚁群算法的基本原理和算法模型,建立了以电机为对象的神经网络故障诊断系统,应用蚁群算法训练了神经网络并进行了故障诊断,与BP算法的诊断结果进行了比较.网络训练的对比结果表明,基于蚁群算法的神经网络故障诊断系统,对多故障征兆有较好的故障识别率,且算法收敛快,诊断精度高,具有较高的搜索效率.     

基于红外检测的变电站设备热状态诊断

提出了一种基于红外检测的变电站设备热状态诊断方案。首先基于变电站设备的红外图像,采用局部方差映射函数和遗传算法阈值提取了变电站设备的热状态数据,以用于对异常区域进行分割。然后构建了红外图像灰度数与变电站设备温度两者之间的关系。最后采用改进的相对温差法达到了对设备热状态进行分类和诊断的目标,并捕获定位了变电站设备的热状态异常区域。实验结果表明,该方法提高了异常热区提取的精度和效率,提升了变电站设备热状态诊断的容错能力,进一步保证了变电站和整个电力系统的运行稳定性。     

基于Matlab的高压直流输电系统逆变器的模糊神经网络控制研究

在研究模糊逻辑控制技术、神经网络技术和高压直流输电系统的基础上,针对HVDC系统的快速、高度可控性,从原理上说明,对逆变器采用模糊神经网络控制也能有效地提高AC/DC系统的动态特性和恒定性。提取直流线路逆变侧电压误差及其变化率作为模糊控制器的输入,输出作为神经网络的输入,控制直流电压。设计非故障和故障模糊神经网络控制器,用M atlab分别对一典型12脉冲桥HVDC输电系统在传统控制和模糊逻辑控制下分别进行仿真,结果表明,与传统控制方法相比,当直流线路或者单相交流线路发生接地故障时,模糊神经控制能改善系统     

模拟电路的融合智能故障诊断

提出了一种基于遗传算法、神经网络、模糊集理论与数据融合技术相结合的模拟电路故障诊断新方法。该法使用多类电路测试数据来解决由于测试节点不足而带来的故障信息欠缺等问题，采用遗传算法来优化BP网络的结构与初始权值分布。对每类测试信息各用一个独立的所提遗传神经网络进行初步诊断，得到基于各类测试信息的被诊断电路属于不同故障状态的可能性。在充分考虑每个神经网络输出信息重要程度的基础上，采用模糊积分融合方法进行决策融合。文中研究了其故障特征提取、样本选择、诊断系统结构、学习算法及其综合决策方法，并通过电路诊断实例，阐述了该方法的具体实现，验证了所提方法的鲁棒性。诊断结果表明：所提方法对容差模拟电路的多故障与单故障诊断均适用，故障定位准确率高。     

基于新型神经网络的电网故障诊断方法

故障诊断对于事故后系统快速恢复正常运行具有重要的意义。该文提出应用新型径向基函数 (RadialBasisFunc tion ,RBF)神经网络解决故障诊断问题 ,文中将正交最小二乘 (Orthogonalleastsquare)算法扩展用于优化RBF神经网络参数。并应用传统的BP神经网络解决同样的问题以进行比较。在 4母线测试系统中的计算机仿真结果证明 ,在解决故障诊断这一类问题时 ,RBF神经网络优于BP神经网络模型 ,能够更有效地解决问题