DK7732-1 Electric Spark CNC Wire-Cuffing Machine

The machine tool is one of the new products developed and produced by the Shanghai No.8 Machine Tool Plant. It adopts a lift adjustable wiretrame and molybdenum filament tensioning mechanism with large cutting thickness and high machining precision. It is equipped with an advanced IBM-PC 386 microcomputer-controlled system, with strong performance and CRT display. Man/

基于SVM和D-S证据理论的电力变压器内部故障部位识别

针对变压器信息融合诊断方法中难以确定基本概率分配(BPA)的缺陷,提出一种基于多支持向量机(SVM)与D-S证据理论的变压器内部故障部位识别模型。利用"一对一"多类SVM后验概率估计分配BPA,实现其赋值的客观化;充分利用变压器油中溶解气体分析数据和电气试验数据的互补信息,对变压器内部可能发生故障的部位进行诊断。实例分析表明,所提模型能有效识别故障部位,在准确率和泛化性方面都较单特征的SVM有优势。

短期电价预测的机器学习方法:现状、挑战与展望

随着全国统一电力市场的逐步建设,电价预测领域吸引了越来越多的学者关注。开发高效、精准的短期电价预测模型,不仅能够为电力现货市场的买卖双方提供决策支持,还能提升各方的风险控制能力,从而为建立高效统一的电力市场提供量化支撑。由于电力价格有随机性大、波动性高和时效性强等特点,将机器学习方法应用在短期电价预测领域能够综合考虑多方因素,能在较短的时间内拟合较为复杂的非线性电价数据,得到更为精准的预测结果。本文对基于机器学习的短期电力价格预测方法进行了综述,深入分析了各类方法在不同情境下的预测效果、适用性及其优势与不足,并对未来研究方向进行了展望。

Cu-Zr-Al晶化动态电特性的预测模型方法研究

晶化过程电特性的预测对非晶合金组织结构特性有重要意义。文中提出了一种基于小波分解(WD)和最小二乘支持向量机(LSSVM)的晶化动态电特性的模型预测方法。以Cu-Zr-Al非晶合金晶化过程动态电特性为例,建立了其电特性预测的WD-LSSVM模型,并根据数据进行实例验证,结果表明该方法显著提高了超前一步预测的精度。

基于改进Hilbert-Huang变换和支持向量机的高压断路器触头超程状态识别

引入集合经验模态分解(EEMD)对Hilbert-Huang变换(HHT)方法进行改进,并将改进的HHT方法结合支持向量机(SVM)应用于高压断路器振动信号特征提取和触头超程状态识别中。采用EEMD提取反映振动信号局部特性的本征模态函数(IMF)分量,并计算IMF分量的Hilbert边际谱能量值,由此构造高压断路器触头超程状态特征量,利用得到的特征向量对SVM进行训练,实现高压断路器触头超程状态的自动识别。试验提取了高压断路器在不同触头超程下的振动信号并进行分析,结果表明所提方法能够有效识别高压断路器触头超程状态。

基于ITD-ELM的变压器绕组微弱匝间短路故障诊断

为了解决油浸式变压器内部绕组绝缘故障检测难度大的问题,提出了一种基于本征时间尺度分解(ITD)和极限学习机(ELM)的变压器绕组微弱匝间短路故障诊断方法。首先,将采集到的变压器可听声信号利用ITD算法分解为若干旋转(PR)分量,并将峭度值较大的分量信号相加,对可听声信号进行重构;其次,将重构后的变压器可听声信号作为模型输入层,故障诊断结果作为模型输出层,构建了基于ITD-ELM的变压器绕组微弱匝间短路故障诊断模型;最后,以一台110 V变压器搭建实验模拟平台,对其微弱匝间短路故障进行训练并诊断。结果表明:基于ITD-ELM模型的微弱匝间短路故障诊断精确率为98%,较传统的ELM故障诊断精确度提升了3%,验证了所提变压器绕组微弱匝间短路故障诊断方法的准确性。研究所提出的故障诊断方法准确性较高,可应用于现场运行的不同电压等级的油浸式变压器。

基于WPT-SVM电动调节阀故障诊断研究

电动调节阀发生故障时,振动信号各频带的能量会相应发生变化。采用小波包对信号进行能量分解,通过小波包信息特征分析对支持向量机进行优化,得到诊断模型最佳参数,可以有效地对电动调节阀信号进行故障诊断并进行分类。实例表明,WPT优化SVM模型可以更加高效地对燃汽轮机进行故障诊断,提高了故障诊断的分类准确率,为电动执行机构信号的故障诊断提供了可行有效的方法。

HD-160型成品轴承清洗机电气改造

经过对清洗机系统的电气改造,包括增加压力继电器,蘑菇头机构电机改造等,使设备的结构更加合理,方便操控,简化电路等,提高了设备性能。

基于改进极限学习机的电力市场实时电价预测方法

针对实时电价数据波动性强及其影响因素复杂,导致现有预测模型稳定性及预测精度低的问题,提出了一种基于改进极限学习机的电力市场实时电价预测方法。设计了基于经验小波变换的实时电价数据分解方法,将电价序列分解为接近价格的低频信号和噪声的高频信号。同时提出基于改进随机森林的实时电价特征提取算法,根据预测重要度获取最优的电价影响因素特征组合。以此为基础,将核函数替代极限学习机隐藏层构建了R-KELM预测模型,更好地反映了多因素影响下实时电价的不确定性和波动性。以PJM实时电价数据为例,结果表明,所提方法可以有效克服电价数据强波动性及高特征冗余的问题,预测模型准确性及稳定性得到显著提升。

磁感定义与复磁路相量分析

该文以变压器为例,分别建立并联和串联两种形式的等效正弦交变复磁路模型,相应地给出两种磁感的不同定义和物理意义,并比较各自的优劣势。首先,以相量图的形式分析不同负载性质等效复磁路中各物理量的相位关系,并在磁感定义的基础上完善磁路与电路的类比关系;其次,推导任意负载下等效电路有功和无功功率与类比复磁路中等效电路中虚拟有功和无功功率的数值关系;然后,以同步发电机为例,利用基于磁感的等效复磁路分析交流电机中定转子磁场的相互作用,分别基于等效复磁路和有限元方法分析一个变压器算例,验证理论分析的正确性;最后,给出研究结论,并据此客观地分析基于磁感的复磁路的作用。

基于自动化技术的机床电气控制系统改造的设计分析

现代工业发展对工作设备的要求较高,包括机床在内,这为其电气控制系统改造、自动化技术的应用提供了空间。以基于自动化技术的机床电气控制系统改造优势为切入点,分析其设计思路、设计实现方法,包括通信系统、感知系统、决策系统等,并结合模拟实验对上述内容进行论证。最后就自动化技术下机床电气控制系统改造进行展望,服务后续有关工作。

电机企业数字化转型技术的策略

2021年,我国发布《中华人民共和国国民经济和社会发展第十四五规划和2023年远景目标刚要》,提出以数字化转型整体驱动生产方式、生活方式和治理方式变革。目前,电机行业已经认识到数字化转型的重要性,数字化转型具有战略意义。对电机企业而言,数字化转型已然从提高效率的工具转为创新发展模式、强化发展质量的主动战略。

开口变压器法检测交流定子铁心片间短路故障的一致性和抗扰能力提升

为解决开口变压器法检测交流电机定子铁心叠片片间短路故障时易因贴合不良造成误判,通过理论分析了开口变压器铁心断面与定子齿顶间隙对检测结果的影响规律,提出在原铁心断面上加装绝缘垫片材料,推导验证了绝缘垫片后开口变压器铁心内部磁通对测量过程中贴合不良的耐受性,进一步得到开口变压器的感应电动势特征。随后以QFSN-300-2型汽轮发电机定子作为研究对象进行了二维电磁仿真验证,进一步在一台小型三相异步电机定子铁心上完成了实验验证。研究结果表明:开口变压器法在测量过程中,铁心断面和定子齿顶面的贴合不良对检测结果影响较大,可能导致误判,在开口变压器铁心断面加装一定厚度的绝缘垫片能够大幅减小间隙的影响,提升检测的抗扰能力。

基于LOF和SVM的智能配电网故障辨识方法

针对现有智能配电网保护方法存在保护装置整定复杂、协调性差以及易误动等问题,提出一种基于局部异常因子(LOF)检测的配电网保护算法,并对配电网在故障定位后不能进行有效的故障类型辨识这一问题,提出LOF和支持向量机(SVM)相结合的智能配电网故障类型判别方法。根据各节点LOF值的大小实现智能配电网的故障检测与定位;然后对故障处的三相电压进行小波变换,以三相电压的小波奇异熵值建立故障特征样本库,利用反映接地故障信息的零序电压低频能量对故障进行预分类,并以此为基础建立SVM故障类型判别预测模型。该算法可对智能配电网的故障进行有效的检测与定位,并能对故障区域的不同故障类型进行合理分类。

基于BIC与SVRM的变压器油中气体预测模型

基于v-支持向量回归机(v-SVRM)算法建立了变压器油中溶解气体变化预测模型,并引入贝叶斯证据框架对预测模型的参数进行了优化选取。同时,结合预测模型的预测正确率及预测模型的简洁度建立了预测模型的评价机制,并利用改进的贝叶斯信息标准(BIC)作为最终的评价函数量化了评价机制。在实例中与灰色理论预测模型进行了比较,结果表明在同为小样本训练数据的情况下,v-SVRM预测模型比灰色模型有更高的预测准确率,且在所提出的评价机制里表现更好。

基于小波变换和神经网络的同步电机参数辨识新方法

准确地辨识同步电机参数,是研究分析电力系统运行和控制系统设计的前提。神经网络具有信号分离能力,但传统的人工神经元模型不适合分离同步电机的三相突然短路电流。为精确辨识同步电机的瞬态参数,文中提出了一种改进的人工神经元模型,并将小波变换和改进的线性人工神经元结合起来,对采集到的同步电机三相突然短路电流进行分析处理。利用小波变换对短路电流进行预处理,并辨识得到各个时间常数：根据辨识得到的时间常数来设定神经元激发函数中时间常数的迭代初始值,用改进的人工神经元模型对短路电流进行分离,得到其中的直流、基波和二次谐波电流分量,通过简单代数运算便得到电机的瞬态参数。仿真分析和实机试验表明,该方法能够有效地分离出短路电流中的信号成分,并且提高了电机参数的辨识精度。

遗传算法在电力变压器和电机全局优化设计中的应用研究

根据遗传算法的基本理论，并结合电力变压器、电机优化设计的特点，对传统遗传算法的遗传操作提出了改进措施，研制了能够较好地解决混合离散变量优化的遗传算法．算例表明，该方法能有效地求得全局极小声、或近似全局极小点．

希尔伯特变换在电机故障诊断中的应用

电机的许多故障信息是以调制的形式存在于所监测的电气信号及振动信号之中，如果借助于希尔伯特变换对这些信号进行解调处理，就能方便地获得故障特征信息，以确定电机所发生的故障类别。考虑到监测信号存在有各种噪声与干扰，须对监测信号作预处理以提高信噪比。文中介绍了希尔伯特变换的解调原理以及用ＦＦＴ子程序实现解调的步骤。通过对调制信号作谱分析，以其频谱中是否存在某种故障的特征频率分量来诊断有无该种故障。实验结果表明这种诊断方法是有效的。

基于小波变换和支持向量机的电力系统短期负荷预测

提出一种改进的基于离散小波变换和支持向量机的短期负荷预测方法。运用离散小波变换将负荷时间序列分解为高低频子序列,采用目前较为成熟的支持向量机方法,选择适当的参数对每个序列进行滚动式的单支预测,最后将各分支预测结果相加最终实现负荷预测。实例中负荷数据采用四川省某地区的历史负荷,对该地区的日96点负荷进行全年预测,并将该算法与支持向量机算法进行比较,结果表明,该算法具有较高预测精确性。

基于小波的灰色预测理论在水电机组故障预测中的应用

基于神经网络“能量―故障”映射关系,提出将小波频带分析与灰色预测理论相结合进行水电机组故障预测。运用小波分解提取各频带能量,应用预测理论建立水电机组故障特征量的预测模型,预测各频率成分能量的变化,重构由预测各频带能量成分组成的特征向量,应用于水电机组故障预测分析。以水轮机主轴摆度信号为例,应用该方法进行了特征信息提取和预测,表明将小波能量提取与灰色预测理论相结合进行振动特征信息的预测比较有效,为故障预测提供了新思路。