模糊辨识在电力设备故障诊断中的应用探讨

在电力设备的诊断之中,模糊辨识理论的应用范围较为广泛,并且具有良好的实践效果。在电力设备的故障诊断中,利用模糊关系矩阵,由输入或输出的方式,可以得到相应的结论。除此之外,可以将模糊辨识理论与红外图像的数据分析相结合,这样将会提高对电力设备诊断的精确性。即模糊辨识理论技术是一种依据已知的输入与输出,对模糊模型进行辨别的方法。采用模糊辨识的好处是可以减少人为因素的干扰与误差,提高诊断的准确性。

电力设备故障诊断及状态检修的研究

当前如何有效实现10kV电力设备故障诊断及状态检修进行研究，以及如何提高故障诊断的准确率和状态检测的现行方式是一个热点研究课题，结合南宁供电局青秀供电分局电缆设备故障率占设备故障最高，设备运行维护工作方法传统等问题，本文先研究10kV电力设备故障诊断及状态检测的发展及国内外研究现状，然后再研究电力设备故障检修在配电网中的重要性，最后研究10kV电力设备故障诊断及状态检修的方法。

数据挖掘技术在电力设备故障诊断中的实践

电力行业的发展使我国人们的生活质量有了很大的提高。现阶段我国电力设备的运行已与各行业顺利发展具有较为密切的关系。 就实际展开分析,电力设备一旦出现故障,对现实中的各项生产、生活相关项目皆会造成较大影响。为保障电力设备顺利运行,需切实掌 握一套较为完善的故障诊断、修整方式。

电力设备状态监测与故障诊断综合管理系统

介绍了实现电力设备状态监测与故障诊断综合管理系统的整体设计方案,阐述了系统的硬件组成结构,软件组织构成等.运用的结果表明,提高了对电力设备进行管理诊断的自动化水平,具有很好的推广价值.

基于改进卷积神经网络的电力设备红外图像分类识别方法

随着电力设备故障诊断技术的不断发展、红外测温诊断技术不断成熟,如何快速有效地对各类电气设备红外测温图像进行分类识别,是今后故障诊断智能化发展的关键环节之一。通过对红外测温图像分类识别方法进行研究,提出了一种基于改进卷积神经网络的电力设备红外图像分类识别方法。首先,通过旋转、翻转等方法对收集的红外图像进行数据增强;然后,建立基于改进MobileNetV2的电力设备红外图像分类识别模型,将电力设备红外测温图像通过迁移学习进行加权训练,利用Focal Loss函数改进神经网络的损失函数;最后,通过Softmax分类方法实现电力设备红外图像分类识别。试验表明,使用改进MobileNetV2的分类识别模型对电力设备红外图像进行分类识别的总平均准确率为92.62%,红外图像检测速度为116 f/s,具备较好的收敛速度与识别能力,为电力设备智能巡检提供了新思路。

Intelligent Examination Monitoring and Maintenance for the Safety of Operation of Flexible Manufacturing Systems

Based on the system of electric power supply for flexible manufacturing systems (FMS), a study has been carried out on the intelligent safety examination, monitoring and maintenance of its running environment. On the basis of the specific feature of the power supply network of an FMS, real time monitoring system of the power supply network and the fault diagnostic expert system for the power equipment have been designed. This system can diagnose not only definite fault phenomena, but also fuzzy, uncertain fault phenomena as well. Fault diagnostic knowledge base for the power equipment has been founded hierarchy architecture model and the method of fault tree analysis. Feasibility of this system has been proved by computer simulation.