数据挖掘技术在电力设备故障诊断中的应用

电力设备运行状态信息具有海量、复杂性以及不完整的特点,给设备故障诊断带来了不小的困难。本文提出一种将粗糙集理论与朴素贝叶斯相结合的数据挖掘方法,通过粗糙集求取故障诊断最小属性约简集,并在此基础上利用朴素贝叶斯计算设备发生各种故障的概率,从而得出诊断结果。最后进行了变压器故障实例分析,诊断结果证明该方法的正确性和有效性。     

汽轮发电机组振动故障诊断的粗糙集模型

在机械故障诊断中,从包含冗余和不一致信息的数据中获取简单有效的诊断决策规则是一个难题。文中提出了一种基于粗糙集理论的汽轮发电机组振动故障诊断模型。该模型从包含冗余和不一致信息的原始数据出发,利用遗传算法实现了故障征兆属性约简;然后通过给出的值约简算法进一步产生了带有置信度和覆盖度的最大广义决策规则集,建立了用于故障诊断的规则库。在应用该模型进行故障诊断时,用待诊断实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配,对返回的诊断决策规则依据提出的规则进行综合评价,并得出诊断结论。最后给出了该诊断模型的一般结构。     

基于小波模糊网络的电厂汽轮发电机组故障诊断

针对传统故障诊断方法在汽轮发电机组振动类多重并发故障诊断中的局限性，提出了小波变换与模糊理论相结合的诊断方法。采用二进离散小波变换获取有效的故障特征向量，利用模糊诊断方程进行故障模式分类。通过选择足够的样本对故障诊断方程进行训练，将代表故障的信息输入训练好的诊断方程，由输出结果即可判定故障类型。实际应用表明该方法可以有效诊断汽轮发电机组振动类多重并发故障，诊断结果全面、准确。     

一种基于粗糙集理论的燃气轮发电机组故障诊断新方法

燃气轮发电机组的故障诊断,实质上是一个模式分类问题。本文以振动特征频谱为依据,提出了一种基于粗糙集理论的燃气轮发电机组故障诊断新方法。该方法不但可直接从完备的故障特征频谱样本集中导出正确的诊断结论,而且还能从不完整的故障特征频谱样本集中导出满意的诊断结论,它揭示了故障特征频谱信息的冗余性。本方法为在不完整征兆信息下的燃气轮发电机组故障诊断提供了新的思路。实例诊断结果表明了该方法的有效性。     

基于粗糙集和聚类PSO-RBF的水电机组故障诊断

正将聚类PSO优化粗糙集-神经网络算法引入水电机组故障诊断中,利用聚类算法和PSO算法的优点改进粗糙集属性约简方法并对水电机组故障的检测信息进行约简,提取对故障分类起主要作用的信息,并用BP神经网络对粗糙集处理后的故障信息进行诊断。该方法降低了神经网络的输入信息空间维数,简化神经网络结构,有效提高故障诊断的准确性。通过对水电机组振动故障数据进行诊断分析,     

RST和NBN用于电力变压器故障诊断

电力变压器发生故障后,当故障信息存在不完整或不确定性,甚至关键信息丢失时,会导致故障诊断难以得出正确结论。针对此问题,提出了一种将粗糙集理论(RST)与朴素贝叶斯网络(NBN)结合的电力变压器故障诊断新方法。首先将油中溶解气体分析(DGA)结果和其他电气试验结果作为条件属性,故障区域作为决策属性,考察各种故障与征兆间的连接关系并建立决策表,接着利用基于可辨识矩阵和信息熵的属性约简算法实现对专家知识的简化与故障特征的压缩,提取最佳属性约简组合,然后以最佳属性约简组合形成的约简决策表建立朴素贝叶斯网络模型,利用贝叶斯网络实现概率推理,便于描述故障特征的变化及对变压器故障原因的快速分析。最后对变压器故障进行实例分析,诊断结果证明该方法是正确和有效的,具有较好的实用价值。     

融合粗糙集与神经网络的燃气轮发电机组振动故障诊断方法

针对燃气轮发电机组振动故障诊断中可测参数难以直接反映机组故障状态的问题,提出一种融合粗糙集理论和神经网络的燃气轮发电机组振动故障诊断方法。结合粗糙集对燃气轮发电机组振动信号原始特征数据进行约简,减少冗余信息。将粗糙集与神经网络有机结合,用优化了的神经网络诊断燃气轮发电机组振动故障。试验结果表明了所述方法的有效性,为燃气轮发电机组振动故障的快速诊断提供了可参考的新思路。     

基于粗糙集理论和朴素贝叶斯网络的电网故障诊断方法

电网发生故障后，当故障信息存在不完整或不确定性，甚至关键信息丢失时，会导致故障诊断难以得出正确结论。针对此问题，文章提出了一种粗糙集理论和朴素贝叶斯网络相结合的电网故障诊断方法。首先以保护、断路器作为条件属性，故障区域作为决策属性，考察各种故障情况并建立决策表，然后利用基于可辨识矩阵和信息熵的属性约简方法提取最佳属性约简组合，最后以最佳属性约简组合形成的约简决策表建立朴素贝叶斯网络模型，并对节点概率进行训练。运用VC++编写了基于该方法的故障诊断软件，算例结果表明，该方法正确、有效，能提高系统在丢失核属性情况下的容错性，具有较好的实用价值。     

粗糙集理论在水轮发电机组故障诊断中的应用

为了对水轮发电机组故障诊断过程中大量的冗余信息特征进行压缩,提高诊断的效率,本文将粗糙集理论引人到水轮发电机组故障诊断中.并采用基于遗传算法的粗糙集知识约简方法,对水轮发电机组故障信息进行压缩处理.通过对具体诊断实例分析,结果表明:该方法能够在保证故障分类结果不变的情况下,有效剔除具有冗余信息,找出对故障分类起主要作用的特征,减少了对诊断信息的需求,有效地提高了水轮发电机组故障诊断的效率.     

基于混合模糊聚类分析的汽轮发电机组振动故障诊断

针对模糊C-均值(FCM)算法在汽轮发电机组振动故障诊断中的不足,提出了一种加权混沌优化FCM(WCOFCM)算法。WCOFCM算法首先将混沌优化策略与传统FCM算法相结合,用混沌变量搜索对模糊聚类目标函数进行全局寻优,并结合梯度算子,使方法有效收敛到极值点。然后依样本相似度原理对样本特征进行加权,对不同的特征赋予权重,突出敏感特征对聚类结果的主导作用,提高了聚类性能。最后依据聚类有效性函数指标自动确定聚类数,实现自适应分类。用该方法对国际标准测试数据进行了聚类分析实验,并将该方法应用于某发电厂汽轮发电机组振动故障诊断,其结果表明该方法有效降低了误分类率,能对汽轮发电机组振动故障进行有效诊断。     

基于粗糙集理论的电力设备故障诊断方法

电力设备的故障诊断可以看成一个模式分类问题,每一个电力设备故障对应一组特征集。笔者提出了根据电力设备故障案例的故障状况和故障的相关检测参数,建立故障诊断决策表(即“知识库”),并以决策表为主要工具,采用粗糙集理论方法,直接从故障样本集中导出诊断规则,为电力设备提供有效的故障诊断。采用这一方法,在通过信息网络实现远程诊断等过程中,在用户所获取的故障参数信息数据不完备的情况下,有可能为电力设备故障诊断服务提供一条新途径。     

基于粗糙集理论的配电网故障诊断研究

鉴于粗糙集理论在处理不精确问题时,不需要提供待求解问题所需处理的数据集合之处的任何先验信息,运用粗糙集理论研究了因保护装置和断路器误动或拒动,通信装置的故障等原因造成的不完备警报信号模式下的配网故障诊断新方法。该方法把保护和断路器的信号作为对故障分类的条件属性集,考虑了各种可能发生的故障情况,以此建立决策表,然后实现决策表的自动化简和约简的搜索并利用决策表的约简形式,区分关键信号和非关键信号,直接从故障样本集中导出诊断规则,从而达到在不完备警报模式下快速准确地故障诊断的目的,揭示了警信息集合内在的冗余性。该文以VB6．0为主界面,运用Visual C 语言编程实现对故障区域的诊断,通过实际配电网的大量仿真表明：该方法简单,有效,具有良好的容错性能。     

汽轮发电机组轴电压(流)对轴系振动的影响

结合汽轮发电机组现场振动故障的诊断及处理实例,对机组轴电压(流)产生的原因、危害及其对轴系振动的影响进行了总结.分析认为,机组轴电压(流)产生的主要原因为绝缘不良、碳刷接触不良,其对机组轴系振动的影响主要是引起轴系或轴承振动特性恶化,出现虚假的振动信号,引起振动保护动作.     

汽轮发电机组起动过程振动故障诊断与处理措施

某台300 MW汽轮发电机组因异常振动而导致无法正常起动,根据测试情况对出现异常振动原因进行了分析,认为国产300 MW汽轮发电机起动过程中的异常振动是由密封瓦与转子径向碰磨引起,并提出了控制措施。采取适当的运行措施,可将振动控制在允许范围。     

基于发电集团生产信息网的远程振动监测与诊断系统研究

振动是汽轮发电机组运行中最常见的主要故障之一。对振动情况进行在线监测与故障诊断成为普遍的需要,各发电集团搭建的生产信息网为远程监测与故障诊断提供了平台。介绍了一种基于网络的汽轮发电机组远程振动监测与故障诊断系统,围绕数据流程和系统结构图,分析了该系统的基本构成及实施方案。该系统是集现场振动数据采集、网络通讯、状态监测、故障诊断和计算机网络等先进技术于一体的远程监测诊断系统,具有广阔的应用前景。     

汽轮发电机组突发性振动的诊断与处理

隆达发电有限公司2号汽轮发电机组运行中,在没有进行任何操作情况下,5号轴承处轴振动突增,经分析认为振动突增原因为发电机转子匝间短路。经进行配重平衡,故障消除。