基于色度图与卷积神经网络的开关柜运行状态监测方法

为更有效地监测开关柜设备的工作状态,以开关柜为研究对象,根据非接触式的声纹信号对设备工况进行评估,提出了一种基于色度图与卷积神经网络的开关柜运行状态监测方法。首先将采集得到的声纹信号变换为色度图谱,进而构造开关柜正常、异常状态的特征图谱集,再利用卷积神经网络进行特征的深度挖掘,最终实现开关柜不同状态的辨识。实验结果表明,所提方法能够有效表征开关柜不同的工作状态,辨识准确率可达99.2%。

基于粗糙集-BP神经网络的变压器故障快速诊断研究

由于现有故障诊断方法的可靠性较差,达不到准确提取的要求,为此,基于粗糙集-BP神经网络进行变压器故障的快速诊断研究。根据故障数据,运用粗糙集理论建立故障诊断决策表,获得了变压器的故障类型,分别为正常、低温过热、低能放电、高温过热和高能放电,并得到了最优的决策规则。运用并行化的BP神经网络算法获得故障信息预测值。将预测值和决策规则表中的决策值进行比较,通过输出神经网络比值判断具体的故障类型,从而完成故障诊断。结果表明,所提故障诊断方法具有较好的神经网络性能,能够准确地诊断出变压器的故障。

考虑频率特性的变频负荷模型研究

随着电力电子技术的发展,变频调速技术的使用也越来越广泛。因此,对于变频电机的建模与分析也得到了越来越多的学者的关注。另外,由于分布式电源的接入,频率对电网产生的影响较大,因此考虑负荷的频率特性也具有重要的意义。采用变频调速矢量控制法和动态相量法两种方法对考虑频率特性的变频电机模型进行建模,并与不考虑频率特性的异步电动机进行仿真比较分析,找出更符合实际的负荷模型。

基于物联网构架的智能配电终端后备电源的研究

随着电力物联网的发展,配电自动化设备数量增加,且分布广泛,给运维工作增加了很大的难度,现有的人员数量无法满足配电自动化的要求,提升设备的可靠性和获知设备的状态可以大幅度减少运维的工作量。基于此,本文即对基于物联网构架的智能配电终端后备电源进行了分析研究,希望可以为相关人员提供一定的帮助。