论文摘要
电机在国民经济中起着十分重要的作用。随着经济的飞速发展,几乎所有的工农业生产部门都离不开各种各样的电机。若电机损坏或者出现故障将会对工农业生产造成很大影响,其间接损失更是难以估计,将不利于国民经济的发展。因此,电机的故障诊断与保护问题长期以来一直是学术界和工程界的研究热点。在电机保护技术中,热保护一直是一个热点和难点。虽然目前热保护可以通过直接测温法和间接测温法来实现,但是这两种方法都存在着不足。而迄今为止尚未有一种数学模型能够精确的描述电机运行过程中的发热和散热过程。因此本文在介绍了电机温升预测的相关方法及理论后,提出了一种通过人工神经网络预测电机温升参数的方案,通过将电机温升经典公式与神经网络预测方法的有效结合,从而实现了对电机温升的实时预测。本文介绍了BP神经网络的基本原理,以及分析了BP网络中可能存在的问题,并提出了解决这些问题的改进BP算法,通过MATLAB仿真工具,采用改进的BP算法,预测出了电机温升预测经典公式中的两个重要参数：发热时间常数和稳态温升。进而通过电机温升预测公式可以求得电机任意时刻的温升。通过将预测温升与实验实测温升的对比及误差分析,验证了采用本文提出的神经网络预测电机温升参数的方法切实可行。同时还可以看出,通过使用神经网络预测电机温升参数,来实现电机长期稳定负载运行条件下热保护的方法,可以充分发挥电机的作用,其保护效果优于传统继电保护装置,为电机的智能保护理论提供了较新的研究方向。本文的研究工作为电机热保护及实时监控技术提供了一种行之有效的思路和方法,所得结论不仅对电机热保护及监控技术的发展有重要意义,而且对该领域的研究工作具有一定参考价值。