基于互信息的自动聚类算法在故障诊断过程中的应用

随着热工建模过程中参数的增多,根据参数之间的相关性进行分块建模成为降低模型复杂度、提高模型监测效果的有效手段之一。因此提出了一种基于互信息的自动聚类、分块建模方法。首先,获取参数之间的互信息矩阵,在此基础之上以训练数据的平均平方预测误差最小为标准,使用谱聚类算法对参数进行自动聚类。然后,分别建立每个子块对应的主成分分析(Principle component analysis, PCA)模型,并将所有子块的建模结果通过贝叶斯理论进行融合来对多个子块模型进行统一监测。最后,采用基于最小角度回归(Least angle regressions, LARS)的故障诊断方法定位故障发生的方向和幅值。通过数学案例的验证和电厂高温再热器的实际应用,表明了所提方法在故障监测和诊断方面的有效性。     

基于模糊聚类的含风电场发电系统可靠性分析

摘要： 风电出力的随机性和间歇性使得风电在接入发电系统时会对发电系统可靠性造成影响。考虑到风电出力与负荷之间存在一定的相关性,提出了一种基于模糊聚类的风电场多状态可靠性模型。模型根据风电场出力与负荷数据的分布情况,使用两维模糊聚类对数据进行状态划分,并计算各状态之间的转移概率,最后通过序贯蒙特卡罗模拟对含风电场发电系统进行可靠性评估。算例分析结果表明,所建模型能够很好地模拟出风电场出力和负荷的分时序列,且可靠性分析结果准确有效。     

基于模糊聚类的光伏组件功率输出模型研究

摘要： 在光伏组件工程用功率输出模型的基础上提出了一种改进模型。基于模糊聚类方法将多晶硅组件户外测试数据、环境参数以天为单位聚类,聚类结果为晴天、多云、阴天、雨天、多云转阴和多云转雨。再由每一类聚类结果依次分析组件输出功率与组件温度以及太阳辐照度之间关系,最后验证了该模型的准确性。     

基于聚焦式模糊聚类算法的数据挖掘故障诊断方法

针对现有的火电厂大型设备故障诊断精度较低的问题，提出一种基于聚焦式模糊聚类算法的数据挖掘故障诊断方法。它采用分段相关分析的方法在火电厂SCADA系统历史数据库查找故障征兆变量，然后利用聚焦式量化算法对故障征兆变量进行离散化，最后应用双向模糊聚类算法找出对应故障类型的关键数据。该方法避免了为诊断故障而附加的专门测试或试验，在降低费用的同时，减少了试验对设备造成的潜在威胁。故障诊断实例表明：其诊断精度在不同的月份介于91％～95％之间，可以满足现场应用的要求。参3     

基于免疫克隆与模糊聚类的汽轮机故障诊断方法的研究

提出了一种免疫克隆选择算法与模糊C-均值聚类算法相结合的混合聚类算法,是一种有监督学习和无监督学习结合的算法.该算法首先用克隆选择算法对模糊聚类中心的选取进行指导,然后进行聚类.仿真结果表明,将该算法用于汽轮机的故障诊断,能够正确地诊断出存在的故障,提高了故障诊断的准确性和有效性,其性能优于模糊C-均值聚类的故障诊断方法.     

蝗虫优化神经网络在变压器故障诊断中的应用

针对变压器故障诊断中传统BP神经网络算法准确率低、收敛速度慢、易陷入局部极小值及对初始参数较为敏感等的不足,提出一种基于蝗虫优化（GOA）算法的BP神经网络故障诊断方法。建立以变压器故障特征气体为输入、故障类别为输出的故障诊断模型,利用GOA高效的计算性能和优良的全局搜索能力对BP神经网络的权值和阈值进行参数优化。仿真结果表明,GOA优化后的BP神经网络模型相比于传统BP神经网络和基于遗传算法优化的BP神经网络,能够在保留广泛映射能力的前提下,提升网络的学习速度和全局搜索能力,进而缩短训练所需时间,提高故障诊断精度。     

回复电压法在变压器故障诊断中的应用

作为一种可用于电力变压器及电力电缆状态监测的非破坏性诊断工具之一．回复电压法正被广泛开展研究，该方法可提高检测绝缘系统中含水量及老化程度的能力，并能够表征绝缘状况及老化状态。基于回复电压法原理，利用油浸纸板进行极化现象研究．为解释其内在机理，引入扩展德拜模型，并在不同电路参数条件下，得到了不同的仿真结果，同时，在试验室内针对不同老化程度的试样进行回复电压试验，综合试验结果及理论分析，建立了极化与老化之间的关系。     

多层感知器在变压器故障诊断中的应用

提出采用多层感知器模型应用于变压器故障诊断系统,将遗传算法全局搜索能力强的特点和梯度下降法局部搜索能力强的特点有效结合,增强了神经网络模型的识别效果。     

回复电压法在变压器故障诊断中的应用

作为一种可用于电力变压器及电力电缆状态监测的非破坏性诊断工具之一,回复电压法正被广泛开展研究,该方法可提高检测绝缘系统中含水量及老化程度的能力,并能够表征绝缘状况及老化状态.基于回复电压法原理,利用油浸纸板进行极化现象研究,为解释其内在机理,引入扩展德拜模型,并在不同电路参数条件下,得到了不同的仿真结果,同时,在试验室内针对不同老化程度的试样进行回复电压试验,综合试验结果及理论分析,建立了极化与老化之间的关系.     

回复电压法在变压器故障诊断中的应用

作为一种可用于电力变压器及电力电缆状态监测的非破坏性诊断工具之一,回复电压法正被广泛开展研究,该方法可提高检测绝缘系统中含水量及老化程度的能力,并能够表征绝缘状况及老化状态。基于回复电压法原理,利用油浸纸板进行极化现象研究,为解释其内在机理,引入扩展德拜模型,并在不同电路参数条件下,得到了不同的仿真结果,同时,在试验室内针对不同老化程度的试样进行回复电压试验,综合试验结果及理论分析,建立了极化与老化之间的关系。     

基于加权中智C均值算法的变压器故障诊断模型

为提高变压器故障诊断准确度,提出了一种基于加权中智C均值算法的变压器故障诊断方法。该方法利用基于样本相似度的加权方法对样本特征进行加权,再引入中智理论对样本的分布重新分配,建立起基于加权中智C均值算法的变压器故障诊断模型。研究结果表明,该方法不仅弥补了传统FCM相同权重分配的不足,有效提高了故障诊断的准确率,且诊断结果产生的中智点对故障的变化预测具有重要意义。     

采用模糊集合论事故树法的变压器故障分析

应用基于模糊理论的模糊事故树分析方法对变压器进行故障分析,将故障率转换为模糊数故障率,并应用专家评分法对无统计资料的故障进行概率估计.阐述了转换成模糊数的途径,给出了该方法的一个应用实例.结果表明,采用模糊事故树分析方法具有很好的灵活性和适应性,应用于变压器故障分析和故障预防中具有很强的工程实用价值.     

基于改进的BP神经网络学习算法的变压器故障诊断

电力变压器的故障除了给其自身带来重大损失外,还对电力系统的安全造成很大影响。利用BP神经网络对变压器故障进行诊断,针对BP神经网络学习率的缺点,提出了一种跟踪型自适应学习率的确定方法,该方法仅需整定一个参数,有效地提高了BP神经网络的收敛性和训练时间,进而通过构建变压器故障诊断训练样本集,验证了该方法的可行性,获得了更精确的诊断结果。     

油色谱分析技术在变压器故障分析诊断中的应用

运用油中溶解气体色谱分析法,及时发现并分析了水口水电厂一台220 kV变压器油色谱的异常变化情况,指出其与变压器故障间的必然联系,为变压器故障诊断和维修提供了重要的参考依据.     

模糊数学在凝汽器故障诊断中的应用研究

将模糊数学理论应用到凝汽器故障诊断系统中，建立了模糊识别系统，确定了这一系统的隶属函数，并且计算出了症侯群对各种故障的隶属度，然后按隶属度对故障进行了归类，较好地解决了一些不确定因素对凝汽器产生的影响这一问题，并以实例验证了该模型识别凝汽器故障的准确性。实践证明，该模型简单实用，能有效地识别凝汽器故障。     

诊断键合图在动态系统故障诊断中的应用

基于解析冗余关系故障诊断方法的关键是建立解析冗余关系。系统键合图模型经过转换可以得到系统的诊断键合图模型,利用该模型中的虚拟传感器与系统组件的关系可以方便地建立系统解析冗余关系和具有残差方向的故障特征矩阵。然后,通过观测特征与故障特征的比较进行故障检测和隔离。通过在五箱系统的仿真验证,证明该方法是非常有效的。