基于機(jī)器學(xué)習(xí)的小電流接地系統(tǒng)單相接地故障選線

基于機(jī)器學(xué)習(xí)的小電流接地系統(tǒng)單相接地故障選線

ID:33010725

大小:2.63 MB

頁(yè)數(shù):121頁(yè)

時(shí)間:2019-02-19

基于機(jī)器學(xué)習(xí)的小電流接地系統(tǒng)單相接地故障選線_第1頁(yè)
基于機(jī)器學(xué)習(xí)的小電流接地系統(tǒng)單相接地故障選線_第2頁(yè)
基于機(jī)器學(xué)習(xí)的小電流接地系統(tǒng)單相接地故障選線_第3頁(yè)
基于機(jī)器學(xué)習(xí)的小電流接地系統(tǒng)單相接地故障選線_第4頁(yè)
基于機(jī)器學(xué)習(xí)的小電流接地系統(tǒng)單相接地故障選線_第5頁(yè)
資源描述:

《基于機(jī)器學(xué)習(xí)的小電流接地系統(tǒng)單相接地故障選線》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)

1、致謝論文從選題、資料搜集、課題研究以及全局把握,都離不開(kāi)陳老師的悉心指導(dǎo)。兩年來(lái),在陳老師的諄諄教誨下,我學(xué)到了許多電力系統(tǒng)的專業(yè)知識(shí),進(jìn)一步提高了自己的知識(shí)水平,這對(duì)自己來(lái)說(shuō)是受益匪淺的。陳老師高貴的人格品質(zhì)、嚴(yán)謹(jǐn)?shù)目蒲袘B(tài)度以及無(wú)私的奉獻(xiàn)精神始終深深的影響著我。在此,謹(jǐn)向我的導(dǎo)師致以最崇高的敬意和由衷的感謝。感謝唐軼教授、方永麗副教授、劉昊老師的幫助和支持,他們?cè)谡撐牡募夹g(shù)層面提出了不少寶貴建議,使得論文能夠進(jìn)一步完善。另外,感謝同組實(shí)驗(yàn)室的陳景波碩士、于正華碩士、孫瑜欣碩士、谷露碩士、李建華碩士、牛俊萍碩士以及同班的

2、李震碩士、趙萬(wàn)云碩士的關(guān)心,在論文的前期選題以及論文總體布局都提供了很多學(xué)習(xí)經(jīng)驗(yàn),他們助人為樂(lè)和勤奮好學(xué)的精神都無(wú)時(shí)無(wú)刻的感染我。感謝我的父母在物質(zhì)上和精神上給我提供了無(wú)比優(yōu)越的學(xué)習(xí)環(huán)境,他們養(yǎng)育之恩是賜予我最大的恩惠,他們的關(guān)心、支持和鼓勵(lì)是我得以順利畢業(yè)的重要前提。另外,我還要感謝我的姐姐,在生活和學(xué)習(xí)中不斷地給我鼓勵(lì)和幫助,是我溫暖的精神家園。衷心地感謝在百忙之中評(píng)審和答辯論文的各位教授、專家和老師!最后,再次感謝所有關(guān)心我的老師和朋友!萬(wàn)方數(shù)據(jù)摘要小電流接地系統(tǒng)的單相接地故障選線一直是繼電保護(hù)領(lǐng)域研究的難點(diǎn)。由于

3、單個(gè)選線方法具有局限性,并且單相接地故障復(fù)雜多變,所以導(dǎo)致故障選線準(zhǔn)確率較低。為了提高選線的精度,利用信息融合技術(shù)將多個(gè)單一選線方法進(jìn)行融合已經(jīng)成為未來(lái)研究的趨勢(shì)。信息融合技術(shù)的關(guān)鍵問(wèn)題是樣本數(shù)據(jù)的處理,已有的算法在處理選線樣本數(shù)據(jù)上普遍存在樣本數(shù)據(jù)量大、維數(shù)災(zāi)難和經(jīng)驗(yàn)風(fēng)險(xiǎn)高的缺陷。本文首先對(duì)現(xiàn)有的單一選線方法進(jìn)行了仿真驗(yàn)證,分析各種方法的應(yīng)用范圍。其中,為了提高暫態(tài)選線方法的準(zhǔn)確性,提出了一種基于希爾伯特—黃變換的選線方法,該法不受干擾信號(hào)的影響,能夠?qū)簯B(tài)信號(hào)各頻段中的特征分量依次分解出來(lái),并且可以準(zhǔn)確地反映暫態(tài)信號(hào)

4、的特點(diǎn),通過(guò)驗(yàn)證表明該方法具有很強(qiáng)的提取暫態(tài)信號(hào)故障特征的能力。其次,在建立故障測(cè)度階段,本文利用信息增益度建立方法故障測(cè)度,該方法不僅給出了單一選線方法的權(quán)重,而且強(qiáng)化了線路內(nèi)部數(shù)據(jù)。在此基礎(chǔ)上,深入分析了故障測(cè)度樣本的特點(diǎn)以及難點(diǎn),得出了選線樣本是一個(gè)維數(shù)高、不均衡、分布復(fù)雜的數(shù)據(jù)集。再次,針對(duì)選線樣本的特點(diǎn),利用主成分分析法降低選線樣本的維數(shù),為了更好地降低樣本的不均衡性,提出了新的采樣法——網(wǎng)狀分布采樣法和領(lǐng)域SMOTE采樣法。通過(guò)分析可知,當(dāng)樣本數(shù)據(jù)降低為兩維以及故障線與非故障線之間的比為1:3或1:3.5時(shí),

5、不僅使得樣本分布均勻,時(shí)間開(kāi)銷少,而且提高了選線精度。最后,本文提出了一種ADABOOST算法和核函數(shù)的分類器相融合的算法,該算法同時(shí)具有級(jí)聯(lián)和并聯(lián)處理樣本的能力。在實(shí)驗(yàn)階段,通過(guò)調(diào)整噪聲樣本占總樣本的比值來(lái)測(cè)試算法的性能,結(jié)果表明本文算法具有很高的選線精度,相比其他算法,更能適應(yīng)惡劣的選線環(huán)境。該論文有圖65幅,表14個(gè),參考文獻(xiàn)142篇。關(guān)鍵詞:故障選線;希爾伯特—黃變換;信息增益度;主成分分析法;采樣法;ADABOOST;分類;核函數(shù)I萬(wàn)方數(shù)據(jù)AbstractFaultlinedetectionforsmallcu

6、rrentgroundingsystemhasalwaysbeenadifficultpointinthefieldofrelayprotection.Becausesinglelineselectionmethodhasmanylimitsandsingle-phaseearthfaultismultiplicityandchangeable,theaccuracyoffaultlineselectionisverylow.Inordertoimprovetheaccuracyoffaultlineselection,

7、thecombinationofmanysinglelineselectionmethodsusinginformationfusiontechnologyisstudied.Thekeyproblemofinformationfusiontechnologyishowtohandlesampleddata.Atpresent,sampleddataoflineselectionwhichistreatedbytheexistingalgorithmshasthehugesampleddata,dimensiondisa

8、sterandgreatempiricalrisk.First,singlelineselectionmethodsareverified.Amongthem,inordertoimprovetheaccuracyofthetransientlineselectionmethod,Hilbert-HuangTrans

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。