基于LVQ神经网络的高压断路器机械故障诊断方法

高压断路器作为电力系统的开关及保护设备,其可靠地工作对整个电力系统的安全运行具有很大的意义。为了迅速、精确地诊断高压断路器故障,提出一种基于学习向量量化(LVQ)网络的高压断路器机械故障诊断方法。首先,模拟高压断路器灭弧室机械故障状态,采集断路器的机械振动信号;其次,提取高压断路器机械故障振动信号的小波包能量作为特征量,建立基于LVQ网络的高压断路器机械故障诊断模型;最后,将LVQ网络、思维进化优化(MEA)的LVQ网络、BP网络和RBF网络在网络迭代步数、网络误差以及预测置信度方面进行比较。结果表明,提出的基于LVQ神经网络的高压断路器机械故障诊断方法相比较于其他诊断方法具有一定的快速性,并具有较高的置信度。     

基于Kohonen网络的高压断路器机械故障识别方法

引起高压断路器故障的原因大部分都是机械故障,因此对高压断路器进行故障诊断,使其可靠、高效地工作对电力系统的运行具有很大的意义。实验室模拟断路器基座支架上的合闸振动信号,采用小波包变换对取得的3种状态下的振动信号进行分解,计算各频段能量并做归一化处理,构造特征向量作为Kohonen网络的输入,进而进行机械故障识别。最后,将基于Kohonen网络的识别方法与BP网络以及RBF网络识别方法对高压断路器机械故障的识别效果进行比较。结果表明提出的基于Kohonen网络的高压断路器机械故障识别方法优于BP网络以及RBF网络,具有较高的准确性。     

基于气体检测和模糊Petri网的GIS故障诊断方法

考虑到GIS设备绝缘故障的多样性、复杂性,以及故障征兆的模糊性、关联性,将气体检测法与模糊Petri网相结合,应用于GIS故障诊断,可有效区分GIS局部放电类型。首先,分析SF6在局部放电下的分解机理,描述故障征兆与GIS绝缘故障之间的关系;其次,将气相色谱仪检测得到的特征气体作为模糊Petri网的输入库所,建立基于SF6气体检测和模糊Petri网的GIS绝缘故障诊断模型,利用模糊Petri网,并行推理分析GIS绝缘缺陷类型的置信度。最后,实验分析验证所提方法的正确性和有效性。     

基于CWTHHT结合的永磁同步电机失磁故障诊断方法及其可行性分析

永磁同步电机失磁故障是驱动电机故障中最为严重的故障之一。失磁故障意味着永磁同步电机的优势显著降低。提出了基于CWT-HHT结合的永磁同步电机失磁故障诊断方法并对其可行性进行了分析。首先简要分析了永磁同步电机稳态运行特性、搭建电机故障试验平台,实时采集电机正常及失磁时的定子电流信号;然后通过信号分析得出:失磁故障下电流信号的EMD分解分量imf4的周期性较正常情况时变差,而且分量imf3所占比例较正常情况时变大;失磁故障下电流信号的HHT图中基波频带较正常情况能量分散了。因此,基于CWT-HHT结合的故障诊断方法是可行的。     

S_Kohonen网络在断路器故障识别中的应用

针对断路器操动机构常见故障问题,提出将改进的Kohonen网络对断路器典型故障进行诊断研究。首先,在某试验基地建立断路器监测实验平台,模拟操动机构典型故障。然后,分析采集到的合闸振动信号,采用3层小波包变换对降噪后的振动信号进行分解,得到各频段能量占总能量的百分比,利用粗糙集理论对特征参数进行知识约简,降低特征参数的维数。最终保留第1-4及第7频段。将保留的5个特征参数归一化处理后组成特征向量输入到S_Kohonen网络,对故障类型进行识别。实验结果表明,故障识别效果较好,且置信度高。     

基于CRP和RQA的变压器绕组压紧状态检测

为了掌握绕组压紧力状况,通过分析变压器表面振动变化情况,提出了基于交叉递归图(Cross Recurrence Plot, CRP)和递归定量分析(Recurrence Quantification Analysis, RQA)的绕组压紧状态检测方法。首先,从振动信号的递归特性出发,对多元和一元振动信号进行相空间重构。然后,分别采用CRP和RQA对相轨迹进行定性和定量分析,据此对绕组压紧状态进行检测。实验数据的分析结果表明,CRP中对角线结构的变化能定性反映出绕组压紧状态的变化,多元与一元振动信号的RQA度量能够分别从整体和局部角度对绕组压紧状态进行定量检测。研究结果为从非线性动力学角度监测绕组松动故障提供了理论依据。