本文關(guān)鍵詞：基于流形學習的風電變流器故障空間維數(shù)約簡

  更多相關(guān)文章： 風電變流器 經(jīng)驗模態(tài)分解 盒維數(shù) 流形學習 維數(shù)約簡

【摘要】：在能源危機與保護環(huán)境的背景下,對清潔和可再生新能源的開發(fā)利用受到社會的日益廣泛關(guān)注。風能是目前增長最快的清潔可再生能源,由于風力發(fā)電儲藏量巨大、轉(zhuǎn)換形式簡單、開采規(guī)模大且沒有污染,因此成為新能源中發(fā)展最快、技術(shù)最成熟的發(fā)電技術(shù)。風電機組常工作于野外,環(huán)境條件惡劣,變流器作為風電系統(tǒng)的核心部件,其穩(wěn)定可靠運行至關(guān)重要,變流器發(fā)生故障時,如果不能得到及時診斷和恢復,整個風電機組可能會遭受嚴重損壞或?qū)е峦C,帶來巨大的經(jīng)濟損失。因此,風電系統(tǒng)對變流器可靠性要求很高,變流器故障診斷對于提高系統(tǒng)穩(wěn)定性來說至關(guān)重要。變流器中存在大量電力電子器件,具有非線性,難以建立完善的解析模型,且其發(fā)生故障時種類繁多,對于復雜系統(tǒng)的故障診斷目前現(xiàn)有的診斷技術(shù)不能滿足其需求。另外,通用的故障診斷模式“特征提取→模式識別”存在特征提取方式需要人工干預和特征量維數(shù)過高使特征間具有冗余的缺點,與所要求的自動化、高精度、快速性的故障診斷指標相背離。因此,本文針對風電變流器故障信號的非平穩(wěn)、非線性特性及故障特征空間維數(shù)過高導致模式識別困難的缺點,結(jié)合經(jīng)驗模態(tài)分解對非線性信號處理的自適應性和分形盒維數(shù)能對非線性行為定量描述的特點,提出了基于經(jīng)驗模態(tài)分解與盒維數(shù)及流形學習的“特征提取→維數(shù)約簡→模式識別”的智能風電變流器故障診斷方法。首先,闡述風電變流器的結(jié)構(gòu)與工作原理,并對變流器IGBT開路故障進行分析,通過搭建變流器Matlab仿真模型來獲得正常運行與故障波形。其次,選取三相輸出電壓來提取故障特征,通過經(jīng)驗模態(tài)對三相電壓信號進行分解,計算各固有模態(tài)函數(shù)的信息熵與盒維數(shù),信息熵作為信號的能量特征、盒維數(shù)作為結(jié)構(gòu)特征,將二者相結(jié)合作為變流器信號的特征量,有效地提取故障特征,準確地刻畫故障狀態(tài)。通過仿真得出此方法的正確性。再次,引入流形學習方法來對變流器故障特征進行維數(shù)約簡,詳細介紹了流形學習的相關(guān)理論及經(jīng)典算法,在理論上支持了流形學習方法在變流器故障空間維數(shù)約簡中的適用性。重點針對流形學習方法中存在的一些缺陷進行了改進研究,在局部線性嵌入的基礎(chǔ)上提出了有監(jiān)督增量式正交判別鄰域保持嵌入的流形學習算法。最后,通過Matlab仿真來驗證本文所提方法對變流器故障識別的準確性和有效性。
【學位授予單位】：蘭州交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM614;TM46

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 周華;蔡超;丁明躍;;基于流形學習和流形高階近似的圖像距離度量[J];華中科技大學學報(自然科學版);2012年03期

2 黃鴻;李見為;馮海亮;;融合局部和全局結(jié)構(gòu)的流形學習[J];光學精密工程;2009年03期

3 賀廣南;楊育彬;;基于流形學習的圖像檢索算法研究[J];山東大學學報(工學版);2010年05期

4 金波;;基于年齡流形的人臉圖像年齡識別[J];中國新技術(shù)新產(chǎn)品;2011年01期

5 高崢;杜川;;基于流形學習算法的人臉識別研究[J];河南機電高等�？茖W校學報;2011年04期

6 詹煒;;流形學習算法概述[J];武漢船舶職業(yè)技術(shù)學院學報;2013年02期

7 丁玲;唐娉;李宏益;;基于流形學習的混合光譜解混分析[J];紅外與激光工程;2013年09期

8 顧艷春;;一種基于線性插值的流形學習算法[J];佛山科學技術(shù)學院學報(自然科學版);2013年01期

9 張輝遠;;基于高光譜影像的流形學習降維方法近鄰畸變分析[J];鐵道勘察;2014年02期

10 馮海亮;李見為;王旭初;黃鴻;;基于非線性子流形的人臉識別[J];重慶大學學報;2008年03期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 宋欣;王娟;張斌;葉世偉;;流形學習算法分析及在人臉數(shù)據(jù)庫上的應用[A];2008年全國開放式分布與并行計算機學術(shù)會議論文集(上冊)[C];2008年

2 劉曉平;季浩;鄧偉財;;基于流形學習的非線性系統(tǒng)可視化算法[A];全國第21屆計算機技術(shù)與應用學術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應用學術(shù)會議論文集[C];2010年

3 何慧;陳博;郭軍;;基于流形學習的半監(jiān)督文本情感分類算法[A];第五屆全國信息檢索學術(shù)會議論文集[C];2009年

4 蔣全勝;賈民平;胡建中;許飛云;;一種基于流形學習的故障模式識別方法[A];第九屆全國振動理論及應用學術(shù)會議論文集[C];2007年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 蘇祖強;基于泛化流形學習的風電機組傳動系統(tǒng)早期故障診斷方法研究[D];重慶大學;2015年

2 黃鴻;圖嵌入框架下流形學習理論及應用研究[D];重慶大學;2008年

3 尹峻松;流形學習理論與方法研究及在人臉識別中的應用[D];國防科學技術(shù)大學;2007年

4 黃啟宏;流形學習方法理論研究及圖像中應用[D];電子科技大學;2007年

5 馮海亮;流形學習算法在人臉識別中的應用研究[D];重慶大學;2008年

6 曾憲華;流形學習的譜方法相關(guān)問題研究[D];北京交通大學;2009年

7 詹宇斌;流形學習理論與方法及其應用研究[D];國防科學技術(shù)大學;2011年

8 王勇;基于流形學習的分類與聚類方法及其應用研究[D];國防科學技術(shù)大學;2011年

9 谷瑞軍;基于流形學習的高維空間分類器研究[D];江南大學;2008年

10 孟德宇;關(guān)于流形學習若干基礎(chǔ)問題與核心算法研究[D];西安交通大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 胡浩松;基于流形學習的旋轉(zhuǎn)機械故障識別方法研究[D];燕山大學;2015年

2 丁春濤;基于圖嵌入的判別近鄰分析研究及應用[D];蘇州大學;2015年

3 余嬋娟;交互式人臉檢索中人機人臉認知一致性研究[D];上海大學;2015年

4 陳明霞;基于半監(jiān)督的多流形學習算法研究[D];華僑大學;2015年

5 顧陽陽;基于流形學習的雷達輻射源識別技術(shù)[D];西安電子科技大學;2014年

6 高漢宇;基于最優(yōu)r-覆蓋堆積數(shù)本征維數(shù)估計方法及其應用[D];西安電子科技大學;2014年

7 羅廷金;基于流形學習的數(shù)據(jù)降維算法研究[D];國防科學技術(shù)大學;2013年

8 周韻然;基于流形學習的A股上市公司抽樣的信用評價[D];電子科技大學;2014年

9 史仍浩;基于流形學習的在線社會網(wǎng)絡節(jié)點分類[D];上海交通大學;2013年

10 陳詩文;流形學習在數(shù)據(jù)降維中的應用研究[D];浙江工業(yè)大學;2015年

，

本文編號：1262260