基于并行神经网络的水电机组振动状态劣化研究

目前大多数水电机组振动故障诊断研究大多侧重于故障类型和故障定位,从而忽视了检修的重要性。通过检修可以避免大多数故障,而水电机组振动状态和设备劣化之间存在复杂的非线性关系。引入并行神经网络,设计了一种基于传感器和并行神经网络模型的状态监测方法。该方法采用传感器收集大量的数据,通过并行神经网络来拟合设备劣化曲线,根据拟合曲线进行有效的诊断,并给出当前设备运行情况、设备故障风险评估和检修建议。最后,通过预测精准度分析和基于时间劣化预测分析对方法进行验证,系统的拟合曲线可较好地反映设备的运行状态。     

改进朴素贝叶斯模型在电力变压器故障定位中的应用北大核心CSCD

电力变压器故障能否精准定位一直是制约其状态检修有效开展的技术瓶颈。文中针对目前已有故障定位模型存在的不足,借助变压器故障类型与特征状态量之间的内在关系,将朴素贝叶斯网络模型进行特征属性加权改进,并将其扩展为改进的双层朴素贝叶斯网络模型应用至电力变压器故障定位中。在这一过程中,考虑到特征属性与类别之间和各特征属性之间的依赖关系,采用ReliefF算法和相关系数法分别对特征属性进行加权处理,构造出改进的朴素贝叶斯网络模型,并在MATLAB软件中进行了诊断对比预测,得到了较好的预测结果,文中最后利用实际案例进一步验证了所提模型与分析方法的有效性,可为电力变压器故障诊断提供技术指导。     

贝叶斯网络在水电机组状态检修中的应用

讨论了水电机组状态检修系统的一般结构，利用贝叶斯网络的理论与建模方法，将水电机组的故障诊断与维修决策相结合，实现了诊断为维修服务。基于效用理论，结合贝叶斯网络模型，提出了维修与试验的优化策略，并通过一个简单模型的建模与计算，表明了基于贝叶斯网络的水电机组状态检修系统所具有的独特优点。最后分析了其存在的不足和需要改进的方面，提出了今后的研究重点。     

输变电设备风险评估运行检修策略

基于输变电主设备状态评价及风险评估结果制定运行检修策略,并对具体检修方案进行了系统深入的研究。基于工程经济学原理,提出了计及年投资成本、年运行成本、年故障损失等因素的通用主设备最优检修模型及其求解方法,通过具体实例计算,验证了该最优检修模型的正确合理性。     

数据挖掘技术在输电线路状态检修中的应用分析

输电线路作为电网的重要组成部分,易受外界环境的影响而发生故障,严重威胁电网的安全运行。本文采用数据挖掘技术对输电线路的运行状态进行分析,建立基于主成分分析的输电线路状态评价的模型及以贝叶斯方法为基础的输电线路故障预测简要模型和基于聚类分析、判别分析的线路检修策略选择模型,实现对输电线路的状态评估、故障诊断及检修策略的选择,为及时发现线路运行的异常状况,提高输电线路运行的安全可靠性提供技术手段。     

水电厂主设备分析诊断策略

当前水电厂主设备故障机理极其复杂,分析诊断实时性与准确性较差,其辅助决策结论难以指导水电厂实际维护检修工作等方面的问题。在吸收当前国内外设备分析诊断先进理论及最新研究成果的基础上,提出了集工况分析、趋势分析、故障诊断、风险评估、健康预测等方法的水电厂多尺度综合一体化分析诊断策略框架,并介绍了分析诊断策略的实现方法,为水电厂计划检修向状态检修的过渡提供技术保证,有效支持状态检修工作的进一步实施。     

用粗糙集理论和贝叶斯网络诊断SF6断路器故障

为了在断路器故障时能快速、准确地找出故障原因,提出了一种基于粗糙集理论和贝叶斯网络的高压SF6断路器故障诊断的方法。该方法首先根据断路器的故障样本集找出征兆集合和故障集合之间的关系以建立断路器故障诊断决策表,然后利用粗糙集理论属性约简中的区分矩阵算法对决策表进行约简,剔除冗余知识,简化专家知识得到最小诊断规则进而构建贝叶斯网络可以有效降低网络结构的复杂性,最后利用贝叶斯网络的概率推理实现了对断路器故障原因的快速分析。经过实例证明,该方法用于高压SF6断路器的故障诊断是可行有效的,并且最后给出的结果还可以为断路器的状态检修提供依据。     

基于贝叶斯网络和故障录波数据的电网故障综合诊断方法

电网故障诊断是保证系统安全运行的基础,故障录波系统提供的信息为电网故障的精确诊断提供了重要依据。为了有效利用故障录波数据,并在信息缺失或不确定条件下精确诊断电网故障,研究了基于贝叶斯网络和故障录波数据的电网故障综合诊断方法。通过在故障录波联网系统的主站建立输电网贝叶斯模型,结合从故障录波系统得到的模拟量和开关量数据,从而构成基于贝叶斯网络的电网故障识别模型。将贝叶斯网络得出的高可信度诊断结果融入专家系统的知识库,形成完备的故障诊断专家系统。实例分析表明,可快速并准确地定位故障元件,提高电网故障处理效率。     

基于故障树和贝叶斯网络的锂电池模组产线故障诊断方法研究

针对高柔性生产线故障排查困难等问题,提出了一种故障树分析和贝叶斯网络结合的动力锂电池模组生产线故障诊断方法。首先,通过分析生产线机械结构和工艺流程,结合收集的故障案例,构建自动上料工位的故障树,对故障进行定性分析;其次,使用Netica软件将故障树模型转化为贝叶斯网络模型,对故障进行定量分析;最后,将企业实际故障案例代入故障树进行验证对比。验证结果表明,故障树分析和贝叶斯网络相结合的故障诊断方法准确率达到91.04%,能够实现对整条生产线的故障诊断,诊断过程中不断迭代完善的贝叶斯网络模型可为后续生产工艺的改进提供依据。     

水力发电装置的运行状态故障及检修方法分析

水力发电装置的持续稳定运行要求检修人员能根据水力发电装置实际情况,合理选择检修措施,制定检修 方案.据此,基于水力发电装置的常见运行状态故障,介绍了一种水力发电装置运行状态故障诊断与检修决策系统设 计架构方案.此系统架构方案主要包括信息采集、风险评估、故障诊断及检修决策,可实现水力发电装置的运行状态 故障诊断分析和最优检修决策方法的快速获取,为水力发电装置故障检修活动提供重要故障源分析与检修决策参考.     

基于APRIORI-贝叶斯优化XGBoost的电力通信网根告警预测

电力通信网根源性告警的精准预测,能够辅助运维人员提前对通信网高风险点进行高效排查和快速定位,从根源上避免区域性通信故障和衍生告警,降低网络风险和运维成本。针对现有研究中电力通信网根告警预测源数据冗余、准确率不高的问题,面向电力通信网根告警提出基于APRIORI-贝叶斯优化XGBoost的预测模型,利用APRIORI算法优化预测模型输入,挖掘根告警影响因素间的关联规则,借助关联规则概率化方法确定关键影响因子,降低贝叶斯优化XGBoost模型训练数据冗余度,提高数据价值密度,进而提升模型效率和告警预测精度。实验结果表明,所提算法在预测准确率、召回率和F-值等性能上均取得良好的效果,并在最小支持度为15%时达到最优预测结果,能为电力通信网高效运维和故障排查提供技术支撑。     

基于贝叶斯网络的电容型设备故障诊断

电容型设备的绝缘故障不仅影响整个变电站的安全运行,还危及其它设备及人身安全,因此对电容型设备进行准确的故障诊断具有重要意义。基于贝叶斯网络理论,综合电容型设备的各种检测数据,提出了电容型设备故障诊断的贝叶斯网络模型,将贝叶斯网络方法引入电容型设备的故障诊断中,根据电容型设备故障诊断及维修的特点改进了贝叶斯网络的推断过程。故障实例的诊断结果验证了文中方法的正确性和有效性。     

基于贝叶斯网络信息融合的直流配电网故障诊断方法

新型直流配电系统故障期间暂态特征复杂多变,继电保护存在拒动和误动情况。为了避免继电保护的不正确动作对故障诊断产生影响,提出一种基于贝叶斯网络信息融合的直流配电网故障诊断方法。首先,对传统继电保护贝叶斯网络模型进行改进,同时考虑直流配电网故障限流策略,分别构建保护动作信息、断路器动作信息和限流策略信息3种贝叶斯网络模型,对故障区域内各元件的故障概率进行初步评估。其次,利用D-S证据理论将各元件对应的故障概率信息进行融合,完成故障元件的判别。然后,应用故障元件对应的贝叶斯网络模型识别误动或拒动的保护装置与断路器,实现对直流配电网的故障诊断。最后,通过算例验证了所提故障诊断方法的可靠性以及准确性。     

基于贝叶斯网络的广域后备保护故障诊断检测

提出一种针对广域后备保护特征要求的贝叶斯网络线路故障诊断方法,根据保护动作和断路器跳闸信号,建立了面向元件的电网线路故障诊断模型。该模型是由Noisy-Or,Noisy-And节点组成的贝叶斯网络。该故障诊断方法具有实时性和准确性和较强的容错能力等特点,满足广域后备保护特征对故障诊断实时性、准确性的要求。     

电网故障诊断的时间因果贝叶斯网模型

在使用保护和断路器的动作信息进行电网故障诊断时,这些警报的时序特性的加入能够给诊断提供更丰富的信息,使得诊断结果更准确。提出了电网故障诊断的时间因果贝叶斯网模型,采用模糊方式对时间因果关系进行离散化处理,采用模糊运算来合成多个时间因果关系,通过概率计算获得最大可能的故障假说。理论与算例表明该方法有效可行。     

信息通信设备状态检修系统的研究与应用

阐述了对电力信息通信设备实施状态检修的意义和作用,提出了信息通信状态检修系统的开发思路,制定了系统的工作流程,将状态检修模式的普遍优点与电力信息通信网络实际相结合,实现设备故障预警、信息通信系统事故反思及反事故演习、故障辅助分析、故障辅助排除、信息通信网络及设备状态评价、状态检修计划、检修策略辅助制定和设备风险评价等多项功能,为电力信息通信网络稳定、安全运行提供重要保障。     

基于能量平衡的配电网传感器故障检测方法探究

配电网由配电设备和相应的传感测量网络组成,由于传感器自身可能出现故障,容易导致告警漏报或误报,这给配电系统的故障检测带来了困难,特别是难以区分馈线区段故障和传感器故障。针对配电网传感器故障检测问题,首先,提出了一种基于能量平衡的故障检测方法,给出了能量网络模型的构建和描述方法。然后,基于能量平衡这一基本物理定律建立电气测量数据之间的关联模型。该方法在没有馈线故障信息的情况下,利用传感器之间的相互校核,可以甄别配电网传感器故障。最后,利用仿真实验证明了该方法的有效性。     

基于Elman神经网络的传感器故障诊断研究

针对传统的传感器故障诊断技术的不足,提出一种基于Elman神经网络的故障诊断方法,建立了Elman网络故障诊断模型,利用小波包分解方法获取用于训练神经网络的特征能量谱,对所建立的模型进行训练。为了检验模型的实际诊断能力,以某动力系统管路流量传感器的4种典型故障诊断为例进行仿真实验,并和标准BP神经网络的诊断结果进行对比。仿真结果表明:基于Elman神经网络的故障诊断速度更快、准确率更高、泛化能力更强,验证了所提出方法的实用性和有效性。     

电网运维大数据背景下的继电保护通信系统故障定位方法

针对承载继电保护业务的光纤通信系统频发多通道同时告警事件导致故障定位困难的问题,基于电网运维大数据和贝叶斯网络模型处理方法,提出了一种继电保护通信系统故障定位方法。结合继电保护故障信息管理系统(RPMS)、通信网管系统告警信息和调度运行管理系统(OMS)信息缩小故障定位范围,然后基于由历史运维数据计算得到的先验概率,通过改进的贝叶斯算法进行故障概率计算,推断出故障原因,借助通信资源管控系统信息进行故障定位。算例的计算结果证明了该方法的有效性和准确性。该方法对于多区域并发性故障定位同样适用。     

基于贝叶斯正则化深度信念网络的电力变压器故障诊断方法

传统的深度信念网络规模大、难度大、训练时间长,导致其故障诊断的时间较长。针对该问题,提出了一种基于贝叶斯正则化深度信念网络的电力变压器故障诊断方法。采用贝叶斯正则化算法改进传统深度信念网络的训练性能函数,在保证网络精度的同时快速提高计算速度,从而提高网络的收敛速度。实验结果表明,经过贝叶斯正则化改进后,深度信念网络训练的泛化能力得到了提高,同时故障诊断的准确率也得到了保证。