导　　师： 季天瑶

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 现代电力系统规模越来越庞大,结构越来越复杂,人们对电力设备能否安全可靠运行也越来越关注,断路器作为一种重要的电力设备一直备受瞩目。调查显示,断路器触头磨损、非同期合闸、局部放电等都会严重影响电网的安全稳定运行,并造成巨大的经济损失,为解决上述问题,现有的应对方法是:对断路器进行在线监测,对测量数据进行准确的特征识别,分析断路器运行状态,判断其是否会发生故障。对断路器进行故障诊断分析时,仅通过采集现场数据或在物理实验平台仿真,得到的数据量是远远不够的,要获取各类设备所有的特征状态并不现实,而且现场实施的难度和成本也是不可接受的。为此,本文提出了在MATLAB和Simulink中搭建断路器分合闸线圈电流、储能电机电流及电弧的模型,生成仿真模型信号,并通过遗传算法和基于遗传算法的随机优化算法对断路器模型参数进行优化,使得MATLAB和Simulink仿真得到的信号可以代替实际信号进行故障诊断分析。此后,仅通过修改上述断路器模型的相关参数即可获得断路器在各种运行状态的数据,为后续特征提取和故障诊断算法的开发提供合理的、充足的数据。针对故障模拟实验平台采集的实测数据,本文中还涉及一种基于数学形态学的信号处理方法,用于对断路器的特征信号进行滤波处理。本文提出采用基于快速模板匹配的断路器故障诊断方法,该方法首先利用K-均值聚类算法对断路器相关数据进行聚类,形成标准库之后,采用快速模板匹配的方法进行故障诊断。由于每类故障的监测数据对应的波形是有区别的,故而,该方法可进行有效的故障诊断,且快速模板匹配方法运算量小,操作简单。本文还提出采用深度置信网络和Softmax分类器结合的断路器故障诊断方法,利用深度置信网络不仅可以提取信号高层次的特征信息,而且�

关 键 词： 断路器建模 优化算法 故障诊断 快速模板匹配 深度置信网络

领　　域： []