共查询到20条相似文献,搜索用时 74 毫秒
1.
2.
3.
4.
为了提高变电站接地网导体断点故障诊断的效率和精度,提出了一种新的接地网断点诊断方法,即以现有的电网络分析法、电磁感应法的评价指标为证据来源,引入信息融合理论,研究可信度的分配方法、建立信息融合故障诊断模型,将此两个评价指标进行融合,从而实现电力设备多种检测手段的结合,对接地网断点故障进行诊断。给出了接地网断点诊断的实例,其仿真计算和诊断结果表明,与任何单一检测手段相比,故障诊断的可靠性得到了明显提高。 相似文献
5.
为了实现变电站接地网断点无损检测,首次提出将瞬变电磁法用于断点诊断的新方法,在地面上施加一个斜阶跃关断的脉冲信号,通过对接地网感应信号的检测,反演计算视电阻率并快速成像,从视电阻率断面图中直观诊断接地网断点故障情况。采用Ansoft Maxwell软件正演计算接地网瞬变电磁响应信号,通过接地网完好与存在断点两种情况的视电阻率成像图对比,说明方法的可行性。在变电站开展接地网断点诊断实验,结果充分论证了方法的有效性,作为一种简便、高效的接地网断点无损检测方法,可用于工程实际。 相似文献
6.
7.
输电线路杆塔接地网在外延、垂直接地降阻措施受限时常采用辅助降阻材料降阻,实际杆塔接地工程采用接地模块进行接地降阻时缺少统一规范的指导,在应用时存在一些盲目施工、降阻效率低等问题。本文采用防雷接地领域中通用CDEGS软件对输电线路杆塔接地网采用接地模块降阻时的影响因素进行仿真计算。首先,针对一字型接地网采用接地模块时的敷设位置和密度进行仿真;其次,对常见的方框射线型接地网采用接地模块降阻时的降阻效率进行分析;随后,分别分析了土壤电阻率与土壤结构对接地模块降阻效率的影响规律;最后,针对实际输电线路采用接地模块降阻给出相应施工建议。本文研究结论可为输电线路防雷、杆塔接地网降阻施工提供参考。 相似文献
9.
10.
针对与发电厂、运行变电站接地网相连的架空避雷线、电力电缆外护套分流电流导致的接地网接地阻抗测量误差问题,提出了利用杆塔分流测量技术精确测量接地网阻抗的方法,即向接地网注入异频测试电流,由在测量点的测量设备主机实时采样、记录测试电流幅值和相角,将测试电流波形信号在测量区域无线发射。同时,在变电站出线各构架基脚处接收该信号,用柔性罗氏线圈测量各构架基脚所流过的异频电流的模值和相角,进而确定分流电流值并计算分流电流和,在测试电流中去除该分流电流和,准确计算出接地网的实际电流值及接地网接地阻抗值。该方法可提高大型接地网接地特性参数测试的准确性。 相似文献
11.
提出一种基于多任务深度学习的故障诊断方法,将故障诊断任务分为故障分类和损伤程度识别.共享层采用卷积神经网络提取监测振动信号中蕴含的故障特征信息,两个子任务模块使用门控循环单元从共享层的输出中进一步提取特征,进行故障分类和损伤程度识别.在多任务深度学习方法中两个子任务模块可以通过共享层相互影响,提高模型的特征提取能力,获... 相似文献
12.
针对传统浅层轴承故障诊断方法依赖于人工特征提取和诊断专业知识从而缺乏自适应性问题,结合卷积神经网络善于识别二维形状的特点,提出一种基于深度卷积神经网络的故障诊断方法(DCNN)。首先,为充分展现滚动轴承故障特征信息,利用短时傅里叶变换得到滚动轴承振动时间序列的二维时频谱;其次,通过卷积神经网络自适应提取时频谱中不同故障特征;最后,将提取的轴承故障特征利用Softmax分类器输出诊断结果,实现轴承故障诊断。通过实测故障轴承数据对该方法进行验证,结果表明DCNN在多故障、变负载的轴承故障诊断准确率高达99.9%,证明了所提方法具有良好的泛化性能和可行性。 相似文献
13.
14.
变压器是电力系统中的重要设备,其安全与稳定直接影响着国民经济的健康发展。油中溶解气体分析(Dissolved Gas Analysis,DGA)是分析变压器故障类别的重要手段。卷积神经网络是深度学习的一种模型,广泛应用于图像识别、语音处理等领域,具有非常好的分类能力。文章选取了变压器的五种油中溶解气体含量作为模型输入量,在借鉴传统浅层BP神经网络油中气体分析方法的基础上,针对BP神经网络表达能力不足以及容易过拟合的缺点,将卷积神经网络应用于变压器故障诊断,并与BP神经网络的分类效果进行了对比,通过算例研究证明了卷积神经网络的效果更优。文章也对卷积神经网络的卷积核个数、卷积核大小以及采样宽度对分类效果的影响进行了探讨。 相似文献
15.
针对无绝缘轨道电路故障的随机性和复杂性,采用单一诊断模型存在提取特征片面,且模型结构经验设计不合理的问题,提出一种智能优化深度网络的故障诊断方法。首先以轨道电路信号集中监测系统的6个电压检测量建立故障特征集,使用卷积神经网络(CNN)提取特征空间信息,长短期记忆网络(LSTM)提取时间特征信息,从而让轨道电路故障诊断所提取的特征兼具时空信息;同时,引入遗传算法(GA)优化上述深度神经网络的结构及参数,并结合强化学习中的Q-learning方法对两个组合网络特征级的输出权重进一步优化;最后,使用多层感知器(MLP)对深度网络的分类误差进行拟合修正,提高模型对轨道电路的故障诊断精度。仿真结果表明,利用智能优化的深度网络模型对轨道电路的故障诊断相较于单一模型、精炼设计的组合模型识别率可达99.28%,评价指标等均有所提升,具有更高的故障诊断准确度,证明了智能优化深度网络能进一步提高轨道电路的故障诊断性能。 相似文献
16.
17.
对模拟电路故障诊断中的故障特征提取进行了研究,引入了卷积神经网络模型,提出了一种基于时间卷积神经网络的模拟电路故障诊断方法,在四阶Butterworth低通滤波器电路上分别对不同深度的时间卷积网络进行分类对比实验,实验结果证实了深度时间卷积网络在故障特征提取中的有效性。同时设计实验对比了时间卷积神经网络、SAE-SOFTMAX、深度信念网络和长短期记忆网络的特征提取能力,结果表明,时间卷积神经网络模型在模拟电路故障诊断中能够提取出更能反映数据本质的特征,取得更好的诊断准确率。 相似文献
18.
在天然气钢质管道腐蚀缺陷超声检测中,常规模式识别采用人工提取回波信号的方法,存在主观性强、普适性低的问
题。 基于此,本文提出用一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)提取回波信号的特征结合随
机森林(random forest RF) 分类的方法。 首先根据实验获取的回波信号的噪声情况,用小波包变换(wavelet packet transform
WPT)对信号进行去噪;并用变分模态分解( variational model decomposition VMD)对去噪后的信号进行分解和重构以获得平滑
的信号;最后将处理好的回波信号进行 1D-CNN 网络特征提取和随机森林分类。 实验结果表明,基于 VMD-1D-CNN-RF 的天然
气钢质管道缺陷检测方法针对人造缺陷的识别准确率为 85. 71%,针对天然气站场的管道缺陷识别准确率为 71. 05%,表明无需
专家识别也可初步判别管道状况。 相似文献
19.
20.
针对地网腐蚀后接地阻抗以及地表点位变化的问题,采用基于不等电位的节点电压法,计算了接地网腐蚀前后接地阻抗以及地表点位的变化情况。该方法可判断地网的腐蚀严重情况;可根据具体的腐蚀情况提供地网腐蚀后的改造方案。该模型对于入地电流频率在几十千赫兹下仍可考察地网的运行情况。 相似文献