检索结果

Select

基于小波和贝叶斯网络的智能建筑供配电系统故障诊断研究

刘晓琴，王晨旭，孙海军，王千

辽宁石油化工大学学报 2020, 40 (6): 78-84. DOI: 10.3969/j.issn.1672-6952.2020.06.014

摘要（250）

HTML

PDF （1395KB）（139）

为提高智能建筑供配电系统故障诊断效率和精准度，提出了一种基于贝叶斯网络与小波变换的故障诊断方法。首先，从理论上对智能建筑供配电网络拓扑结构进行详细分析，然后利用小波变换原理对故障信息中的开关量和电气量进行筛选重组，最后运用贝叶斯网络对筛选重组后的故障信息进行建模分析，得出故障诊断结果。具体介绍了故障信息中电气量和开关量提取过程，针对现有智能建筑供配电系统的故障特点，给出了相应恢复策略，以IEEE⁃39多节点复杂电力故障系统为例进行仿真研究。结果表明，所提方法的故障诊断结果快速性和准确性更高。研究成果对智能建筑供配电网络的故障诊断研究工作具有重要参考价值。

相关文章 | 多维度评价

Select

基于分布参数模型的互联电力系统输电线路故障定位

刘晓琴, 李强, 孙海军, 刘璐

辽宁石油化工大学学报 2020, 40 (3): 91-98. DOI: 10.3969/j.issn.1672-6952.2020.03.016

摘要（433）

HTML

PDF （1046KB）（172）

提出了一种适用于含n母线的通用互联电力系统架空输电线路单端故障定位方法。对故障输电线路采用高精确度的分布参数模型，而对电力系统则采用考虑其内部连接特性的二端口戴维宁等效网络模型，从而实现较高的故障定位精度。利用MATLAB/simulink仿真平台模拟11母线互联电力系统，获得暂态故障数据并进行了测试。测试结果表明，对各种故障条件下的故障距离估计精度高，对近端母线阻抗误差敏感，而对远端母线阻抗误差不敏感。

相关文章 | 多维度评价

Select

基于模型预测方法的电网故障预测

薛涵磊,刘晓琴

辽宁石油化工大学学报 2017, 37 (2): 60-65. DOI: 10.3969/j.issn.1672-6952.2017.02.013

摘要（816）

PDF （2263KB）（415）

电网诊断通常都是故障发生后,根据故障后产生的信息来推断故障。为了能在故障发生前进行预防,提出模型预测(ModelPrediction,MP)和溯因推理网络(AbductiveReasoningNetwork,ARN)方法预测电网故障。模型预测利用电力系统中历史数据来预测电网无故障运行时的数据,与电网实际运行时的数据作对比,计算差值,差值作为诊断系统的输入;溯因推理网络能够处理预测数据和相应的候选故障之间的复杂关系,被用来构建故障诊断系统。模型预测和溯因推理网络方法相结合,能在保护装置和断路器动作前进行故障定位,具有故障预警功能。仿真结果表明,溯因推理方法构成的预测系统比神经网络方法构成的预测系统诊断结果更快、更准确。

相关文章 | 多维度评价

Select

基于小波神经网络的化学反应器故障模式识别

刘晓琴

辽宁石油化工大学学报 2010, 30 (3): 79-81. DOI: 10.3696/j.issn.1672-6952.2010.03.022

摘要（383）

PDF （337KB）（194）

利用具有BP算法的前馈神经网络(MFNN),针对反应器建立了过程数据与故障类型之间的对应关
系,辨识出系统的正常运行状态与故障运行状态。为了提高辨识的准确度,利用小波技术改进MFNN 的作用函数
构成了小波神经网络(WNN)。对化学反应器中的一类典型反应过程进行了仿真实验,实验结果表明,WNN 的故障
辨识比MFNN的故障类型辨识具有更高的准确率。

相关文章 | 多维度评价

Select

基于改进小波网络的TE 过程故障诊断

刘晓琴, 申东日, 苏成利

辽宁石油化工大学学报 2007, 27 (4): 64-67.

摘要（356）

PDF （255KB）（253）

针对BP 算法容易陷入局部极小值、收敛速度慢及容易振荡等缺点, 采用小波BP 网络且对小波网络采用基于梯度符号变化的局部学习率自适应算法和引入动量项的改进。将改进后的算法对多变量非线性的田纳西-伊斯曼过程进行了仿真研究, 结果表明改进算法提高了故障分类的辨识精度。

相关文章 | 多维度评价

Select

基于PSO 与LMI 优化的非线性模型预测控制

苏成利1,刘晓琴1,李平1,王树青2

辽宁石油化工大学学报 2007, 27 (1): 86-89.

摘要（418）

PDF （206KB）（268）

将微粒群算法(PSO)与线性矩阵不等式(LM I)用于输入受限非线性预测控制器的设计, 提出了基于PSO 与LMI 联合优化的非线性预测控制算法。算法采用双模控制策略, 利用LMI 离线优化确定终端不变区域, 以扩大非线性优化的求解范围, 降低算法的保守性。利用PSO 在线优化求解非线性预测控制输入, 以避免求解非线性规划问题, 同时对算法的稳定性进行了分析。仿真结果表明了该算法是有效的、可行的。

相关文章 | 多维度评价