基于双对数正态分布的电瓷型电气设备地震易损性研究

总结了110 kV和220 kV典型电气设备的地震易损性曲线研究成果,考虑不同研究成果的离散性,基于双对数正态分布给出了抗震能力中值、随机性和不确定性建议值。进一步开展220 kV变电站系统的抗震性能分析,定量评价了变电站的功能性。研究结果表明:双对数正态分布可以较好地反映电气设备地震易损性的离散性,尤其是模型、方法等原因导致的不确定性。变电站系统的抗震能力低于电气设备的抗震能力,设计中应采取措施提高变电站的冗余性。变电站系统抗震性能与电气设备抗震能力中值正相关,与随机性和不确定性呈负相关。

基于PSO的电气设备绝缘故障诊断系统设计

电气设备一旦发生绝缘故障,其运行状态的平稳性会急剧下降。为了解决该类问题,基于PSO设计了一种电气设备绝缘故障诊断系统。系统硬件由传感器、核心处理器和通讯器组成,传感器模块内部包含定性传感器与定量传感器,并将WQA427J524NC核心处理器作为中央处理器。分解高中低频三个波段的绝缘故障信息,确定特征矢量后,建立故障信息提取程序。利用PSO优化实现信息更新,通过提取数据内部有效信息建立设备故障诊断程序。实验结果表明,该系统对单一故障检测准确率高达99%,对复合故障的检测准确率达到95%,具有较好的诊断能力。

基于轻量化YOLOv5的电气设备外部缺陷检测

为了提高变电站电气设备外部缺陷实时检测的精度,同时让检测模型更加轻量化,提出了一种基于轻量化YOLOv5的电气设备外部缺陷检测方法。首先,构建电气设备外部缺陷图像数据集并进行数据增强处理。其次,采用3种优化策略对原YOLOv5进行改进:通过引入EfficientViT网络改进算法主干网络,减少模型参数量,并在算法Neck部分中加入SimAM无参数注意力机制来提高变电站复杂背景下的识别精度,同时采用Soft-NMS模块来改进检测框筛选方式,避免出现缺陷漏检现象。最后,通过消融实验进行验证。结果表明:轻量化后的电气设备外部缺陷检测模型mAP值稳定在86.4%,与原模型相比提高了1.2百分点,模型参数量减少了20%,计算量减少了38%,模型大小为11 MB,比原模型减少了19.7%。改进后的模型能够满足设备外部缺陷实时检测的要求,可以实现模型的轻量化部署。

基于卷积神经网络的电气设备故障诊断研究

电气设备在工业生产中具有重要作用。由于长期运行和环境因素的影响,电气设备难免会出现故障,因此,快速准确地进行电气设备故障诊断尤为重要。文章通过总结探讨将卷积神经网络应用于电气设备故障诊断的技术原理、关键操作流程、故障诊断程序及应用难点后认为,可通过优化网络结构、改进数据预处理方法、模型迁移应用以及与其他故障诊断方法融合,来提高电气设备故障诊断的效率和准确性。

基于YOLOv5s和Android部署的电气设备识别

针对变电站多种电气设备实时检测的需求,提出了一种基于改进YOLOv5s的电气设备识别方法,并设计基于Android部署的电气设备识别APP,以便对电气设备进行识别与学习。以电力变压器、绝缘子串等6种常见变电站电气设备为例构建图像数据集。数据集进行图像预处理后对YOLOv5s算法进行改进。通过引入C2f模块提高小目标检测精度,采用Soft-NMS提高检测框筛选能力,减少漏检和误检的情况,使用改进后的算法对数据集进行模型训练。将训练好的识别网络模型通过TensorFlow Lite框架进行模型部署,设计电气设备识别APP。经验证,改进后的变电站电气设备识别网络模型mAP稳定在91.6%,与原模型相比提高了3.3百分点。部署后的APP具有设备识别和设备介绍等界面,使用移动端进行识别时每张图片识别时间都小于1 s,具有较快的识别速度和较高的识别精度,可以高效地实现变电站电气设备的实时检测与设备学习。

基于多源信息融合的船舶电气设备状态识别方法

为可靠掌握船舶电气设备状态,保证设备的运行安全,提出多源信息融合的船舶电气设备状态识别方法。采用时间序列模型检测并修正船舶电气设备多源历史数据中的连续异常数据和独立异常数据;基于联合卡尔曼滤波算法融合修正后的电气设备多源历史数据,依据融合后的多源数据训练谱聚类和深度神经网络,构建船舶电气设备状态识别网络模型,结合电气设备的实时运行数据,识别船舶电气设备状态。测试结果显示,该方法能够确定数据中的连续异常数据和独立异常数据,并且完成所有异常数据的修正,保证数据的完整性;离散度结果均在0.016以下;能够完成电气设备正常状态、异常状态以及紧急状态的识别,最小均方根误差值均在0.0044以下,识别效果良好。

基于物联网技术的变电站电气设备故障监测研究

针对现有监测方法在对变电站电气设备故障监测时,监测结果精度低、监测存在较大时延,影响监测准确性和时效性的问题,引入物联网技术,开展变电站电气设备故障监测研究。采集变电站电气设备运行数据,并对数据进行拟合处理。利用物联网技术,构建故障监测通信网络拓扑结构。通过介质损耗因数计算,实现变电站电气设备故障实时监测与故障类型判定。通过对比实验证明,该监测方法监测到的数据更接近实际数据,且监测时延较小,具备极高的监测准确性和时效性。

基于PLC的数控机床电气设备电压稳态控制研究

数控机床电气设备的电压稳态控制的网络损耗高,导致控制效果差,提出基于PLC的数控机床电气设备电压稳态控制研究。根据电气设备等效电路,分析数控机床电气设备无功输出原理,通过压降计算原理,计算数控机床电气设备间的压降,设计电气设备电压稳态控制方案,实现数控机床电气设备的电压稳态PLC控制。实验结果表明,设计方法将数控机床电气设备网络损耗控制在25 W以内,从而保证数控机床电气设备的安全稳定运行,该方法具备可行性和有效性。

电气设备维护管理系统中的变压器健康评估与维护决策支持

电气设备维护管理系统在现代工业中起着至关重要的作用。变压器是电力系统的核心组成部分之一,其健康状态对电力系统的稳定运行至关重要。文章分析了电气设备维护管理系统的设计特点,着重关注了变压器健康评估与维护决策支持。讨论了变压器健康评估的难点和挑战,以及在电气设备维护管理系统中采用的有效策略。通过案例分析介绍了某华南化工厂变压器健康评估项目的实际应用,以期为未来电气设备维护管理系统的发展提供参考和借鉴。

引起船舶电气设备常见故障的因素

船舶电气设备是船舶的重要组成,关系到船舶行驶的安全性。由于海上环境较为复杂恶劣,空气湿度相对较大,电化学腐蚀严重,电气设备管理与维护面临严峻的挑战,针对不同的风险因素需要采取不同的应对策略。本文结合船舶电气故障的日常使用,对电气设备常见故障的影响因素展开分析,旨在进一步探讨相关因素在船舶电气设备故障中的作用和关系,为电气设备的故障处理工作提供客观参考。

基于物联网传感技术的重点电气设备间环境动态监控

常规的重点电气设备间环境动态监控方法主要使用LoRa模块生成多点监控自组网,易受中继单元数据信息应答作用影响,导致监控异常,因此,设计了一种基于物联网传感技术的重点电气设备间环境动态监控方法,即利用物联网传感技术采集电气设备间的环境动态监控信息,生成重点设备间环境动态监控告警事件处置流程,还设计了电气设备间环境动态监控算法,以实现重点电气设备间环境的动态监控。结果表明,设计的基于物联网传感技术的重点电气设备间环境动态监控方法的监控效果较好,温度、湿度等监测指标与实际一致,具有可靠性及一定的应用价值,为提高电气设备间安全性,降低电气设备的运行风险作出了一定贡献。

光伏电站电气设备运行维护检修方法创新探索

介绍了光伏电站电气设备的组成和功能,并针对运行维护检修中存在的问题进行深入分析,提出相应的解决方案和改进措施。通过引入智能化巡检系统、建立远程监控平台和加强人员培训等措施,可以进一步提高光伏电站电气设备的运行效率和维护水平,降低故障发生率,提高电站的经济效益和社会效益。

基于LSTM神经网络的牵引站电气设备耦联体系地震响应预测

铁路牵引变电站中,软导线-电气设备耦联体系具有较强的几何非线性。为提升系统分析效率,提出一种改进的软导线-电气设备耦联体系地震响应递归预测方法。基于长短期记忆(long short-term memory,LSTM)神经网络与Dropout防止过拟合技术搭建了LSTM神经网络预测模型。建立了充分考虑软导线对相邻设备的耦联作用的软导线-电气设备耦联体系理论分析模型。为验证预测模型的泛化能力,筛选出了41条在峰值、频谱和持续时间上具有较大差异的地震波。并按照递归方案,将选取的地震波以及软导线-电气设备耦联体系理论分析模型计算所得的位移响应,进行滑动切片处理,建立模型输入特征与输出响应标签的映射关系。在此基础上,利用该LSTM神经网络预测模型开展了软导线-电气设备耦联体系设备的地震位移响应预测,并采用多个评价指标进行较为全面的模型性能评估。研究结果表明:LSTM递归预测模型具有良好的地震响应预测性能,搭配Dropout技术能够有效防止模型训练过拟合,提高模型适应能力。对于差异较大的地震波数据,均能够快速预测出误差较小、相关度较高的地震响应,具有较好的准确性、高效性与泛化能力。所提方法能够较高效准确地预测任意时刻的软导线-电气设备耦联体系地震响应,为铁路牵引变电站抗震设计提供新的研究思路。

防爆电气设备的安全问题与改进策略探讨

防爆电气设备的应用范围十分广泛,在化工、电力、石油等领域中应用较多,主要用于防止易燃、易爆的危险气体进入电气设备内部。然而,当前防爆电气设备在使用过程中还存在一些安全问题,例如在选型、安装和使用等过程中均存在一定困难,对电气设备的使用安全和稳定性产生影响。为了促进防爆电气设备在实际应用中的安全性能得到有效提升,本文将对防爆电气设备存在的安全问题进行分析,并提出相应的改进策略,以保证防爆电气设备在使用过程中具备更好的安全性。

基于无线传感网络的电气设备温度智能监测系统

为防止由于温度异常造成的电气设备故障,提出基于无线传感网络的电气设备温度智能监测系统。利用无线传感网络及ZigBee网络采集节点,低功耗采集并传输电气设备温度信息到监测中心,利用DNN网络构建电气设备温度监测智能分析模型,实现电气设备温度的实时输出与处理。实验表明,该系统的信息传输功耗较低;可精准监测电气设备温度,可通过界面形式展现监测结果。

智能化技术在电气设备监控与故障诊断中的应用探究

本文研究了智能化技术在电气设备监控与故障诊断中的应用。首先介绍了智能化技术的定义和发展,探讨了其在电气设备领域的应用前景。随后详细分析了电气设备监控技术的原理和方法,以及故障诊断技术的特点和优势。接着针对智能化技术在电气设备中的具体应用案例,包括智能化高压开关柜监控与故障诊断技术、智能化变压器状态诊断与检修技术、智能化电缆线路状态检测与维护技术进行了深入探讨。最后,对智能化技术在电气设备监控与故障诊断中的挑战与展望进行了分析,提出了技术挑战解决方案、成本和效益分析、未来发展趋势等建议。通过这项研究,我们得出了智能化技术在电气设备监控与故障诊断中的重要意义和潜在机遇,为相关领域的研究和实践提供了有益的启示。

工学一体化教学改革研究——以汽车电气设备故障诊断与修复课程为例

该文进行工学一体化教学模式相关概述,探讨汽车电气设备故障诊断与修复课程改革内容,分析工学一体化教学模式在汽车电气设备故障诊断与修复课程中的实践应用,并通过课程设计的创新和教学方法的调整,培养学生的操作技能和解决问题的能力,提高他们的综合素质。

基于热红外图像的船舶电气设备状态异常检测研究

可靠掌握电气设备的运行状态,是保证船舶安全航行的基础。因此,提出基于热红外图像的船舶电气设备状态异常检测方法。该方法依据红外成像技术获取船舶电气设备成像,获取其热红外图像结果,并计算电气设备温度概率密度函数,以此描述电气设备的温度分布特征。将该概率密度函数计算结果输入具备增量学习的宽度学习算法中,完成船舶电气设备不同异常状态检测。测试结果显示,将温度概率密度作为电气设备状态异常检测依据,能够更好地区分电气设备的正常放热以及故障升温;AUC的测试结果均在0.94以上,可确定电气设备运行过程中的不同程度异常状态。

电气设备复合绝缘结构的太赫兹无损检测综述

在电气设备复合绝缘结构检测方面,基于声、光、电、磁等物理量、化学组分和微观特征的检测方法得到广泛应用,但难以实现无损可视化表征。相比之下,太赫兹检测技术利用太赫兹波的光学和电磁学特性可以有效反演出被测物的结构特征和介电特性,较传统检测方法具有无损可在线测量的明显优势。为此,该文总结了当前太赫兹无损检测技术在电气设备复合绝缘结构检测方面的研究现状。首先,系统介绍了太赫兹检测方法的原理及系统,并与传统检测手段进行了比较;其次,重点总结了太赫兹时域和频域光谱及其成像技术在复合绝缘材料老化和缺陷检测中的实际应用,包括缺陷的识别和定位、组分鉴定及老化状态评估等;最后,对太赫兹无损检测技术在该领域的发展前景进行了展望。希冀该综述可帮助相关研究人员快速了解太赫兹无损检测技术在电气设备状态诊断方面的研究和应用情况,并对同类问题提供解决思路。

混频输入下基于MF-LSTM的电气设备故障诊断方法

针对多型传感器采样频率不统一,现有机器学习算法难以有效处理混频数据输入,无法充分挖掘混频信号中的设备故障特征的问题,首先提出一种混频数据输入下的长短时记忆网络(multi-frequency long and short term memory network,MF-LSTM)架构;然后,对不同采样频率的状态数据分别进行特征提取并进行特征融合,实现混频数据输入下的电气设备的故障诊断任务;最后,利用凯斯西储大学轴承数据集对所提模型进行了算例验证,结果表明:相比于单频信号输入,混频输入平均提高故障诊断精度1.72%。该实验结果证明了所提出的基于MF-LSTM的故障诊断框架的有效性和混频数据输入的必要性。