APP下载

基于RBF神经网络的绝缘子污秽智能诊断

2015-11-26张恩锋

中国煤炭 2015年7期
关键词:模型

张恩锋

(1.山东能源枣矿集团供电工程处,山东省枣庄市,277011;2.中国矿业大学,江苏省徐州市,221008)

在输电系统中,绝缘子是连接不同电位导电体的重要部件,其性能的好坏直接影响着电力系统的安全与稳定。由于在未来较长的一段时期内,煤炭发电仍占据我国的主导地位,大气环境中飘浮的污秽颗粒被吸附在绝缘子表面,造成绝缘子表面的污秽程度增加,此时如果绝缘子污秽受潮,将使绝缘子的绝缘性能急剧恶化,从而使绝缘子发生故障,引发大面积停电事故。因此,对绝缘子进行智能诊断是保证电力系统安全运行的重要措施之一。

本文通过采用RBF神经网络对绝缘子泄漏电流进行了分析,然后训练神经网络,最后搭建智能诊断模型并且进行验证。模型搭建的目的是为了在事故来临之前,采取必要的防护措施,对保障电力系统的安全稳定具有十分重要的意义。

1 绝缘子污秽智能诊断模型的结构设计

采用newrb函数创建RBF神经网络,搭建了绝缘子污秽度预测模型。绝缘子污秽度预测模型搭建的过程如图1所示。

在建立绝缘子污秽智能诊断模型的过程中,模型的结构采用五输入一输出的形式,如图2所示。RBF神经网络的输入参数分别为相对湿度RH、温度T、泄漏电流有效值Ⅰa、泄漏电流峰值Ⅰp和泄漏电流不同峰值区间的脉冲频次fn,将这些参数作为评判绝缘子污秽程度的主要依据;网络的输出向量为等值盐密ESDD,ESDD是一个对应于污秽程度的标准量。

图1 绝缘子污秽程度预测建模流程图

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用