一种电气设备状态诊断方法

随着电网技术的不断发展和电网规模不断扩大,电气设备数量激增、智能化程度越来越高;同时,终端用户对用电可靠性越来越重视,借助智能技术基于设备运行数据对设备进行故障诊断势在必行.本文以基于范例推理的理论(CRB)与支持向量机技术(SVM)为主要工具,提出了一种基于范例推理的电气设备状态智能诊断模型,试图通过电气设备已有数据的挖掘,获取电气设备故障的潜在发生规律,进而作为依据及时发现并排除电气设备的潜伏性故障.首先研究CRB和SVM在电气设备状态诊断中的应用;然后建立电气设备状态智能诊断模型,以电气设备的海量运行数据、历史数据、测试数据以及环境因素等为基础,建立电气设备的状态范例库,应用SVM回归对设备状态范例库进行深度的挖掘与分析,建立设备状态指纹,并以此为据进行电气设备运行状态的诊断分析;最后以油浸式变压器状态诊断为例,对实际数据进行分析诊断,并与三比值法的诊断结果进行比较.诊断结果表明,智能诊断模型诊断范围更广,诊断结果更准确.

基于激光传感器采集信息的电气设备状态分析研究

电气设备是否可靠运行影响电力系统安全性,应对电气设备状态进行可靠分析,为电力用户提供安全、优质的供电服务。采用基于激光传感器的射频识别监测手段,依据激光传感器与射频识别技术的工作原理,设计基于激光传感器的电气设备状态信息采集方案,通过集成、安装和调整三个过程采集并汇总电气设备状态信息。依据采集的信息构建电气设备状态智能分析模型,得到电气设备状态范例和设备状态指纹。实验结果说明,所提方法分析电气设备状态结果与实际结果完全一致,可为推动我国电力事业发展提供必要地参考依据。