高压断路器故障预测方法的研究

摘要

高压断路器广泛安装于电力系统中各个部分，是电力系统中重要的开关装置，也是结构最复杂的电力设备之一。由于其动作相对频繁，发生故障的几率较大。若其发生故障将不能控制和保护整个电力系统的安全稳定运行，造成巨大的经济损失，对高压断路器进行故障诊断和预测的重要性不言而喻。据统计分析，高压断路器发生的故障类型大部分为机械故障。本文以500kV瓷柱式SF6高压断路器为研究对象，设计了一套高压断路器机械故障预测系统。主要的研究内容如下：　　（1）高压断路器运行特征信号采集系统设计。结合物联网技术搭建高压断路器分合闸线圈电流信号、三相触头位移信号、温度信号和弹簧机构储能信号等的在线监测系统。包括系统的总体框架设计、硬件平台的设计、器件的选型、服务器的搭建等。　　（2）高压断路器故障诊断方法研究。该部分对量子神经网络进行了研究，并对其进行改进，构建了基于改进量子神经网络的高压断路器故障诊断模型，以采集的特征信号作为输入，在TensorFlow深度学习框架下搭建该模型，仿真结果表明该模型在算法训练迭代次数和诊断误差上有明显改进。　　（3）高压断路器故障预测方法研究。该部分结合LSTM（Long short Term Memory，长短时间记忆）循环神经网络能解决数据长期依赖的特点，以高压断路器的分合闸线圈电流时间序列为特征输入，构建LSTM循环神经网络模型，并以CAS（混沌蚁群算法）作为训练寻优算法。提出基于CAS优化的LSTM循环神经网络的高压断路器分合闸动作曲线预测方法，并与TensorFlow深度学习框架自带的训练优化器作对比，仿真结果表明该方法具有较高的预测精度和较短的训练步数。　　（4）交互式平台设计。该部分以LabVIEW为平台搭建高压断路器故障预测系统，有效地将特征信号采集系统、高压断路器故障诊断模型和故障预测模型联系起来。完成了系统框架设计、用户登录和预测界面的设计、服务器的连接等任务。最后运行该断路器故障预测平台，结果表明能基本实现高压断路器的故障预测功能。

目录

声明

1 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 本文研究内容及结构

1.3.1 主要研究内容

1.3.2 论文结构安排

2基于物联网的高压断路器在线监测系统设计

2.1 高压断路器工作原理

2.1.1 高压断路器分类

2.1.2 高压断路器结构组成

2.1.3 高压断路器基本参数测量

2.2 高压断路器常见故障分析

2.3 系统总体结构设计

2.3.1 物联网架构

2.3.2 断路器检测终端设计

2.3.3 云服务器搭建

2.4 实验数据分析

2.5 本章小结

3改进量子神经网络故障诊断方法

3.1 TensorFlow深度学习框架

3.1.1 TensorFlow主要思想

3.1.2 TensorFlow实现步骤

3.1.3 在TensorFlow中实现算法底层改进

3.2 量子理论基础

3.2.1 量子比特

3.2.2 量子旋转门

3.3 改进量子神经网络模型

3.3.1 人工神经网络基础

3.3.2 量子神经元

3.3.3 量子神经网络模型

3.3.4 改进的量子神经网络参数调整步骤

3.4 基于改进量子神经网络的高压断路器故障诊断模型

3.4.1 模型的输入/输出设计

3.4.2 在TensorFlow框架下搭建故障诊断模型

3.4.3 实验结果分析

3.5 本章小结

4基于CAS优化的LSTM循环神经网络故障预测方法

4.1 常见故障预测算法

4.1.1 基于ARIMA模型的故障预测

4.1.2 基于统计可靠性的故障预测

4.1.3 基于数据驱动的故障预测

4.2 混沌蚁群优化算法和LSTM循环神经网络理论

4.2.1 LSTM循环神经网络理论

4.2.2 混沌蚁群算法理论

4.2.3蚂蚁间交流方式

4.2.4 混沌蚁群算法优化的LSTM循环神经网络步骤

4.3 基于CAS优化的LSTM循环神经网络高压断路器故障预测模型

4.3.1 模型的建立

4.3.2 在TensorFlow框架下搭建故障预测模型

4.4 本章小结

5高压断路器故障预测系统设计

5.1 系统总体框架设计

5.2 高压断路器在线故障预测平台搭建

5.2.1 LabVIEW调用TensorFlow模型

5.2.2 LabVIEW连接到服务器

5.2.3 用户登录权限设置

5.2.4 故障预测界面设计

5.3 系统运行实例

5.4 本章小结

6 总结与展望

6.1 论文总结

6.2 展望

致谢

参考文献

个人简历、在学期间发表的学术论文及取得的研究成果