基于GRNN的多故障自适应电力系统故障诊断

华南理工大学学报（自然科学版） ›› 2005, Vol. 33 ›› Issue (9): 6-9.

基于GRNN的多故障自适应电力系统故障诊断

廖志伟叶青华王钢文福拴

华南理工大学电力学院，广东广州 510640

收稿日期:2004-09-17 出版日期:2005-09-25 发布日期:2005-09-25
通信作者: 廖志伟(1973-)，男，博士，讲师，主要从事电力系统智能控制和故障诊断方面的研究 E-mail:epliao@scut.edu.cn
作者简介:廖志伟(1973-)，男，博士，讲师，主要从事电力系统智能控制和故障诊断方面的研究
基金资助:
国家自然科学基金资助项目(50477029)

Adaptive M ulti-Fault Diagnosis of Power System Based on GRNN

Liao Zhi-wei Ye Qing-hua Wang Gang Wen Fu-shuan

College of Electric Power,South China Univ.of Tech.,Guangshou 510640,Guangdong,China

Received:2004-09-17 Online:2005-09-25 Published:2005-09-25
Contact: 廖志伟(1973-)，男，博士，讲师，主要从事电力系统智能控制和故障诊断方面的研究 E-mail:epliao@scut.edu.cn
About author:廖志伟(1973-)，男，博士，讲师，主要从事电力系统智能控制和故障诊断方面的研究
Supported by:
国家自然科学基金资助项目(50477029)

摘要/Abstract

摘要： 为了实现快速而准确的电网故障诊断，利用广义回归神经网络(GRNN)在逼近能力、分类能力和学习速度方面的优势，建立了基于GRNN的电网故障诊断模型．仿真分析表明：在输入信息因干扰而畸变的情况下，文中所构造的模型能够快速、正确地实现电网的故障诊断；在电网拓扑结构改变的情况下，该模型也具有良好的自适应能力．

关键词: 电力系统, 故障诊断, 广义回归神经网络, 自适应能力

Abstract:

In order to realize fast and correct fault diagnosis in electric network,this paper presents a novel fault diagnosis model employing the abilities of GRNN(General Regression Neural Network)in approximation,classifi-cation and learning.Simulated results demonstrate that the proposed model not only can make fast and accurate di-agn oses with good fault.toleran ce performance,but also possesses excellent self-adaptive ability for various topologi-cal structures of electric network.

Key words: power system, fault diagnosis, general regression neural network, self-adaptive ability

廖志伟叶青华王钢文福拴. 基于GRNN的多故障自适应电力系统故障诊断[J]. 华南理工大学学报（自然科学版）, 2005, 33(9): 6-9.

Liao Zhi-wei Ye Qing-hua Wang Gang Wen Fu-shuan. Adaptive M ulti-Fault Diagnosis of Power System Based on GRNN[J]. Journal of South China University of Technology (Natural Science Edition), 2005, 33(9): 6-9.

[1]	陈新度, 扶治森, 吴智恒, 等. 基于多头卷积和差分自注意力的小样本故障诊断方法[J]. 华南理工大学学报(自然科学版), 2023, 51(7): 21-33.
[2]	刘乙奇, 黄志鹏, 于广平, 等. 全生命周期污泥膨胀的智能检测和诊断分析[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 91-99,110.
[3]	唐宏宾, 傅政, 邓习树, 等. 工程机械柱塞泵变载荷工况故障诊断方法[J]. 华南理工大学学报（自然科学版）, 2021, 49(2): 110-119.
[4]	郭明军, 李伟光, 杨期江, 等. PCA 的幅值滤波特性及在转子特征提取中的应用[J]. 华南理工大学学报（自然科学版）, 2020, 48(5): 125-133.
[5]	郭明军, 李伟光, 杨期江, 等. 基于稀疏算法的大型转子多工况轴心轨迹提纯[J]. 华南理工大学学报（自然科学版）, 2020, 48(4): 45-53.
[6]	程洪超, 吴菁, 刘乙奇, 等. 面向污水处理过程的预测元-RVM 故障诊断建模[J]. 华南理工大学学报（自然科学版）, 2020, 48(3): 10-17.
[7]	周璇, 王晓佩, 梁列全, 等. 基于随机森林算法的制冷剂充注量故障诊断 [J]. 华南理工大学学报（自然科学版）, 2020, 48(2): 16-24.
[8]	许玉格赖春伶罗飞. 基于不平衡分类的Bagging集成污水处理故障诊断[J]. 华南理工大学学报（自然科学版）, 2018, 46(8): 107-115.
[9]	戴屹梅张和生李东齐红梅. 基于时幅拐点的突发信号特征频率捕获算法[J]. 华南理工大学学报(自然科学版), 2018, 46(3): 142-148.
[10]	赵德尊李建勇程卫东. 齿轮噪声干扰及变转速下的滚动轴承故障诊断[J]. 华南理工大学学报（自然科学版）, 2016, 44(2): 67-73.
[11]	肖红军刘乙奇黄道平. 高斯过程建模方法在工业过程中的应用[J]. 华南理工大学学报（自然科学版）, 2016, 44(12): 36-43,52.
[12]	朱林李莎刘平武志刚. 改进的基于结构约束的发电机聚合参数解析方法[J]. 华南理工大学学报（自然科学版）, 2015, 43(8): 41-48.
[13]	黄道平邱禹刘乙奇李艳. 面向污水处理的数据驱动故障诊断及预测方法综述[J]. 华南理工大学学报（自然科学版）, 2015, 43(3): 111-120,129.
[14]	欧阳森耿红杰陈欣晖. 逼近理想解法在台区无功补偿评估中的应用[J]. 华南理工大学学报（自然科学版）, 2015, 43(12): 33-40.
[15]	何国林丁康李林生邓仁刚. 双弹性支撑的风电机组传动链振动测试与分析[J]. 华南理工大学学报（自然科学版）, 2014, 42(3): 90-97.