接地网腐蚀状态预测方法-电气工程专业论文.docxVIP

接地网腐蚀状态预测方法摘 接地网腐蚀状态预测方法 摘 要 随着大容量、远距离的高压、超高压和特高压电网的相继出现，电力系统接 地短路电流越来越大，发变电站接地网上的电位升越来越高，从而对发变电站接 地系统的安全稳定运行提出了更高的要求，但由于接地网运行于地下，目前一般 采用开挖检查的方法获知接地网运行状态信息。因此，进行接地网腐蚀状态预测 方法研究能及时掌握接地网的运行情况，以对设备进行预警和维护，具有重要的 理论和实际意义。 本文基于接地网的纯电阻模型，提出了一种基于扩展卡尔曼滤波算法的接地 网支路电阻值动态跟踪方法。通过构建表征／／+1时刻和门时刻之间电阻值增量关 系的状态方程，以及表征门时刻可及节点电压增量和电阻增量之间关系的观测方 程，并结合支路初始电阻值，可对支路电阻的腐蚀状态进行预测。 考虑到土壤环境中与金属腐蚀相关的重要影响因素，对接地网腐蚀速率产生 的影响，提出了基于PCA．BP神经网络的接地网腐蚀速率静态预测方法。PCA方 法主要用来对诸多土壤腐蚀因素组成的高维矩阵进行降维，以降低各土壤因素数 据的互相关性，将降维后的主成分向量作为BP神经网络的输入，对BP神经网络 进行训练。对于训练好的BP神经网络，其预测过程将包含更丰富的环境信息， 能更好地体现接地网所处的土壤环境中各影响因子的作用，使腐蚀速率的静态预 测与现实环境进行更好的拟合。 为了综合动态跟踪和静态预测的结果，本文提出了基于支持向量机的接地网 腐蚀状态分类方法。根据接地网支路电阻变化率的动态跟踪值和接地网腐蚀速率 的静态预测值，结合土壤环境中重要的腐蚀因素，共同作为特征量，对应的数据 集作为训练数据，输入SVM对其进行训练。将测试数据输入至训练好的SVM中， 比较分类结果与接地网实际腐蚀状态等级，以验证该腐蚀状态分类方法的准确性。 关键词：接地网；腐蚀速率；动态跟踪；静态预测；扩展卡尔曼滤波；神经网络； 支持向量机 II 万方数据 硕二I==学位论文Ab 硕二I==学位论文 Ab stract As the large—volume，long—distance high—voltage grid，super grid and ultra—high voltage grid appear successively，higher voltage leads to stronger earth circuit current of the electric power system and higher potential rise in the grounding grids of substations．This sets a higher requirement for the safe and stable running of substations．However，the open—cut inspection is often used to know the running condition of grounding grids because they are buried under the ground．Therefore，it is of great theoretical and practical significance to study the predicting methods for the corrosion status of grounding grids in order to grasp the operation condition of grounding grids in time and make pre-warnings and maintain facilities． Taking the pure resistance model of grounding grids as the obj ect of study，this thesis puts forward a dynamic method to trace the branch resistance values of grounding grids based on the extended kalman filter．It defines a state equation of increments of resistance value in the time(n+1)and time n and an observation equation of voltage increments and resistance increments of accessible testing nodes in the time n．wh