基于云模型的电能质量实时状态诊断原理及实现

提出基于云模型的电能质量实时状态诊断方法,在各监测点长期电能质量监测数据基础上分别对各项电能质量指标建立正态云模型,根据正态云隶属曲线外边界确定异常阈值.实时监测过程中通过电能质量数据与异常阈值比较,判断其是否异常.基于云模型的电能质量实时状态诊断以荷源长期运行特性为基础,能够准确识别出异常电能质量状况,发现潜在的非常态运行问题.实际工程算例说明了提出的方法的实用性和有效性.     

考虑工况变化的数控刀架运行状态异常检测方法

针对数控刀架故障数据少、难获取,且运行数据随工况变化致使故障诊断困难的问题,提出了一种基于非故障数据并考虑工况变化的运行状态异常检测方法.该方法通过多元高斯分布模型和考虑工况变化的偏差特征建模,确定刀架运行状态异常数据的评判依据.首先,通过统计分析找到刀架在不同工作过程中的关键工况与信号特征;其次,分别选择线性回归、信...     

面向自动化设备的行为监测与异常诊断措施

根据自动化设备行为检测中的不足,采取相应的异常诊断措施,通过有限状态自动机作为自动化设备的行为监测与异常诊断的基础,对自动化设备分为多个模块相结合的状态,并通过多个模块相结合的状态来辨别自动化是否正常运行以及转换的状态,并将得到的设备运行状态模型还原设备运行过程。除此之外,该措施还能将事前设置好的设备行为状态模型与状态变换、设备状态以及等待测试的设备指令进行对比,得出的结果就可以知道设备运行过程中是否存在异常行为。最后研究结果表明,该措施能有效的对自动化设备进行行为监测与异常诊断。     

沿海地区气候条件下GIS应用技术分析与研究

分析研究了沿海气候条件下组合电器GIS运行中出现的相关问题及原因.通过对设备细致的验收、特巡、监测、试验及全面的状态评价,及早发现了设备运行中出现的异常状态,从而有针对性地制定检修策略进行检修和维护,确保设备始终处于良好的运行状态,提高GIS设备的整体运行管理水平.     

基坑安全状态分级与应用

建筑基坑支护技术规程(JGJ120-99)和建筑基坑工程监测技术规范(GB50497-2009)对基坑工程设计规定了相关的安全系数和施工过程中监测项目的安全预警值.但是在监测安全预警值应用中存在一些不足,例如不能进行预警的过程控制,各项监测项目数据达到安全预警值不具有同步性,进而使得监测预警缺乏整体控制.为避免对施工过程安全状态认识的"突发性"以及应对不同安全状态措施的需要,提出了安全状态分级方法.根据某一基坑工程的监测数据及其反演计算的预测,及时确定施工进程中的基坑安全状态.该方法的最大优点在于有利于施工安全的过程控制.     

铁路机车运行监测语音提示系统设计

根据铁路单司机值乘改革的需要,设计了基于高性能AVR单片机的嵌入式机车运行状态监测语音提示系统.系统基于RS485总线的多机通信网络,从机载设备中提取数据,并运用内嵌式专家系统对机车运行状态进行监控,对设备故障进行初判,对运行关键位进行瞭望,并模拟副司机进行语音提示.经现场实际使用,起到了良好的效果.     

配电变压器运行参数监测系统研究与设计

在电网的日常运行维护中,能够实时监测并记录配电变压器的运行状态,及时发现其在运行过程中出现的异常情况,对电网的稳定及优化运行有重要意义[1].根据配电变压器运行参数的监测要求和方法,研究设计一种新型配电变压器运行参数监测系统,在配电变压器的应用原理分析基础上,对软硬件部分进行改良优化,通过选用高精度的计量芯片和高处理速度的MSP430F149单片机作为控制核心,使其测量精度较高且实时性好;选取GSM模块TC35i进行软件设计,利用无线传输技术,能在远程控制端实时监测配电变压器的运行状态,同时还能得到数据采集和处理模块存储并定期上传的运行参数,报警器能在运行数据发生异常时及时发送报警信息.     

基于162台超、特高压变压器的声纹特征预警阈值划定研究

电力变压器运行中的声音信号包含大量变压器运行状态信息,对内部机械故障及异常状态检测具有重要意义。针对162台超特高压变压器进行声纹采集,并利用幅值相角波动性法去除样本中的风机噪声,然后筛选五项特征值展开特征值的统计分析,挖掘正常运行状态时的声纹数据样本的价值,给出正常运行中的超特高压变压器声纹特征值分布规律,根据该规律分别划定了五项特征值的预警阈值,并进行了三个实例验证,证明了本文预警阈值划定方法的有效性,具有一定的实际应用价值。     

矿用振动筛在线监测及故障诊断系统设计与应用

基于LabVIEw与相关硬件系统的搭配,设计出振动筛在线监测系统,监测筛箱的异常振动、弹簧一致性和激振器轴承振动;通过监测振动筛的振动加速度值、振动频率、相位以及由加速度积分得到运动轨迹来判断振动筛的工作情况,最终构建了振动筛负载工况在线诊断系统,利用数据库积累并管理长周期的监测数据,开发状态特征提取、异常情况自动辨识和运行趋势分析软件,对异常振动、轴承故障和弹簧不一致情况进行实时报警,并通过自学习积累故障诊断经验．本系统包括数据实时采集、实时显示、实时分析以及在线诊断、离线分析、远程监测等功能．     

基于改进随机森林的城市污水处理过程运行数据清洗方法

针对城市污水处理运行过程中出现混合异常数据的问题,提出了一种基于改进型随机森林的数据清洗方法.首先,设计了一个孤立森林的异常数据识别模型,识别数据中的离群值.其次,建立了一种改进型随机森林回归模型,提高随机森林对混合类型异常数据的适应能力,并对数据趋势进行拟合预测.最后,用改进的随机森林数据清洗方法对剔除混合异常数据后的缺失数据进行补偿,实现对污水数据的清洗.实际数据测试结果表明,该方法提高了混合类型缺失数据补偿的准确性.     

Application research of multivariate linkage fluctuation analysis on condition evaluation in process industry

Abnormal conditions are hazardous in complex process systems, and the aim of condition recognition is to detect abnormal conditions and thus avoid severe accidents. The relationship of linkage fluctuation between monitoring variables can characterize the operation state of the system. In this study, we present a straightforward and fast computational method, the multivariable linkage coarse graining (MLCG) algorithm, which converts the linkage fluctuation relationship of multivariate time series into a directed and weighted complex network. The directed and weighted complex network thus constructed inherits several properties of the series in its structure. Thereby, periodic series convert into regular networks, and random series convert into random networks. Moreover, chaotic time series convert into scale-free networks. It demonstrates that the MLCG algorithm permits us to distinguish, identify, and describe in detail various time series. Finally, we apply the MLCG algorithm to practical observations series, the monitoring time series from a compressor unit, and identify its dynamic characteristics. Empirical results demonstrate that the MLCG algorithm is suitable for analyzing the multivariable linkage fluctuation relationship in complex electromechanical system. This method can be used to detect specific or abnormal operation condition, which is relevant to condition identification and information quality control of complex electromechanical system in the process industry.     

基于时间序列的边坡位移实时预测方法

为了随时掌握边坡的变形情况,准确分析并预测边坡位移的变化趋势,确保边坡稳定可靠,基于时间序列方法,并结合以往的边坡位移监测数据,建立了边坡变形趋势的预测模型。提出了一种基于时间序列的边坡位移实时预测方法。以长春市地铁西客站监测为例,验证了本文方法的可行性。研究结果可以为边坡的稳定性分析提供一种新思路。     

基于模式形态距离的桥梁监测测点相似性聚类研究

为挖掘桥梁检测各测点之间的相似关系,提出基于模式形态距离的时间序列相似性度量方法。该方法首先根据监测时间序列的形态特征将序列划分成若干模式,然后以各模式形态的动态变化趋势差异为依据进行相似性的判别,并定义了各类判别结果的距离函数,最后得出各测点间的模式形态距离。在此基础上,对玉峰大桥监测点的相似性进行层次聚类分析,结果反映出的信息与桥梁的真实结构状况一致。监测点的相似性分析为桥梁结构提供了更深层次信息挖掘的可能,为传感器的坏点排查以及结构的异常数据判别提供了科学的依据。     

基于时间序列的数据挖掘在证券中的应用

为更好地对股票数据进行分析,从理论上对数据挖掘中时间序列的产生、应用进行了研究,通过对时间序列处理以及相关性搜索的多种方法的比较和分析,设计一个以股票预测为对象的小型系统。该系统首先对时间序列进行适当的处理,然后进行相似性搜索,分析未来的短时间的走势是否是历史上的重现。同时对得到的结果进行了分析,实验结果表明,该方法能找到股票数据中历史上相似走势,并通过历史走势分析当前的走势。     

降雨与边坡地下水位关系的时间序列分析

针对边坡地下水位监测工程中存在的监测成本高且长期监测稳定性差的问题,提出以监测降雨量辅助地下水位监测的方案.考虑到降雨与地下水位的相关性,研究通过降雨量数据间接估计地下水位变化趋势的方法.将基于统计理论的单因素时间序列分析法,根据影响因素类别的数量拓展至多维空间,建立降雨-地下水位关系的多因素时间序列分析模型,探讨影响地下水位变化的各因素作用规律及滞后效应,分析降雨影响阈值.将建立的降雨-地下水位分析模型应用于官家村滑坡工程实践中,根据该滑坡的前期监测数据建立模型对地下水位进行长期预测,并与实测数据进行对比,验证了该模型在边坡地下水预测领域中的有效性.     

基于D-Markov模型的金融波动模式识别

将小波变换与符号时间序列分析相结合,引入工程领域的D-Markov模型,提出了一种用于金融波动变化模式识别和异常检测的方法。波动序列经过离散小波变换,产生小波系数序列,将小波系数序列符号化产生符号时间序列,建立符号时间序列的D-Markov模型,并求状态转移概率矩阵,计算各状态转移概率矩阵的状态概率向量与标准状态转移概率矩阵的状态概率向量之间的欧拉距离,从而得到异常度。基于得到的异常度识别金融波动变化模式,检测异常波动的发生。以上证综指的5分钟序列为样本实证分析,对该方法的可行性和有效性进行了验证。     

基于改进AP聚类与优化GRNN的非侵入式负荷分解研究

泛在电力物联网的提出推动了智慧用电、负荷监测等技术的大力发展,为解决传统非侵入式负荷监测与分解方法耗时长,辨识精度低等问题,文章提出了一种半监督学习聚类数据建立特征集并结合果蝇优化广义回归神经网络模型的负荷分解方法。首先,该方法利用输入的设备有功功率和电流数据采取半监督学习优化相似矩阵,以近邻传播聚类算法为基础挖掘出用电设备的运行状态特性以及功率信息,再使用数字编码方式将设备运行状态表示为分类标签,然后输入总有功功率、无功功率以及电流的时间序列数据和对应序列的分类标签矩阵,利用果蝇优化算法的寻优能力求得广义回归神经网络模型的最优Spread值完成模型优化和训练,随后输入测试时间序列数据,得到分类矩阵即各设备运行状态,并利用设备运行状态对应的功率信息进行总有功功率重构拟合,完成负荷分解。经仿真对比,此方法对所有用电设备运行状态辨识准确率达到86%左右,对单个用电设备运行状态辨识准确率达到96%左右,且耗时较短,显著提高了对负荷特性信息的挖掘能力和分解辨识能力。     

潘三新西风井井壁变形安全监测分析

为了反映井壁的安全状态,以淮南潘三矿新西风井井壁为研究背景,通过利用安全监测系统对2011年9月8日-2012年2月15日这段时间内的井壁钢筋混凝土的应力应变进行实测,得到并记录一系列监测点的数值,从而绘制出应力应变数值变化曲线,分析曲线变化趋势以便发现问题及时处理,以保证井筒的整体安全性。     

大型旋转机械非平稳时间序列预测模型的研究

目的 许多大型旋转机械运行工况恶劣,非平衡,非线性特征明显,以及各种突发性,偶然性因素的影响,给其于振动信号处理的状态预测和状态维护分析带来困难,为此研究了非平衡时间序列预测模型。方法 在分析传统时序模型振动烈度趋势预测适用性的基础上,提了适合于变工况非平稳状态的非平稳时序模型。结果和结论 该方法有效地剔除了用于预测的历史数据中的野值及奇异点,修正了预测结果。     

基于多传感器信息融合的大坝监测数据分析

大坝中的传感器(测点)在信息上存在相互印证关系.首先通过对具有相似变化规律的多个测点的监测数据进行标准化处理,将不同测点在同一时间的一次观测近似看作同一测点在相同观测条件下的重复观测.然后,运用常规统计理论,在大坝安全监控专家系统中实现异常值检测以及异常趋势识别.从而,及时发现大坝潜在的问题,为大坝安全监控提供可靠依据.