基于小波变换与神经网络的GIS局部放电故障诊断研究

论文摘要

随着社会的发展,对电能质量的要求也越来越高,GIS以其体积小,可靠性高等优点越来越多的应用于电力系统当中,一旦GIS发生故障,对电力系统将造成不可挽回的损失。因此,开展GIS局部放电检测及其模式识别的研究,对于保证GIS的安全可靠运行、掌握GIS的绝缘状况和缺陷类型特征以及指导GIS的检修工作有着十分重要的意义。本文主要研究工作如下：研究并实现了小波和小波包变换的阈值消噪,给出了小波在信号消噪分析中的具体应用实例。根据局部放电故障信号特征,提出了基于小波包变换的特征选取,针对不同特征向量选择不同的统计方法进行降维。针对BP神经网络收敛速度慢和容易陷入局部极小值问题,将遗传算法和神经网络有机结合,形成GA-BP网络。该方法利用遗传算法的全局搜索能力,优化网络的权值和阈值,解决其本身固有的两个缺陷。通过在MATLAB上的仿真结果比较分析,经过遗传算法优化过的神经网络,训练步数大大减少,克服了传统BP算法的缺点,使BP网络得到了极大的改善,提高了PD的故障诊断的正确率。由于目前已在现场使用的方法本身的缺陷及现场强烈的干扰,使得GIS局部放电定位精度不高。针对这种情况,本文利用小波变换方法滤除干扰提取信号,研究了基于相对能量增值的时间差算法,创新性的将其具体应用于GIS局部放电定位中,进一步提高了其定位精度。计算机仿真的结果验证了本文的分析及综合方法的正确性和有效性,也表明了本文研究内容具有一定的推广应用价值。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 GIS简介
• 1.2 GIS局部放电概述
• 1.2.1 GIS绝缘结构及缺陷
• 1.2.2 GIS局部放电的检测方法
• 1.3 GIS局部放电在线监测和模式识别的意义
• 1.4 本文主要研究工作
• 1.5 本章小结
• 第2章 GIS局部放电信号的小波分析
• 2.1 小波分析的理论概述
• 2.1.1 小波变换
• 2.1.2 多分辨率分析与小波构造
• 2.1.3 小波包变换
• 2.2 小波和小波包变换在信号去噪中的应用
• 2.2.1 信号的阈值去噪
• 2.2.2 小波变换在信号阈值去噪中的应用实例
• 2.2.3 小波包变换在信号阈值去噪中的应用实例
• 2.3 基于小波包分析的特征抽取
• 2.3.1 小波基的选取
• 2.3.2 算法实现及结果分析
• 2.4 本章小结
• 第3章 基于GA-BP的PD信号识别
• 3.1 GA-BP网络设计
• 3.1.1 BP神经网络
• 3.1.2 基本遗传算法（SGA）简介
• 3.1.3 GA优化BP网络
• 3.2 基于BP网络的PD信号识别
• 3.2.1 特征向量尺度变换
• 3.2.2 系统模型构造及算法实现
• 3.2.3 实验结果及分析
• 3.3 基于GA-BP的PD信号识别
• 3.3.1 系统模型构造及算法实现
• 3.3.2 实验结果及分析
• 3.3.3 GA-BP网络测试
• 3.4 本章小结
• 第4章 基于相对能量增值法的GIS局部放电定位精度研究
• 4.1 GIS局部放电定位概述
• 4.1.1 GIS局部放电定位的研究发展状况简述
• 4.1.2 GIS局部放电定位的常用方法
• 4.2 影响测量波形的因素及消噪
• 4.3 基于相对能量增值的时间差定位方法
• 4.3.1 能量相对增值法的原理及应用
• 4.3.2 实验结果及分析
• 4.4 本章小结
• 第5章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢