基于PSO-RBF监测预测模型的电力电子电路
2015-07-25王绅宇陈丹江叶银忠
应用技术学报 2015年2期
关键词:故障
王绅宇, 陈丹江, 叶银忠
基于PSO-RBF监测预测模型的电力电子电路
王绅宇1,陈丹江2,叶银忠1
(1.上海应用技术学院电气与电子工程学院,上海201418;2.浙江万里学院电子信息学院,浙江宁波315100)
针对现有电力电子电路故障状态预测技术的不足,提出将电路特征性能参数与粒子群算法(PSO)优化的径向基函数(RBF)神经网络相结合,对电力电子电路进行故障状态监测预测.以电源电路中Buck电路为例,选择电路输出电压作为监测信号,提取输出电压平均值及纹波电压值作为电路特征性能参数,并利用改进后的RBF神经网络实现状态预测.结果表明,利用PSO改进后的RBF神经网络对电路输出平均电压和纹波电压的预测比单纯RBF神经网络预测的结果更加精准,能够跟踪电源电路状态特征性能参数的变化趋势,有效实现电力电子电路状态监测和预测.
故障状态预测;RBF神经网络;粒子群算法;电力电子电路
现代控制系统和设备的复杂性不断增加、规模不断扩大,这类系统一旦发生故障可能导致重大灾害事故.故障诊断是提高系统可靠性和降低事故风险的重要方法和有力措施。无论故障的规模多大、来势多凶猛,大多是从微小故障(早期故障、初始故障、初期故障)开始的[1-2].微小故障的检测诊断和预测是预防和减少灾难发生的关键.
现阶段电力电子电路故障预测大多是对电路中关键元器件的故障预测,如电解电容器,而对多个元器件性能参数作为整体综合考虑的……
登录APP查看全文
