电源电压不稳对主电机的危害

北人胶印机使用的主电机是电磁调速电动机,其性能稳定,只要正确的使用与维护,其使用寿命一般都在10年以上;但该电机损坏故障也较多。本厂一台北人08机在夜间电机损坏,因该机主电机已经使用12年,便认为是绝缘老化造成的,而未引起重视。没过多久,本厂一台北人05机主电机也坏了,因该机使用不到5年,引起了我们的重视,检查时,发现该机主电机很烫,显然该主电机的温度超过铭牌上所允许的温升范围。而引     

震动引起的电路故障二例

故障1J2108机在印刷过程中,反复出现墨停现象,造成质量事故,发现墨停,重按下墨开按钮,过一会儿墨又会自动停掉。有以下几种原因可以造成这种故障:(1)墨开接触器的自锁接触不良(2)墨停按钮的常闭触头接触不良;(3)墨开电磁铁接触不良,经过检查,发现并非上述故障.后来在墨开状态下,开动机器,发现当墨开接触器附近的接触器做吸合,释放动作时,墨开接触器就跳开.用万用表测墨开接     

基于气象数据降维与混合深度学习的短期电力负荷预测

精确的短期负荷预测能通过预知所需用电负荷来指导电网的调度运行。但电力负荷不仅与用户用电习惯相关，还容易受到温度、湿度等气象因素的影响。因此，文章在现有的使用负荷历史数据基础上，增加了影响区域型电力负荷的气象数据，并考虑高维气象参量数据对预测算法的过拟合问题，提出了基于稀疏核主成分分析(sparse kernel principal component analysis, SKPCA)的高维气象数据降维方法。进而以历史负荷功率和SKPCA重构后主成分为输入，构建了基于卷积神经网络(convolutional neural network, CNN)和长短时记忆(long-short-term memory, LSTM)神经网络的混合深度学习预测模型。CNN-LSTM模型可以同时提取负荷功率及气象数据的空间和时间相关特征，从而全面利用数据的时-空相关性特征，提升负荷功率的短期预测精度。相比于常见的数据降维和负荷预测方法，文章所提方法的数据维度降低了71.43%,预测精度达到了98.92%。结果表明，所提算法融合通过SKPCA降维后的气象数据能够显著提升区域型电力短期负荷预测准确度。