基于BP神经网络的配电网故障辨识方法

随着配电网自动化终端设备的广泛应用,基于设备过电流信息的故障定位方法因原理简单、实现便捷而成为该领域的研究热点.该方法主要分为两类:统一矩阵算法和群体智能算法.统一矩阵算法的容错能力差,而群体智能算法在构造优化目标时存在逻辑建模的瓶颈问题.为有效克服上述缺点,提出了基于BP神经网络模式的配电网故障定位方法,利用FTU的特征量和BP神经网络的自学习性及良好的泛化能力实现配电网的故障定位,不但原理简单、实现方便,而且具有多重故障定位能力,仿真结果证明了该方法的有效性.     

基于红外神经网络的高压断路器故障诊断方法

为了高效、快速、准确地确定高压断路器的故障,提出了一种基于红外诊断与神经网络相结合的高压断路器新型故障诊断方法。首先,利用红外测量技术采集高压断路器故障样本,并将故障样本进行归一化;其次,构造BP神经网络故障诊断模型,提出一种新型改进BP神经网络算法,将构造的高压断路器故障样本输入到改进BP神经网络中进行训练,得到改进BP神经网络的相关参数;最后,通过仿真研究验证了提出的基于红外神经网络的高压断路器故障诊断方法的合理性与优越性。     

基于蚁群优化神经网络的故障诊断

针对BP神经网络收敛速度慢,易于陷入局部极小点的问题,将蚁群算法引入BP神经网络的优化训练,建立了基于该算法的BP神经网络训练模型,并应用于电机转子故障诊断。结果表明,用蚁群算法训练神经网络具有较高的故障诊断精度,收敛性好,可以有效快速定位电机转子故障,提高诊断的效率和质量。     

基于BP神经网络的变频器功率变换主电路故障诊断研究

提出一种基于BP神经网络的变频器功率变换主电路故障诊断方法。通过对变频器功率变换主电路的故障类型及原因进行分析，提取了反映故障状态的四个特征参数。利用BP神经网络，采用自适应学习速率动量梯度下降BP算法，实现了故障模式的模式识别。     

基于BP神经网络及其改进算法的汽轮发电机组故障诊断

为了提高汽轮发电机组的故障诊断准确率,提出了基于BP神经网络改进算法的故障诊断系统.根据输入特征向量对BP神经网络进行学习,在matlab上分别采用两种算法对故障诊断模型进行测试.结果表明,改进算法能够更有效地预测汽轮发电机组的故障.     

基于BP神经网络的变压器故障诊断及其应用

针对电力变压器故障的特点以及传统故障诊断方法在变压器诊断应用中的局限性,研究一种基于BP神经网络算法的变压器故障诊断方法．通过选择足够的故障样本训练神经网络,达到变压器故障诊断的要求,并通过实例证明本算法的有效性．     

粒子群优化RBF神经网络的光伏阵列故障诊断

光伏阵列能否正常工作直接关系到整个光伏发电系统运行的安全性和可靠性。对于光伏阵列故障诊断中传统的BP神经网络诊断算法准确率低、收敛速度慢等问题,提出一种基于粒子群优化RBF神经网络的故障诊断算法。建立以光伏阵列的4种故障特征参数为输入、5种情况为输出的故障诊断模型,对基于粒子群算法的网络模型的自适应权重寻优进行仿真实验。最后,将优化算法与BP神经网络算法以及RBF神经网络算法进行对比。实验结果表明,优化算法不仅可以有效地诊断光伏阵列的故障类型,而且还可以提高故障诊断的准确率。     

基于KNN算法的配电网单相接地故障选线研究

小电流接地系统单相接地故障选线是配电网领域的一个难题,针对传统的采用单一判据的故障选线方案适用性差、选线精度低的问题,提出了一种基于K近邻(K-nearest-neighbor,KNN)算法的多源信息融合的单相接地故障选线方法,通过对故障数据处理选取故障特征量,结合KNN算法进行故障线路选线. 算例仿真研究表明,该选线方法与逻辑回归算法、BP神经网络算法相比,在获得较高的准确率的同时可缩短选线时间,具有较好的应用前景.     

基于RBF神经网络的电流保护

提出了一种基于RBF神经网络的全新的电流保护方式 该网络采用的是 3层RBF神经网络模型 ,由三部分构成 :故障类型与相别判断子网络ANN1;故障方向判别子网络ANN2 ;振荡识别子网络ANN3 对该模型进行了各种故障状态的测试 ,进行了仿真实验 ,并与BP网络进行了比较 ,发现RBF网络训练速度快 ,且证实了基于RBF网络的电流保护的可行性     

FastICA遗传神经网络算法

针对反向传播（BP）算法和基于负熵固定点迭代快速独立分量分析（FastICA）方法各自的优缺点,提出了FastICA遗传神经网络算法,对滚动轴承进行故障识别.首先对信号进行FastICA分离,得到振动信号故障信息的独立分量,每个独立分量对应着相应的能量,将各个独立分量的能量构成特征向量;其次利用遗传算法对BP神经网络的初始权值和阈值进行优化,得到遗传神经网络;最后将特征向量作为遗传神经网络的输入样本进行故障识别.利用该方法对滚动轴承多类故障信号进行识别,提高了故障识别能力.