本文關(guān)鍵詞：基于支持向量機的高壓線路故障原因辨識

  更多相關(guān)文章： 故障原因辨識 錄波器 小波基 支持向量機 核函數(shù) 遺傳算法

【摘要】：高壓輸電網(wǎng)絡(luò)是送電端和用電端之間的樞紐,起著十分重要的連接作用。高壓輸電線路運行的環(huán)境較為惡劣,常常會發(fā)生各種故障。由于單相瞬時性接地故障在高壓輸電線路故障中所占的比重較大,本文提出了針對高壓輸電線路單相瞬時性接地故障的故障原因辨識方法。本文首先對故障錄波器上傳的數(shù)據(jù)信息進行處理,針對時間不同步問題,提出了相應(yīng)的解決方案。從小波變換的角度出發(fā),在尺度域上對信號能量進行劃分,通過理論分析和真實故障錄波數(shù)據(jù)的仿真對比得出,雙正交小波基bior3.5是故障錄波數(shù)據(jù)分解與重構(gòu)的較好選擇。同時引入了能量指標、方差指標和熵指標作為信號特征提取的特征量,將此特征量代入支持向量機的分類模型中,可以實現(xiàn)分類器的訓(xùn)練和待測集的預(yù)測。其次,詳細分析了電力線路故障發(fā)生的不同原因,將故障原因大致分為六類,分別是山火、凝冰、雷擊、對樹木放電、異物和外力破壞。在現(xiàn)有故障錄波數(shù)據(jù)的基礎(chǔ)上,提出了基于支持向量機的故障原因辨識分類方法,采用核矩陣和核校準的近似系數(shù)指標對核函數(shù)進行選擇,利用遺傳算法對懲罰因子C和核參數(shù)的數(shù)值進行估計。經(jīng)實驗仿真證明,最終得出的SVM分類模型的預(yù)測率較高,具有一定的實用價值。最后,介紹了繼電保護智能支撐平臺的結(jié)構(gòu)框架以及相關(guān)技術(shù),提出了利用故障錄波數(shù)據(jù)進行繼電保護動作分析評價的方法,實現(xiàn)了高壓線路故障原因辨識等高級功能在實際平臺上的應(yīng)用。
【關(guān)鍵詞】：故障原因辨識 錄波器 小波基 支持向量機 核函數(shù) 遺傳算法
【學(xué)位授予單位】：華北電力大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM75
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 引言10
• 1.2 課題的背景和意義10-11
• 1.3 國內(nèi)外研究現(xiàn)狀11-14
• 1.3.1 故障錄波分析11-12
• 1.3.2 高壓線路故障原因辨識12-13
• 1.3.3 故障信息系統(tǒng)13-14
• 1.4 論文的主要工作14-15
• 第2章 基于故障錄波數(shù)據(jù)的線路故障特征量的提取15-30
• 2.1 通信線路兩端不同步問題及解決方案15-19
• 2.1.1 同步問題研究背景15-16
• 2.1.2 在電力系統(tǒng)中時間同步的應(yīng)用16
• 2.1.3 基于故障線路兩端電壓相位差的時間同步方法16-17
• 2.1.4 仿真分析17-19
• 2.2 電力系統(tǒng)故障錄波電壓與電流的特征選取與提取19-29
• 2.2.1 小波基選擇的意義19-20
• 2.2.2 兩類小波基簡介20-21
• 2.2.3 小波基綜合性能的評價指標21-22
• 2.2.4 分解層數(shù)的選擇22
• 2.2.5 仿真驗證與比較22-25
• 2.2.6 錄波數(shù)據(jù)特征量的三個指標25-27
• 2.2.7 樣本的選擇與特征量的提取27-29
• 2.3 本章小結(jié)29-30
• 第3章 基于支持向量機的故障原因辨識30-52
• 3.1 高壓電力線路的故障原因概述30-34
• 3.1.1 山火30-31
• 3.1.2 凝冰31
• 3.1.3 雷擊31-32
• 3.1.4 異物32-33
• 3.1.5 對樹木放電33-34
• 3.1.6 外力破壞34
• 3.1.7 小結(jié)34
• 3.2 支持向量機模型的建立34-36
• 3.3 基于支持向量機的電力線路故障類型識別36-39
• 3.3.1 支持向量機訓(xùn)練試驗36
• 3.3.2 支持向量機分類測試試驗36-39
• 3.4 支持向量機模型選擇的意義及方法39-40
• 3.4.1 模型選擇的意義39
• 3.4.2 模型選擇方法簡介39-40
• 3.5 核函數(shù)的選擇40-44
• 3.5.1 近似系數(shù)指標40-41
• 3.5.2 實驗及結(jié)果分析41-44
• 3.6 核參數(shù)的調(diào)整及誤差懲罰參數(shù)C的估計44-48
• 3.6.1 核函數(shù)參數(shù)的選擇44
• 3.6.2 懲罰因子C的估計44
• 3.6.3 遺傳算法選擇支持向量機參數(shù)44-46
• 3.6.4 電力線路故障原因辨識模型參數(shù)的確定46-48
• 3.7 仿真結(jié)果與分析48-50
• 3.7.1 仿真結(jié)果48-50
• 3.7.2 分析50
• 3.8 本章小結(jié)50-52
• 第4章 繼電保護運行綜合智能支撐平臺52-64
• 4.1 系統(tǒng)方案概述52-54
• 4.1.1 CSGC3000平臺介紹52-53
• 4.1.2 系統(tǒng)總體結(jié)構(gòu)53-54
• 4.2 故障智能分析54-57
• 4.2.1 錄波分析55-56
• 4.2.2 故障場景數(shù)據(jù)收集56
• 4.2.3 擴展故障分析56-57
• 4.3 保護動作行為分析57-61
• 4.3.1 動作行為分析的自動啟動條件及分析對象57-58
• 4.3.2 錄波文件選取58
• 4.3.3 基于故障數(shù)據(jù)的繼電保護動作行為分析方法58-61
• 4.4 高壓線路故障原因分析結(jié)果61-62
• 4.4.1 分析結(jié)果61
• 4.4.2 展示界面的設(shè)計61-62
• 4.5 本章小結(jié)62-64
• 第5章 總結(jié)與展望64-66
• 5.1 總結(jié)64-65
• 5.2 展望65-66
• 參考文獻66-70
• 致謝70

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 葛海峰;林繼鵬;劉君華;丁暉;;基于支持向量機和小波分解的氣體識別研究[J];儀器儀表學(xué)報;2006年06期

2 琚旭;王浩;姚宏亮;;支持向量機的一個邊界樣本修剪方法[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2006年07期

3 張菁華;袁鑫;劉達;;基于支持向量機的電力工程最優(yōu)投標報價決策研究[J];山東電力高等�？茖W(xué)校學(xué)報;2006年04期

4 張濤;段淑敏;;支持向量機在中醫(yī)疾病癥候診斷中的應(yīng)用[J];華北水利水電學(xué)院學(xué)報;2007年03期

5 王晶;靳其兵;曹柳林;;面向多輸入輸出系統(tǒng)的支持向量機回歸[J];清華大學(xué)學(xué)報(自然科學(xué)版);2007年S2期

6 陳丹;;多類支持向量機算法的研究[J];東莞理工學(xué)院學(xué)報;2007年05期

7 程麗麗;張健沛;馬駿;;一種改進的加權(quán)邊界調(diào)節(jié)支持向量機算法[J];哈爾濱工程大學(xué)學(xué)報;2007年10期

8 宋召青;崔和;胡云安;;支持向量機理論的研究與進展[J];海軍航空工程學(xué)院學(xué)報;2008年02期

9 郭濵;孫曉梅;薛明;;基于殼向量的邊界鄰近支持向量機[J];黑龍江交通科技;2008年12期

10 許超;運士偉;舒云星;;基于支持向量機的混凝土測強換算模型[J];洛陽理工學(xué)院學(xué)報(自然科學(xué)版);2008年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 余樂安;姚瀟;;基于中心化支持向量機的信用風(fēng)險評估模型[A];第六屆（2011）中國管理學(xué)年會——商務(wù)智能分會場論文集[C];2011年

2 劉希玉;徐志敏;段會川;;基于支持向量機的創(chuàng)新分類器[A];山東省計算機學(xué)會2005年信息技術(shù)與信息化研討會論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機學(xué)習(xí)方法[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（下冊）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機的系統(tǒng)辨識方法研究及應(yīng)用[A];中國力學(xué)大會——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機方法的衢州降雪模型[A];第五屆長三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機方法預(yù)測膜蛋白類型[A];第十一次中國生物物理學(xué)術(shù)大會暨第九屆全國會員代表大會摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機綜述[A];全國第十五屆計算機科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學(xué)與支持向量機[A];2005年中國智能自動化會議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機算法[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

10 侯澍e，

本文編號：879736