基于改进层次样本熵和极限学习机的离心泵故障诊断方法

为了提高离心泵早期故障诊断模型的准确性,提出一种改进层次样本熵(improved hierarchical sample entropy,IHSE)和极限学习机(extreme learning machine,ELM)相结合的离心泵故障诊断方法.首先,针对传统分层样本熵在高层次下算法稳定性弱的问题,利用移动平均和移动差分过程代替传统的分层模式,提出一种新的评估时序信号复杂性工具——IHSE;然后,利用IHSE提取离心泵振动信号的故障特征;最后,将故障特征输入ELM模型,实现离心泵不同运行状态的有效识别.研究结果表明:所提方法在2个不同类型离心泵故障数据集上的诊断率分别为99.58%和99.68%,在所有诊断模型中表现最佳,表明该方法具有良好的诊断性能.研究结果为离心泵故障诊断提供了一种新的方法,具有良好的参考价值与应用前景.

灯泡贯流式机组小频差下一次调频特性分析

灯泡贯流式机组由于水头低、流量大、水压波动等因素影响到了机组的一次调频性能,特别是在小频差下会导致机组一次调频贡献电量不足。由于目前水电机组一次调频试验主要针对大频差下的机组一次调频性能,无法有效评估小频差下机组的一次调频特性,影响到了水电机组的安全经济运行。本文采用模拟电网实际频率变化的试验方法对灯泡贯流式机组一次调频动作特性进行深入分析,对水电机组在小频差下的一次调频贡献电量进行分析计算,分析调速器参数对一次调频贡献电量的影响,找寻控制规律,指导水电机组经济运行及网源协调。

调节系统死区对一次调频动态性能的影响分析

水电机组一次调频功能对维持电网安全稳定运行承担日益重要的作用,需保证并入电网的机组具备良好的一次调频性能。水轮机调节系统存在的各类死区非线性因素对一次调频动态性能的影响不可忽略。全面分析了调节系统各环节存在的死区非线性,基于建立的高准确性的水电机组一次调频模型,探究了在大、小频差下频率死区、开度死区、功率死区、随动系统死区等对一次调频响应性能的影响,着重揭示了小扰动下一次调频不动作或与随动系统死区有关,为水电机组一次调频功能改善与优化提供了重要的理论指导。

基于知识图谱的水电机组主动维护体系探讨

针对目前水电站故障维修向主动维修的发展迫切需求,初步探索了基于知识图谱的水电机组故障主动维护体系。通过将知识图谱的技术架构与主动维护理论有机结合,构建基于知识图谱的水电机组故障主动维护体系,包括故障数据层、专家支持层和主动维护层。通过丰富故障诊断的数据类型,构建专家故障案例库和将诊断、预测、分类模型的有机耦合,提高对故障诊断及预测工作的应用范围,最终将结果输入专家故障案例库中,得出专家建议,实现从数据-故障预测-故障诊断-故障推理-检修决策全过程的水电机组故障主动维护策略。

基于风电-抽蓄互补系统的农业微电网研究

农业现代化、产业化发展离不开大量的能源投入,通过对风力发电、抽水蓄能特性分析,建立一体化农业微电网调度模型,将分布式能源与农业灌溉系统相耦合,满足电力和用水负荷需求,提高能源利用率,解决能源短缺问题,为农业现代化、农村电气化提供有效的清洁能源解决方案。

水电站辅助设备维修管理模式探讨

水电站辅助设备对于电站的建设和发展具有非常重要的影响意义和作用,但因其运行使用过程中很容易出现各类问题,故必须要特别重视设备的维修和管理工作。因此,关于水电站辅助设备维修管理模式的探讨就成了行业性实践重点话题。本文主要介绍了水电站的主要辅助设备,分析了水电站辅助设备运营过程中的主要安装工艺技术,探讨了水电站的维修管理现状,并结合实践提出了几点建议。

图像识别中的结构化数据分析

阐述基于华为FusionInsight HD大数据集群基础套件构建的工业大数据平台,系统具备多源异构数据采集、混合分布式数据存储、通用数据计算、算子算法模型构建、ERP通用管理的功能。

基于CEEMDAN样本熵和PSO-SVM的水电机组振动信号特征提取

针对水电机组复杂振动信号特征提取困难的问题,提出了基于自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)样本熵和粒子群算法优化支持向量机(particle swarm optimization and support vector machine,PSO-SVM)的水电机组振动信号特征提取方法,对降噪后的水电机组振动信号进行CEEMDAN分解,计算各本征模态函数(intrinsic mode function,IMF)与原信号的标准相关系数,选取标准相关系数大于0.3的IMF分量为有效分量,计算有效分量的样本熵特征值组建高维特征集,采用PSO-SVM对信号模式进行识别。对水电站现场数据进行了分析,验证了所提方法在水电机组振动信号特征提取领域的优势及实际应用价值。