高压直流输电系统故障诊断方法研究
高压直流输电论文 小波分析论文 故障分类论文 支持向量机论文
论文详情
由于高压直流输电(HVDC)具有很多交流输电系统不具备的优势,越来越受到人们的重视,已经上升到了国家战略。“十一五”期间,南方重点建设的云广直流工程是世界上第一个±800KV的直流输电工程。高压直流工程在电力系统中占据了越来越重要的地位,对它进行正确的故障诊断具有非常重要的意义。目前故障诊断主要面临着非线性和故障样本严重不足的问题,而支持向量机(SVM)这解决这两种问题时表现出了很大的优越性,越来越受到人们的关注。小波包变换是一种时频局部分析方法,可以有效的提取信号的时频特征。通过优缺点比较,提出了一种利用小波包变换对HVDC系统故障信号进行特征提取的新方法,最后利用支持向量机对特征矢量进行正确分类。本文详细分析了HVDC系统故障发生的原因和对整个系统的影响,构建出了各种运行状态下的仿真模型。选择能反映故障特点的直流电压或者直流电流信号进行小波包变换,提取有效的特征矢量做为支持向量机的训练样本和测试样本。最后,使用SVM对故障样本进行分类,并且对分类效果有很大影响的SVM参数进行了讨论。
摘要 | 第3-4页 |
Abstract | 第4页 |
目录 | 第5-7页 |
第一章 绪论 | 第7-17页 |
1.1 选题的背景及意义 | 第7-9页 |
1.2 高压直流输电的国内外研究现状 | 第9-11页 |
1.2.1 国外直流输电发展 | 第9-10页 |
1.2.2 中国直流输电的发展 | 第10-11页 |
1.3 故障诊断方法概述 | 第11-16页 |
1.3.1 一般的故障诊断方法 | 第11-12页 |
1.3.2 智能故障诊断法 | 第12-14页 |
1.3.3 支持向量机 | 第14-15页 |
1.3.4 支持向量机在故障诊断中的研究应用 | 第15-16页 |
1.4 本文的主要研究内容 | 第16-17页 |
第二章 统计学习理论和支持向量机 | 第17-27页 |
2.1 机器学习问题的基本理论 | 第17-21页 |
2.1.1 机器学习问题的表示 | 第17-18页 |
2.1.2 经验风险最小化 | 第18页 |
2.1.3 VC维理论 | 第18-19页 |
2.1.4 结构风险最小化 | 第19-21页 |
2.2 支持向量机 | 第21-25页 |
2.2.1 线性可分 | 第21-22页 |
2.2.2 近似线性可分 | 第22-23页 |
2.2.3 非线性情况 | 第23-25页 |
2.3 基于支持向量机的故障诊断方法 | 第25-26页 |
2.3.1 基于支持向量机的故障诊断的基本步骤 | 第25页 |
2.3.2 多分类问题 | 第25-26页 |
2.4 本章小结 | 第26-27页 |
第三章 小波分析理论 | 第27-33页 |
3.1 小波变换的基本内容 | 第27-29页 |
3.1.1 连续小波变换 | 第27-28页 |
3.1.2 离散小波变换 | 第28-29页 |
3.2 MALLAT算法 | 第29-30页 |
3.3 小波包理论 | 第30-31页 |
3.4 本章小结 | 第31-33页 |
第四章 HVDC系统的故障特征提取 | 第33-47页 |
4.1 HVDC系统的组成 | 第33-34页 |
4.2 HVDC系统常见故障 | 第34-35页 |
4.2.1 HVDC换流器内部故障 | 第34-35页 |
4.2.2 HVDC的线路故障 | 第35页 |
4.3 HVDC的仿真模型 | 第35-37页 |
4.4 故障仿真 | 第37-40页 |
4.5 特征提取与选择 | 第40-41页 |
4.6 小波包技术在HVDC故障特征提取中的应用 | 第41-45页 |
4.6.1 HVDC的小波包故障提取算法 | 第41-42页 |
4.6.2 基于小波包的故障特征提取算例 | 第42-45页 |
4.7 本章小结 | 第45-47页 |
第五章 基于SVM的HVDC系统故障诊断 | 第47-61页 |
5.1 LIBSVM及其应用 | 第47-49页 |
5.2 样本数据 | 第49-57页 |
5.2.1 样本数据的获取方法 | 第49-50页 |
5.2.2 训练样本数据 | 第50-55页 |
5.2.3 测试样本数据 | 第55-57页 |
5.3 故障诊断及结果分析 | 第57-60页 |
5.3.1 RBF诊断结果 | 第57-58页 |
5.3.2 多形式核函数诊断结果 | 第58-59页 |
5.3.3 结论 | 第59-60页 |
5.4 本章小结 | 第60-61页 |
第六章 结论 | 第61-63页 |
致谢 | 第63-65页 |
参考文献 | 第65-69页 |
附录 | 第69页 |
论文购买
论文编号
ABS886739,这篇论文共69页
会员购买按0.30元/页下载,共需支付
20.7。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
34.5。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文