| GIL机械故障诊断与预警技术研究 |
| |
| 引用本文： | 王立宪,马宏忠,戴锋.GIL机械故障诊断与预警技术研究[J].电机与控制应用,2021,48(8):106-113. |
| |
| 作者姓名： | 王立宪 马宏忠 戴锋 |
| |
| 作者单位： | 1.河海大学 能源与电气学院，江苏 南京 211100;2.国网江苏省电力有限公司检修分公司，江苏 南京 211102 |
| |
| 基金项目： | 中国博士后科学基金项目(2020M671318)；中央高校基本科研任务经费项目(B200202173)；江苏省自然科学基金青年基金项目(BK20190490)；国网江苏省电力公司重点科技项目(J2020040) |
| |
| 摘 要： | 为了有效诊断气体绝缘金属封闭输电线路(GIL)的机械故障，搭建了110 kV GIL试验平台并设计了3种典型机械故障，通过互补集合经验模态分解(CEEMD)模糊熵值与鲸鱼优化极限学习机(WOA-ELM)模型联合方法对GIL机械故障模式进行识别与诊断。首先，利用CEEMD方法对振动信号进行分解，引入正负白噪声组对信号进行处理，得到含有故障信息的模态分量(IMF)。其次，利用模糊熵计算模态分量特征值，得到能表征故障特征的模糊熵值。最后，结合WOA-ELM模型对特征向量集进行模式识别，根据聚类结果与自适应阈值对GIL设备机械故障进行诊断和预警。结果表明，利用CEEMD与模糊熵对GIL振动信号特征进行分析，可以有效避免模态混叠和冗余噪声分量的干扰，得到能够表征故障特征的特征值；利用WOA-ELM模型可以有效实现GIL设备机械故障诊断与预警。
|
| 关 键 词： | 气体绝缘金属封闭输电线路 机械故障诊断 互补集合经验模态分解 模糊熵 鲸鱼优化极限学习机 |
| 收稿时间： | 2021/4/6 0:00:00 |
| 修稿时间： | 2021/6/7 0:00:00 |
Research on GIL Mechanical Fault Diagnosis and Early Warning Technology |
| |
| WANG Lixian,MA Hongzhong,DAI Feng.Research on GIL Mechanical Fault Diagnosis and Early Warning Technology[J].Electric Machines & Control Application,2021,48(8):106-113. |
| |
| Authors: | WANG Lixian MA Hongzhong DAI Feng |
| |
| Affiliation: | 1.College of Energy and Electrical Engineering, Hohai University, Nanjing 211100, China; 2.Maintenance Branch Company, State Grid Jiangsu Electric Power Co., Ltd., Nanjing 211102, China |
| |
| Abstract: | |
| |
| Keywords: | gas insulated transmission line mechanical fault diagnosis complementary ensemble empirical mode decomposition (CEEMD) fuzzy entropy whale optimization algorithm-extreme learning machine (WOA-ELM) |
|
| 点击此处可从《电机与控制应用》浏览原始摘要信息 |
|
点击此处可从《电机与控制应用》下载全文 |
