【摘要】：電力設(shè)備的可靠運(yùn)行關(guān)乎超大規(guī)模輸配電和國家電網(wǎng)的安全,因此,有關(guān)電力設(shè)備可靠性的研究具有重要的現(xiàn)實(shí)意義。電力設(shè)備的故障診斷是保證設(shè)備安全運(yùn)行的重要舉措,因而成為電力系統(tǒng)和自動化領(lǐng)域的重要研究課題。電力設(shè)備故障是危及電網(wǎng)安全運(yùn)行的重要因素,而載流故障又是電力設(shè)備故障的主要類型之一。本文針對電力設(shè)備的載流故障,從機(jī)理分析、數(shù)據(jù)挖掘等幾個方面著手,利用神經(jīng)網(wǎng)絡(luò)、混沌時間序列分析等技術(shù)成果,提出了一套完整的電力設(shè)備載流故障診斷算法。對來自某電廠的實(shí)際運(yùn)行溫度數(shù)據(jù)進(jìn)行分析,電力設(shè)備載流故障從形態(tài)上主要可以分成兩類,溫度快速上升并超限的故障形態(tài)和溫度緩慢振蕩上升并超限的故障形態(tài)。針對不同的故障形態(tài),研究提出相應(yīng)的載流故障診斷算法。對于溫度快速上升并超限的故障形態(tài),本文提出了一種基于主元分析法(PCA)和K-means聚類算法的載流故障早期預(yù)警算法。然后,利用極限學(xué)習(xí)機(jī)(ELM)預(yù)測故障觸點(diǎn)的溫度序列,極限學(xué)習(xí)機(jī)(ELM)具有學(xué)習(xí)速度快、泛化性能好的優(yōu)點(diǎn)。應(yīng)用在本系統(tǒng)當(dāng)中,能夠在保證一定預(yù)測精度的前提下,更好地滿足系統(tǒng)的實(shí)時性要求。對于溫度緩慢振蕩上升并超限的故障形態(tài),本文提出了基于多尺度混沌時間序列預(yù)測的載流故障趨勢預(yù)測方法。首先應(yīng)用基于小波變換的噪聲平滑算法對原始數(shù)據(jù)進(jìn)行降噪處理,并利用降噪后的數(shù)據(jù)構(gòu)造即時溫度序列和多時間尺度的平均溫度序列。通過將變步長的歸一化最小均方誤差算法應(yīng)用于Volterra核函數(shù)的辨識中,提高核函數(shù)的辨識精度,從而獲得更加準(zhǔn)確的預(yù)測效果；采用上述改進(jìn)后的Volterra自適應(yīng)濾波算法對載流故障進(jìn)行趨勢預(yù)測�；谀畴娬緦�(shí)際運(yùn)行數(shù)據(jù)的測試結(jié)果表明了所提方法的有效性。
[Abstract]:The reliable operation of power equipment is related to the safety of super large scale transmission and distribution and the state grid. Therefore, the research on the reliability of power equipment has important practical significance. Fault diagnosis of power equipment is an important measure to ensure the safe operation of power equipment, so it has become an important research topic in the field of power system and automation. Power equipment fault is an important factor that endangers the safe operation of power network, and the current carrying fault is one of the main types of power equipment fault. Aiming at the current carrying fault of power equipment, this paper presents a complete diagnosis algorithm for current carrying fault of power equipment from the aspects of mechanism analysis, data mining and other technical achievements, such as neural network, chaotic time series analysis and so on. Based on the analysis of the actual operating temperature data from a power plant, the current carrying faults of power equipment can be divided into two types: the fault pattern of temperature rising rapidly and exceeding the limit, and the fault pattern of temperature oscillating slowly rising and exceeding the limit. According to different fault patterns, the corresponding current-carrying fault diagnosis algorithm is proposed. In this paper, an early warning algorithm of current-carrying faults based on principal component analysis (PCA) and K-means clustering algorithm is proposed for the fault pattern of temperature rising rapidly and exceeding the limit. Then, the extreme learning machine (ELM) is used to predict the temperature sequence of the fault contact. (ELM) has the advantages of fast learning speed and good generalization performance. Application in this system can better meet the real-time requirements of the system on the premise of certain prediction accuracy. In this paper, a method for predicting the trend of current-carrying faults based on multi-scale chaotic time series is proposed for the fault pattern of temperature rising slowly and exceeding the limit. Firstly, the noise smoothing algorithm based on wavelet transform is used to reduce the noise of the original data, and the real time temperature series and the average temperature series with multiple time scales are constructed by using the de-noised data. By applying the normalized minimum mean square error algorithm with variable step size to the identification of Volterra kernel function, the accuracy of kernel function identification is improved, and a more accurate prediction result is obtained. The improved Volterra adaptive filtering algorithm is used to predict the trend of current carrying fault. The test results based on the actual operation data of a power station show the effectiveness of the proposed method.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM507

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李占君,孫樂民,張永振;載流摩擦磨損研究現(xiàn)狀及前景[J];鐵道運(yùn)輸與經(jīng)濟(jì);2005年01期

2 趙燕霞;劉敬超;孫樂民;上官寶;張永振;;載流摩擦磨損中電弧侵蝕的研究現(xiàn)狀及趨勢[J];潤滑與密封;2010年08期

3 張永振;楊正海;上官寶;孫樂民;杜三明;;典型材料載流摩擦行為[J];河南科技大學(xué)學(xué)報(自然科學(xué)版);2012年05期

4 高琦;長直載流導(dǎo)線處的B值問題[J];河南機(jī)專學(xué)報;1997年01期

5 范云正;對無限長載流直導(dǎo)線所在平面內(nèi)圓電流受力的討論[J];山東工業(yè)大學(xué)學(xué)報;2000年06期

6 傅元芬;;也談載流線圈在外磁場中所受的力[J];天津理工學(xué)院學(xué)報;1993年02期

7 韓一平;;對同一平面的兩個任意形狀的載流導(dǎo)線作用力方向的分析[J];中國電子教育;1996年02期

8 李秉寬;顧國鋒;蘇安;;三角形載流線圈空間磁場的分布[J];廣西物理;2008年01期

9 徐曉峰;宋克興;杜三明;;載流條件下銅基粉末冶金材料的摩擦磨損行為[J];材料保護(hù);2008年07期

10 詹樹軍;;載流圓線圈外空間任意一點(diǎn)磁場的研究[J];畢節(jié)學(xué)院學(xué)報;2012年08期

相關(guān)會議論文 前10條

1 張永振;陳拂曉;楊正海;上官寶;;載流摩擦磨損的研究[A];第三屆全國金屬加工潤滑技術(shù)學(xué)術(shù)研討會文集[C];2011年

2 趙建軍;曾榮杰;;載流X熒光品位分析儀的研究與應(yīng)用現(xiàn)狀[A];復(fù)雜難處理礦石選礦技術(shù)——全國選礦學(xué)術(shù)會議論文集[C];2009年

3 孫樂民;沈向前;張永振;;載流摩擦磨損規(guī)律研究[A];第二屆全國工業(yè)摩擦學(xué)大會暨第七屆全國青年摩擦學(xué)學(xué)術(shù)會議會議論文集[C];2004年

4 孫樂民;沈向前;張永振;;載流摩擦磨損規(guī)律研究[A];第二屆全國工業(yè)摩擦學(xué)大會暨第七屆全國青年摩擦學(xué)學(xué)術(shù)會議會議論文集[C];2004年

5 楊紅娟;陳光雄;;受電弓滑板載流磨損機(jī)理的演變過程研究[A];第十一屆全國摩擦學(xué)大會論文集[C];2013年

6 趙建軍;周俊武;徐寧;李杰;趙宇;陸博;遲慶雷;;BOXA-Ⅰ型載流X熒光品位分析儀的研制[A];有色金屬工業(yè)科學(xué)發(fā)展——中國有色金屬學(xué)會第八屆學(xué)術(shù)年會論文集[C];2010年

7 宋克興;張永振;國秀花;鄭翠華;周延軍;丁宗業(yè);李韶林;;基于載流摩擦磨損條件下高性能銅基材料的設(shè)計與開發(fā)[A];中國有色金屬學(xué)會第十四屆材料科學(xué)與合金加工學(xué)術(shù)年會論文集[C];2011年

8 田磊;孫樂民;趙燕霞;上官寶;張永振;;波動載荷對C/C復(fù)合材料/鉻青銅摩擦副載流摩擦磨損特性的影響[A];2011年全國青年摩擦學(xué)與表面工程學(xué)術(shù)會議論文集[C];2011年

9 國秀花;宋克興;趙培峰;張永振;張彥敏;;速度對黃銅/Al_2O_3/Cu復(fù)合材料載流摩擦副摩擦磨損性能的影響[A];2011年全國青年摩擦學(xué)與表面工程學(xué)術(shù)會議論文集[C];2011年

10 楊正海;張永振;上官寶;;石墨含量對銅/石墨材料高速載流摩擦性能的影響[A];第十一屆全國摩擦學(xué)大會論文集[C];2013年

相關(guān)博士學(xué)位論文 前3條

1 楊正海;載流摩擦副的電弧損傷機(jī)制研究[D];機(jī)械科學(xué)研究總院;2015年

2 董霖;載流摩擦磨損機(jī)理研究[D];西南交通大學(xué);2008年

3 任志玲;弓網(wǎng)系統(tǒng)載流摩擦磨損性能及其最優(yōu)載荷研究[D];遼寧工程技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 王一帆;滑動摩擦條件下電弧對Cu/QCr0.5載流摩擦磨損性能的影響[D];河南科技大學(xué);2015年

2 孟W，

本文編號：2156636