基于贝叶斯疑似度的有向二分图模型的故障元件诊断

针对目前已有的故障诊断方法存在的计算复杂度高、建模困难、诊断误差较大等不足,分析了故障与征兆之间的非确定性关系,建立了概率加权的有向二分图故障诊断模型,依据统计概率对模型进行初始化,结合开关量时序属性对征兆信息进行完备化处理,通过计算贝叶斯疑似度对电力系统中的故障进行诊断,输出故障诊断结果.     

基于小波变换的神经网络模拟电路故障诊断

对模拟电路提出了一种基于小波变换与神经网络相结合的故障诊断方法,该方法用小波变换对模拟电路故障信号提取小波特征,并经小波变换压缩,再将故障特征量输入至神经网络处理。结果表明,该方法有效地减少神经网络输入层单元数,简化了神经网络结构,提高了故障诊断能力。     

基于小波变换的神经网络模拟电路故障诊断

对模拟电路提出了一种基于小波变换与神经网络相结合的故障诊断方法,该方法用小波变换对模拟电路故障信号提取小波特征,并经小波变换压缩,再将故障特征量输入至神经网络处理。结果表明,该方法有效地减少神经网络输入层单元数,简化了神经网络结构,提高了故障诊断能力。     

基于Morlet小波变换模拟实现的机械振动故障诊断

为了对机械振动故障进行实时诊断,提出了基于开关电流技术的Morlet小波变换的模拟实现方法。利用开关电流电路构造高斯函数发生器,解决了Morlet小波变换模拟实现的关键问题,其良好性能得到了仿真结果的证实。将Morlet小波变换应用到机械振动故障诊断中,根据对振动信号小波变换的模极值点来定位奇异信号,提取出故障信息。仿真结果表明了该方法对机械振动故障实时诊断的有效性。     

风电机组故障诊断中不确定性信息处理的贝叶斯网络方法

针对风电机组故障信息耦合性、模糊性的不确定性特点,结合贝叶斯网络在处理不确定性问题上的优势,提出了风电机组故障诊断的贝叶斯网络方法.重点研究了该方法的两个关键问题,即风电机组故障诊断的贝叶斯网络建模和贝叶斯网络推理.构建了一种基于事故树分析方法的三层CME贝叶斯网络模型并解析了贝叶斯网络的故障推理过程,通过风电机组齿轮箱的故障诊断实例验证了上述模型的可行性和贝叶斯网络推理的有效性.研究成果对具有相关不确定性问题的机电设备故障诊断有借鉴意义.     

基于PSO-VMD与贝叶斯网络的滚动轴承故障诊断

为解决电机在变负载运行条件下滚动轴承振动信号故障的特征提取困难、故障诊断准确率低的问题,提出一种基于变步长粒子群的变分模态分解与贝叶斯网络相结合的滚动轴承故障诊断模型。通过变步长粒子群算法优化的变分模态分解与Hilbert变换,提取故障信息并离散化处理,构建贝叶斯网络故障诊断模型,对滚动轴承故障发生概率推理,并利用完备、不完备数据集以及噪声试验验证该方法的准确性。仿真结果表明,该方法能高效提取特征信息,实现对不确定信息的推理估计,提高滚动轴承故障诊断的准确率,在滚动轴承的故障诊断预测中具有较好的理论与应用前景。     

MSPCA在发动机试车台传感器故障诊断中的应用

针对传统的基于小波变换的多尺度主元分析(MSPCA)方法在检测高频类故障时的分辨能力不足的问题,提出了基于小波包的MSPCA模型,并应用于传感器的故障诊断.首先,对传感器数据进行正交小波包变换,得到小波包最佳分解树.然后,根据最佳树的各个节点系数在对应的尺度上建立主元分析模型,利用这些主元分析模型的残差子空间的统计量——平方预报误差对传感器故障进行检测,采用传感器有效度指标对故障传感器进行分离.最后,以火箭试车台液氢供应系统的传感器为例对设计的模型进行了验证,传感器周期性干扰故障诊断实例验证了基于小波包的MSPCA方法的有效性,其检测性能要优于基于小波变换的MSPCA模型.     

一种多电平逆变器故障诊断与容错控制策略

针对逆变器开关元件的开路故障,提出一种级联H桥多电平逆变器故障诊断与容错控制策略。 在不改变级联H桥多电平逆变器电路拓扑的情况下,通过快速傅里叶变换(fast fourier transform, FFT)和主元分析(principal component analysis, PCA)对逆变器原始开路故障数据进行了预处理和特征提取,构建贝叶斯网络(Bayesian network, BN)对级联H桥多电平逆变器开关元件的故障进行快速诊断,根据诊断的结果,基于变载波和调制波电压重构容错控制方法,使逆变器输出电压仍能满足系统平稳运行的要求,通过仿真与试验验证了该策略具有良好的诊断及容错控制性能。     

基于小波原理的小电流接地系统故障选线新方法的研究

对利用小波提取小电流接地系统的故障暂态信息进行故障选线的方法作了深入细致的分析研究 ,以能更充分提取电力系统故障暂态信号的奇异性所包含的丰富特征信息为出发点 ,提出了一种新的基于小波变换模极大值奇异性检测理论的选线新方法 ,该方法对暂态电气量进行小波分解 ,选取特征量突出的第三尺度模极大值信息作为选线判据 理论分析及仿真实验表明 :该选线方法适合各种接地方式的小电流接地系统 ,可准确、可靠的实现单相接地故障选线     

一种融合电气量和开关量的电网Petri网故障诊断方法

对故障元件进行快速、准确地诊断,是实现电网在线调控运行的重要前提之一.基于Petri网的电网故障诊断方法因其建模清晰、逻辑缜密,得到了研究人员的广泛关注.但目前的方法大多针对开关量分析,对电气量的关注度相对较少,而电气量在准确性、容错性等方面比开关量都更具优势.基于此,提出了一种计及电气量和开关量的电网Petri网故障...     

新型三相三电平光伏逆变器开路故障检测与容错控制的研究

为提高三电平光伏逆变器运行的可靠性，提出基于改进型电流流通路径开路故障检测和电压空间矢量冗余容错控制方法。首先，以三相三电平光伏逆变器拓扑结构为基础，详细地分析了各部分功率器件发生开路故障后电路电流流通路径，利用流过钳位二极管和负载的电流以及开关器件的切换状态进行故障检测，通过短时间内注入欠励磁无功电流对故障类型进行分类。然后，从理论上探索不同位置的功率器件发生开路故障后逆变器电压空间矢量的变化情况。根据逆变器故障后电压空间矢量的分布规律和逆变器自身的冗余矢量完成容错控制。提出的方法无需额外的硬件成本和复杂的计算，故障检测和容错控制速度快。最后，搭建一台额定功率为10 kW的样机验证提出方法的有效性和可靠性。     

基于小波变换和优化CNN的风电齿轮箱故障诊断

针对传统故障诊断方法过于依赖人为经验的缺陷,提出小波变换和二维密集连接扩张卷积神经网络(WT-ICNN)的风电齿轮箱智能故障诊断方法. 所提方法将一维振动信号通过连续小波变换(WT)转换成二维故障图像;再将二维故障图像输入ICNN中进行训练和测试. 通过齿轮箱开源数据和风场实测数据验证结果表明,与传统故障诊断方法相比,所提方法采用密集连接的结构自适应特征提取时频图,有效加强了故障特征的利用效率;在对风电齿轮箱的故障诊断中,所提方法具有更好的特征复用能力和更高的诊断精度.     

基于MODWT和BP神经网络的微电网故障诊断方法

近年来,随着微电网技术的持续发展,电力用户对其供电可靠性的要求也不断提高,因此微电网故障诊断研究也变得越来越重要。提出了一种基于极大重叠离散小波变换(MODWT)和反向传播(BP)神经网络的微电网故障诊断新方法,并通过仿真与算例进行了验证。结果表明:该方法能快速、准确地识别出故障类型,且不受故障初始相位角和过渡电阻等因素的影响;与现有的基于离散小波变换和反向传播神经网络的诊断方法相比所提出的方法可以提供更好的故障分类精度。     

矿井配电网输电线路故障测距方法的研究

针对矿井配电网处于供电网的末端，又是单端供电，中性点不接地或通过消弧线圈接地的特点，提出了使用单端电流行波法实现矿井供电线路单相故障点定位的方法．通过对矿井供电网故障行波的特征进行的深入分析和选择合适的小波函数，将小波分量的模极大值出现时间确定为电流行波脉冲的到达时刻，根据不同尺度下小波变换的模极大值的大小及极性可以识别被检测信号的性质，实现故障点的准确定位．大量实验数据和仿真结果表明了该小波分析的有效性并得出了小波神经网络可以提高测距法测距精度和可靠性的结论．     

基于线性整数规划的主动配电网故障区段定位

针对分布式电源渗透率不断升高以及配电网规模日益庞大造成的主动配电网故障定位困难的问题，提出了一种新的故障定位方法。考虑到分布式电源渗透率不断升高的特点，将分布式电源以微电网形式接入到配电网中，建立了考虑微电网运行状态的开关函数，并在此基础上构建了适合故障区段定位的线性整数规划模型。提出了T型分级方法来解决故障定位耗时长的问题，其原理是选择主变电站和T型节点下游的若干首节点作为分界点，使配电网被分成多个区域，最后通过线性整数规划方法依次定位出故障所在区域及故障区段位置。仿真结果表明，所提方法能够快速准确地定位出故障区段，并具有很强的容错性。     

基于用电信息采集系统的配网故障诊断技术及应用

为适应国家电网公司精细化管理配电网的要求,针对当前配网自动化监控设备不足的现状及配网故障诊断的实际需求,从用电信息采集系统等电网主业务系统中获取数据,并在新开发的软件中与现有的10k V配网地理接线图进行融合。根据特定的故障诊断逻辑进行编程,实现了配网故障信息的及时判断及可视化。应用表明,该技术为配网故障的快速诊断,提供了有效依据。同时,通过对配网用户功率、电压、电流等数据的实时监测,提高了配电网调度的自动化水平。     

智能建筑设备的电气保护与接地初探

在供配电系统中，用电的可靠性极其重要，供配电系统中合理的接地系统是决定供电系统安全可靠的重要因素，对于功能的实现往往依赖用电设备安全运行的智能建筑来说，用电可靠性尤为重要，智能建筑中安装大量不同类型的智能设备，因而选择一个合适的设备接地系统类型对于供配电系统的安全可靠具有重要意义。     

基于遗传小波神经网络的电网故障诊断方法研究

电网故障中继电保护和断路器的拒动、误动以及信息上传过程中的丢失、畸变等问题使快速、准确的故障诊断仍是一个难题。神经网络方法虽已应用,但神经网络容易陷入局部极小值,针对此情况,提出了基于小波神经网络和遗传算法相结合的故障诊断方法。用遗传算法学习小波神经网络的权值、尺度函数、结构,可以确定用于故障诊断的最优小波神经网络。并对算例进行了仿真,仿真结果表明优化的故障诊断系统优于BP算法的诊断系统,提高了故障诊断精度。