基于pso-svm的小电流接地系统故障选线方法

基于pso-svm的小电流接地系统故障选线方法

ID:34871960

大小:2.47 MB

页数:75页

时间:2019-03-13

基于pso-svm的小电流接地系统故障选线方法_第1页
基于pso-svm的小电流接地系统故障选线方法_第2页
基于pso-svm的小电流接地系统故障选线方法_第3页
基于pso-svm的小电流接地系统故障选线方法_第4页
基于pso-svm的小电流接地系统故障选线方法_第5页
资源描述:

《基于pso-svm的小电流接地系统故障选线方法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、全日制硕士学位论文基于PSO-SVM的小电流接地系统故障选线方法申请人姓名:张小洁指导教师:董爱华学位类别:工学硕士专业名称:控制科学与工程研究方向:检测技术与自动化装置河南理工大学电气工程与自动化学院二○一五年六月学位论文原创性声明本人郑重声明:所呈交的学位论文:基于PSO-SVM的小电流接地系统故障选线方法,是我个人在导师指导下进行的研究工作及取得的研究成果。论文中除了特别加以标注和致谢的地方外,不包含任何其他个人或集体已经公开发表或撰写过的研究成果。其他同志对本研究的启发和所做的贡献均已在论文中作了明确的声明并表示了谢意。本人愿意承担因本学位论文引发

2、的一切相关责任。学位论文作者签名:年月日河南理工大学学位论文使用授权声明本学位论文作者及导师完全了解河南理工大学有关保留、使用学位论文的规定,即:学校有权保留和向有关部门、机构或单位送交论文的复印件和电子版,允许论文被查阅和借阅,允许将本学位论文的全部或部分内容编入有关数据库进行检索和传播,允许采用任何方式公布论文内容,并可以采用影印、缩印、扫描或其他手段保存、汇编、出版本学位论文。保密的学位论文在解密后适用本授权。学位论文作者签名:导师签名:年月日年月日中图分类号:TM743密级:公开UDC:612.3单位代码:10460基于PSO-SVM的小电流接地故

3、障选线方法FaultlineselectioninsmallcurrentgroundingpowersystemBasedonthePSO-SVM申请人姓名张小洁申请学位工学硕士学科专业控制科学与工程研究方向检测技术与自动化装置导师董爱华职称教授提交日期2015年6月2日答辩日期2015年6月7日河南理工大学致谢时光荏苒,光阴似箭,转眼间我的硕士学习就要结束了。三年的时光,使我在学习上收获了知识,生活中学会了分享与关爱,这都离不开周围老师和同学的帮助,在此向他们表示极大的感谢。首先要感谢我的导师董爱华老师,本论文的完成,老师从论文的选题,相关资料的整理,

4、论文工作的指导等都给予了极大的帮助。读研期间,老师严谨的科研态度、开阔的科研思路、丰富的现场经验都给了我很大的影响,其严格的要求、悉心的指导及和蔼可亲的态度都让我获益匪浅。在此,向我的老师致以崇高的敬意和衷心的感谢!在论文完成之际,我的心情无法平静,从前年的开题到现在的这段时间,论文的完成离不开师长、同学、朋友的帮助,每次遇到困难,他们总能及时伸出援助之手,是他们的支持、理解和包容才使得我更加轻松地来面对生活和学习。最后我也要衷心的感谢我的父母和家人,是他们无私的支持和理解才使得我能够安心地学习,顺利完成学业!摘要在电力系统中,我国中低压配电网广泛选用小电

5、流接地方式。随着配电网结构日益繁杂,在这种接地方式下如果某一相接地,会出现故障电流数值小以及现场电磁干扰等现象,很难快速准确的识别出故障线路。现有的选线方法准确度较低,且有相对的局限性,影响配电网系统的可靠性,降低了自动化水平。根据以上问题,本文在了解国内外选线方法基础上,结合支持向量机(SupportVectorMachine,SVM)理论和粒子群优化算法(ParticleSwarmOptimization,PSO)对小电流接地系统故障选线展开研究。论文首先阐述了国内外选线方法的原理及特点,并指出现有方法的不足之处,为论文所提新算法提供理论背景;通过分析

6、中性点不接地以及谐振系统发生单相接地故障时的暂态和稳态过程,确定在进行故障选线时,用小波包分析(WPT)从故障时零序电流信号中提取暂态分量,用傅里叶分析(FFT)提取基波稳态分量、谐波分量,将这三种特征分量作为故障特征,从而克服单一选线方法的不足。然后分析SVM的基础理论以及分类学习算法,确定其可以运用到小电流接地系统故障选线中。由于SVM的参数直接决定选线的精度,为了提高SVM的性能,并证明其在故障选线应用中的优越性,又对粒子群优化算法进行探讨,利用PSO算法简单、易于实现的特点对SVM参数进行优化,因此论文提出了基于粒子群优化向量机(PSO-SVM)的

7、选线方案,并说明了该方法的选线原理及步骤。最后在在Matlab7.0中建立模型,根据多种故障情况做大量的仿真,并获得样本数据。在Maltab中安装libsvm工具箱与之结合使用,抽取部分样本对SVM进行训练得到选线模型,继而抽取测试样本对SVM选线模型检验,证明SVM可成功运用到小电流接地故障选线中,并将PSO-SVM与传统的SVM选线方法比较,从而验证经PSO优化过的SVM在故障选线中具有一定的优势。关键词:支持向量机;粒子群优化;小电流接地;零序电流;小波包变换IAbstractInthepowersystem,china’slowvoltagedis

8、tributionnetworkwidelyusedthewayo

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。