发电机转子绕组匝间短路故障诊断建模及应用研究

论文摘要

发电机故障诊断对电力系统的安全经济运行以及国计民生和国防建设有着十分重要的意义。电网是一个庞大的系统,一旦发生故障,必将造成巨大的经济损失和灾难性后果。电力系统的飞速发展对发电机的故障诊断不断提出新的要求,发电机故障诊断技术是保证电力系统安全可靠运行的重要技术手段,先进的发电机故障诊断技术尤其是在线监测技术已成为电力系统安全经济运行的有力保障,因此研制发电机故障诊断系统及研究故障诊断方法变得愈来愈重要,目前发电机故障诊断技术正向计算机化、网络化和智能化发展。发电机转子绕组匝间短路是发电机经常发生的一种电气故障,其对整个电网的安全运行有重要影响,转子绕组匝间短路故障的早期诊断和在线检测一直是国内外关注的课题。本文在分析国内外发电机转子绕组匝间短路故障诊断现状的基础上,分析了发生转子绕组匝间短路的原因,深入研究了转子绕组匝间短路故障机理和故障发生时电气量的变化特征,对比了各种故障诊断技术的优缺点,基于对粒子群优化算法和RBF神经网络的研究,提出了利用PSO-RBF神经网络进行转子绕组匝间短路故障诊断的方法,构建了发电机转子绕组匝间短路故障诊断模型。本文完成了以下工作:①研究了转子绕组匝间短路故障机理及故障发生时电磁场的畸变情况和电气量的变化特征,对现有诊断方法作了比较研究,为故障特征量选取提供了理论依据。②研究了RBF神经网络在转子绕组匝间短路故障诊断中的应用技术,为故障诊断模型的建立提供了技术依据。③将PSO-RBF神经网络引人转子绕组的匝间短路故障诊断中,建立了基于PSO-RBF神经网络的故障诊断模型。④借助仿真实验和对比研究,结果表明PSO-RBF神经网络故障诊断模型可以有效识别转子绕组匝间短路故障,且其精确性较传统的诊断模型有明显提高。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 课题的研究背景和意义
• 1.2 发电机转子绕组匝间短路故障诊断国内外研究现状分析
• 1.3 本文的研究工作
• 1.4 本章小结
• 2 汽轮发电机转子绕组匝间短路故障机理分析
• 2.1 同步发电机转子基本结构
• 2.2 同步发电机转子绕组匝间短路的原因与分类
• 2.2.1 转子绕组匝间短路产生的原因
• 2.2.2 转子绕组匝间短路的分类
• 2.3 发电机转子绕组匝间短路故障机理分析
• 2.3.1 短路引起的气隙磁场畸变
• 2.3.2 短路引起的振动
• 2.3.3 短路故障引起发电机电气量的变化
• 2.3.4 短路故障对电磁波在转子绕组中的传播影响
• 2.4 常见故障诊断和检测方法
• 2.4.1 静止状态下的检测诊断
• 2.4.2 空转状态的检测诊断
• 2.4.3 并网带负载状态的检测诊断
• 2.5 本章小结
• 3 基于 RBF 神经网络的匝间短路故障诊断方法
• 3.1 人工神经网络概述
• 3.1.1 人工神经元模型
• 3.1.2 神经网络模型
• 3.1.3 神经网络的基本性质及应用
• 3.2 RBF 径向基函数神经网络
• 3.2.1 RBF 神经网络结构
• 3.2.2 RBF 神经网络的映射关系
• 3.2.3 RBF 神经网络的训练准则和常用算法
• 3.2.4 RBF 网络与BP 网络的比较分析
• 3.3 RBF 径向基函数神经网络在故障诊断中的应用研究
• 3.3.1 转子绕组匝间短路的磁动势分析
• 3.3.2 训练样本的选取
• 3.3.3 训练样本的数据处理
• 3.4 本章小结
• 4 基于 PSO-RBF 神经网络的短路故障诊断模型研究
• 4.1 概述
• 4.2 基于粒子群算法的RBF 神经网络故障诊断模型建立
• 4.2.1 基本的粒子群优化算法
• 4.2.2 改进的粒子群算法
• 4.2.3 粒子群算法优化RBF 神经网络故障诊断模型
• 4.3 基于PSO-RBF 神经网络在绕组匝间短路故障诊断中的应用
• 4.3.1 PSO-RBF 网络故障诊断框图
• 4.3.2 神经网络诊断系统的输入、输出变量的预处理
• 4.3.3 PSO-RBF 网络故障诊断模型在匝间短路故障诊断中的应用
• 4.4 实验仿真及其分析
• 4.4.1 利用MATLAB 构建RBF 神经网络
• 4.4.2 RBF 神经网络与BP 神经网络故障诊断的实现及性能比较分析
• 4.4.3 PSO-RBF 神经网络故障诊断模型的检验
• 4.5 本章小结
• 5 结论与展望
• 5.1 结论
• 5.2 展望
• 致谢
• 参考文献
• 附录
• A. 作者在攻读学位期间发表的论文目录
• B. 作者在攻读学位期间取得的科研成果目录