基于粒子群K均值算法的变压器在线故障诊断研究

文章提出了基于粒子群K均值算法的变压器在线故障诊断方法。首先通过K均值算法得到代表各种变压器故障类型的三比值,然后利用粒子群算法进行优化。当改良的三比值法由于缺码不能进行分析时,计算待判样本的三比值到各类故障对应三比值的距离,选择距离最小的三比值对应的故障类型为该样本的故障。然后结合在线监测数据,利用专家规则库融合多参量对故障进行综合诊断。最后通过实例验证了文章方法的可行性和有效性。     

变压器在线监测设备优选研究

为提高变压器在线监测装置的可靠性及监测数据的准确性,基于国网公司调研材料,统计分析了变压器设备状态监测技术的应用情况和状态监测装置的可靠性与有效性,并给出了总体配置原则及优选评价方法,提出变压器在线监测项目推荐安装油色谱监测装置和铁芯接地电流监测装置,采用局部放电带电检测代替在线监测等建议。     

基于Drools的变压器故障诊断专家系统

针对现有的变压器故障诊断系统普遍存在知识固化的问题,提出了一种基于Drools的变压器故障诊断专家系统。首先,利用Drools框架搭建变压器故障诊断专家系统的架构,实现规则文件与逻辑文件的分离;然后,结合真实案例与权威专家的经验,从过热、放电、绝缘和绕组变形四大类故障入手,确定故障模式。选取机械性能、电气性能和热性能三个方面中最能反映变压器状态变化的特征量,并与故障模式相关联,构建专家规则库;最后,使用Java代码编写Drools专家系统,利用规则库实现变压器的故障诊断。实践证明,系统具有较快的反应能力和准确的诊断能力,具备较好的工程推广价值。     

基于GPU的GRAPES数值预报系统中RRTM模块的并行化研究

GRAPES(Global and Regional Assimilation and Prediction System)是由中国气象科学研究院自主研究开发的中国新一代数值天气预报系统,由于其处理的数据量非常庞大以及对实时性的要求较高,因此一直是并行计算领域研究的热点。首次运用GPU(图形处理器)通用计算及CUDA技术对CRAPES_Meso。模式中物理过程的RRTM(快速辐射传输模式)长波辐射模块进行并行化处理。在性能分析的基础上,针对GPU体系结构的特点,从代码优化、存储器优化、编译选项等方面对程序性能进行优化,并取得了14X倍的加速比。经过测试表明,长波辐射RRTM模块在GPU上并行计算过程正确、稳定而且有效,并为GRAPES系统未来在GPU平台上的并行化发展奠定了一定的基础。