基于深度学习的智能变电站通信链路故障定位方法

针对智能变电站通信链路故障定位因链路复杂导致排查效率低的问题,提出了基于深度学习的智能变电站通信链路故障定位方法。从智能变电站二次装置网络拓扑出发,构建网络连通矩阵并作为基准,提出了通信链路故障情形下的故障特征表征方法;进一步基于二次装置连接与运行状态之间的逻辑关系,构建全站故障样本集;应用改进卷积神经网络（CNN）,搭建智能变电站通信链路故障定位模型,最终通过后台信息初步判定的故障间隔信息与模型输出结果共同实现故障链路精确定位。以220kV智能变电站部分间隔为例,构建故障样本集,通过结果分析对比了不同定位方法,对比结果表明所提定位方法具有较高的准确率。     

基于深度学习的智能变电站二次设备故障定位研究

为提高智能变电站二次设备故障定位的准确率和运维效率,提出一种基于深度学习的智能变电站二次设备故障定位方法.依据二次设备不同模块故障时的特征信息,梳理故障定位的推理知识库;结合二次设备的自检信息、报文的订阅关系以及采样值提出了故障断面的特征信息表征方式;利用深度学习的训练规则,建立基于循环神经网络的二次设备故障定位模型并...     

基于深度置信网络的电力系统故障诊断方法

当前电力系统故障诊断节点多为目标式设定结构,诊断效率较低,导致故障诊断的F1接近0,故基于深度置信网络设计一种电力系统故障诊断方法并对其进行验证分析。根据当前的测试需求,采用多层级的方式,提升整体的诊断效率,部署多层级故障数据采集节点。以此为基础,进行故障特征提取,构建深度置信网络电力系统故障诊断模型,采用交叉核验评定的方式来实现故障诊断处理。测试结果表明,通过4个周期的阶段性测定与比对,最终该电力系统故障诊断的F1值为1,为最佳的诊断结果,说明在深度置信网络的辅助和支持下,设计的诊断方法更为精准、高效,具有实际的应用价值。     

智能变电站通信网络状态评价方法

针对现有的智能变电站通信网络状态评价中存在过多人为因素的问题,在智能变电站体系结构的基础上,提出一种基于T-S模糊神经网络和模糊C-均值聚类的智能变电站通信网络状态评价模型,并通过实例验证该模型的有效性和可靠性.结果表明,该方法能有效地评价通信网络状态,在工程中具有一定的应用价值.     

基于模糊因果网络的智能变电站故障诊断应用

变电站故障诊断对于事故后系统快速恢复正常运行具有重要的意义。针对变电站故障诊断中不确定信息的多源性和故障诊断的实时性,以变电站的保护信息为基础,提出了基于模糊因果网络（FCE-Nets）的变电站故障诊断方法。根据变电站各保护间的因果关系将元件分成三类基本关联节点,通过故障电气量关联函数改进保护信息的缺失校核机制,利用FCE-Nets进行逆向推理。在云会智能变电站上的应用表明,在变电站发生告警时本方法能够及时有效地进行故障诊断。     

基于深度学习的声源无网格定位及量化方法

波束形成技术是一种常用的声源定位方法,但在多数研究中声源强度往往没有考虑到。为准确定位和量化复杂环境下的单一点声源,本文在常规波束形成图的基础上,提出一种基于残差网络的声源定位及其强度估计方法,旨在精确预测点声源的位置和强度。研究采用Acoular软件模拟时间信号,对神经网络进行训练得到预测模型,并通过计算机仿真对深度神经网络能否从麦克风阵列数据中得到单一点源的精确描述进行了验证。结果表明,该方法不仅能够快速准确地给出单一点声源的位置和强度,其中距离误差edist / ∆x ≈ 0.15,水平误差均值,且对于较大的频率有更好的预测效果。     

智能变电站通信网络的现场测试

对智能变电站通信网络测试技术进行研究,根据智能变电站现场实际配置,搭建了模拟测试平台,提出了智能变电站通信网络功能和性能现场测试方案,并对性能指标提出了具体要求.     

基于深度学习的室内定位系统设计与实现

设计并实现了一个基于深度学习的室内定位系统,该系统分为信息采集模块、地磁定位模块、深度神经网络定位模块及联合定位模块4个模块。首先利用智能手机传感器采集室内地磁信号,以地理位置为标签保存为位置指纹文件。通过粒子滤波算法计算得出用户地理位置。然后使用深度神经网络模型和当前扫描的数据预测行人位置,最后对用户位置进行校正,消除地磁定位的累计误差。将基于深度学习的室内定位方法在Android平台实现并进行相应测试。实验结果表明,改进后的地磁室内定位的平均误差为2.2m,较只使用地磁定位技术进行定位时,定位误差平均降低了2.3m,具有更高的定位精度。     

智能变电站通信网络可靠性研究

智能变电站建设对通信系统的可靠性提出了更高的要求。本文依照电子产品可靠度的一般分析方法,得出了变电站内单环形网、单星形网和双星形网的可靠度及平均无故障运行时间的计算公式。计算结果表明环形网络结构的可靠度优于星形。为提高变电站通信网络的可靠性,宜选用性能优良的标准工业以太网交换机。尽量减少交换机台数,缩短信息传输距离,合...     

基于改进卷积深度置信网络的轴承故障诊断研究

机械设备故障诊断在工业应用中具有重要的意义。传统的基于振动信号处理与分析的故障诊断方法,依赖于丰富的专业知识和人工经验,难以保证准确的特征提取与故障诊断。利用深度学习方法可以自动学习数据深层次特征的特点,提出一种基于改进卷积深度置信网络的滚动轴承故障定性、定量诊断方法。首先,为了提供较好的浅层输入,将原始振动信号转换至频域信号;其次,在模型训练过程中,引入Adam优化器,加快模型训练,提高模型收敛速度;最后,为了充分发挥模型各层特征表征能力,对模型结构进行优化,提出多层特征融合学习结构,以提高模型的泛化能力。实验结果表明,所提出的改进模型相比于传统的栈式自动编码器、人工神经网络、深度置信网络以及标准卷积深度信念网络,具有更好的诊断精度,有效地实现了轴承故障的定性、定量化诊断。     

基于IEC 61850智能变电站MMS通信仿真平台的研制与应用

依据坚强智能电网建设需求,基于IEC 61850标准设计了智能变电站MMS通信仿真平台测试系统,实现了间隔层装置仿真与站控层之间的MMS数据通信,仿真数据源稳定、可控、自动,并完成MMS通信网络大数据监视。阐述了智能变电站MMS通信仿真平台的系统设计及功能实现,并对系统功能特点和应用效果进行了分析。     

面向智能变电站通信网络可靠性研究

智能变电站通信系统故障时的零恢复时间和零数据帧丢失问题,传统的冗余机制无法解决.针对这一问题,以智能变电站通信网络的可靠性为研究对象,提出一种并行冗余协议和高可用性无缝环网协议相结合的系统模型.建立站控制层使用并行冗余协议,过程层使用高可用性无缝环网协议的模型,通过可靠性框图和成功流法进行可靠性评估.通过算例验证了所提...     

基于深度特征融合网络的风电机组行星齿轮箱故障诊断方法

行星齿轮箱是风电机组中的重要部件,对风电机组的安全可靠运行具有重要意义。为此,提出一种基于深度特征融合网络的行星齿轮箱故障诊断方法,用于实现变速工况、样本不足和强噪声场景下的故障诊断。首先将原始信号扩展到多个特征域。其次利用多维堆栈稀疏自编码器提取各域特征。最后针对传统Softmax分类器对融合信息分类能力不足的问题,提出基于竞争粒子群算法优化的回声状态网络进行特征融合并输出诊断结果。经多场景不同故障诊断方法对比实验,所提方法在行星齿轮箱变速工况下分类效果良好,并对训练样本的减少和外界噪声有很强的鲁棒性。     

基于深度信念网络的开关柜故障诊断

为了准确诊断开关柜故障,提出基于ReLU深度信念网络的35 kV开关柜诊断模型。首先布置不同传感器测点,获取各类信号源后从中提取敏感状态特征参量,输入到深度信念网络模型中,最终根据网络输出结果进行开关柜状态判定。实测数据验证了所述方法用于35 kV开关柜故障诊断的可行性和先进性。该方法对于实际工程应用具有一定参考借鉴价值。     

基于监测数据的智能变电站遥控信息故障诊断方法研究

智能变电站采用先进的电子传感器技术,以高速通信网络的方式实现二次设备间的信息共享,取代了传统物理光纤通信的方式。当站内出现继电保护遥控信号逻辑控制故障时,难以确定故障原因及具体故障位置,对此提出一种基于监测数据的智能变电站遥控信息故障诊断方法,通过建立遥控信息通信链路数据模型,预置各节点数据,同时采集遥控信息通信链路中各节点实际数据值,根据两者数据差异情况实现遥控信息故障诊断定位。     

智能变电站通信故障的研究与分析

针对智能变电站通信系统故障问题,从实际出发,对智能变电站常见的通信故障问题进行分析,结合数据 统计及理论分析提出解决网络风暴、数据缓存溢出的方法.将所提方法应用于智能变电站后,对变电站通信系统进行 调试及试验,试验结果表明所提出的网络风暴抑制方法及加装“软件狗”程序方法可有效减少瞬时网络流量较大和交 换机数据缓存溢出问题导致的通信系统故障,对变电站的安全高效运行具有重要的作用.     

智能变电站过程层网络报文特性分析与通信配置研究

过程层网络的通信性能对智能变电站的安全稳定运行起着关键的决定作用。而通信以太网络的不透明、不可视,使过程层网络通信过程不可控,这成为智能变电站发展的瓶颈。以过程层网络报文特性为切入点,对典型智能变电站——琴韵变的过程层网络报文特征进行分析,进而对过程层网络的通信特性做出研究,指出现有过程层网络通信配置中的一些不足,并给出了改进办法。这在一定程度上使过程层网络变得透明、可控,并对智能变电站的建设工作具有一定的探索性参考意义。