基于改进稀疏表示的海上风电场交流海底电缆短路故障分类方法

准确、快速的海底电缆故障分类是海上风电场运维的重要一环。该文提出一种基于改进稀疏表示的海上风电场交流海底电缆短路故障分类方法,该方法综合利用故障发生后半周波电流信号的时域特征作为故障分类依据,采用K次奇异值分解(K singular value decomposition,K-SVD)字典学习算法对各类故障信号的特征信息进行学习,构造出准确匹配各类故障本质特征的过完备字典。在学习字典的基础上,提出一种基于混合交替方向乘子法(mixed alternating direction method of multipliers,M-ADMM)的改进稀疏分解算法将故障信号分解为过完备字典与稀疏向量的乘积,结合基于稀疏表示的分类方法实现对故障重构信号的分类。仿真研究结果表明,该改进稀疏分解算法具有精确的信号重构、降噪效果。所提出的故障分类方法无需人工构造故障信号特征,避免了多工况故障信号特征筛选、时频域变换等繁琐流程。与SVM、CNN、LSTM等智能分类算法的对比结果表明,该方法具有较强自适应性的同时不易受故障时刻、故障位置影响且噪声鲁棒性强,可以准确识别海底电缆场景下低阻短路故障类型。

数据驱动的人工智能技术在电力设备状态分析中的研究与应用

电力设备作为电力系统的基本要素,其运行状态对电网的安全经济运行有直接影响。随着电力物联网的建设和智能传感器技术的不断发展,电力设备运行状态的相关信息呈现出多源、异构的数据特征。研究以海量多源异构数据为驱动的基于人工智能技术的设备状态分析方法,对于全面、及时、准确地掌握电力设备运行状态及其发展趋势有重要意义。论文首先介绍了基于数据驱动的新一代人工智能技术;然后,以当前电力设备状态数据所呈现的海量、多源异构的特性为出发点,针对图像、文本、时序这3种数据类型综述了基于人工智能的电力设备状态特征提取技术;其次,通过研究当前电力设备状态分析的总体需求,总结和讨论了数据驱动的人工智能技术在电力设备智能巡检、故障诊断、状态预测等典型业务场景中的应用研究现状;最后,探讨了现阶段数据驱动的人工智能技术在电力设备状态分析中面临的挑战性问题,并对相关技术的发展趋势进行了展望。

基于PLC控制的机电一体化设备的安装与调试

针对基于PLC控制的机电一体化设备的安装和调试,结合理论实践,在阐述PLC控制技术优点的基础上,分析了生产线PLC控制程序设计已经变频器参数设置、接线要点,提出基于PLC控制的机电一体化设备的安装与调试的方法,最后通过深入分析得出在机电一体化设备应用PLC控制系统对提高机电设备运行效率和企业经济效益有重要作用的结论,仅供参考。

PLC在机电一体化生产系统中的运用研究

PLC属于逻辑控制器,有着较强的可编程性,在现代机电一体化生产系统中具有着良好的发展前景,已经得到了越来越多人的重视与关注。通过PLC控制器,可以将机电设备生产控制在合理范围内,有效提升机电一体化生产系统的抗干扰性,保证系统的正常运转。主要针对PLC在机电一体化生产系统中的运用展开深入的研究。