引入推理模型的大型电网设备的故障检测方法

针对大型电网设备中的故障信号稳定性较差,并且信号之间的关联性较弱,导致不能有效检测故障的问题,提出了一种引入估计推理模型的大型电网设备故障检测方法。系统依据贝叶斯网络的学习和概率分析能力,在传统的神经网络诊断模型中,引入一种推理估计模型,以电网设备中的测速机、脉冲发生器、传感元件的高频故障信号为基础,估计模型运算电网设备的故障概率,配合边缘化算对数据结构中的故障信息进行表达。仿真实验说明,算法可以解决电网故障信号的随机性特征,准确检测出电网设备中的故障信号。

基于RBF的电网大型设备运行状态实时监测方法

目前研究的电网大型设备运行状态监测方法监测时间长,导致监测结果无法满足实际要求。为了解决上述问题,提出了基于RBF的电网大型设备运行状态实时监测方法,该监测方法对电网大型设备的运行状态进行了在线监测和脉冲监测,通过分析电网大型设备中的运行数据,得到大型设备内部数据的数据流及局部放电信号脉冲,通过上述信号值判断电网大型设备的运行状态,一旦出现信号异常可以及时作出诊断,识别出异常运行状态所处的运行阶段和对应的异常运行数据。实验结果表明,基于RBF的电网大型设备运行状态实时监测方法优于对比的监测方法,可以更精准、快速地捕获大型设备中的异常运行数据,进而判断电网大型设备的运行状态。

电网大型设备运输状态远程监测技术研究

目前,变压器、组合电器的运输一般由专业运输公司承运。运输过程中,虽然部分物流公司可以提供近期运输车辆的追踪信息,但业主、监理、施工及厂家对设备状态均无法及时获悉,待运输任务完成才能够确认产品的完整情况。因此,加强电网大型设备运输状态远程监测技术研究有着十分重要的意义。