[发明专利]一种基于ELM的发电机励磁系统故障预测系统及方法

说明书

本发明涉及混合储能优化技术领域，具体而言，涉及一种基于ELM的发电机励磁系统故障预测系统及方法，包括：励磁系统故障诊断器，用以对励磁系统进行故障预测，其内部设置有完成训练的ELM模型，该模型的训练过程为：获取励磁系统的故障电路波形，并通过傅里叶变换算法对励磁系统的故障电路波形进行分析，得到励磁系统的相位特征参数；以励磁系统的相位特征参数作为预设的ELM模型的训练输入样本，并以预设的二进制编码表征励磁系统的故障分类，以作为ELM模型的期望输出样本，经模型训练与参数预设后，得到完成训练的ELM模型并导入至励磁系统故障诊断器内。

技术领域

本发明涉及混合储能优化技术领域，具体而言，涉及一种基于ELM的发电机励磁系统故障预测系统及方法。

背景技术

目前，同步发电机的励磁系统在投入运行之前，事先对励磁系统的参数进行了科学的整定，但是，在投入运行后，由于励磁系统的设备繁多，控制过程复杂，缺乏合理的维护措施和及时的故障诊断，而现场仅仅依靠工作人员对励磁系统进行状态监控和故障排除，不仅可行性低下，而且容易出现疏漏，因此常常导致电力系统的稳定性随着时间的推移而下降。基于此，我们设计了一种基于ELM的发电机励磁系统故障预测系统及方法，对同步发电机的励磁系统进行故障预测，以实现电力系统运行的安全稳定。

发明内容

本发明的目的在于提供一种基于ELM的发电机励磁系统故障预测系统及方法，其用于解决上述技术问题。

本发明的实施例通过以下技术方案实现：

一种基于ELM的发电机励磁系统故障预测系统，包括：

励磁系统故障诊断器，用以对励磁系统进行故障预测，其内部设置有完成训练的ELM模型，该模型的训练过程为：获取励磁系统的故障电路波形，并通过傅里叶变换算法对励磁系统的故障电路波形进行分析，得到励磁系统的相位特征参数；以励磁系统的相位特征参数作为预设的ELM模型的训练输入样本，并以预设的二进制编码表征励磁系统的故障分类，以作为ELM模型的期望输出样本，经模型训练与参数预设后，得到完成训练的ELM模型并导入至励磁系统故障诊断器内。

可选的，其中，励磁系统的相位特征参数包括直流分量相位、基波相位、二次谐波相位、三次谐波相位。

可选的，所述傅里叶变换算法的计算公式为：

其中，X(t)为特征信息，X(n)为时域信号，N为序列长度，n为第n个序列，k为序列x(n)经DFT变换得到序列X(k)的序列元素下标，0≤k≤N-1，为欧拉公式，j为虚部。

可选的，所述ELM模型的参数预设具体包括：连接权值、期望误差、学习速率以及最大循环次数。

可选的，所述连接权值具体设置在-1到1之间，所述期望误差小于0.01，所述学习速率为1，所述最大循环次数最少为10000次。

可选的，所述ELM模型的目标函数为：

min E＝min||Hβ-T||

其中，E为目标函数，m为迭代次数，j为起始迭代数，y_i为输出值，t_i为迭代中的训练目标，H为隐含层输出矩阵，β为输出权重，T为最终训练目标，为最小二乘解，H^-1为广义逆矩阵。

一种基于ELM的发电机励磁系统故障预测方法，其应用于上述任一项所述的基于ELM的发电机励磁系统故障预测系统，该方法的步骤包括：

采集励磁系统的电路信号，并根据各个电路之间的信号差值判断励磁系统是否发生电路故障，若否，则排除励磁系统出现电路故障，并重新采集励磁系统的电路信号；若是，则进入下一步骤；