基于多状态MOG-HMM和Viterbi的航空发动机突发故障预测

针对航空发动机的突发故障,提出了一种基于多状态混合高斯隐马尔科夫模型(mixture of Gaussian-hidden Markov model,简称MOG-HMM)和Viterbi算法相结合的预测方法。首先,根据航空发动机突发故障的历史监测数据建立多状态MOG-HMM模型,确定状态数、状态转移矩阵、观察值概率分布以及最终的突发故障状态;然后,对新采集的观测数据,通过Viterbi算法解码出该观测数据对应的当前状态;最后,计算该状态到达突发故障状态的时间间隔,从而可以对突发故障进行预测。仿真和实验结果表明,该方法能够实现对突发故障的预测,并且符合标准预测指标的要求。

基于智能电表量测的低压配电线路参数辨识

及时识别低压配电线路参数可预防非突发性故障的发生,但囿于智能电表量测数据种类,合适的计算方法有待研究。文章基于已知拓扑及智能电表测得的有功无功、电压电流有效值,提出了一种线路参数计算方法。该方法假定了线路阻抗初值,从负荷侧推得各条线路的功率分布,从电源侧推得各电气量相位角,再用测得值及推得的相位角组成新的电气量,然后形成KVL方程并通过最小二乘法进行阻抗新值的迭代求解。最后以包含24个负荷电表节点、31条支路的配网算例验证了所提方法的有效性。