本站小編為你精心準備了神經網絡的電動機溫升預測參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。
摘要
本文調查了國內外電動機各種保護方法和各類保護裝置的研究發展狀況，結合實際情況，提出了一種通過人工神經網絡預測電機繞組溫升的方案，由PC機通過RS485總線實時讀取下位機采集的電機運行參數，進行溫升預測，并將預測結果傳輸回下位機，從而實現了對電動機長期穩定負載運行的過載保護。
關鍵詞
電機保護；溫升預測
電動機是一種電能到機械能的能量轉換設備，是現代社會生產中的主要動力形式。在產業部門中，以電動機作動力的比例已占全部動力的90%。在電動機實際使用過程當中，惡劣的運行環境和超負荷的運行時間是導致電動機故障頻繁的主要原因。因此電動機的保護尤其是對大型電動機保護的開發研究對國民經濟有著重要的意義。
1電動機保護的發展趨勢
可以預測,應用電動機內部故障分析和利用先進信號處理方法進行精確的故障特征量追蹤捕捉這兩者的有效結合，再加上業內已成熟的微機保護技術，可以將大型電動機的故障診斷、故障保護等功能綜合于一體，實現電動機運行全過程的在線監測、故障診斷與保護。
2神經網絡溫升預測設計
2.1神經網絡算法
2.1.1BP算法設含有共L層和n個節點的一個任意網絡，每層單元只接受前一層的輸出信息并輸給下一層各單元，各節點的特性為Sigmoid型。
2.1.2改進的BP算法
鑒于改進的算法利用目標函數的二階導數信息。常用改進BP算法和標準BP算法進行比較，各改進BP算法比標準BP算法有不同程度的改善。LM(Levenberg-Marquardt)算法是為了訓練中等規模的前饋神經網絡（多達算百個連接權）而提出的最快速算法。目前LM算法在訓練速度上是最快的，并且它所達到的訓練平均誤差和收斂精度較其他算法具有明顯的優勢。
2.2神經網絡在電機繞組溫升預測中的應用
2.2.1電機熱過載保護的現狀熱過載保護是電機保護研究中的熱點和難點。國內外不少的研究工作者一直在從事電動機過載保護的研究，提出不少的保護方案，概括起來分為兩大類：直接測溫法和間接測溫法。直接測溫法就是把溫感裝置（如熱電阻、熱電偶和溫度繼電器等）直接埋入電動機繞組的熱點進行檢測，當溫度達到長期使用允許溫度時，就令繼電器動作斷開電動機的控制回路，從而達到保護電動機的目的。間接測溫法是在電動機外部通過檢測一些相關參數來計算電動機的溫度。
2.2.2神經網絡預測繞組溫升方法鑒于直接測溫法和間接測溫法各自存在不足，本文探索了一種通過采用神經網絡預測繞組溫升來完成對電動機長期穩定負載運行進行過載保護的方法。
（1）訓練樣本的數據處理實現神經網絡對電機進行溫升預測關鍵的一步是采集訓練樣本并且進行必要的數據處理。以電動機為例進行分析。電機的具體參數如下：Pe=220kW，Ue=6kV，Ie=26.7A，n=2976rpm，f=50Hz，絕緣等級F級。通過對電動機進行溫升試驗，采集了從額定電流(26.7A)到堵轉電流(150A)共20組不同的數據。表1給出了訓練網絡和測試網絡的數據分配情況。其中15組用于訓練網絡，其余幾組用于測試訓練后的網絡的正確性與適用性，將采集到的15組訓練數據，繪制成曲線，如圖1。
（2）電機長期穩定負載運行繞組溫升預測的網絡結構由于本系統研究的長期穩定負載運行情況下，電動機的過載溫升，所以電源電壓、電源頻率、功率因數都可認為保持不變，而僅將電流、環境溫度和轉速作為變量。同時考慮到影響轉速的三個要素電流、頻率和電壓，有兩個因素近似認為不變，因此轉速和電流存在著很強的相關性，兩者不必都作為輸入變量，只選擇電流作為輸入變量即可。通過以上分析可以將溫升預測系統簡化成輸入為電流和當前溫度的雙輸入單輸出的三層BP網絡。這樣，就可以使基于神經網絡的電動機長期穩定負載運行繞組溫升預測的設計在對電機進行過載保護方面充分發揮作用。
3總結
隨著電力系統的發展，現場對電動機保護裝置的要求越來越高。文章在分析我國電動機保護裝置的現狀基礎上，開發了以Intel80C196KC為核心的電動機智能保護系統。采用上位機實現基于PC機的現場實時監控，將人工神經網絡運用于電機保護過程，提出一種通過人工神經網絡預測電機繞組溫升的方法，并且設計了三層BP神經網絡，完成對電機長期穩定負載運行的繞組溫升進行預測，通過485總線完成上下位機的通訊以實現對電機的過載保護。
作者：陳洪駿 蔡志遠 單位：沈陽工業大學