基于遗传算法优化BP神经网络的海上DFIG定子绕组故障诊断

论文摘要

针对海上双馈风力发电机(DFIG)定子绕组匝间短路故障率高的问题,由于大数据背景下的故障检测难以采用人工干预的方法识别故障,且传统的人工神经网络存在训练速度慢、误差大、试凑隐含层困难等缺陷,因此,本文提出融合遗传算法的BP神经网络用于检测海上DFIG定子绕组匝间短路故障,实验和仿真结果表明了此方法的有效性,实现了大数据背景下海上DFIG定子绕组匝间短路故障诊断。

论文目录

• 0 引言
• 1 定子绕组短路诊断原理
• 2 不同谐波分量故障样本的BP神经网络
•   2.1 适用于DFIG故障诊断的BP神经网络拓扑及算法
•   2.2 样本获取及数据的归一化处理
•   2.3 针对海上DFIG故障诊断的BP神经网络模型的建立
• 3 建立融合遗传算法的BP神经网络
• 4 总结

文章来源

类型: 期刊论文

作者: 张智伟,陈云巧,王栋悦,符扬

关键词: 定子绕组,匝间短路,故障诊断,遗传算法,神经网络

来源: 太阳能 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 上海绿色环保能源有限公司,上海电力学院电气工程学院

基金: 国网上海市电力公司科研项目(52090R180006)

分类号: TM315

页码: 67-72

总页数: 6

文件大小: 1345K

下载量: 136