基于机器学习的风电机组机械传动系统故障诊断研究

为准确诊断风电机组机械传动系统故障,提出一种基于机器学习的风电机组机械传动系统故障诊断方法。通过经验模态分解(EMD)方法分解风电机组机械传动系统振动信号,获取不同频率下的固有模态函数(IMF),经过对比分析获取可以描述故障特征频率的IMF分量,经过重构得到故障信号,使用自相关分析法去除故障信号中的噪声。通过机器学习中的Lasso正则化自编码神经网络提取风电机组机械传动系统故障特征,采用改进的粒子群算法对最小二乘支持向量机优化处理,构建分类器,将提取到的样本输入到分类器中,完成风电机组机械传动系统故障诊断。经实验测试证明,所提方法能够高效率、高精度地完成故障诊断处理。

GIS设备现场典型故障及质量管控措施研究分析

气体绝缘金属封闭开关设备(GIS)的内部放电、气体泄漏、微水超标、温升超标、互感器误差超标、振动噪声等故障的治理一直是GIS设备质量提升中的技术难点。对GIS设备典型故障原因进行了分析,指出异物引发的放电、绝缘件缺陷、机械传动系统不正常、装配及安装工艺不良是引发故障的主要原因;提出GIS设备质量管控和提升的措施:从GIS设备结构设计、零部件采购、工厂装配、出厂试验、现场安装等生产全流程进行质量管控,可以有效提升GIS设备质量,减少设备故障的发生。