变压器油中溶解气体在线监测技术及其应用前景

变压器油中溶解气体在线监测装置应包括油中气体组分含量的检测和故障的诊断两大部分，但现有的大多数在线监测装置主要功能是在线监测油中气体组分含量及超阈值报警，对故障性质、种类、定位及发展趋势预测等诊断功能尚不具备或很不完备。从运行部门来考虑，采用变压器油中溶解气体在线监测装置的目的是实时或定时监视电气设备的运行状态，判断其是否运行正常，诊断电气设备内部已存在的故障性质、类型、部位、严重程度并预测故障的发展趋势，指导运行部门对变压器的管理和维修。     

干式空心电抗器故障监测记录与算法的研究∗

提供了干式空心电抗器故障监测记录算法,采用实时在线监测的方式,结合故障启动算法,通过对电抗器常态参数数据和暂态参数数据的记录,提取电抗器电流特征信息、阻抗特征信息以及物理特征信息 (包括内部温度场、振动特征信息),综合分析发现电抗器的异常状态,给出故障预警.该方法能够对电抗器的所有特征参数进行综合分析判断,并能针对不同型号、品牌的电抗器建立运行数据库,结合历史数据库给出该型号、品牌的预警信息及智能运维建议.     

军粮城发电厂8 号机组状态监测与故障诊断

在军粮城发电厂8 号机组启动过程中,利用MD3000 监测诊断系统对4 号轴承、9 号轴承的初始不平衡和热不平衡进行了监测与诊断,同时分析了振幅与轴承载荷及油膜刚度的关系。说明利用MD3000 监测诊断系统可以实时监测汽轮发电机组状态,并诊断故障,为机组安全运行和状态维修提供科学依据。     

基于物联网的电压监测仪自诊断系统研究及应用

针对目前电压监测仪无法自行诊断具体故障原因,运维人员处理不当容易导致电压监测仪损坏的问题,提出基于物联网的电压监测仪自诊断系统,介绍系统构成及诊断处理工作流程,最后对自诊断系统进行现场测试应用.应用结果证明本系统能够实时诊断电压监测仪的运行状态,当电压监测仪发生故障时,能够诊断故障原因,通知熟悉此类故障的最近的运维人员以最快的速度、最佳的处理方案对设备进行维护,减少电压监测仪"带病"运行,提高系统电压监测质量和时效性.     

基于小波包Shannon熵的PHM系统故障特征提取

针对同步发电机故障预测与健康管理(Prognostics and Health Management,PHM)系统故障特征提取困难,信号容易受到噪声干扰,诊断结果可靠性低的缺点,本文以故障率较高的轴承故障为例,提出以小波包熵值作为故障特征,提取轴承典型故障的振动信号。通过小波包分析,计算出不同故障、不同故障程度的小波包Shannon熵值。与正常轴承对比进行故障程度预测及故障定位。仿真结果表明小波包Shannon熵值能够清楚地反映出轴承故障程度及故障位置,该方法简单可靠,进行故障预测及诊断效果显著,克服了传统故障特征提取方法的不足。     

基于CNN和LSTM混合网络的电动汽车充电桩运行状态预测方法

随着电动汽车的大规模发展,公共充电桩运行数量和充电量逐年增长。然而,充电桩运行始终存在故障频发、运维难度大和维修成本高等问题,并且传统故障检测方法效率低下。因此提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合网络电动汽车充电桩运行状态预测方法,可以实现对电动汽车充电桩运行状况的综合评估。在特征数据输入阶段,对充电桩运行状态的关键指标进行分析,通过CNN提取运行状态影响因素的特征量,再利用LSTM判断和预测充电桩运行状态,从而实现对充电桩潜在故障的预警。试验结果表明,该方法预测准确率高、实用性强,能较准确地反映和预测充电桩的运作状态,可实际用于充电桩故障预测与运维检修。     

电厂动力设备状态维修管理系统的开发

状态维修是根据设备状态信息、判断设备的异常、预测设备的故障 ,在故障发生前进行维修。电厂动力设备状态维修管理系统设计思路是建立数据库 ,结合电厂现有的设备信息管理系统、物质管理系统、缺陷管理系统以及设备巡检系统等 ,建立集数据管理、分析、预测、诊断、决策于一身的设备状态维修管理系统。该系统由输入模块、输出模块、诊断预测模块、维修决策模块、数据库备份模块和索引模块等组成 。     

模拟电路的融合智能故障诊断

提出了一种基于遗传算法、神经网络、模糊集理论与数据融合技术相结合的模拟电路故障诊断新方法。该法使用多类电路测试数据来解决由于测试节点不足而带来的故障信息欠缺等问题，采用遗传算法来优化BP网络的结构与初始权值分布。对每类测试信息各用一个独立的所提遗传神经网络进行初步诊断，得到基于各类测试信息的被诊断电路属于不同故障状态的可能性。在充分考虑每个神经网络输出信息重要程度的基础上，采用模糊积分融合方法进行决策融合。文中研究了其故障特征提取、样本选择、诊断系统结构、学习算法及其综合决策方法，并通过电路诊断实例，阐述了该方法的具体实现，验证了所提方法的鲁棒性。诊断结果表明：所提方法对容差模拟电路的多故障与单故障诊断均适用，故障定位准确率高。     

基于状态评价的风力发电设备故障诊断系统的研制

基于状态评价的风力发电设备故障诊断系统,通过实时监控表征风力发电设备运行情况的状态量,依据风力发电设备状态评价导则,对风力发电设备进行状态评价,并依据状态评价的结果,对潜在故障进行诊断分析。同时给出相应的运维策略,通过早期故障预测,变事后维护为事前检修,科学合理地安排检修计划,极大地提高了风力发电设备的运维效率,降低了机组的维护成本,保证了风力发电机组的可靠稳定运行。依据此方法研制的风力发电设备故障诊断系统,已成功应用于南方电网超高压输电公司检修试验中心。实践证明,该方法有效地提高了风力发电设备故障诊断的实时性与准确性。     

基于虚拟仪器和信息融合的检测诊断系统

本文主要介绍了一种基于虚拟仪器和信息融合的滚动轴承检测诊断系统,该系统硬件部分采用高性能的数据采集卡进行实时数据采集,软件部分包括虚拟测试子系统和故障诊断子系统2部分.虚拟测试子系统主要是实现轴承状态监测和报警功能,以及在线采集和显示信号、读取和存储数据、计算故障特征参数等功能.利用神经网络信息融合技术处理故障信号并进一步确定故障发生的位置、类型及严重程度.本文设计了单子融合神经网络和集成融合神经网络,实现了故障的精确诊断及故障发展趋势的有效预测.     

基于贝叶斯网络的高压断路器拒动故障概率预测

在小样本条件下，结合运维单位掌握完整的设备信息、运维信息，提出了一种基于贝叶斯网络的高压断路器拒动故障概率预测方法，对高压断路器拒动故障可能性范围进行估计。首先，建立高压断路器拒动的元器件故障树；其次，通过分析多种影响因素与关键元器件之间的关联性，建立“影响因素—元器件—拒动”的多层贝叶斯网络；最后根据全网110 kV及以上电压等级高压断路器运行情况及拒动缺陷/事件情况，将每台断路器影响因素的定性特征转化为定量特征，运用贝叶斯网络的推理算法，实现高压断路器拒动概率的预测。通过算例验证,证明了所提方法的有效性。     

变电站视频质量诊断系统的应用研究

随着变电站视频监控系统覆盖面的不断扩大,如果仅靠人工逐个排查摄像头的工作状态是否正常,工作量巨大耗时且实时性、可靠性无法保证。视频质量诊断系统为这一难题提供了一个较好的解决途径。视频质量诊断系统不仅可以减少运维人员的劳动量,而且对已诊断出故障的监控点给出合理的维修建议。首先对视频质量诊断系统作了简要介绍,然后对国网四川省电力公司使用的视频质量诊断系统的应用做了较为详细的分析,并针对系统应用的结果给变电站运维人员提供启迪和建议。     

自动化检定线智能运维关键技术研究与应用

自动化检定线状态影响电能表等计量装置的检测效果,通过自动化检定线的各类检定设备和众多传感器（如温度、湿度、震动、压力、噪声等）搭建的设备生产运行状态全感知网络,进行生产工况数据实时采集和生产过程全景监控。基于自动化检定线的历史状态和当前状态数据,提出一种基于设备故障预测与健康分析的智能化运维方案。解决传统运维因信息互联互通不充分、数据应用不足、技术支撑手段缺乏等造成过度运维或运维不足等问题。     

基于天气因素的配电网故障停电风险预测研究

预测配电网运行中的潜在风险对配电网运维有重要的意义。因此,提出一种基于天气因素的配电线路故障停电预测方法。分析配电网故障停电概率与天气变量及其他可能因素变量之间的关联关系,得出故障特征变量,并基于ReliefF算法对故障特征变量合集与配电网故障停电概率进行关联性分析,得到故障特征变量的重要程度权重排序。依据主要故障特征变量,形成基于XGBoost算法的配电线路故障停电预测模型,并对预测结果进行评估及算例验证。通过算例证明该方法可实现对配电网线路故障停电概率的预测,有利于及时发布故障预警信息,为配电网运维部门提供运维指导。     

一种基于故障录波信息的电网故障诊断方法

在系统发生复杂故障或开关、保护存在较多误动、拒动以及因信道干扰而发生信息丢失等诸多不确定因素的影响下，目前基于开关和保护信息的诊断方法已经不能取得满意的结果，必须寻找新的信息源。随着继电保护及故障录波信息网的建立，丰富的录波信息为进一步诊断提供了基础。根据电力系统目前的实际运行情况和今后的发展，提出了一种合理利用采集信息进行分层故障诊断的方法。对在复杂故障情况下利用故障录波信息作进一步诊断的方法进行了研究，提出了虚拟保护的诊断思想，并建立了相应的面诊断模型，有效地弥补了利用开关、保护信息诊断的局限性。利用组件对象模型（COM）和Windows的动态连接库（DLL）技术建立了通用的、可共享的诊断系统。     

改进关联规则方法在电力设备故障预测中的应用

针对传统电力设备故障预测方法在对关联维特征提取时,存在故障信息冗余、误差较大的缺点,提出基于改进关联规则特征分析方法的电力设备故障预测算法。采用平均互信息方法和虚假最近邻点方法进行电力设备故障信息相空间重构,在高维相空间中,将电力设备的故障信号模拟为一个非线性时间序列波形,构建故障信号关联规则指向性特征约束函数,提取故障信号关联维特征,通过关联规则指导实现故障预测改进。仿真结果表明,该算法在进行电力设备故障预测时,能有效反应电力设备故障信号的关联内部特征信息,实现对电力设备故障类别的诊断,对提高电力设备故障类别诊断的准确率有现实意义。     

智能电网技术（4） 行波测距与保护技术

智能电网的4个特征为：自愈、安全、兼容、集成。而其中自愈性是指：实时掌握电网运行状态,预测电网运行趋势,及时发现、快速诊断故障隐患和预防故障发生。     

牵引变电所二次设备故障预警系统的研究

通过对二次设备的状态进行监测、评估,利用系统的信息关联和隐藏故障的特征提取对二次设备的隐藏故障进行预警。在系统状态评估的基础上,综合考虑维修成本和系统可靠性对维修策略进行优化。应用故障预警系统,可以有效地提高系统运行可靠性,减少事故概率,降低维修成本,为高速列车的安全正点运行提供良好的动力保障。     

轻量化的印刷电路板缺陷检测网络 Multi-CR YOLO

针对印刷电路板表面缺陷目标小，检测精度低问题，设计了印刷电路板表面缺陷检测网络Multi-CR YOLO，满足实时检测速度的前提下，有效提高了检测精度。首先，由3个Multi-CR块组成的主干特征提取网络Multi-CR backbone对印刷电路板小目标缺陷进行特征提取。其次，SDDT-FPN特征融合模块使层级高的特征层向层级低的特征层进行特征融合，同时为小目标预测头YOLO Head-P3所在特征融合层加强特征融合，进一步增强低层特征层的表达能力。PCR模块加强主干特征提取网络与SDDT-FPN特征融合模块不同尺度的特征层的特征融合机制，且防止模块之间进行特征融合时信息丢失。C5ECA模块负责自适应调节特征权重和自适应注意小目标缺陷信息的要求，进一步提高了特征融合模块的自适应特征提取能力。最后，3个YOLO-Head负责针对不同尺度的小目标缺陷进行预测。实验表明，Multi-CR YOLO网络模型检测mAP达到98.55%，模型大小为8.90 MB，达到轻量化要求，检测速度达到了95.85 fps，满足小目标缺陷实时检测的应用需求。     

一种基于桥臂电流畸变及自适应观测的MMC子模块开路故障诊断定位方法

模块化多电平换流器的子模块数量较多,增大了系统发生故障的概率,因此子模块故障的快速诊断和准确定位是保障换流器持续运行的关键。针对MMC子模块开路故障,提出了一种基于桥臂电流畸变及自适应观测的故障诊断和定位方法。通过对故障后桥臂电流的特征提取,判断出故障发生的桥臂以及开路故障的类型;然后利用自适应观测器得到子模块电容电压观测值与实际值的残差,从而实现故障子模块的快速和准确定位;最后利用Matlab/Simulink软件搭建MMC变换器仿真平台,通过对不同相、不同桥臂和不同类型的故障进行仿真,验证了所提故障诊断和定位算法的正确性与有效性。