质子交换膜燃料电池系统故障机理分析及诊断方法研究综述

质子交换膜燃料电池(proton exchange membrane fuel cells,PEMFC)以其高效无污染等特性在发电、交通运载以及航空航天等领域有广阔的应用前景,然而可靠性和耐久性不足等问题已成为技术瓶颈,亟需探究高效的系统故障诊断方法。该文在介绍质子交换膜燃料电池系统构成及典型故障产生机理的基础上,综述了基于模型方法、数据驱动方法、实验测试方法、融合方法等质子交换膜燃料电池系统的故障诊断方法研究进展,对各种方法进行了分析比对,并对在线诊断技术进行总结分析,最后提出质子交换膜燃料电池系统故障诊断方法发展趋势及展望,以期为其后续研究及快速商业化应用提供参考。

考虑风电机组故障电压穿越特性的连锁故障关键线路辨识

新能源的接入提高了电网连锁故障发生的概率,给故障传播中关键线路的辨识增加了难度。为此,建立了考虑风电机组故障电压穿越特性和线路可靠性的连锁故障仿真模型,从线路失负荷严重程度、失负荷不均匀性和结构脆弱性3个角度建立了线路综合风险指标评价集。基于状态故障网络计及线路失负荷程度和线路失负荷不均匀性,分别定义了失负荷风险指标和不均匀风险指标;基于电气介数提出了考虑分布式新能源接入的脆弱结构指标;同时,考虑电网的网络结构和状态转移特性,采用模糊熵权法定义综合风险指标,以衡量线路开断的综合影响。通过IEEE 39节点和IEEE 118节点系统算例验证所提方法用于关键线路辨识的有效性,且针对关键线路的缓解措施能显著降低大停电风险。

中性点柔性接地配电网故障相恢复电压暂态时域特征分析

配电网接地故障过零熄弧后的电压暂态恢复特性决定了系统过电压水平及电弧重燃特性,目前,中性点柔性接地配电网故障熄弧后暂态恢复电压变化机理尚不明确,为此建立柔性接地配电网接地故障暂态等值电路,理论解析故障过零熄弧后故障恢复电压的时域表达式。在此基础上,对比分析配电网谐振接地与柔性接地方式下,系统参数变化对故障相恢复电压暂态峰值与恢复速度的影响,揭示暂态时间尺度下故障相恢复电压特征随注入零序电流值与电流注入时机的变化规律,阐明通过中性点注入可控零序电流抑制故障暂态过电压的机理。在PSCAD/EMTDC仿真环境与10 kV真型配电网实验场中模拟各种运行和故障工况,仿真与真型实验结果均验证柔性接地配电网故障相恢复电压时域解析特征与变化规律的正确性。

基于时域波形特征认知的输电线路近端故障辨识与定位

针对现有单端行波故障测距对近端故障存在测距盲区、双端行波故障测距对近端故障测距误差较大,无法满足工程需要的不足,提出基于波形特征认知的近端故障辨识与定位方法。首先,分析了线路故障行波传播规律,以固定分辨率显示波形。发现线路近端故障时,初始行波及其后续波形在长时窗整体宏观观测下呈堆叠缓变特征,而在短时窗局部放大观测下呈周期性变化特征,且周期与故障距离相关。不同线路的近端故障历史样本能统一作为参照基准为测距提供提示。进而提出基于波形密度和突变分布的近端故障辨识方法。最后,对辨识出的近端故障进行周期估计,利用近端故障与线长的无关性以及历史样本突变周期和故障位置已知性,搜索周期最近邻历史样本,并由已知故障距离插值实现故障位置确定。基于大量实测数据进行仿真测试,结果表明所提方法能够显著提升单端行波测距可靠性和成功率。

计及故障维修与网络重构的灾后配电网综合调度策略

当前,灾后配电网负荷恢复与故障维修多是独立考虑,缺乏有效联动,且没有合理计及包含故障维修时间及新能源出力的不确定性在内的双重因素影响。为此,提出一种灾后配电网维修恢复联合调度策略。首先,提出灾后配电网两阶段求解框架,第一阶段求解故障维修计划及网络重构问题,第二阶段解决移动式储能系统参与下的灾后配电网源荷协同调度问题。其次,构建移动式储能系统与维修人员的调度模型,量化分析移动式储能系统时空转移模型及能量模型,同时基于维修人员的时空转移特性,建立故障维修及网络重构模型。在此基础上,以恢复运行成本最小化为目标,分别采用离散鲁棒与连续鲁棒处理故障维修时间与新能源出力的不确定性,构建灾后配电网综合调度模型。最后,采用改进IEEE 33节点配电网进行仿真测试。结果表明,所提调度策略能够显著降低负荷失电率,减少停电损失。此外,两阶段算法在显著提升求解速度的同时能够保证求解精度,具有可行性和合理性。

基于深度学习的特高压三端混合直流输电线路波形特征故障区域判别方法

针对将现有直流线路故障区域识别方法应用于特高压三端混合直流输电线路时,存在难以区分T区两侧故障、耐过渡电阻能力弱和阈值整定困难的问题,提出一种利用深度学习及波形特征进行特高压三端混合直流输电线路故障区域识别的方法。首先,对三端混合直流线路不同故障区域进行故障特征分析;然后,对线模电压和线模电流进行多尺度小波分解,提取线模电流中低频分量和线模电压高频分量,结合正负极电压波形特征,组成深度学习模型的输入量,并将故障区域作为输出量,构建深度学习故障区域识别模型;最后,用训练过的深度学习模型对获取的故障特征量进行处理,以实现故障区域识别的目的。通过大量仿真实验,验证了所提故障区域识别方法具有准确率高和基本不受过渡电阻影响的特性。

基于FTU的配电网单相接地故障定位与恢复方法

配电网发生最多的故障是接地故障。针对准确地检测隔离接地故障线路并尽快恢复供电,提出基于配电开关监控终端(FTU)的配电网单相接地故障定位与恢复方法。利用配电网各节点FTU的小波包变换暂态选线及相电流暂态特征选线技术,结合故障路径自适应处理控制策略,配合首开关延时合闸逻辑,从而实现多分支配电网故障定位与自动隔离恢复。所提方法能够快速选出故障线路并隔离故障区段,有利于故障快速消除,提高系统运行的安全性、可靠性。

充电桩充电模块功率器件故障诊断研究综述

大功率直流充电桩是未来电动汽车充电设施的发展方向,充电模块是直流充电桩最重要以及故障率最高的部件,其中功率器件开路故障较为常见。为保证充电模块安全可靠运行,需要对充电模块功率器件开路故障进行准确识别和定位。文中首先对充电模块拓扑结构和故障类型进行分析,然后分别对基于解析模型、基于信号处理和基于知识的功率器件开路故障诊断方法进行总结,分别介绍了各类方法的基本思想、研究进展和优缺点,最后总结并展望充电模块功率器件开路故障诊断方法未来的研究和发展方向。

故障树和模糊贝叶斯网络在管廊运维风险评估中的应用研究

地下综合管廊是城市的生命线,一旦出现问题就会对人们生命财产安全造成巨大损害。为了系统地分析管廊运维风险,建立了基于模糊贝叶斯网络的风险评估框架。首先,通过分析管廊运维风险源与风险形成的原因以确定风险事件和风险类别;其次,建立管廊运维风险故障树来梳理风险因素之间的逻辑关系,将故障树映射为贝叶斯网络;最后,结合专家模糊评价,构建地下综合管廊运维风险评估模型。案例分析结果显示:中间事件“火灾、爆炸”与“危害气体浓度过高”的发生概率较高。敏感性分析结果显示:“运维人员操作和维护不当”是导致管廊运维风险发生的根本事件,因此需要制定严格管理措施及规范,加强对运维人员的素质培训,以降低管廊运维过程中各种风险的发生概率。

风电场集电线路单相接地故障柔性电压消弧与动态保护新原理

为解决风电场集电系统长期存在的线路单相接地故障处理难题,提出风电场中性点柔性接地方式,理论推导获得柔性接地风电场三序等效电路,与集电线路单相接地故障复合序网模型,建立风电场零序电压柔性调控理论,提出集电线路单相接地故障柔性电压消弧方法,可主动将故障点电压及故障残流迅速抑制到零,实现单相接地故障电弧的可靠消除。进一步提出基于零序电流动态增量的高阻故障辨识与保护方法,通过柔性调控零序补偿电流,逐渐放大故障残流,实现永久性单相接地故障的灵敏感知与保护。利用PSCAD/EMTDC搭建含双馈异步风电机(doubly-fedinduction generator,DFIG)的规模化风电场模型,模拟多种运行与故障条件对所提方法进行验证,仿真结果表明,该方法能够在考虑系统不平衡电压的情况下精准调控集电线路故障点电压,实现瞬时性单相接地故障快速可靠消弧,动态感知并持续抑制永久性单相接地故障残流,实现集电线路高阻接地故障的灵敏保护。该技术有望提升风电场运行灵活性与故障防御能力,有力保障新能源电能外送的持续性、可靠性。

灾害天气下计及一二次设备耦合故障的电网短时风险评估

灾害天气下电网发生短时多重故障有可能超出保护系统预设的反应能力,一二次设备耦合影响将助推多重故障风险发展和蔓延。为此,提出了计及一二次设备耦合故障的短时风险评估方法。首先,分析了一次设备与二次设备之间的交互作用及其对电网短时运行风险的影响。其次,构建了一次设备和二次设备的故障概率模型,重点分析了一二次设备耦合故障引发保护拒动的概率。然后,结合保护系统对超预期故障的反应能力,提出了灾害天气下电网短时多重故障风险评估方法。最后,采用改造的IEEE39节点系统对所提方法进行测试。算例结果表明:受外界气象环境影响,保护系统缺陷暴露导致非期望动作使得电网多重故障风险更为严重;综合考虑灾害天气对一二次设备影响下的短时运行风险,对于发现和消除保护系统薄弱环节及制定电网降风险运行策略具有一定参考价值。

地铁车辆牵引电机超温故障预测技术研究

地铁在日常运营中面临着各种潜在的故障风险,牵引电机超温故障是其中之一,如果不及时处理,可能会引发事故,对乘客的生命和财产安全构成威胁。因此,开展地铁车辆牵引电机超温故障预测技术研究,十分必要。

基于累积和事件段识别与改进谱聚类的锂离子电池储能系统内短路故障检测方法

锂离子电池系统的内短路故障可能导致严重安全事故,其检测受到在线检测实时性以及故障特征获得性制约,是当下锂离子电池储能系统安全运行亟待解决的问题。该文提出一种基于累积和(cumulative sum,CUSUM)事件段检测与改进谱聚类的锂离子电池储能系统内短路故障检测方法。首先,考虑内短路故障时的电压/温度变化特性,基于累积和事件突变点识别方法,识别疑似内短路故障事件段。其次,构建三维故障特征,刻画检测对象内短路故障特征属性。然后,构建基于Wasserstein测度的内短路故障特征距离矩阵,检测三维空间各点稀疏特性,客观划定故障聚类,实现内短路故障检测。搭建锂离子电池内短路实验平台、建立锂离子电池电–热耦合仿真模型,算例结果表明该文方法能够准确识别疑似内短路故障事件段,在不同串并联形式及故障类型下实现故障检测,证明了该文方法的正确性与可行性。

基于深度置信网络的多模态过程故障评估方法及应用

传统的多模态过程故障等级评估方法对模态之间的共性特征考虑较少,导致当被评估模态故障信息不充分时,评估的准确性较低.针对此问题,首先,提出一种共性–个性深度置信网络(Common and specific deep belief network,CS-DBN),该网络充分利用深度置信网络(Deep belief network,DBN)的深度分层特征提取能力,通过度量多模态数据间分布的相似性和差异性,进一步得到能够反映多模态过程共有信息的共性特征以及反映每个模态独有信息的个性特征;其次,基于CS-DBN,利用多模态过程的已知故障等级数据生成多模态共性–个性特征集,通过加权逻辑回归构建故障等级评估模型;最后,将所提方法应用于带钢热连轧生产过程的故障等级评估中.应用结果表明,随着多模态故障等级数据的增加,所提方法的评估准确率逐渐增加,当故障信息充足时,评估准确率可达98.75%;故障信息不足时,与传统方法相比,评估准确率提升近10%.

基于改进麻雀搜索算法优化LSTM的滚动轴承故障诊断

为了对滚动轴承的工作状态及故障类别进行准确的诊断,本文采用长短时记忆(LSTM)神经网络作为分类器对滚动轴承数据集进行分类诊断。首先,从滚动轴承原始运行振动信号中提取时域和频域特征参数,组成具有高维特征参数的数据集;使用核主成分分析(KPCA)方法对高维特征集进行降维处理,选取重要性程度高的特征构成输入特征向量。然后,针对LSTM神经网络在滚动轴承故障诊断中存在的超参数难以确定的问题,提出一种基于自适应t分布策略的麻雀搜索算法优化LSTM神经网络的故障诊断方法(tSSA–LSTM)。最后,使用凯斯西储大学滚动轴承数据中心的数据进行故障诊断精度测试、泛化性能测试及噪声环境下故障诊断性能测试等多个仿真实验,并将本文提出的诊断模型与麻雀搜索算法优化长短时记忆神经网络(SSA–LSTM)、遗传算法优化长短时记忆神经网络(GA–LSTM)、粒子群算法优化长短时记忆神经网络(PSO–LSTM)及传统LSTM诊断模型进行对比。结果表明:tSSA可以更有效地对LSTM的隐含层神经元数量、周期次数、学习率等超参数进行合理优化;所提方法的平均诊断准确率达到98.86%,交叉验证平均诊断结果为98.57%;所提方法在噪声干扰下的故障诊断准确率也优于对比方法。因此,本文提出的tSSA–LSTM模型不仅可以更精准地诊断滚动轴承故障状态,而且具有更强的泛化能力及抗干扰能力,有效地提高了滚动轴承故障诊断的性能。

基于MCS-SBL算法的配电网故障定位方法

配电网拓扑结构复杂,传统方法往往需要大量测点信息且难以实现快速有效的故障定位,本文提出基于少量测点信息的故障定位方法。首先,利用等效原理建立一个欠定的故障节点电压方程;其次,利用多重测量向量模型的贝叶斯压缩感知算法求解方程,根据重构稀疏电流矩阵的非零元素位置求解故障区域,实现故障定位;最后,在IEEE33节点配电系统上进行仿真实验,结果表明,所提方法仅需要少量测点的故障前后正序电压分量便可有效定位故障,计算速度较快,并且基本不受故障类型、过渡电阻的影响,同时适用于单故障和多重故障的场景,具有较强的抗噪能力。

基于AESL-GA的BN球磨机滚动轴承故障诊断方法

针对基于知识的贝叶斯网络(BN)构建方法存在不完全和不精确的缺点,提出一种基于知识引导和数据挖掘的BN结构构建方法。针对单一信号故障诊断结果不精确的问题和故障信息中存在的不确定性问题,将电流信号与振动信号融合建立BN的特征节点,分别提取2种信号的故障特征参数,利用区分度指标法进行特征筛选,将其作为BN结构特征层的节点。将专家知识构建的初始BN结构结合自适应精英结构遗传算法(AESL-GA)进行结构优化,通过自适应限制进化过程中的搜索空间,减少自由参数的数量,提高其全局搜索能力,得到最优BN结构。通过MQY5585溢流型球磨机滚动轴承实测数据和Paderborn University轴承数据集对所提方法进行验证,结果证明了所提方法的有效性。

考虑小波包-灰度共生矩阵的高压断路器弹簧疲劳故障程度诊断研究

弹簧操动机构作为高压断路器(High voltage circuit breakers,HVCBs)分合闸操作的储能单元,其可靠性对电力系统的安全运行具有重要意义。本文以六氟化硫高压断路器的弹簧操动机构为研究对象,分析分合闸弹簧的动作机理,对弹簧进行不同程度的故障设置。介绍了振动、声音传感器设备及采集参数,针对小波包时频分析法的缺点,提出一种基于小波包-灰度共生矩阵(Gray level co-occurrence matrix,GLCM)的特征提取方法。从诊断速度和诊断准确度两方面对比了支持向量机(Support vector machine,SVM)、决策树(Decision tree,DT)、朴素贝叶斯、K近邻(K nearest neighbors,KNN)4种诊断模型。实验结果表明,在模拟实际应用场景中,选用K近邻算法对分合闸弹簧故障进行深度诊断能够准确判断故障类型及故障程度,对高压断路器安全可靠运行具有实际应用价值。

基于全矢CEEMDAN能量矩和AMHSSA-SVM的滚动轴承故障诊断

为充分利用滚动轴承的故障特征信息,提高故障诊断的准确性和可靠性,文中提出了一种基于全矢自适应噪声完全集成经验模态分解(Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)能量矩和自适应多种群混合麻雀搜索算法(Adaptive Multi-population Hybrid Sparrow Search Algorithm,AMHSSA)优化支持向量机(Support Vector Machine,SVM)的故障诊断方法。首先,采用全矢谱技术融合同源双通道信号;其次,采用CEEMDAN算法处理融合信号,选择相关系数较大的前5阶IMF分量,并计算其能量矩作为支持向量机模型的特征输入;最后,提出AMHSSA算法并优化支持向量机模型的参数,建立AMHSSA-SVM故障诊断模型。对该模型进行测试,结果表明:此模型有效提高了识别准确性,与类似模型对比,进一步证明了其在分类精度和优化时间方面的优越性。

基于广域信息分析的智能配电网故障自愈技术研究

针对传统电网接地故障检测和自愈方法存在识别速度慢且精确度较低的问题,文中结合信号广域信息提出了一种配电网故障自愈方法。该方法构建了单相接地故障模型,并将零序电流作为分析的对象。将零序电流信号分解为时域、频域以及小波域分量来作为广域特征向量,并采用随机森林算法对其权重进行分类,利用LightGBM算法对分类后的广域特征向量加以训练,进而得到故障预测结果。在仿真测试中,所提算法能够抵抗过渡电阻与初始相位角变化对预测结果的影响,且其故障分析准确率的平均值为98.9%,在对比算法中为最优,表明该算法可为配电网故障自愈提供有效的技术支撑。