基于电流变化的环状直流配电网故障定位方法

针对现有故障测距方法无法同时对单极接地故障和极间故障进行定位,以及利用电容放电阶段进行故障定位时忽略了多端换流站都会对故障点注入电流等问题,提出一种利用故障线路上的全电流分量对多端柔性直流配电网进行故障定位的方法.通过联立与故障点相邻两网孔的电压方程,从算法上解决了过渡电阻对求解故障位置的影响.在simulink中搭建...     

基于深度学习的发电机故障挖掘方法研究

发电机工作环境复杂,发电机的涡轮叶片在燃烧的气体作用下高速转动,电机本身容易产生故障。通过对发电机故障特征数据的挖掘,可实现故障诊断。传统方法采用支持向量机SVM故障挖掘和分类算法,解决发电机故障检测的稳定性问题,但随着故障特征的增加,故障特征相似性增强,挖掘性能下降。提出一种基于深度学习支持向量机的发电机故障挖掘算法。对发电机故障挖掘原理进行描述,构建故障数据挖掘模型,采用深度学习支持向量机对故障特征进行数据分类处理,解决发电机故障数据的相似性干扰问题,提高了故障数据挖掘和分类性能,仿真实验表明,采用该算法进行发电机故障挖掘,通过深度学习,对故障数据的特征分类性能较好,提高故障诊断能力。     

基于聚类分析与加权模糊逻辑的汽轮机组振动故障诊断方法研究

针对汽轮机组振动故障诊断中故障征兆的使用问题,提出了一种基于聚类分析与加权模糊逻辑相结合的故障诊断方法。利用振动的频谱特征对振动故障的几种常见故障模式进行分类,形成故障模式类,从而可以在故障模式类层次区分开属于不同性质的故障模式,解决类间的识别问题,进而缩小故障模式的识别范围。对于同一故障类中的故障模式,采集不同类型的故障征兆,利用粗糙集理论建立故障诊断决策表,提取对故障识别有贡献的故障征兆构建故障诊断规则,再应用知识依赖度为故障诊断规则的前提条件分配权重,克服了主观分配权重存在的不足,减少了故障诊断推理过程中的不确定性影响。再应用加权模糊逻辑对故障诊断规则进行推理,根据推理结果对故障模式进行识别。该方法既充分利用了振动的频谱特征这一重要故障征兆作为故障诊断的初步判断依据,又综合利用了反映故障不同方面信息的不同类型的故障征兆,从而做到更加准确地进行故障识别。     

变电站电气设备故障类型分析与监测系统设计

深入分析了变压器、断路器等一次设备的故障类型和原因。从电气设备的故障监测背景出发,重点对变压器、断路器故障监测进行分析研究,并且给出了变压器的故障类型树。通过分析国内外近年来故障监测的发展状况,对变压器和断路器设计了故障监测系统,并分析了如何利用监测收集的数据对电气设备进行故障诊断,从而实现变电站故障的实时监测,防止电气设备故障的进一步扩大。     

电控柴油机在线故障诊断系统实用简单计算方法研究

本文使用简单实用C＋＋算法及基本数学理论进行快速、实用电控柴油机在线故障诊断的研究。首先,进行了特有的故障码设计,按照故障码的原理,对故障进行了分类。接着,充分运用故障码编制形成的框架,对基本故障的诊断算法进行了编制。然后,对多参数故障及复杂故障进行了算法设计。最后,为提高故障库的扩展功能,设计了“未知故障”处理功能。另外,进行了软件可靠性的研究。通过模拟实验结果表明：系统设计合理,工作可靠,达到了预期的目标,证明故障论断实用简单算法的可行性。     

改进变分模态分解与去干扰包络因子的轴承故障分析

滚动轴承早期故障特征微弱且提取困难,考虑转频对故障包络信号的影响,提出改进包络谱特征因子(EDF),基于EDF提出优化变分模态分解方法(OVMD)。对滚动轴承正常、内圈及外圈状态进行OVMD分解,以EDF最大值作为筛选标准提取有效故障分量进行包络分析。结果表明:OVMD分解带有冲击分量信号,具有较高准确性,分解分量与原分量具有95%以上相似度;通过EDF最大值对分解分量进行提取,所获分量具有明显故障特征,并可排除转频对故障特征频的干扰;采用OVMD-EDF故障提取方法,并进行包络分析,可对不同故障程度的内圈、外圈故障进行精准故障诊断。     

隐马尔科夫模型在滚动轴承故障诊断中的应用

为提高滚动轴承故障诊断的精度,提出了一种能够对其故障位置及严重程度进行诊断的方法:首先利用小波分解得到的不同频段的能量作为监测指标向量,并对所有故障的监测指标向量进行归一化处理,采用K-means方法从监测指标向量中提取特征向量,然后利用隐马尔科夫模型对故障进行建模和诊断,在此基础上建立故障定位矩阵,确定故障位置。以美国凯斯西楚轴承实验室的数据为基础,用上述方法能够识别不同故障严重程度,且对故障位置的判定准确率超过90%。     

决策树分类方法在水轮机组故障诊断的应用研究

由于引起水轮发电机组振动的原因较为复杂,检修人员通常很难全面把握故障征兆确定故障原因。针对此对C4.5决策树分类算法进行研究,应用决策树分类的方法对水电机组故障征兆进行分类。该方法利用典型水电机组故障特征向量建立故障诊断决策树,从而实现对水电机组振动故障的诊断。     

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。     

基于分层多维故障识别的核电站主管道预警系统研究

为提高对核电站主管道破裂识别的及时性和准确性,提出一种分层多维故障识别方法,建立主管道的预警系统,在事故初期对小破口主管道破裂进行故障定位和故障程度评估,提高核电站的运行安全。根据核电的机理模型、测试和专家经验等综合确定故障集合、征兆集合和各识别规则,在核电模型中人为引入不同故障位置和不同故障程度的小破口主管道破裂,并利用该预警系统进行识别。结果表明,可在事故初期对微小程度的主管道破裂进行准确的故障定位和故障程度评估,为核电站操作人员提供更完整的多维故障识别结果,从而验证了主管道预警系统的有效性和可行性。