发电机转子绕组匝间短路的智能故障诊断

论文摘要

发电机对电力系统的安全稳定运行起着至关重要的作用,电力系统的飞速发展又对发电机的保护不断提出新的要求。研究发电机的故障诊断技术已经成为保证电力系统安全可靠运行的重要手段。发电机的保护技术未来将向着计算机化、网络化和智能一体化的趋势发展。发电机转子绕组匝间短路是一种常见的电气故障。长期以来,转子绕组匝间故障的早期诊断和在线检测都是国内外关注的课题。本论文首先对发电机转子绕组匝间短路的故障机理进行了研究,分析了故障时电磁场的畸变情况和电气量的变化特征,并简要比较各种传统方法的优缺点。其次研究了神经网络在故障诊断中的应用。通过用仿真实验得到的故障样本而构建的神经网络,不仅可以对转子绕组匝间短路故障进行有效的识别,还可以正确的判断故障的严重程度。然后采用双层动态均值聚类分析的径向基神经网络对转子绕组匝间短路故障进行了诊断。最后将微粒群优化的神经网络应用到转子绕组的匝间短路故障诊断中。通过算例表明,本文采用的两种算法不但可以有效识别转子绕组匝间短路故障,而且其精确性和正确率相对于传统的算法有明显的提高。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景及意义
• 1.2 同步发电机转子绕组匝间短路诊断的国内外现状分析
• 1.3 本文的主要工作
• 第2章 大型发电机转子绕组匝间短路故障机理分析
• 2.1 转子绕组匝间短路引起的气隙磁场变化分析
• 2.1.1 正常气隙磁场的分布
• 2.1.2 匝间短路时合成磁场的分析
• 2.2 匝间短路故障引起的电气特征量的变化
• 2.2.1 发电机励磁电流变化分析
• 2.2.2 发电机无功功率变化分析
• 2.2.3 发电机定子谐波电压
• 2.3 转子绕组匝间短路故障的仿真
• 2.3.1 同步发电机的电路模型
• 2.3.2 同步发电机转子绕组匝间短路的仿真
• 2.4 本章小结
• 第3章 基于神经网络的发电机转子绕组匝间故障诊断
• 3.1 人工神经网络简介
• 3.1.1 人工神经网络的基本知识
• 3.1.2 人工神经元的非线性特性
• 3.1.3 神经网络互联结构的基本特点
• 3.2 径向基函数神经网络
• 3.2.1 径向基函数网络的结构
• 3.2.2 径向基神经网络的基函数
• 3.2.3 径向基高斯函数神经网络的学习过程
• 3.2.4 径向基函数网络的学习算法
• 3.3 人工神经网络对转子绕组匝间短路的诊断
• 3.3.1 转子绕组匝间短路的磁动势变化分析
• 3.3.2 神经网络的构造和训练样本的选取
• 3.3.3 训练样本的数据预处理
• 3.3.4 神经网络的训练和识别
• 3.3.5 神经网络在匝间短路中的应用
• 3.4 本章小结
• 第4章 均值聚类分析的RBFNN在转子绕组匝间短路故障诊断中的应用
• 4.1 聚类分析算法
• 4.1.1 系统聚类法
• 4.1.2 动态聚类法
• 4.1.3 径向基函数网络的函数逼近理论
• 4.2 基于动态均值聚类分析的RBF 在转子绕组匝间短路中的诊断
• 4.2.1 双层动态均值聚类分析的RBF 算法
• 4.2.2 双层动态均值聚类分析的RBF 在绕组匝间短路中的应用
• 4.3 本章小结
• 第5章 微粒群优化的RBFNN 在转子绕组匝间短路故障诊断中的应用
• 5.1 微粒群算法简介
• 5.1.1 微粒群算法基本原理及设计流程
• 5.1.2 进化算法用于神经网络的优化
• 5.1.3 微粒群算法优化神经网络
• 5.1.4 微粒群算法的评价及分析
• 5.1.5 改进的粒子群算法
• 5.2 微粒群优化的RBF 在发电机转子绕组匝间短路诊断中的应用
• 5.2.1 改进的微粒群优化的RBF 的基本思想
• 5.2.2 基于MPSO-RBF 优化算法的设计及流程
• 5.2.3 混合算法在发电机转子绕组匝间短路中的诊断
• 5.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介