基于RWSSA-OMP-DBN的均压电极结垢超声检测

当前特高压换流阀冷却系统中的均压电极结垢程度采用人工拆卸识别的方法,针对该方法易造成冷却水喷溅影响设备运行安全的问题,提出一种基于RWSSA-OMP-DBN的均压电极超声无拆卸结垢检测识别方法。利用改进的麻雀搜索算法优化正交匹配追踪,对不同结垢程度的均压电极超声回波信号做降噪处理和特征提取;选择Hilbert法获取特征信号的包络线;以包络线作为特征参数,运用优化后的深度置信网络进行均压电极结垢程度识别。实验结果表明,RWSSA-OMP算法的信噪比为12.8898 dB,该识别方法识别均压电极结垢程度的准确率达到95.33%。

CEEMD和IBAS-SVM特高压换流站均压电极结垢识别方法

针对特高压换流站传统人工定期巡检均压电极结垢状况方法落后的问题,提出基于互补集合经验模态分解(CEEMD)和改进天牛须算法优化支持向量机的均压电极结垢智能检测方法。首先,模拟±500 kV特高压换流站换流阀冷却系统,开展均压电极结垢厚度为0.1~0.8 mm实验,利用超声波时域反射技术获取均压电极结垢回波信号,并采用CEEMD结合小波阈值(CEEMD-WT)方法对信号进行降噪预处理;然后,采用主成分分析方法(PCA)筛选出主要特征向量,通过引入粒子群信息共享思想和遗传算法选择、交叉、变异对天牛须算法进行改进,并利用改进算法优化SVM参数;最后,采用IBAS-SVM模型对均压电极结垢厚度进行检测识别。结果表明:所提方法对均压电极结垢厚度识别准确率达到91.75%,能够测出0.1~0.8 mm范围内的均压电极结垢厚度,可为特高压换流站均压电极非接触式结垢探测提供一种行之有效的方法。