论文摘要
电力系统已经成为人们日常生活中必不可少的部分。家用电器、公用设施、工厂机器等现代化设备的正常运转都需要电力系统的支持。尤其是大型的分布式电力系统,例如海洋电力系统等大型设备。其设备损坏停机不仅造成经济损失,甚至人员伤亡。所以这些设备的故障检测诊断尤为重要,因为故障检测能在设备发生损坏停机之前监测到信息,有效地避免经济损失。为保证电力系统的持续正常运转,研究有效的故障监测诊断及维护方法是有现实意义的课题。局部放电现象是电力系统损坏停机的主要原因之一。本文在充分分析了几种常见的故障基础上,通过分析局部放电信号,提出了一种全新的故障监测方法—基于快速独立变量分析算法与神经网络相结合的方法。使用该方法,可以在大量的数据中提取出相对少量的必要信息,从而达到对这些数据进行进一步的压缩处理,然后采用必要的措施对压缩的数据进行分析判断。独立变量分析是近二十年来逐渐发展起来的一种盲源信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离出相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用。神经网络是一门近几年迅速发展起来的集神经科学、信息科学及计算机科学于一体的交叉学科,它是一种将生物神经网络在结构、功能等方面的理论抽象、简化及模拟而构成的信息处理系统。神经网络理论的应用已渗透到各个领域,并取得了令人瞩目的进展。神经网络凭借其自身的优点,已被应用于医学诊断领域的信号处理、特征提取、模式识别等方面,并取得了可喜的成果,引起了众多研究者的关注。本文研究了基于独立变量的电力系统故障诊断,进而研究了基于独立变量和神经网络结合的电力系统故障诊断方法,并进行了比较分析。研究表明,本文提出的方案不仅易于实现,并且能够迅速识别局部放电的类型和发生位置,简单有效,为电力系统故障监测研究提供了一种有效途径。