基于深度学习的水电机组健康评估系统设计

大型水电机组装备复杂,故障原因耦合复杂,信号监测和分析困难。传统的检修手段依靠定期巡检、经验判断,或是简单线性评估,难以做到及时发现并准确分析故障所在。对水电机组的智能健康评估,可实现对水电机组的实时监测并进行故障诊断,由此可开展针对性的设备维修,降低运营成本,提升电厂竞争力。本文通过对特征值的提取和分析,利用Gaussian模型和统计模式识别等方法开发健康监测功能,实现水电机组的性能评价,并可对健康指标进行量化评估。通过测试对历史数据的评估,结合专家知识判断,本系统可有效实现对水电机组故障诊断,精确度满足使用要求,解决了水电机组故障诊断困难的难题,可为水电机组的稳定运行提供安全保证。

面向抽水蓄能电站业务应用的电力无线专网建设

为了更好的满足抽水蓄能电站施工管控的要求,结合抽水蓄能电站因山体陡峭和洞室错综复杂等引起移动信号覆盖较差的现状,文章提出一种面向抽水蓄能电站业务应用的电力无线专网通信系统。该系统采用eLTE技术,通过BBU和RRU进行数据的汇聚,骨干网以光纤系统为主、无线为辅,具有应急通信、视频回传、业务数据传输及网络覆盖延伸等功能。经过现场多次测试,结果表明系统信号接收功率、信噪比、数据传输速率均满足业务系统需求,系统性能良好。最后,给出了电力无线专网应用场景。