基于模糊神经网络的高压断路器故障诊断

提出了一种基于模糊神经网络的高压断路器故障诊断方法,通过参数的相对化屏蔽了外界干扰和随机性因素的影响,增加参数模糊化层,对特征参数的相对模糊化运算,较好地解决了在外界干扰情况下的低诊断精度的问题。改进的BP算法有效避免了局部极小化问题,提高了收敛速度。研究结果表明:该网络即使在断路器受到较大外界干扰的情况下依然能得到较准确的诊断结果。     

基于模糊神经网络的故障类型识别

提出了基于模糊神经网络的双端电源输电线路故障类型识别的方法,用ATP提取输电线路故障后一周后继电保护安装点的三相电压电流以及反映接地故障的零序电流基频分量及其相应的相角,并采用T-S模型与改进BP算法结合的模糊神经网络,实现故障类型识别.该方法不受故障位置、故障电阻及对两端电源初始相角差、系统运行方式等不确定的因素影响,仿真结果表明该类型识别方法可靠、正确.     

基于模糊神经网络的故障测距

输电线路故障受到许多不确定性因素影响,传统测距算法不能很好地解决输电线路测距问题。提出了基于模糊神经网络(FNN)的故障测距方法,构造了一个由输入层、模糊化层、推理层、去模糊化层、输出层组成的模糊神经网络,采用变步长方法改进BP算法,加快了收敛速度。仿真结果显示,设计的网络具有良好的适应性能,其测距精度较高,且测距精度不受系统运行方式、过渡电阻、两端系统相角差等的影响。     

基于模糊神经网络的故障类型识别

提出了基于模糊神经网络的双端电源输电线路故障类型识别的方法,用ATP提取输电线路故障后一周后继电保护安装点的三相电压电流以及反映接地故障的零序电流基频分量及其相应的相角,并采用T-S模型与改进BP算法结合的模糊神经网络,实现故障类型识别。该方法不受故障位置、故障电阻及对两端电源初始相角差、系统运行方式等不确定的因素影响,仿真结果表明该类型识别方法可靠、正确。     

小波模糊神经网络应用于配电网输电线的故障测距

在小电流接地系统单相接地故障特征分析的基础上，提出了一种基于故障后稳态及暂态电气量的小波模糊神经网络的故障测距方法。单相接地故障时的暂态分量故障特征非常明显，且故障暂态高频分量受故障前负荷的影响较少，故可以采用故障暂态分量描述故障模式特征并进行故障定位，鉴于已有的小波神经网络模型不适合于故障测距，作者从广义的小波神经网络概念出发，结合模糊控制理论，提出了适合于电力系统故障暂态和稳态信号分析的小波模糊神经网络方法，并将该方法应用于小电流接地系统直配输电线路的故障测距。理论分析及大量的EMTP仿真结果表明：本文所提出的小波模糊神经网络理论，模型及算法具有较好的故障测距性能，并可应用于电力系统的故障分析。     

一种基于神经网络的高压输电线路故障分类器

故障分类顺是输电线路保护中的基本模块,文中以一个实际５００ｋＶ输电网络为模型,提出了基于ＢＰ前馈网络和Ｋｏｈｏｎｅｎ自组织特征映颓无疑的高压输电线路故障分类方法,并进行了仿真研究,结果表明,这种方法快速,可靠,对输入信号容错性强,尤其在高阻接地故障时的具有较好的分类性能,可以用于支持高速保护装置。     

应用模糊神经网络实现故障测距

提出一种应用模糊神经网络进行输电线路故障测距的新方法。该方法具有很强的自适应和抗干扰能力。通过有导师的学习,模糊神经网络将自学会对故障电量的分析计算,完成线路故障的测距。仿真结果表明,经充分训练的网络可快速准确地定位故障,不受故障类型、过渡电阻及系统运行方式的影响。     

基于神经网络的高压直流输电线路故障测距

输电线路故障行波频谱与故障距离之间存在数学关系,故利用故障行波频谱可以实现故障测距,且高压直流输电线路故障暂态过程具有更强的固有频率信号。鉴此,提取固有频率的幅值和频率作为样本属性,提出一种基于神经网络的高压直流输电线路故障测距算法。采用粒子群算法对BP神经网络的权值和阈值进行优化,提高了网络的训练效率,使其收敛速度加快。PSCAD和MATLAB仿真结果表明,该故障测距算法具有较高的可靠性和精确性。     

基于模糊神经网络故障诊断系统

文中根据模糊数学和神经网络的基本原理,建立了一个基于模糊神经网络的微光电视故障诊断模型。它克服了传统域值判断在临界点附近容易误判的弊端。大大提高故障检测准确率和拓宽了故障检测范围,经过大量的实地实验,证明该方法是完全可行的。     

浅谈智能高压电力设备与传统高压电力设备的差异

从中国提出建设坚强智能电网以来,智能变电站建设取得了很大进展。而作为其重要设备之一的智能高压电力设备,应具有测量数字化、控制网络化、状态可视化、功能一体化和信息互动化等特征。各企业、研究单位都进行了各自的研究,笔者综合分析了这些研究成果,认为其大多数产品设备是高压电力设备在线监测的简单叠加,对高压电力设备的智能化的理解各不相同。为了智能高压电力设备更好的发展,推动智能变电站的建设,笔者就智能高压电力设备这一概念,从结构、功能划分、集成度、传输规约4个方面介绍了智能高压电力设备与传统高压电力设备的差异。     

基于RBF神经网络的高压断路器机构故障诊断

为诊断高压断路器操作机构故障,分析高压断路器机构故障时的分合闸线圈电流,本文通过提取时间和电流特征参数,对故障特征参数进行相对归一化处理后输入RBF神经网络,建立基于果蝇—粒子群混合算法的高压断路器RBF神经网络模型,用于高压断路器操作机构故障识别.以MATLAB为实验平台,通过训练样本和测试样本的仿真分析,得出RBF...     

基于FOA-Elman神经网络的光伏发电功率预测模型

光伏发电功率对光伏发电的可靠性起着决定性作用。针对Elman神经网络收敛速度慢、训练时间较长的问题,利用果蝇算法(FOA)来优化Elman神经网络的权值和阈值,从而提高运行效率。建立了基于FOA-Elman神经网络的光伏发电功率预测模型,并给出了算法设计及编码方案。仿真实验结果表明,FOA-Elman模型预测精度比传统Elman神经网络模型预测精度高,更适合于光伏发电功率预测。     

基于多列深度神经网络的电力负荷预测模型

为了研究新型电力负荷预测方法,设计了一种基于多列深度神经网络的电力负荷预测模型.在离散数据模式下,使用差值法初步治理,通过小波变换提取其时域特征,傅里叶变换提取其频域特征.对负荷形成的时域、频域特征共8组数据进行多列深度神经网络分析,在此基础上进行一次多列神经网络分析,得到最终的叠加三角函数回归方程.通过仿真分析表明,与多项式曲线估计法和深度迭代模糊矩阵法相比,实现了预测数据质量的显著提升.模型适用于电力负荷预测任务.     

运用模糊神经网络的凝汽器故障诊断系统

凝汽器系统运行中出现的故障与故障征兆之间是非线性关系,具有复杂性、模糊性和随机性,难以用数学公式表示。为此,运用模糊理论与神经网络故障诊断方法,建立凝汽器故障诊断专家系统,采用模糊隶属度函数表示难以准确描述的专家知识,采用神经网络进行推理,使诊断结果具有较高的可靠性。     

基于径向基函数神经网络的电网模糊元胞故障诊断

提出了基于径向基函数神经网络的电网模糊元胞故障诊断方法,旨在有效解决神经网络应用于电网故障诊断所面临的适应网络拓扑结构变化的可移植性问题。该方法以单个线路、母线和变压器为元胞对象,以保护各元胞的所有关联保护和对应的断路器为输入,建立了元胞通用神经网络诊断模型,并给出了故障诊断时模型的自动生成方法。此外,考虑到电网故障信息存在不完备性和不确定性,本文采用模糊矢状图来描述电网元件、保护和断路器之间的逻辑推理关系,并提取出蕴含不确定性的模糊推理规则,用于训练元胞通用神经网络。算例仿真结果表明,该方法简单、有效,能处理各种复杂故障情况,且能有效适应网络拓扑结构的变化,具有良好的容错性和可移植性。     

基于TS模型的模糊神经网络光伏MPPT控制

为了克服传统最大功率点跟踪(MPPT)方法的一些缺点,使光伏系统更加快速准确地工作在最大功率输出点,提出了基于模糊控制和神经网络控制相结合的自适应控制方法。该方法充分利用模糊神经网络处理非线性问题的优点,通过模糊控制来改变步长,利用神经网络的自学习能力来快速达到平衡,使光伏MPPT在跟踪速度和稳定性之间达到一个较优的平衡。仿真和试验结果表明,基于模糊神经网络自适应控制的MPPT方法具有较强的鲁棒性和自适应能力。     

基于模糊神经网络的二自由度内模控制

针对工业控制领域具有代表性的过程控制对象,设计了一种二自由度内模控制器,可以同时独立地调节日标值跟踪特性、干扰抑制特性和鲁棒性.并提出了一种基于模糊神经网络的二自由度内模控制参数在线智能整定方法.理论分析和仿真结果表明,所提出的方法设计简单、参数凋整方便,可以使系统同时具有良好的目标值跟踪特性、干扰抑制特性和鲁棒性.     

基于人工神经网络的风电功率预测

风电场输出功率预测对接入大量风电的电力系统运行有重要意义。对风速和风电场输出功率预测的方法进行了分类。根据风电场输出功率的影响因素,建立了风电功率预测的神经网络模型。分析了实测功率数据、不同高度的大气数据对预测结果的影响。建立了基于神经网络的误差带预测模型,实现了误差带预测。研究结果表明,神经网络的结构和输入样本对预测结果有一定的影响;实测功率数据作为输入可以提高提前量为30 min的预测精度,而对提前量为1 h的预测精度会降低;把不同高度的数据都作为神经网络的输入比只采用轮毂高度数据的预测精度高;设计的神经网络能够对误差带进行预测。     

模糊输入的概率神经网络在变压器故障诊断中的应用

将概率神经网络引入到电力变压器的故障诊断中,并提出了利用模糊数学的知识对神经网络输入进行预处理的方法.采用改良的三比值方法来实现故障诊断,建立了基于模糊输入的神经网络故障诊断模型.通过对神经网络模型的实例训练及仿真,证明了此方法有较好的收敛性,提高了故障诊断的有效性和准确性.     

基于模糊神经网络的异步电动机故障诊断研究

在对当前的检测方法与故障诊断手段研究的基础上,提出了基于模糊神经网络的故障诊断方法。该方法利用改进的BP算法,提高了学习速率,增强了稳定性。同时,针对异步电动机常见的故障特点,运用该诊断模型,对异步电动机故障进行了诊断。仿真结果表明：它具有准确度高,诊断速度快等优点,是一种较实用的故障诊断方法。