基于神经网络专家系统的高压断路器故障诊断研究

论文摘要

高压断路器在电网中起着控制和保护的双重作用,是电力系统中非常重要的开关设备之一。高压断路器的故障或事故会导致电网事故或扩大电网事故范围,甚至会引起电力系统网络的崩溃,造成相当大的经济及其它方面的损失。因此,对高压断路器状态检测方法和故障诊断技术进行深入的研究,有利于实现科学的状态检修,最大限度地提高电力系统运行的可靠性。针对神经网络与专家系统各自在故障诊断中的优势,提出将人工神经网络与专家系统融合技术应用于高压断路器故障诊断的研究。分析高压断路器运行状态的监测机理,通过传感器采集状态信号样本数据,进行归一化处理,确定神经网络的输入和输出,构建径向基（Radial Basis Function,RBF）神经网络模型。该网络模型只能对样本中已有故障类型进行诊断,针对这个局限性提出了改进型RBF神经网络算法。仿真结果验证,该方法与传统的BP（Back Propagation,BP）网络相比具有训练速度快、精度高的特点;改进型RBF神经网络可以快速的识别出新故障类型,又有效的解决了专家系统知识获取的瓶颈问题。最后对高压断路器故障诊断模型进行软件设计,本论文采用Visual C++和MATLAB混合编程。利用Visual C++提供的控件设计人机界面,MATLAB进行后台运算处理,这样既拥有良好的人机界面,又提高了软件开发效率。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 基于神经网络与专家系统融合的意义
• 1.3.1 神经网络与专家系统
• 1.3.2 神经网络与专家系统融合的可行性分析
• 1.3.3 本课题的研究现状
• 1.4 本课题的研究内容及论文安排
• 2 神经网络与专家系统
• 2.1 人工神经网络概述
• 2.1.1 人工神经网络的基本特征
• 2.1.2 人工神经元结构模型
• 2.1.3 神经网络的拓扑结构
• 2.2 径向基函数神经网络
• 2.2.1 RBF 神经网络模型
• 2.2.2 RBF 神经网络的映射关系
• 2.2.3 RBF 网络的学习过程
• 2.2.4 RBF 网络需要改进
• 2.3 专家系统理论
• 2.3.1 专家系统的概念及特点
• 2.3.2 专家系统的类型
• 2.3.3 专家系统结构
• 2.4 神经网络与专家系统的融合
• 2.4.1 神经网络专家系统的基本原理
• 2.4.2 神经网络专家系统的特点
• 2.4.3 神经网络专家系统的融合方式
• 2.4.4 神经网络专家系统的开发方法
• 2.5 本章小结
• 3 高压断路器故障诊断系统的建立
• 3.1 高压断路器的基本结构及故障分析
• 3.1.1 断路器典型结构
• 3.1.2 高压断路器主要故障类型
• 3.2 基于神经网络的故障诊断专家系统模型
• 3.3 基于神经网络的高压断路器故障诊断专家系统建立
• 3.3.1 知识存储系统的建立
• 3.3.2 学习系统的建立
• 3.3.3 推理机的建立
• 3.3.4 解释器的建立
• 3.3.5 人机界面的建立
• 3.4 本章小结
• 4 高压断路器故障诊断系统的实现
• 4.1 真空断路器操动机构特性在线监测原理
• 4.1.1 弹簧操作机构的工作原理
• 4.1.2 合（分）闸线圈电流监测及特性分析
• 4.1.3 数据采集
• 4.2 基于神经网络的高压断路器故障诊断专家系统的实现
• 4.2.1 RBF 神经网络输入/输出设计
• 4.2.2 构造RBF 神经网络诊断模型
• 4.2.3 改进型RBF 神经网络诊断模型
• 4.2.4 神经网络与专家系统的通信
• 4.3 本章小结
• 5 高压断路器故障诊断系统的软件设计
• 5.1 系统软件总体设计
• 5.2 高压断路器故障诊断系统的开发平台
• 5.2.1 数据库设计
• 5.2.2 MATLAB 与Visual C++接口的实现
• 5.2.3 Visual C++与数据库接口的实现
• 5.3 系统运行实例
• 5.4 本章小结
• 6 结论与展望
• 参考文献
• 附录
• 致谢