一、基于径向基函数神经网络的水轮发电机组效率曲线计算方法（论文文献综述）
曲力涛[1]（2020）在《基于机器学习的水电机组运行安全保障方法研究》文中认为水轮发电机组是水力发电过程中的核心装置,机组运行的稳定性不仅影响着电站的经济效益,还影响着电站和工作人员的安全问题。随机水电机组的巨型化和复杂化,机组在运行中的安全隐患随之增多,同时由于对机组运行规律的认识的不足及安全预防措施的缺乏,导致国内外许多电站均出现过机组稳定性安全问题。针对当前机组安全性问题的防控措施的不足,亟需开展机组安全运行保障方法的研究以达到避免突发事故的发生、制定合理的检修间隔以及准确、快速地识别机组故障类型的目的。此处将机组安全保障方法划分为状态评估、故障预警和故障诊断三个部分。其中状态评估旨在量化地描述机组的健康状况及劣化程度,其是实现状态检修的核心;故障预警的目的在于准确、快速地识别机组的异常状态并发出警报,起到防止故障的扩大作用;故障诊断是在判定机组存在异常时,通过由稳定性参数表现出的故障特征来识别机组当前所发生的故障类型并根据诊断结果辅助设计检修维护方案。由于机组结构复杂且扰动因素繁多,从机理角度研究稳定性规律存在困难。机组监测数据中包含着丰富状态信息,因此以数据为基础开展机组安全保障研究是行之有效的方法。机器学习是以数据驱动来训练模型以实现对数据的分类、回归和聚类的方法,其性能优越且应用广泛,同时状态评估、故障预警和故障诊断的研究核心问题与机器学习所实现功能相符。据此,本文围绕状态评估、故障预警和故障诊断问题,以机器学习和深度学习理论为基础对实现机组运行安全保障方法进行探究。针对机组安全保障中待解决的问题提出相应的模型并在实际机组监测系统数据集或仿真数据集上对模型进行性能测试及分析。本文主要内容和所得结论如下:（1）在全面分析了监测数据库的存储结构和存储策略的基础上,提出数据单元概念,将其作为进行安全保障各类应用的最小输入单元,确保数据单元包含数据全部的特征成分。在存储数据的基础上构建元数据,将其看作对数据二次描述并将其作为数据单元标签实现数据集的快速构建,为训练实现不同功能的模型做准备。（2）以长期机组监测数据为基础进行分析并构建多种统计和机器学习模型进行测试,发现稳定性参数变化趋势受有功功率和工作水头影响,但由于信号自身的随机性使得仅采用工况参数的预测方法效果欠佳,而结合历史数据和工况参数对稳定性参数的预测效果良好。针对抽水蓄能机组由于运行工况切换频繁而难以对其参数进行有效预测问题,提出基于LSTM稳定性参数预测方法,并以实际机组摆度为目标进行预测,并通过实际测试证明该方法可以有效预测出参数的变化趋势。（3）针对当前故障预警方法存在响应不及时的问题,提出基于能量算子和K均值聚类的预警方法。对采集数据计算Teager能量算子获取振动能量值,并通过神经网络-欠完备自编码器综合模型预测出振动能量趋势信息,并以预测值和历史序列为输入进行聚类模型判断是否出现状态异常,从而实现对机组突变故障的预警。通过真实机组稳态工况运行和插入故障的数据分别对该方法进行验证,从预警结果可见本文提出的预警方法能够有效对振动能量跃迁进行判断,即能够有效对突变故障进行预警。（4）对故障诊断中故障类型多分类问题构建了多种常用的固有多分类模型和组合多分类模型,并在仿真特征数据集上对比其分类效果。由测试结果可见随机森林模型分类效果最佳,同时在二分类模型的组合方式上,一对一的二分类组合方式虽然在模型计算复杂度上高于一对多组合方式,但其在测试样本上的准确率和查准率方面表现优于一对多组合方式。（5）针对机组故障样本稀少导致的样本不平衡问题,提出基于生成式对抗网络的样本生成模型,其通过对小样本进行高精度伪造从而实现样本集的扩充。在仿真数据集上对该模型进行测试,结果表明在伪造样本频域和时域特征上与输入样本相差很小,可应用于解决样本不平衡问题。
张智敏[2]（2019）在《水电站蜗壳传力机制与厂房流激振动特性研究》文中提出随着水电站装机容量、发电水头的不断增大,水电站厂房的安全稳定运行面临着新的挑战。对于充水保压蜗壳,钢蜗壳与外围混凝土之间存在初始保压间隙,这种间隙伴随着运行期水头的不同而发生变化,直接影响蜗壳内水压力的外传机制,从而对蜗壳结构的承载特性和结构性能起着至关重要的作用。此外,在水电站运行期间,由于发电水头、流量及导叶开度的变化,水轮机不可避免地会偏离最优工况,导致流道内出现脱流、空化以及涡带等现象,进而产生压力脉动,引起水电站厂房结构和机组的振动。而在当前国际能源结构调整的背景下,风电、光伏等新能源与核电并网运行,水电作为调节性电源需要承担更多的调峰调频任务,水电站的运行条件也越来越复杂,振动问题也越来越引起学术界和工程界的关注。针对上述问题,本文结合实际工程对以下几个方面开展研究,并取得了相应的成果:（1）为研究充水保压蜗壳间隙演变机理,采用了一种新的充水保压蜗壳全过程仿真模拟方法,通过某充水保压蜗壳模型试验成果从间隙值和接触状态、钢蜗壳与钢筋应力、机墩座环位移、混凝土开裂损伤等方面对该模拟方法进行了全面的验证,并在此基础上从保压间隙的时空分布规律、保压间隙对外围混凝土的影响、座环水平面不平衡力等方面对充水保压蜗壳的接触传力特性进行了分析。结果表明,充水保压蜗壳全过程模拟方法计算结果与试验结果规律一致,数值基本吻合,体现了该方法的合理性和准确性,并避免了以往人为修正混凝土内边界可能会出现的混凝土内表面穿透钢蜗壳表面的现象;卸压后形成的保压间隙较大的区域主要分布在钢蜗壳腰部和顶部,内水压力未达到保压水头时,钢蜗壳进口断面外侧区域、鼻端上部区域率先闭合,达到保压水头时蜗壳进口拐弯区域内侧和蜗壳末端外侧尚未闭合;蜗壳进口边界形式为伸缩节时,设置止推环有利于延缓保压间隙在进口外侧、45°方向外侧和蜗壳鼻端内侧区域的闭合时间,能明显改善保压间隙的闭合特性,钢蜗壳进口与钢管直连的边界形式也能起到与止推环类似的效果。（2）为研究水电站厂房水力振源特性,基于计算流体动力学理论,采用RNG k-?模型对混流式水轮机蜗壳、导叶、转轮、尾水管全流道内水体在不同水头工况下的流动特性进行了计算分析。基于水轮机三维非定常湍流计算结果,对转轮部件上的脉动压力进行了积分计算,给出了解析计算和数值模拟相结合的轴向水推力脉动特性计算方法。结果表明,蜗壳区域水流比较顺畅,该区域的脉动压力通常是无叶区、转轮区甚至尾水管区域产生的脉动压力向上游传播产生的;水轮机流动系统中转动部件与静止部件之间的动静干涉会导致脉动压力中出现叶片频率或其倍频;整个流道内压力脉动程度较大的区域主要集中在尾水管直锥段以及弯肘段,频率主要为0.83Hz和1.02Hz,即1/5倍和1/4倍转频,受尾水管低频涡带向上游传播影响,无叶区和蜗壳区也出现了低频脉动压力;轴向水推力是机组垂直动荷载的重要部分,具有明显的脉动特性,转轮上冠与顶盖、转轮下环与基础环之间的空腔压力是形成轴向水推力的主要作用。（3）过去,水轮机转轮及流道设计与厂房结构土建设计一般都是分开进行的,没有很好地结合在一起。为了将水轮机流场计算和厂房结构计算相结合,以期实现基于流固耦合的水电站厂房结构流激振动特性分析,探讨并推导了C2紧支径向基函数插值耦合矩阵,并基于此建立了水电站厂房全流道-结构流固耦合分析模型,以此来分析或预测水电站厂房水力振动。结果表明,C2紧支径向基函数无论是在流体向结构传递数据,还是在结构向流体传递数据过程中均体现出了明显的精度优势;以C2紧支径向基函数插值法为基础建立的流固耦合界面数据传递模型从理念上和实际效果上均适用于大规模复杂流固耦合的计算,其对网格依赖度低的特点可以充分结合现有的水轮机流场计算和厂房结构计算从而实现流体与结构的耦合;最小水头工况下由于导叶开度相对较大,水流进入转轮区域时的相对速度与转轮叶片骨线形成一定的冲角,脉动压力相比于最大水头工况和设计水头工况要大,厂房结构振动响应也相对较大。（4）为研究水电站厂房水力振动传导机制,对振动传递路径进行了分析,并沿着蜗壳/尾水管-厂房、转轮-轴系-机架基础-厂房这两条振动传递路径对厂房振动进行了计算分析,最后分析了钢蜗壳在水力振动作用下的金属疲劳。结果表明,轴向水推力主要引起铅直向的振动,特别是机墩处的振动,蜗壳/尾水管-厂房这条振动传递路径主要引起厂房结构的整体振动,其产生的振动响应是最直接也是最明显的,是厂房振动的主要诱因;从预测的疲劳寿命数量级看,钢蜗壳在静水压力循环荷载和脉动压力循环荷载作用下发生疲劳破坏的可能性较低。
蔡万通[3]（2018）在《高比例风光电特高压交直流送端系统自组织临界态辨识方法》文中研究表明当高比例风光电接入送端系统并经特高压交直流送出时,会强烈改变送端系统的潮流分布特性、电压特性、频率特性、功角特性以及电网故障后的动态特性,给电力系统大停电事故带来了新的诱导因素。由于大停电事故中各停电事件之间的关联性和连锁性,其触发故障一旦发生,留给电力系统调度人员的反应时间非常短暂,往往来不及采取调度控制措施抑制大停电事故的发生。自组织临界态作为大停电事故发生前的边缘状态,如果可以迅速、准确地辨识,并提前采取相应的大停电预防控制措施,就能把大停电扼杀在萌芽状态,具有重要的现实意义。在此背景下,本文提出了高比例风光电特高压交直流送端系统的自组织临界态辨识方法,主要工作归纳如下:基于高比例风光电、特高压交直流送出特性,提出了高比例风光电特高压交直流送出特性对送端系统自组织临界态的交互影响机理。高比例风光电具有自然波动性、高/低电压连锁脱网特性和低转动惯量特性,容易导致送端系统电压波动超过电网的运行要求、风光机组连锁脱网和低频振荡的风险提高;直流逆变侧交流系统故障可能导致直流换相失败并闭锁,引起交流母线暂态过电压和大规模潮流转移,进一步切除元件;两者交互影响恶化送端系统的运行特性和事故后的动态特性,降低送端系统抵御事故的能力,促进送端系统向自组织临界态演化。提取基于高比例风光电特高压交直流送出特性的电力系统自组织临界演化影响指标集,并提出了其阈值计算方法。对传统交流系统的自组织临界演化影响指标进行了拓展,提出了可以表征高比例风光电交直流送出特性的自组织临界演化影响指标,通过偏相关系数计算,证明了各指标表征自组织临界演化程度的有效性,并确定了各指标与自组织临界演化的相关关系;引入临界相变和临界慢化理论,对电力系统进行了临界慢化建模和分析,将Mann-Kendall检验方法用于确定自组织临界影响指标的阈值,并提出了自组织临界演化影响指标阈值计算方法。结合半监督学习和径向基函数神经网络的优点,提出基于半监督径向基函数神经网络的高比例风光电特高压交直流送端系统自组织临界态辨识方法。相对传统的径向基函数神经网络,融入半监督学习思想建立的半监督径向基函数神经网络,可以利用大量未标记样本改善径向基函数神经网络的训练效果,既具备传统径向基函数神经网络的全局最优性能,又能在用时少的条件下保证辨识的准确率;利用自组织临界演化影响指标及其阈值,组成少量的1型号样本、2型号样本和大量的3型号样本,可训练得到半监督径向基函数神经网络的聚类中心、宽度和权重参数,从而提出基于半监督径向基函数神经网络的高比例风光电特高压交直流送端系统自组织临界态辨识方法。对甘肃酒泉高比例风光电特高压交直流送端系统进行了自组织临界态辨识实例仿真,为其大停电事故预防提供理论基础和技术依据。以甘肃电网2017年冬季大负荷运行方式为基础数据,设计了几种典型的演化路线,使其从初始工况演化至自组织临界态,在此过程中得到了大量的3型号样本;同时,利用Mann-Kendall检验和K-S检验获取少量的1型号和2型号训练样本,建立了辨识酒泉高比例风光电特高压交直流送端系统是否处于自组织临界态的神经网络;辨识结果表明:对酒泉高比例风光电特高压交直流送端系统的自组织临界态、非自组织临界态的辨识正确率达到了 93%和92%,表现出了优异的辨识性能。
韩晓慧[4]（2017）在《低压配电网剩余电流保护优化算法研究》文中研究说明剩余电流动作保护装置,作为一种有效防范与避免电网漏电事故与保护生命财产安全的重要技术手段,近年来已在低压电网中广泛使用和推广。但是,由于目前现有的剩余电流在线监测保护装置,仅依据低压回路中检测到的剩余电流有效值是否大于某一设定值而判断其是否动作,尚不具有自动诊断触电故障类型与识别触电电流的能力,导致在实际电网运行中经常出现误动和拒动现象,从而降低了剩余电流保护装置的动作可靠性和正确投运率。针对上述问题,在国家电网公司科技项目“生物体触电暂态信息快速提取与识别方法研究”的专项支持下,本课题开展了低压配电网剩余电流保护优化算法的研究。通过已建立的低压电网生物体触电实验波形数据库获取了不同典型场景下生物体触电信号的原始数据及波形,在此基础上,分析并掌握了剩余电流的暂态时频特性规律,提取了剩余电流暂态分量的信息融合特征,准确实现了触电故障时刻检测、触电故障类型诊断及触电支路电流分量识别。上述剩余电流保护优化算法的研究为我国剩余电流动作保护原理的更新换代提供了可靠的理论和技术支撑。主要完成内容如下:（1）采用平滑伪Wigner-Ville分布技术建立了生物体触电剩余电流暂态信号的时频特性分析方法。掌握了暂态剩余电流频谱分量随时间变化特性,揭示了生物体发生触电时的剩余电流信号在不同时间段和频率范围能量分布规律。（2）利用有无量纲统计特征、奇异值分解、局部均值分解、主元分析等理论构建了剩余电流暂态信号信息融合特征提取方法。该方法实现了利用最小特征,最大化的表征剩余电流故障信息,有利于提高触电故障类型的识别正确率。（3）提出了一种基于剩余电流偏斜度的触电故障时刻检测方法。该方法利用了噪声和正弦信号的偏斜度为零的特点,以剩余电流的偏斜度绝对值的变化作为触电故障检测与定位的依据,为实现高精度触电故障检测提供了新的途径。（4）综合运用粒子群优化算法和支持向量机,将信息融合特征作为故障分类特征量,构建了一种基于参数优化的触电故障类型诊断模型。该模型可有效识别植物直接触电、动物直接/间接触电三种故障类型,较单一特征的触电故障类型诊断方法在准确率和泛化性方面有明显优势。（5）提出了一种基于网格搜索与交叉验证优化最小二乘支持向量机的触电电流幅值识别模型。实例分析验证了该模型训练速度快,检测误差低,克服了神经网络所存在的训练时间长、容易陷入局部最小等缺陷,解决了从剩余电流中检测和提取触电电流信号幅值分量的技术难题。
何洋洋[5]（2016）在《基于随机共振和多维度排列熵的水轮发电机组振动故障诊断研究》文中研究指明随着我国水电事业的蓬勃发展,水力发电的比重以及机组的容量都在不断增大,机组一旦发生事故,不仅影响水电站或水电厂自身的安全,而且也会对电网的稳定运行造成重大影响。在水轮发电机组中,大约80%的故障在振动信号中都有所反映,因此,开展水轮发电机组振动故障诊断研究具有十分重要的意义。为此,本文将随机共振和多维度排列熵的理论引入水轮发电机组的振动故障诊断中,提出了基于随机共振和多维度排列熵的水轮发电机组振动故障诊断方法,为水轮发电机组的振动故障诊断提供了一种新的思路和手段。本文首先论述了水轮发电机组振动故障诊断研究的背景、意义及目的,介绍了水轮发电机组振动故障诊断的国内外研究现状、发展趋势及现存问题。其次,针对传统去噪方法容易破坏信号有用成分的缺陷,引入了随机共振理论,提出了基于随机共振的去噪方法,仿真结果表明了该方法的优越性,另外,着重研究了影响随机共振输出的主要因素,这是达到最佳去噪效果的关键。再次,在阐述排列熵原理的基础上,介绍了排列熵中两个重要参数的确定方法,并对该方法进行了数值验证;针对排列熵提取信号特征能力的局限性,提出了基于多维度排列熵的特征提取方法,仿真结果表明了该方法的优越性。然后,针对粒子群算法的早熟问题,对其做了改进,利用改进后的粒子群算法来优化支持向量机的参数,建立基于改进粒子群优化支持向量机的故障诊断模型;同时将该模型与遗传算法优化支持向量机模型进行对比,实例仿真结果显示,前者的诊断效果优于后者。最后,应用上述诊断方法对水电站机组的故障数据进行分析,其仿真结果表明,该方法能够较为准确的诊断出机组的故障类型,与实际故障情况相符,具有较高的诊断精度。
朱文龙[6]（2016）在《水轮发电机组故障诊断及预测与状态评估方法研究》文中研究表明随着我国能源结构调整的逐步推进,风电、光伏发电等非稳定性电源快速发展,水轮发电机组在电网中承担调峰调频的任务越来越多,这就要求水轮发电机组在其整个工况范围内具有充分的可用性,这就对水轮发电机组故障诊断、故障预测及状态评估提出了更高的要求。为了确保水轮发电机组安全稳定运行,本文针对水轮发电机组故障诊断与预测应用中的若干关键科学问题,以机组振动信号处理和运行工况分析为切入点,提取表征机组故障状态的信号时频分布特征和工况特征等多重特征向量,提高故障特征向量的准确度,进一步构建基于多重特征向量相融合的水轮发电机组故障诊断及故障预测体系,实现水轮发电机组故障的准确诊断与预测。论文的主要研究内容和创新性成果如下：（1）针对水轮发电机组振动信号具有非平稳、低信噪比和多振源激励信号分量相互混叠等特征,提出了一种独立分量分析-经验模态分解的水轮发电机组非平稳信号特征提取方法。在该算法中,首先采用独立分量分析法提取出主要振源的激励信号分量,即统计独立分量,有效消除或降低模态混叠现象,再对统计独立分量进行自相关分析,消除统计独立分量中非周期噪声的影响；然后再采用经验模态分解对统计独立分量进行自适应分解,获得多组本征模态函数；最后对同频本征模态函数进行重构,提取出故障特征频段的征兆信号,实现水轮发电机组强背景噪声非平稳早期故障特征信号的有效提取。试验结果表明,本文所提方法在水轮发电机组早期故障微弱征兆信号和突变故障特征信号提取方面具有明显的优势,更适用于强背景噪声影响下的水轮发电机组非平稳微弱信号特征提取。（2）传统水轮发电机组故障诊断方法绝大多数是基于振动信号的时频特征进行故障识别,忽略的水轮发电机组运行工况对振动信号时频特征的影响,降低了诊断的准确率。针对上述问题,本文引入过程控制理论中的统计诊断方法,分别对水轮发电机组每种工况过程中的振动变量和工况参数进行融合建模,提出了一种基于KICA-PCA的多元非线性系统过程诊断方法,该方法通过计算工况过程的统计指标实现水轮发电机组故障诊断。本文所提方法通过水轮发电机组运行工况信息与振动信号的有效融合,提高了故障诊断结果的可信度,打破了传统基于振动信号时频特征的水轮发电机组故障诊断方法的诊断范式。试验结果表明,相对于PCA和ICA-PCA等线性系统过程诊断方法,本文所提方法的诊断正确率更高,且时效性更好,更适用于水轮发电机组多元非线性系统的过程诊断。（3）基于互信息理论和统计学提出了水轮发电机组工况变量对振动变量贡献率的计算方法,并构建了压力脉动劣化度函数,实现了压力脉动状态预测评估。以水轮发电机组振动变量和工况参数之间相关关系为切入点,结合互信息理论,深入挖掘水轮发电机组海量的历史监测数据,揭示水轮发电机组振动变量与工况参数之间的非线性相关关系,通过计算水轮发电机组各工况参数对振动变量的贡献度,提取出水轮发电机组振动变量的主要相关工况参数。进一步融合主要相关工况参数与压力脉动幅值形成融合特征向量,提出了基于支持向量机和极限学习机的水轮发电机组压力脉动状态预测方法,实现了压力脉动状态预测,同时引入数理统计与模糊子集理论,构建了基于历史统计曲线的水轮发电机组压力脉动模糊集,提出压力脉动模糊集的劣化度评价函数,实现水轮发电机组压力脉动的状态评估。（4）融合水轮发电机组振动信号时频特征和工况关联规则特征,构建了多重征兆向量,引入模糊推理系统和径向基神经网络模型,提出了一种基于约束扩展广义动态模糊神经网络的水轮发电机组故障预测方法。在该方法中,以振动信号的频谱能量分布特征和工况关联规则特征作为故障预测的融合故障征兆向量,充分利用模糊规则推理与神经网络学习能力,动态推求水轮发电机组未来的故障状态,预测潜在故障未来可能发生概率,实现水轮发电机组故障预测。同时探讨了水轮发电机组故障可能发生概率与维修时限、健康状况之间的关系,提出了一种以故障可能发生概率为自变量的水轮发电机组维修时限函数,搭建了故障预测至维修决策之间的桥梁,以启动维修时限的形式明晰化故障预测结果的含义,对水轮发电机组实施状态检修与预测性维修具有重要的意义。（5）本文设计开发了一种面向服务的水轮发电机组故障诊断及状态评估系统,该方案构建了网络化、服务知识化、资源共享化的开放式的统一知识平台,通过整合异地不同用户的知识资源,不断丰富与补充水轮发电机组故障诊断及状态评估系统的专家知识库,提高水轮发电机组整机设备故障诊断及状态评估的性能水平。系统已成功应用于贵州乌江水电开发有限责任公司东风发电厂,为现场运行维护人员提供辅助维修决策建议指导。
苗宗伟[7]（2010）在《水电站厂房结构振动分析与动态识别》文中认为随着水电站建设的快速发展,机组容量及尺寸急剧增大,转速相应提高,机组振动及其诱发的水电站厂房振动问题日益突出,成为目前研究的热点和难点。水电机组在实际运行过程中所承受的各类动载荷是进行振动分析和动态设计的基础数据。然而,由于水电机组规模较大,动载荷时空分布复杂等特点,直接测量其动态力有许多困难,所以利用动载荷识别技术来分析识别机组的动载荷具有重要的工程实用价值。经过多年的发展,神经网络算法渐趋成熟,以及因其具有一些传统方法没有的优势,越来越多地被应用于工程结构的识别预测中。要想真正把握水电站厂房的振动特性,并解决其振动问题,最有效的途径就是通过现场实测,再反馈分析厂房结构的振动特性,并通过有限元数值计算分析对其进行振动复核。本文主要研究了神经网络技术在水电机组动载荷识别中的应用,主要研究内容和成果归纳如下：（1）利用改进的BP神经网络对不同类型、不同加载方式的动荷载进行数值算例的识别计算,在取得良好效果的情况下,对水电站机墩结构及机组轴系统的动载荷进行了识别,取得了较好的识别结果。（2）基于水电站机组及厂房振动联合测试数据,分析机组及厂房的振动规律,并对厂房结构动力响应进行了有限元数值反馈计算。根据国内外相关标准对机组及厂房的振动水平进行了评价。（3）根据实测数据的分析论证,证实了机组振动和厂房结构振动之间存在着显着的耦联作用和相关关系,据此提出了预测厂房结构振动加速度的神经网络预测方法,实例计算表明预测效果较好。
王娜[8]（2010）在《基于虚拟仪器的水力机组运行实时监测系统研究》文中提出水电是我国重点发展的绿色能源,水电生产具有开停机方便、运行费用低,对环境污染小等优点,合理充分地利用水电能源对我国的经济发展起着巨大的推动作用,因此有效地对水力机组运行参数进行检测、分析、优化,对水轮机组高效稳定运行将起到重要作用。本文采用虚拟仪器技术,通过LabVIEW和MATLAB混合编程的方法,开发了一套水力机组运行实时监测系统,该系统不仅实现了水轮机运行参数的实时检测、分析、计算以及水力机组能量特性模型的建立,而且为建立水力机组优化运行系统打下基础。本文主体分为三部分,每部分内容如下:第一部分:采用虚拟仪器的概念,构建了实时监测系统的硬件结构并详细介绍了硬件的选型设计。该系统的硬件部分主要采用了美国NI公司的产品,包括信号调理设备以及数据采集卡,经过试验验证,该系统硬件结构不论采集精度、速度以及抗干扰能力都能够满足实时监测系统的要求。第二部分:利用图形化编程语言LabVIEW建立了岗南水电站1～3号机组的运行参数数据采集系统,实现了水轮机的工作水头、流量、出力等参数的实时在线监测、显示、处理以及存储,同时可根据水力机组实时监测的数据计算水轮机的运行效率,并实时显示,使工作人员随时了解水轮机的运行状况。第三部分:在水力机组运行参数数据采集系统的基础上,利用LabVIEW和MATLAB混合编程技术,构建了水轮机能量特性模型,开发了水力机组运行工况实时监测系统,该系统可以实现在水轮机的三维能量特性曲面图上实时显示水轮机的运行工况点的功能,以便运行人员直观地了解水轮机的运行状况,从而对整个机组进行合理调节,使机组运行于高效区。本系统的开发对于充分利用水资源,提高水电站的经济效益,实现水力机组的高效稳定运行及优化运行均具有一定的实际指导意义。
王小红[9]（2009）在《水轮机几何参数反演算法及其应用》文中进行了进一步梳理我国水能资源丰富,不论是水能资源蕴藏量,还是可开发的水能资源,在世界各国中均居第一位。水电是我国电能比较重要的组成部分,水电生产过程具有开停机方便、成本低廉,运行可靠性高、对环境污染小等优点。作为一种可再生的自然资源,正如温家宝总理在今年的政府工作报告中所述,水电已经被列入优先发展的对象。目前,我国已经建成数量不少的水电站,另外一批大型水电站正在设计或建设之中。而在水电站中,研究如何保证其中的水轮发电机组安全稳定运行,对于发挥水电效益,有效利用水资源,具有普遍的重要的意义。本文在已有研究成果的基础上,提出了水轮机几何参数反演算法,进一步开展了水轮机特性及水电站过渡过程数字仿真的研究。其主要内容如下:（1）总结了与课题有关的国内外技术研究现状及发展趋势,在此基础上提出了本文研究的主要内容和结构安排;（2）本文根据水轮机的工作原理,利用水轮机的模型综合特性曲线及结构参数,采用线性函数数据拟合方法,求出模型水轮机及其装置的内特性参数,提出了水轮机几何参数的反演算法;（3）在反演算法的基础上,本文采用数据拟合和人工神经网络方法,利用水轮机高效率区域特性和飞逸特性,求取水轮机的小开度特性,同时对水轮机特性曲线进行了扩展;分别用外特性法和内特性法计算水轮机的传递系数,并研究其随水轮机工况的变化情况;（4）对水轮机过渡过程的基本理论进行了分析,建立了甩负荷过渡过程基于内特性解析的非线性数学模型,并对相应的计算软件系统设计进行了论述。运用前几章提出的理论,通过MATLAB软件,编制了相应的过渡过程仿真程序,设计了简单宜用的操作界面,并给出了运行的应用实例,进一步证明了水轮机几何参数反演算法的可行性及对水轮机过渡过程分析计算具有的意义。本文提出了水轮机几何参数的反演算法,建立了模型水轮机特性和几何参数之间的联系,为水轮机的设计、运行分析等提供了一条新的途径。
袁小芳[10]（2008）在《复杂发电机系统的智能控制理论方法研究》文中进行了进一步梳理随着电力工业的不断发展,对于电能的需求越来越大,对供电可靠性与电能质量的要求也越来越高。发电机组是电力系统中提供电能的关键设备,对于电力系统的安全经济稳定运行有着至关重要的作用。大容量发电机组的增多并向超临界化方向发展,使得发电机控制越来越复杂、也越来越重要。论文首先介绍了电力系统控制和稳定性的一般描述以及发电机控制的重要性,并说明了发电机系统是一个复杂的非线性对象,控制难度较大。接着,从国内外发电机系统控制的研究现状出发,提炼出其中有待进一步解决的关键问题并进行深入的研究,从而形成比较系统的发电机系统智能控制理论和方法,为发电机组的高效节能与经济运行提供理论基础。针对复杂发电机系统控制中的一些科学问题,本论文结合国家"十五"重大技术装备国产化创新研制项目—“交流励磁水轮发电机及其控制系统研制”,重点开展了以下几个方面的研究工作:1、提出了基于混沌模式搜索法的同步发电机参数辨识方法,将模式搜索法与混沌优化算法相融合,给出了一种新型的混沌模式搜索法,提高了混沌优化算法的搜索效率和搜索精度。将同步发电机参数辨识问题看作参数矢量的组合优化问题,建立对应的目标函数,以优化算法来搜索最佳参数值。该参数辨识方法具有不受对象非线性特征影响、对扰动信号限制少、搜索速度快等优点。2、提出了励磁系统的一种逼近模型控制方法。首先介绍了励磁系统的一般原理和数学模型,随后提出了一种逼近模型控制器,采用基于Taylor扩展的线性化方法来得到近似的逼近模型控制律,利用径向基神经网络建模来具体实现控制律。论文分析了该逼近模型控制律的鲁棒性特征,并给出了其仿真实验结果。3、提出了一种励磁系统的逼近内模控制器。该逼近内模控制器包括逼近模型控制器和反馈补偿二个部分,采用基于Taylor扩展的线性化方法得到逼近模型控制器,并由递归神经网络建模来具体实现,再选取一个鲁棒性滤波器作为反馈环节,并分析了逼近内模控制器的鲁棒性特征,仿真实验也验证了其有效控制性能。4、水轮机调节系统是一个水、机、电的综合调节系统,针对该调节系统的非线性模型,研究了一种刚性水锤效应时的水轮机调速器的逆模型控制方法。首先介绍了水轮机的调速系统的原理,分析了其可逆性,采用支持向量机来建立逆模型,并对比研究了二种不同的逆模型控制器:直接逆模型控制和带PI控制补偿的逆模型控制。直接逆模型控制易于实现,然而鲁棒性和抗干扰性性能明显不如带PI控制补偿的逆模型控制。5、针对汽轮发电机调速系统,设计了一种汽门系统的自适应逆模型控制。首先介绍了汽轮机调速系统的调速原理和数学模型,分析了该系统的可逆性,采用最小二乘支持向量机来辨识汽门系统的模型和逆模型,在此基础上,提出了一种基于自适应学习率的逆模型控制系统,分析了该学习算法的收敛性特征。6、研究了汽轮发电机系统的综合控制,将发电机组的励磁和汽门系统相结合,设计了一种多模型控制系统。该多模型控制系统以发电机组的典型工况为依据,设计了不同工况时的子模型控制器,并提出了一种自学习算法在线调整优化控制器的控制规则。同时,建立子模型库,依据运行工况与子模型的匹配程度来决定子模型控制器的加权系数。7、介绍了用于多机组发电机系统综合控制的等效模型,并建立了三机组发电机系统综合控制的状态空间模型;随后,采用线性二次最优控制方法来设计综合优化控制器。本论文将权矩阵的选取看作一个多变量优化问题,提出一种并行混沌优化融合单纯形的优化算法,采用该优化算法来搜索最佳的权矩阵,从而为线性二次最优控制提供了一种有效方法。仿真实验也验证了该优化控制器的有效性能。论文最后总结了全文的主要创新性研究成果,对下一步研究工作进行了展望。
二、基于径向基函数神经网络的水轮发电机组效率曲线计算方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于径向基函数神经网络的水轮发电机组效率曲线计算方法（论文提纲范文）
（1）基于机器学习的水电机组运行安全保障方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 机器学习技术发展历程及现状 |
| 1.3 水电机组安全保障方法概述 |
| 1.4 本文主要研究内容与结构 |
| 第二章 机器学习基础理论 |
| 2.1 引言 |
| 2.2 机器学习模型 |
| 2.2.1 分类模型 |
| 2.2.2 回归模型 |
| 2.2.3 聚类模型 |
| 2.3 深度学习模型 |
| 2.3.1 循环神经网络 |
| 2.3.2 卷积神经网络 |
| 2.3.3 生成式对抗网络 |
| 2.4 本章小结 |
| 第三章 监测信号预处理及特征提取 |
| 3.1 引言 |
| 3.2 小波分解 |
| 3.3 经验模态分解 |
| 3.4 信号预处理及特征提取 |
| 3.5 本章小结 |
| 第四章 水电监测数据组织方法研究 |
| 4.1 引言 |
| 4.2 稳定性数据获取 |
| 4.3 水电状态监测数据库 |
| 4.3.1 监测数据库结构 |
| 4.3.2 监测数据存储策略 |
| 4.4 基于元数据的数据集快速构建方法 |
| 4.4.1 数据单元 |
| 4.4.2 基于元数据的数据集构建方法 |
| 4.5 本章小结 |
| 第五章 水电机组劣化状态评估及故障预测 |
| 5.1 引言 |
| 5.2 水电机组健康状态评估及劣化趋势表示 |
| 5.3 水电机组故障预测 |
| 5.4 基于长短记忆网络的水电机组稳定性参数预测 |
| 5.4.1 预测模型结构设计 |
| 5.4.2 实例分析 |
| 5.5 本章小结 |
| 第六章 水电机组故障预警方法研究 |
| 6.1 引言 |
| 6.2 基于概率统计的故障预警方法 |
| 6.3 基于机器学习的故障预警方法 |
| 6.4 基于K均值聚类的故障预警研究 |
| 6.4.1 振动能量序列预测 |
| 6.4.2 综合趋势预测模型 |
| 6.4.3 实例分析 |
| 6.5 本章小结 |
| 第七章 水电机组故障诊断方法研究 |
| 7.1 引言 |
| 7.2 故障类型多分类方法研究 |
| 7.3 基于生成式对抗网络的样本生成研究 |
| 7.3.1 故障诊断数据不平衡问题 |
| 7.3.2 故障样本生成模型设计 |
| 7.3.3 样本生成实例 |
| 7.4 本章小结 |
| 第八章 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 参考文献 |
| 硕士期间发表论文及其它成果 |
| 致谢 |
（2）水电站蜗壳传力机制与厂房流激振动特性研究（论文提纲范文）
| 博士生自认为的论文创新点 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 主要科学问题及国内外研究现状 |
| 1.2.1 水电站厂房蜗壳接触传力 |
| 1.2.2 水电站厂房水力振源 |
| 1.2.3 水电站厂房流固耦合 |
| 1.2.4 水电站厂房蜗壳金属疲劳 |
| 1.3 本文研究内容 |
| 第二章 充水保压蜗壳间隙演变机理研究 |
| 2.1 充水保压蜗壳全过程模拟方法 |
| 2.1.1 全过程模拟方法 |
| 2.1.2 算例验证 |
| 2.2 充水保压蜗壳模拟方法模型试验验证 |
| 2.2.1 模型试验 |
| 2.2.2 有限元数值模拟 |
| 2.3 有限元结果与模型试验结果对比分析 |
| 2.3.1 间隙值和接触状态 |
| 2.3.2 钢蜗壳与钢筋应力 |
| 2.3.3 机墩座环位移 |
| 2.3.4 混凝土开裂损伤 |
| 2.4 蜗壳进口边界形式对间隙的影响机制 |
| 2.4.1 保压间隙的时空分布规律 |
| 2.4.2 保压间隙对外围混凝土的影响 |
| 2.4.3 座环在水平面上的不平衡力 |
| 2.5 小结 |
| 第三章 水电站厂房水力振源特性研究 |
| 3.1 基于CFD的全流道非定常湍流计算 |
| 3.1.1 控制方程和湍流模型 |
| 3.1.2 动静干涉 |
| 3.2 水力振源分布特性及规律 |
| 3.2.1 叶片频率 |
| 3.2.2 卡门涡与叶道涡 |
| 3.2.3 尾水管涡带 |
| 3.3 不同工况下水力振源流场特性 |
| 3.3.1 水轮机全流道模型及边界条件 |
| 3.3.2 蜗壳及导水机构流场分布特性 |
| 3.3.3 转轮流场分布特性 |
| 3.3.4 尾水管流场分布特性 |
| 3.4 不同工况下水力振源压力脉动特性 |
| 3.4.1 水轮机压力脉动监测点布置 |
| 3.4.2 蜗壳区压力脉动特性 |
| 3.4.3 无叶区压力脉动特性 |
| 3.4.4 尾水管压力脉动特性 |
| 3.5 轴向水推力的脉动特性探讨 |
| 3.5.1 计算方法 |
| 3.5.2 轴向水推力脉动特性分析 |
| 3.6 小结 |
| 第四章 水电站厂房结构流激振动分析 |
| 4.1 流固耦合数据传递基本原理和实现方法 |
| 4.1.1 耦合数据传递基本原则 |
| 4.1.2 流固耦合数据传递方法 |
| 4.2 水电站厂房全流道-结构流固耦合模型 |
| 4.2.1 C2紧支径向基函数(C2RBF) |
| 4.2.2 计算条件 |
| 4.2.3 数据传递精度和效率的影响因素分析 |
| 4.2.4 C2紧支径向基函数紧支半径选取研究 |
| 4.2.5 水电站厂房全流道-结构流固耦合模型 |
| 4.3 水电站厂房流激振动计算条件 |
| 4.3.1 流场计算模型 |
| 4.3.2 结构场计算模型 |
| 4.3.3 计算方案 |
| 4.4 流场特性分析 |
| 4.4.1 转轮特性比较 |
| 4.4.2 脉动压力特性 |
| 4.5 结构场特性分析 |
| 4.5.1 不同转轮方案下的结构振动 |
| 4.5.2 X型转轮不同水头工况下结构振动 |
| 4.6 小结 |
| 第五章 水电站厂房水力振动传导机制与蜗壳金属疲劳 |
| 5.1 基于不同传递路径下的厂房结构振动 |
| 5.1.1 计算条件 |
| 5.1.2 不同路径下的厂房结构振动 |
| 5.2 水力作用下的蜗壳金属疲劳特性 |
| 5.2.1 计算方法 |
| 5.2.2 模型与实现 |
| 5.2.3 静水压力循环荷载下的低周疲劳 |
| 5.2.4 脉动压力循环荷载下的高周疲劳 |
| 5.3 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻博期间发表的科研成果 |
| 1.主要发表论文 |
| 2.专利 |
| 3.软件着作权登记 |
| 4.主要参与的基金项目 |
| 5.主要参与的研究项目 |
| 致谢 |
（3）高比例风光电特高压交直流送端系统自组织临界态辨识方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 传统交流系统自组织临界态研究 |
| 1.2.2 高比例风光电特高压交直流送出对送端系统自组织临界态的影响研究 |
| 1.2.3 高比例风光电特高压交直流送端系统自组织临界态影响指标研究 |
| 1.2.4 高比例风光电特高压交直流送端系统自组织临界态辨识方法研究 |
| 1.3 本文的主要研究内容 |
| 第2章 高比例风光电特高压交直流送出特性对送端系统自组织临界态的影响机理 |
| 2.1 引言 |
| 2.2 传统交流系统自组织临界演化机理 |
| 2.2.1 电力系统大停电和自组织临界理论 |
| 2.2.2 传统交流系统自组织临界演化机理 |
| 2.3 高比例风光运行特性对送端系统自组织临界态的影响机理 |
| 2.3.1 高比例风光电的波动性对送端系统自组织临界态的影响机理 |
| 2.3.2 高比例风光电的高/低电压连锁脱网特性对送端系统自组织临界态的影响机理 |
| 2.3.3 高比例风光电的低惯量特性对送端系统自组织临界态的影响机理 |
| 2.4 特高压交直流送出特性对送端系统自组织临界态的影响机理 |
| 2.4.1 直流换相失败和直流闭锁机理 |
| 2.4.2 直流系统故障导致交流母线暂态过电压对送端系统自组织临界态的影响机理 |
| 2.4.3 直流系统故障导致大规模潮流转移对送端系统自组织临界态的影响机理 |
| 2.5 高比例风光电特高压交直流送出特性对送端系统自组织临界态的影响机理 |
| 2.6 本章小结 |
| 第3章 高比例风光电特高压交直流送端系统的自组织临界演化影响指标 |
| 3.1 引言 |
| 3.2 传统交流系统的自组织临界态影响因素及指标 |
| 3.2.1 传统交流系统的自组织临界态影响因素 |
| 3.2.2 传统交流系统的自组织临界态影响指标 |
| 3.3 基于高比例风光电交直流送出特性的电力系统自组织临界演化影响指标 |
| 3.3.1 基于高比例风光电特性的电力系统自组织临界演化影响指标 |
| 3.3.2 基于特高压交直流送出特性的电力系统自组织临界演化影响指标 |
| 3.3.3 演化指标与自组织临界演化程度的相关性确定方法 |
| 3.4 电力系统自组织临界演化影响指标阈值计算 |
| 3.4.1 电力系统自组织临界演化影响指标阈值 |
| 3.4.2 临界相变和临界慢化理论 |
| 3.4.3 电力系统自组织临界演化影响指标阈值计算方法 |
| 3.5 仿真分析 |
| 3.5.1 算例介绍 |
| 3.5.2 自组织临界演化影响指标有效性仿真分析 |
| 3.5.3 自组织临界演化影响指标阈值计算 |
| 3.6 本章小结 |
| 第4章 高比例风光电特高压交直流送端系统的自组织临界态辨识方法 |
| 4.1 引言 |
| 4.2 人工神经网络与自组织临界态辨识 |
| 4.3 径向基函数神经网络及改进方法 |
| 4.3.1 径向基函数神经网络及其局限性 |
| 4.3.2 基于半监督学习的径向基函数神经网络 |
| 4.4 基于半监督径向基函数神经网络的自组织临界辨识 |
| 4.4.1 自组织临界态辨识训练样本获取 |
| 4.4.2 样本训练——聚类中心参数计算 |
| 4.4.3 样本训练——宽度和权重参数计算 |
| 4.5 高比例风光电特高压交直流送端系统的自组织临界态辨识方法 |
| 4.6 仿真分析 |
| 4.6.1 样本训练和自组织临界态辨识 |
| 4.6.2 各自组织临界辨识方法优劣性分析 |
| 4.7 本章小结 |
| 第5章 酒泉高比例风光电特高压交直流送端系统的自组织临界态辨识实例仿真 |
| 5.1 酒泉高比例风光电特高压交直流送端系统背景分析 |
| 5.2 自组织临界演化影响指标计算及分析 |
| 5.3 自组织临界态辨识及分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（4）低压配电网剩余电流保护优化算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.4 本文主要研究内容及技术路线 |
| 第二章 剩余电流暂态信号时频特性分析 |
| 2.1 引言 |
| 2.2 WVD-PWVD-SPWVD时频分析原理 |
| 2.3 WVD-PWVD-SPWVD时频分析方法比较 |
| 2.4 基于SPWVD的典型时刻触电时剩余电流暂态信号时频特征分析 |
| 2.5 本章小结 |
| 第三章 剩余电流暂态信号特征提取理论与方法 |
| 3.1 引言 |
| 3.2 剩余电流暂态信号幅值域特征提取 |
| 3.3 剩余电流暂态信号时频域特征提取 |
| 3.4 剩余电流暂态信号能量特征提取 |
| 3.5 基于PCA的剩余电流暂态信号信息融合特征提取 |
| 3.6 本章小结 |
| 第四章 基于剩余电流偏斜度的触电故障时刻检测方法 |
| 4.1 引言 |
| 4.2 高阶统计分析理论 |
| 4.3 基于剩余电流偏斜度的触电故障时刻检测方法 |
| 4.4 算例及性能仿真分析 |
| 4.5 本章小结 |
| 第五章 基于粒子群优化支持向量机的触电故障类型诊断模型 |
| 5.1 引言 |
| 5.2 支持向量机分类理论 |
| 5.3 基于粒子群优化支持向量机的触电故障类型诊断 |
| 5.4 本章小结 |
| 第六章 基于网格搜索与交叉验证优化最小二乘支持向量机的触电支路电流识别模型 |
| 6.1 引言 |
| 6.2 支持向量机回归理论 |
| 6.3 基于网格搜索和交叉验证优化最小二乘支持向量机的触电支路电流分量识别 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 本文创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 附录 本文主要名词术语及含义 |
| 作者简历 |
（5）基于随机共振和多维度排列熵的水轮发电机组振动故障诊断研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景、意义及目的 |
| 1.1.1 背景 |
| 1.1.2 意义 |
| 1.1.3 目的 |
| 1.2 国内外研究现状 |
| 1.2.1 国外相关技术及理论研究现状 |
| 1.2.2 国内相关技术及理论研究现状 |
| 1.3 存在问题及发展趋势 |
| 1.3.1 存在问题 |
| 1.3.2 发展趋势 |
| 1.4 主要研究内容 |
| 1.4.1 主要内容 |
| 1.4.2 技术路线 |
| 2 基于随机共振的信号去噪 |
| 2.1 随机共振的基本原理 |
| 2.1.1 朗之万方程 |
| 2.1.2 福克-普朗克方程 |
| 2.1.3 绝热近似理论 |
| 2.1.4 数值求解方法 |
| 2.2 随机共振的分类与评价指标 |
| 2.2.1 随机共振的分类 |
| 2.2.2 随机共振的评价指标 |
| 2.3 仿真分析 |
| 2.3.1 小参数条件下的仿真分析 |
| 2.3.2 大参数条件下的仿真分析 |
| 2.3.3 随机共振的影响因素 |
| 2.4 本章小结 |
| 3 基于多维度排列熵的特征提取 |
| 3.1 排列熵算法原理 |
| 3.2 排列熵算法的有效性验证 |
| 3.2.1 Logistic模型 |
| 3.2.2 仿真信号分析 |
| 3.3 排列熵参数的确定 |
| 3.3.1 互信息函数法确定延迟时间 |
| 3.3.2 CAO方法确定最佳嵌入维数 |
| 3.3.3 数值验证 |
| 3.4 多维度排列熵 |
| 3.5 基于轴承故障的实例仿真 |
| 3.5.1 轴承外圈故障 |
| 3.5.2 轴承内圈故障 |
| 3.5.3 轴承滚动体故障 |
| 3.6 本章小结 |
| 4 基于IPSO-SVM的故障诊断 |
| 4.1 支持向量机理论 |
| 4.1.1 支持向量机的概念 |
| 4.1.2 支持向量机的求解 |
| 4.1.3 核函数 |
| 4.1.4 参数优化方法的选择 |
| 4.2 粒子群算法 |
| 4.2.1 粒子群算法概述 |
| 4.2.2 粒子群算法原理 |
| 4.2.3 粒子群算法的参数选择 |
| 4.2.4 粒子群算法的优缺点 |
| 4.3 改进粒子群算法 |
| 4.3.1 对惯性权重的调整 |
| 4.3.2 对学习因子的改进 |
| 4.4 IPSO-SVM模型的建立 |
| 4.5 IPSO-SVM模型的测试 |
| 4.5.1 诊断测试一 |
| 4.5.2 诊断测试二 |
| 4.6 本章小结 |
| 5 实例分析 |
| 5.1 基于压力脉动信号的故障诊断 |
| 5.1.1 信号去噪 |
| 5.1.2 特征向量提取 |
| 5.1.3 故障诊断 |
| 5.2 基于水导轴承摆度信号的故障诊断 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| A.作者在攻读硕士学位期间参与的项目 |
| B.作者在攻读硕士学位期间的科研成果 |
（6）水轮发电机组故障诊断及预测与状态评估方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1、绪论 |
| 1.1 本文研究的背景和意义 |
| 1.2 水轮发电机组故障机理及故障特征分析 |
| 1.3 水轮发电机组数据处理的研究综述 |
| 1.4 水轮发电机组维修决策支持的研究综述 |
| 1.5 论文主要研究内容 |
| 2、水轮发电机组非平稳微弱信号特征提取方法研究 |
| 2.1 引言 |
| 2.2 独立分量分析与经验模态分解的基本原理 |
| 2.3 ICA-EMD特征提取法 |
| 2.4 工程实例验证 |
| 2.5 本章小结 |
| 3、基于KICA-PCA的水轮发电机组工况过程诊断方法 |
| 3.1 引言 |
| 3.2 基于KICA-PCA的过程性能监控原理 |
| 3.3 基于KICA-PCA的水轮发电机组工况过程诊断方法 |
| 3.4 工程实例验证 |
| 3.5 本章小结 |
| 4、水轮发电机组振动趋势预测与压力脉动状态预测评估 |
| 4.1 引言 |
| 4.2 基于工况参数的水轮发电机组振动趋势预测 |
| 4.3 考虑运行工况的水轮发电机组压力脉动状态预测评估模型 |
| 4.4 工程实例验证 |
| 4.5 本章小结 |
| 5、基于CEGD-FNN的水轮发电机组故障预测方法研究 |
| 5.1 引言 |
| 5.2 模糊系统原理 |
| 5.3 径向基(RBF)神经网络 |
| 5.4 基于CEGD-FNN的水轮发电机组故障预测方法 |
| 5.5 应用验证 |
| 5.6 本章小结 |
| 6、面向服务的水轮发电机组故障诊断及状态评估系统设计 |
| 6.1 引言 |
| 6.2 面向服务的水轮发电机组故障诊断及状态评估系统设计 |
| 6.3 水轮发电机组故障诊断及状态评估系统在东风水电站的应用 |
| 6.4 本章小结 |
| 7、本文总结与展望 |
| 7.1 全文工作总结 |
| 7.2 进一步研究展望 |
| 致谢 |
| 参考文献 |
| 附录1：攻读博士期间发表的论文 |
| 附录2：攻读博士期间完成和参与的科研项目 |
（7）水电站厂房结构振动分析与动态识别（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的工程背景及研究意义 |
| 1.1.1 中国水电能源发展状况及展望 |
| 1.1.2 水电站机组及厂房振动问题 |
| 1.2 国内外的研究现状与研究中存在的问题 |
| 1.2.1 国内外研究概况 |
| 1.2.2 国内外发展趋势 |
| 1.3 水电机组厂房动载荷识别的研究意义 |
| 1.4 动载荷识别问题概述 |
| 1.4.1 动载荷识别的概念 |
| 1.4.2 现有的主要动载荷识别方法 |
| 1.5 振动问题的测试方法研究现状 |
| 1.6 本文主要研究内容 |
| 2 人工神经网络识别方法 |
| 2.1 神经网络概述 |
| 2.1.1 神经网络的发展概况 |
| 2.1.2 神经网络的应用及分类 |
| 2.2 BP网络简介 |
| 2.3 改进的BP网络 |
| 2.4 RBF网络简介 |
| 2.4.1 径向基网络结构 |
| 2.4.2 径向基网络的工作原理 |
| 2.4.3 径向基网络的创建与学习过程 |
| 2.5 小结 |
| 3 神经网络用于动载荷的识别 |
| 3.1 正问题求解 |
| 3.1.1 模态分析 |
| 3.1.2 瞬态动力学分析 |
| 3.1.3 问题的求解方法 |
| 3.1.4 数值仿真算例的正响应求解 |
| 3.2 使用LM优化算法的BP网络进行仿真算例的识别 |
| 3.2.1 网络结构的确定 |
| 3.2.2 数据样本的预处理 |
| 3.2.3 仿真算例的识别情况 |
| 3.3 小结 |
| 4 景洪水电站厂房结构振动响应实测与计算分析 |
| 4.1 引言 |
| 4.2 原型观测试验方案和测试系统 |
| 4.2.1 测点布置 |
| 4.2.2 测试工况 |
| 4.2.3 测试系统介绍 |
| 4.2.4 测点类型及布置概要 |
| 4.2.5 试验引用标准 |
| 4.3 机组厂房振动测试数据分析 |
| 4.3.1 机组支承部件振动测试分析 |
| 4.3.2 厂房结构振动测试结果分析 |
| 4.3.3 压力脉动振动分析 |
| 4.4 厂房结构有限元数值计算 |
| 4.4.1 有限元计算模型 |
| 4.4.2 结构自振特性分析 |
| 4.4.3 机组运行中可能的振源及频率特征 |
| 4.4.4 论计算频率共振复核 |
| 4.4.5 机墩结构刚度计算 |
| 4.4.6 机墩振幅计算 |
| 4.4.7 水力脉动响应计算 |
| 4.5 小结 |
| 5 基于神经网络算法的水电站厂房结构振动响应预测 |
| 5.1 引言 |
| 5.2 厂房结构与机组振动响应相关关系 |
| 5.3 厂房结构振动神经网络预测模型 |
| 5.3.1 网络模型的选取 |
| 5.3.2 径向基神经网络 |
| 5.3.3 样本的选取 |
| 5.3.4 数据样本的预处理 |
| 5.3.5 网络的创建、训练和测试 |
| 5.4 小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（8）基于虚拟仪器的水力机组运行实时监测系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 国内外研究概况 |
| 1.2.1 国外发展现态 |
| 1.2.2 国内发展现状 |
| 1.3 本文主要研究内容和重点解决的关键问题 |
| 1.4 本文研究的创新点 |
| 第2章 参数测定原理 |
| 2.1 发电机有功功率的测定 |
| 2.1.1 发电机有功功率的测定方法 |
| 2.1.2 本系统功率的测量方法 |
| 2.2 水轮机过机流量的测定 |
| 2.2.1 水轮机过机流量的测定方法 |
| 2.2.2 本系统采用的测量方法——蜗壳差压法 |
| 2.3 水轮机工作水头的测定 |
| 2.4 水轮机效率的计算 |
| 2.5 水轮机出力的计算 |
| 2.6 本章小结 |
| 第3章 水力机组运行实时监测系统的硬件设计 |
| 3.1 传感器的选择 |
| 3.1.1 FPW－201 功率变送器 |
| 3.1.2 1151 电容式压力/差压变送器 |
| 3.2 信号的调理 |
| 3.2.1 信号调理的类型 |
| 3.2.2 常用信号调理模块 |
| 3.2.3 信号调理模块的选型 |
| 3.3 数据的采集 |
| 3.3.1 数据采集卡的选用原则 |
| 3.3.2 PCI－6221 数据采集卡 |
| 3.3.3 PCI－6221 的参数设置 |
| 3.4 本章小结 |
| 第4章 基于虚拟仪器的水力机组运行参数数据采集系统 |
| 4.1 虚拟仪器及LabVIEW 概述 |
| 4.1.1 虚拟仪器技术 |
| 4.1.1.1 虚拟仪器与传统仪器的对比 |
| 4.1.1.2 虚拟仪器的构成 |
| 4.1.1.3 虚拟仪器的特点 |
| 4.1.2 LabVIEW |
| 4.2 数据库访问技术 |
| 4.2.1 系统数据库平台 |
| 4.2.2 LabVIEW 中数据库的访问方式 |
| 4.2.3 LabSQL 工具包简介 |
| 4.2.4 LabSQL 的安装及配置 |
| 4.2.5 LabVIEW 访问数据库的流程 |
| 4.3 数据采集系统的软件结构 |
| 4.4 数据采集系统的功能 |
| 4.5 数据采集系统总体设计方案 |
| 4.5.1 岗南水电站概况 |
| 4.5.2 岗南水电站机组技术参数 |
| 4.5.3 系统程序前面板 |
| 4.5.4 系统程序框图 |
| 4.5.4.1 数据采集模块 |
| 4.5.4.2 数据存储模块 |
| 4.5.4.3 数据管理模块 |
| 4.5.4.4 置零模块 |
| 4.6 本章小结 |
| 第5章 基于虚拟仪器的水力机组运行工况实时监测系统 |
| 5.1 引言 |
| 5.2 MATLAB 概述 |
| 5.2.1 MATLAB 的应用领域 |
| 5.2.2 MATLAB 的功能 |
| 5.2.3 MATLAB 语言的特点 |
| 5.3 RBF 人工神经网络结构及原理 |
| 5.4 MATLAB 神经网络工具箱 |
| 5.5 面向MATLAB 工具箱的径向基神经网络 |
| 5.5.1 面向MATLAB 工具箱的径向基神经元模型 |
| 5.5.2 面向MATLAB 工具箱的径向基神经网络 |
| 5.5.3 径向基网络的创建与学习过程 |
| 5.6 基于径向基神经网络的水轮机能量特性模型的建立 |
| 5.6.1 样本数据的选取 |
| 5.6.2 样本数据的处理 |
| 5.6.3 RBF 网络的设计及MATLAB 程序实现 |
| 5.6.4 网络的测试及结果分析 |
| 5.7 水轮机能量特性模型的虚拟实现 |
| 5.7.1 MATLAB 在LabVIEW 中调用的实现 |
| 5.7.1.1 调用过程的实现 |
| 5.7.1.2 调用时注意事项 |
| 5.7.2 模型的三维立体图示 |
| 5.8 水轮机运行工况的实时显示 |
| 5.9 水力机组运行实时监测系统集成的实现 |
| 5.10 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间发表的论文和科研成果 |
（9）水轮机几何参数反演算法及其应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.1.1 我国电力工业现状及发展趋势 |
| 1.1.2 我国的水力资源及发展前景 |
| 1.1.3 开发水电的重要性 |
| 1.2 本课题研究的目的及意义 |
| 1.3 与课题有关的国内外技术研究现状及发展趋势 |
| 1.3.1 水轮机几何参数反演算法 |
| 1.3.2 水力过渡过程问题 |
| 1.3.3 水力系统的数学建模研究 |
| 1.4 本文研究的主要内容和结构安排 |
| 1.5 研究的创新点 |
| 1.6 本章 小结 |
| 第2章 水轮机几何参数反演算法 |
| 2.1 引言 |
| 2.2 水轮机几何参数反演算法的基本理论 |
| 2.2.1 水轮机的几何参数 |
| 2.2.2 线性函数数据拟合方法 |
| 2.2.3 水轮机流量特性和力特性的推导 |
| 2.2.4 混流水轮机的线性特性 |
| 2.3 水轮机几何参数的计算 |
| 2.3.1 导叶出流角α |
| 2.3.2 反求水轮机的几何参数r_2 和F_2 |
| 2.4 本章 小结 |
| 第3章 几何参数反演算法在水轮机特性曲线扩展中的应用 |
| 3.1 引言 |
| 3.2 人工神经网络的基本理论 |
| 3.2.1 人工神经网络的发展历程及特点 |
| 3.2.2 人工神经网络的原理 |
| 3.3 径向基函数(RBF)神经网络 |
| 3.3.1 径向基函数神经网络的结构及工作原理 |
| 3.3.2 RBF 网络的学习算法 |
| 3.4 基于几何参数反演的水轮机特性曲线扩展 |
| 3.4.1 面向MATLAB 工具箱的神经网络设计 |
| 3.4.2 水轮机综合特性曲线高效率区域的数据提取 |
| 3.4.3 小开度下飞逸特性的估算 |
| 3.4.4 小开度区域水轮机效率的求取方法 |
| 3.4.5 小开度下流量特性Q_(11) 及力特性M_(11) 的估算 |
| 3.4.6 估算出小开度特性后的模型水轮机综合特性曲线 |
| 3.5 本章 小结 |
| 第4章 几何参数反演算法在水轮机传递系数计算中的应用 |
| 4.1 引言 |
| 4.2 水轮机调节系统 |
| 4.2.1 水轮机调节系统的结构 |
| 4.2.2 水轮机调节的任务 |
| 4.3 水轮机数学模型 |
| 4.3.1 水轮机内特性解析非线性模型 |
| 4.3.2 基于全特性曲线的水轮机模型 |
| 4.3.3 水轮机简化非线性模型为 |
| 4.4 水轮机的传递系数 |
| 4.5 水轮机传递系数的计算方法 |
| 4.5.1 传递系数的简易解析法 |
| 4.5.2 基于模型综合特性曲线的外特性法 |
| 4.5.3 基于内特性解析模型的内特性法 |
| 4.6 基于几何参数反演的水轮机传递系数计算实例 |
| 4.7 本章 小结 |
| 第5章 几何参数反演算法在水轮机过渡过程分析中的应用 |
| 5.1 引言 |
| 5.2 水电站过渡过程的基本理论 |
| 5.2.1 水利机械的广义基本方程式 |
| 5.2.2 水轮机装置水力系统中不稳定流动的数学模型 |
| 5.2.3 水轮机装置水力系统的基础方程式 |
| 5.2.4 过渡工况的类型 |
| 5.2.5 水轮机装置甩负荷过渡过程分析 |
| 5.3 基于内特性解析理论求解混流水轮机甩负荷过渡过程 |
| 5.3.1 甩负荷过渡过程基于内特性解法的几个重要参数的计算 |
| 5.3.2 混流水轮机甩负荷过渡过程的数学模型 |
| 5.3.3 基本方程组的数值解法 |
| 5.4 基于几何参数反演算法的过渡过程计算 |
| 5.4.1 开发软件简介 |
| 5.4.2 程序实现 |
| 5.4.3 图形用户界面设计 |
| 5.4.4 绘制水轮机过渡过程曲线操作界面的设计 |
| 5.4.5 算例 |
| 5.5 本章 小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 攻读硕士学位期间发表的论文和科研成果 |
（10）复杂发电机系统的智能控制理论方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 概述 |
| 1.2 电力系统控制和稳定性 |
| 1.2.1 电力系统控制 |
| 1.2.2 电力系统稳定性 |
| 1.3 发电机控制的意义与难点 |
| 1.4 发电机控制的研究进展 |
| 1.4.1 励磁系统控制 |
| 1.4.2 水轮机调节系统控制 |
| 1.4.3 汽轮机调速控制 |
| 1.4.4 发电机系统的综合控制 |
| 1.5 本论文的研究内容和章节安排 |
| 第2章 基于混沌模式搜索法的同步发电机参数辨识 |
| 2.1 同步发电机参数辨识 |
| 2.2 同步发电机模型 |
| 2.3 基于CPSA 的参数辨识原理 |
| 2.4 混沌模式搜索法 |
| 2.4.1 混沌优化算法 |
| 2.4.2 模式搜索法 |
| 2.4.3 混沌模式搜索法(CPSA) |
| 2.4.4 CPSA 算法性能与收敛性 |
| 2.5 仿真结果 |
| 2.6 小结 |
| 第3章 发电机励磁系统的逼近模型控制 |
| 3.1 励磁系统的一般描述 |
| 3.1.1 励磁系统调节电压的基本原理 |
| 3.1.2 励磁控制的典型结构和具体要求 |
| 3.2 同步发电机励磁控制模型 |
| 3.3 逼近模型控制律的设计 |
| 3.4 基于RBF 神经网络建模的控制律实现 |
| 3.4.1 径向基函数神经网络简介 |
| 3.4.2 RBF 网络学习方法 |
| 3.4.3 调节RBF 网络的连接权值 |
| 3.4.4 RBF 网络的结构优化 |
| 3.4.5 基于RBF 神经网络的建模 |
| 3.5 控制系统的鲁棒稳定性 |
| 3.6 仿真分析 |
| 3.7 小结 |
| 第4章 发电机励磁系统的逼近内模控制 |
| 4.1 内模控制描述 |
| 4.1.1 内模控制的基本机构 |
| 4.1.2 内模控制中的建模方法 |
| 4.2 励磁系统的逼近内模控制系统结构 |
| 4.3 RNN 控制器的设计 |
| 4.3.1 RNN 控制器 |
| 4.3.2 RNN 控制器的鲁棒性 |
| 4.4 反馈补偿的设计 |
| 4.4.1 反馈补偿 |
| 4.4.2 逼近内模控制系统的鲁棒性 |
| 4.5 基于RNN 建模的控制律计算 |
| 4.5.1 RNN 描述 |
| 4.5.2 RNN 建模 |
| 4.6 仿真结果 |
| 4.7 小结 |
| 第5章 水轮发电机调节系统的逆模型控制 |
| 5.1 水轮发电机调节系统的调节原理 |
| 5.2 水轮发电机调节系统的结构和数学模型 |
| 5.2.1 水轮发电机调节系统的结构 |
| 5.2.2 水轮发电机调节系统数学模型 |
| 5.3 调节系统的逆模型构造 |
| 5.3.1 逆系统方法 |
| 5.3.2 水轮发电机调节系统的可逆性 |
| 5.4 基于支持向量机的逆模型求解 |
| 5.4.1 支持向量机基本原理 |
| 5.4.2 SVM 参数的选择 |
| 5.4.3 序贯最小优化学习算法介绍 |
| 5.4.4 水轮发电机调节系统的逆模型实现 |
| 5.5 水轮机调节系统的直接逆模型控制 |
| 5.6 水轮机调节系统的带 PID 控制器补偿的逆模型控制 |
| 5.7 仿真分析 |
| 5.8 小结 |
| 第6章 汽轮发电机调速系统的自适应逆模型控制 |
| 6.1 汽轮发电机调速系统的原理 |
| 6.2 汽轮发电机调速控制的结构和模型 |
| 6.2.1 汽轮机调速系统 |
| 6.2.2 汽轮机调速控制模型 |
| 6.3 基于最小二乘支持向量机的调速系统建模 |
| 6.3.1 LS-SVM 算法 |
| 6.3.2 调速系统的模型及逆模型构造 |
| 6.4 自适应逆模型控制系统 |
| 6.4.1 自适应逆模型控制器的结构 |
| 6.4.2 逆模型控制系统的在线自适应学习算法 |
| 6.4.3 在线学习算法的收敛性 |
| 6.5 仿真实验 |
| 6.6 小结 |
| 第7章 汽轮发电机的多模型综合控制系统 |
| 7.1 汽轮发电机综合控制问题描述 |
| 7.2 多模型控制系统的结构 |
| 7.2.1 模型库 |
| 7.2.2 控制器库 |
| 7.3 模型库与控制器库的构造 |
| 7.3.1 初始样本的形成 |
| 7.3.2 基于聚类算法的模型库构造 |
| 7.4 多模型控制系统的学习优化 |
| 7.4.1 离线学习 |
| 7.4.2 在线自学习 |
| 7.5 仿真研究 |
| 7.6 小结 |
| 第8章 多机组发电机系统的综合优化控制 |
| 8.1 多机发电机系统模型 |
| 8.1.1 多机发电机系统的一般描述 |
| 8.1.2 三机发电机系统模型 |
| 8.2 线性二次最优控制器 |
| 8.3 并行混沌优化算法融合单纯形方法 |
| 8.3.1 并行混沌优化算法 |
| 8.3.2 单纯形法 |
| 8.3.3 并行混沌搜索融合单纯形的优化方法 |
| 8.4 多机系统综合控制的优化LQR 设计 |
| 8.5 仿真研究 |
| 8.6 小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 附录A （主要学术论文目录） |
四、基于径向基函数神经网络的水轮发电机组效率曲线计算方法（论文参考文献）
- [1]基于机器学习的水电机组运行安全保障方法研究[D]. 曲力涛. 中国水利水电科学研究院, 2020(04)
- [2]水电站蜗壳传力机制与厂房流激振动特性研究[D]. 张智敏. 武汉大学, 2019(06)
- [3]高比例风光电特高压交直流送端系统自组织临界态辨识方法[D]. 蔡万通. 华北电力大学(北京), 2018(05)
- [4]低压配电网剩余电流保护优化算法研究[D]. 韩晓慧. 中国农业大学, 2017(05)
- [5]基于随机共振和多维度排列熵的水轮发电机组振动故障诊断研究[D]. 何洋洋. 西安理工大学, 2016(01)
- [6]水轮发电机组故障诊断及预测与状态评估方法研究[D]. 朱文龙. 华中科技大学, 2016(08)
- [7]水电站厂房结构振动分析与动态识别[D]. 苗宗伟. 大连理工大学, 2010(09)
- [8]基于虚拟仪器的水力机组运行实时监测系统研究[D]. 王娜. 河北工程大学, 2010(06)
- [9]水轮机几何参数反演算法及其应用[D]. 王小红. 河北工程大学, 2009(S2)
- [10]复杂发电机系统的智能控制理论方法研究[D]. 袁小芳. 湖南大学, 2008(08)