基于改进LBG算法RBF网络的高压输电线路故障诊断

利用径向基函数RBF网络适合于求解模式识别问题的优势,提出采用RBF网络来实现高压输电线路的故障诊断,建造了基于RBF网络的高压输电线路故障诊断模型结构,并且对RBF网络的聚类过程给出了改进的LBG算法.仿真分析及容错性测试结果表明,本文所提方法能快速、正确地实现高压输电线路的故障诊断,而且对因干扰而畸变的输入信息情况具有容错能力,适合应用于实时信息处理系统.     

基于神经网络的输电线路故障诊断策略研究

随着智能电网的逐步发展,输电线路作为智能电网的重要组成部分,在智能电网的运行中发挥了重要作用,因此对输电线路的故障诊断技术进行研究意义重大。本文提出基于神经网络的输电线路故障诊断策略,首先对输电线路的电流数据进行预处理,然后对神经网络进行优化,并在卷积层中运用批归一化方法,对输电线路的电流数据进行故障特征提取和分类识别,由此便构建高精度的输电线路故障诊断模型。经过实际运用验证,本文提出的方法能够实现输电线路故障的有效诊断,具有一定的实用性,可以进行大规模推广应用。     

基于支持向量机的输电线路故障诊断分类

基于支持向量机SVM(Support Vector Machine)的输电线路故障分类方法,可利用Matlab6.5仿真输电线路故障得到两组不同类型故障的数据。结合Matlab6.5环境下SVM工具箱进行编程,建立SVM故障分类器对测试样本进行测试。结果验证了该故障诊断方法的可行性。     

基于多源信息融合的输电线路故障诊断研究

随着新型电力系统的加速建设,输电系统的规模和复杂性不断增加,而以多源数据作为驱动源、满足准确率与低耗时要求的输电线路故障诊断算法亟待研究。提出一种基于改进NRBO-XGBoost算法的多源信息融合输电线路故障诊断方案。首先,通过对线路两侧保护测量电气量和动作开关量的分析,解耦出区内外故障场景下时/频域差动电流和差动电压、暂态极性和动作信号的关联性特征;其次,将解耦出的多源故障特征向量输入至XGBoost串行学习算法,并同时引入NRBO算法对XGBoost的训练参数进行全局优化;最后,基于改进NRBO-XGBoost算法的辨识输出结果,获取完整的输电线路区内外故障诊断模型。在PSCAD/EMTDC中搭建了IEEE-30标准节点输电系统模型,通过对4种典型场景下的案例测试,结果表明所提出的多源信息融合算法能够满足线路故障诊断准确率99%的要求,在诊断速度上相较于传统智能算法也体现出了一定的优越性。     

基于GA与RS的电力系统输电线路故障诊断

针对电力系统中存在着各种故障,及断路器跳闸进而引起大范围停电的情况,提出了一种基于建模-简约-优化的多源信息融合的智能故障诊断方法.通过对电力系统输电线路故障的原因分析,确定基于遗传算法的故障诊断规则.再利用粗糙集理论对故障动作决策表进行最大限度的约简,此方法保留了关键信息同时得到了知识的最小表达,能够更快更准确的诊断出故障发生的位置.通过实验证明:文中所提出故障诊断模型高效便捷,可应用于大型电力系统的故障诊断,尤其是输电线路方面的故障诊断,在诊断电力线路故障方面提供了一个切实有效的方法.     

基于图注意力网络的输电线路故障诊断

以往基于深度学习的输电线路故障诊断,依赖数字信号处理技术提取故障特征。为了改进前述方法,引入了图深度学习理论,提出了一种基于图注意力网络(GAT)的智能故障诊断方法。将原始三相电流电压信号转化为图数据,利用多个图注意力层自动提取特征信息,从而建立了数据从输入端到输出端之间的映射关系,实现输电线路端到端的故障诊断。在400 kV三相输电线路和IEEE13总线电网系统上验证该方法的准确性和有效性,分别对五种短路故障和无故障情况设置不同初始相角、过渡电阻和故障位置进行仿真分析。结果表明,该方法故障诊断准确率达到9975%以上,与现有几种智能故障诊断算法对比其性能最优。同时,该方法在不同白噪声下依然保持较高的故障识别率,具有良好的鲁棒性和泛化能力,为电力输电线路诊断技术提供了一定的研究思路。     

基于红外图像识别的输电线路故障诊断

红外图像中输电线路故障的准确识别一直是困扰检测人员的难题。本文借助红外成像仪获取输电线路温升变化图像,从分析输电线路红外图像的特征入手,通过比较各颜色空间的优缺点,应用HSI颜色空间转换获得图像边缘信息,借助中值滤波保持边缘信息的优势,利用改进的中值滤波排除干扰,采用梯度法提取其中的温度最高区域,从而迅速准确地诊断输电线路温升故障。以输电线路的红外图像为例,验证了HSI空间梯度法识别温度最高区域的可行性和有效性。     

基于决策树的输电线路覆冰故障诊断分析

输电线路作为电网薄弱环节之一,其安全稳定运行直接关系到电网的运行状态。目前,覆冰已成为威胁线路安全运行的重要因素。为了提高覆冰故障分析效率,研究其故障诊断模型显得愈发重要。文中通过某网省公司近5年输电线路覆冰跳闸数据,分析其发生规律,结合气象及微地形条件对覆冰故障的影响,构建基于决策树的线路覆冰故障诊断模型,梳理关键诊断变量因子及权重系数,提出疑似故障概率计算方法。最后结合诊断模型,对实际运行故障案例进行分析和计算,通过人工干预及现场排查确认覆冰故障类型,为输电线路故障诊断和故障排查奠定了良好的基础。     

基于多Agent的变电站操作票自动生成系统

变电站操作票制度是保证变电站安全、可靠运行的重要措施,因此开具正确无误的倒闸操作票对于变电站的运行操作和维护管理具有重要的意义.本文提出将分布式人工智能之多Agent理论应用于操作票自动生成系统中,并结合RBF神经网络技术,建造了由设备操作序列生成Agent、校核Agent、解释Agent、协调控制Agent组成的具有分布式结构的变电站操作票MAS.研究表明该系统的实现过程简单、维护管理方便、具有较强的智能性.     

RBF神经网络算法及在定点DSP上的快速实现

首先介绍了径向基函数神经网络(RBFNN)的结构和运算,分析了完成算法的复杂性,而后给出了如何运用泰勒公式及虚拟浮点库(IQmath Library)实现RBF神经网络在定点DSP上的快速实现的方法,并结合运算实例,验证了此算法的有效性。     

基于动态最近邻聚类算法的RBF神经网络及其在MH-Ni电池容量预测中的应用

基于RBF神经网络的设计难点提出了一种动态确定隐含层节点数及数据中心的新方法,即动态最近邻聚类算法,消除了现有算法中人为因素对数据中心的影响.所设计的神经网络具有最少的隐含层节点数,结构简单,提高了网络学习训练速度,基于动态RBF神经网络建立了MH-Ni电池容量预测模型,通过仿真,取得了理想的结果,为MH-Ni电池容量预测提供了新方法.     

基于RBF神经网络的线路工程似大地水准面精化模型研究

由于我国新一代CQG2000似大地水准面不能满足实际需要,本文引入基于径向基的神经网络模型用于似大地水准面的精化,取得了较好的结果。经实例验证:如果拟合点的取样间隔少于5km,参数选取合适,可以得到与四等水准测量精度相当的似大地水准面。     

基于改进RBFNN的1000kV特高压线损预测

针对特高压输电线线损与特征参数间关系复杂的特点,提出一种联合聚类优化算法(Canopy-K-means)和自适应二次变异差分进化(adaptive second mutation differential evolution,ASMDE)算法改进的径向基神经网络(radial basis function neural...     

基于遗传神经网络的伺服电机转速控制

针对交流伺服控制的高速度和高精度,传统控制方法很难对其实施有效控制,给出一种基于遗传神经网络的控制策略。神经网络的结构和初始权值运用递阶遗传算法离线优化,并对电机参数进行实时辨识,通过辨识结果计算控制量,对电机进行实时控制。实验结果证明,该控制系统具有较高的控制精度和稳定性。     

基于径向基神经网络的输电线路动态容量在线预测

在线预测输电线路的动态热容量,合理安排负荷高峰时期运行方式和调度管理,对输电线路的安全和经济运行具有重要意义,同时也对确定风电等间歇式可再生能源的接入容量提供技术支持.为此,提出了利用径向基神经网络实现线路动态容量的在线预测方法.该方法首先利用径向基神经网络进行风速和日照辐射温度的在线学习和预测,基于IEEE 738标准进行输电线路动态容量的在线短期预测.利用典型的夏季和冬季实测数据进行动态容量预测后发现,预测未来1、2、4 h的动态容量的最大相对误差分别在10%、20%、40%以内.将短期的负荷预测与该方法结合起来,可为电力紧张地区和负荷高峰时期的智能调度提供决策支持.     

基于径向基函数的集成神经网络在变压器故障诊断中的应用

本文提出一个结合电气试验与油中溶解气体分析结果的故障诊断方法,采用具有良好分类能力的径向基函数集成神经网络,由于既充分利用了油中溶解气体分析结果中的有效信息,又考虑到一些对故障反映比较灵敏的电气试验的结果,因而该方法有助于提高故障诊断的准确性。诊断结果表明,本算法应用于电力变压器故障诊断具有较高的正判率。     

基于RBFNN的地电流场强区域指纹库构建方法

基于场强为特征的地电流场广泛应用于物探、地震监测、透地通信等领域,由于区域地电流场强存在变异,难以建立地电流场强区域指纹库。本研究提出一种基于RBFNN的地电流场强区域指纹库构建方法。通过分时十字注入构建区域地电流场,在不同检测点通过正交电极检测地电流场信号提取地电流场强指纹特征。采用RBFNN拟合Kriging插值中的场强变异函数模型,通过Kriging插值估计细粒度地电流场强区域指纹特征,根据估计结果构建出地电流场强区域指纹库。在150 m×50 m自然环境进行了地电流场强区域指纹库构建实验,结果表明,所构建的0.1 m×0.1 m细粒度地电流场强区域指纹库,平均构建精度为89.84%,最高构建精度为95.46%。     

基于RBFNN稳态逆模型的多端柔性多状态开关平滑切换策略

直流母线电压的稳定是柔性多状态开关正常运行的关键.柔性多状态开关(FMS)多工作模式的硬切换会导致直流母线电压产生剧烈波动,而采用平滑切换是实现母线电压稳定的最有效途径.文章详细分析了稳态逆模型平滑切换的原理,然后,针对其不足,深入研究了径相基函数神经网络(RBFNN)稳态逆模型平滑切换技术,给出了运用RBFNN改进稳态逆模型平滑切换的原理,进行了详细的实验验证.理论分析和实验结果显示,通过RBFNN控制修正PI输出来补偿扰动对系统的影响,将修正后的PI输出与稳态逆模型输出叠加生成内环参考值,有效平缓切换瞬间母线电压的振荡,能够实现直流母线电压波动小、响应速度快、动态特性佳、适应工况广等优点.