基于小波和神经网络的电缆故障诊断方法研究

论文摘要

社会的飞速发展使得电缆线路已延伸至社会的各个角落。保障电缆线路安全运行是一个急待解决的问题，实现电缆绝缘状态的监测及电缆故障的在线诊断，是我国近年的热门研究领域，具有迫切的现实意义。本文在综述了电缆故障诊断的国内外现状的基础上，以小波和神经网络理论为基础，对电缆故障的精确定位方法、故障识别方法、系统建模、故障诊断系统检测数据的融合算法等方面进行了深入研究。论文的主要工作有： 针对波速的不确定性影响行波故障定位精度问题，以小波分析为理论基础，定义了层次时间、层次波速和中心距离三个新的概念，提出并证明了中心距离定理。建立了行波时间与行波速度之间的对应关系，排除了其它频率成分对电缆故障行波定位的干扰。在此基础上，引出了中心距离定理推论1和推论2，即基于中心距离定理的脉冲电流差电缆行波故障定位方法及零序分量差电缆行波故障定位方法，不仅实现了电缆故障的精确定位，而且克服了盲区、接头或介质不均匀造成的故障信号难以辨识的问题。仿真表明用中心距离定理及其推论1和推论2对电缆故障定位的误差远远小于常用的选择波速行波故障定位方法的误差。 针对电缆故障的在线识别问题，以小波神经网络理论为基础，提出并推导了以电缆故障行波为故障原始信号、以小波包分解子频带能量函数为二次特征、以最小距离为准则的多重小波神经网络电缆故障识别方法。实现了电缆故障的短路与断路、单相接地、两相短路、三相短路及故障电阻范围等模式的准确识别。仿真表明零序电流差等电缆故障行波的子频带能量是理想的电缆故障特征，多重小波神经网络能够实现短路与断路、单相接地和两相短路及三相短路、单相接地和两相短路故障电阻范围等模式的准确识别。 针对电缆故障电阻影响阻抗故障定位精度问题，提出并推导了一种不受故障电阻影响的两端阻抗定位方法，在理论上消除了过渡电阻对故障定位精度的影响，研制了新型电缆故障定位装置。在新装置的实测数据的基础上，建立了以多个检测点电位为输入向量、故障距离为输出量的神经网络模型。设计了以多个检测点电位为输入向量的神经网

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究背景
• 1.2 电缆绝缘老化原因及故障分类
• 1.2.1 电缆绝缘老化与水树枝现象
• 1.2.2 电缆故障原因和分类
• 1.3 电缆故障诊断方法国内外现状
• 1.3.1 电缆绝缘监测方法国内外现状
• 1.3.2 电缆故障定位与识别方法国内外现状
• 1.4 智能电缆故障诊断
• 1.4.1 小波分析用于电缆故障诊断
• 1.4.2 神经网络用于电缆故障诊断
• 1.4.3 智能电缆故障诊断
• 1.5 存在的问题、发展方向及关键技术
• 1.6 本文研究的意义与主要内容
• 1.6.1 本文研究的意义
• 1.6.2 本文的主要内容
• 2 基于小波理论的中心距离定理研究
• 2.1 问题的提出
• 2.2 电缆故障行波信号在小波变换下的多尺度性
• 2.3 电缆故障行波信号在小波变换下的时频特性
• 2.4 层次时间、层次波速及中心距离的定义
• 2.4.1 层次时间
• 2.4.2 层次波速
• 2.4.3 中心距离
• 2.5 中心距离定理研究
• 2.6 中心距离定理仿真算例
• 2.7 小结
• 3 基于中心距离定理的电缆行波故障定位方法研究
• 3.1 基于中心距离定理的脉冲电流差故障定位方法的研究
• 3.1.1 脉冲电流差故障定位方法的描述
• 3.1.2 脉冲电流差故障定位信号的选取
• 3.1.3 基于中心距离定理的脉冲电流差故障定位方法的研究
• 3.2 基于中心距离定理的脉冲电流差故障定位仿真
• 3.3 基于中心距离定理的零序分量差电缆故障定位方法的研究
• 3.3.1 零序分量差故障定位方法的描述
• 3.3.2 电缆线路中的零序分量差与故障信号的选取
• 3.3.3 基于中心距离定理的零序分量差故障定位方法研究
• 3.4 基于中心距离定理的零序分量差故障定位仿真
• 3.5 小结
• 4 基于小波神经网络的电缆行波故障识别方法研究
• 4.1 电缆故障行波信号的小波包分解
• 4.2 神经网络与电缆故障识别
• 4.3 基于多重小波神经网络的电缆故障识别方法研究
• 4.3.1 电缆故障特征提取
• 4.3.2 小波神经网络结构设计
• 4.3.3 基于多重小波神经网络的电缆故障识别方法研究
• 4.4 多重小波神经网络电缆故障识别仿真
• 4.4.1 短路故障与断路故障的识别
• 4.4.2 单相接地、两相短路和三相短路故障识别
• 4.4.3 单相接地故障、两相短路故障的电阻范围的识别
• 4.5 小结
• 5 不受故障电阻影响的两端定位方法研究及故障识别
• 5.1 阻抗法故障定位的基本原理
• 5.2 不受故障电阻影响的两端定位方法研究
• 5.2.1 不受故障电阻影响的两端故障定位方法的描述
• 5.2.2 不受故障电阻影响的两端故障定位方法的推导
• 5.2.3 系统实现及实验数据分析
• 5.3 基于神经网络的电缆故障定位系统模型研究
• 5.4 基于神经网络的电缆故障识别方法研究
• 5.5 小结
• 6 基于小波变换的反误差加权数据融合方法研究
• 6.1 数据融合与电缆故障诊断
• 6.2 基于小波变换的反误差加权数据融合方法研究
• 6.3 电缆故障诊断系统的反误差加权数据融合
• 6.4 小结
• 7 结论
• 7.1 结论
• 7.2 展望
• 致谢
• 参考文献
• 攻读博士学位期间的研究成果