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。

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。

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。

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。

YOLO网络配电网故障选线方法

针对现有的配电网故障选线困难的问题,提出一种基于YOLO网络的配电网故障选线方法。首先,使用三相电流构建极坐标二维图像,充分提取特征信息;之后,对各线路三相电流的极坐标图像进行像素级融合,并以不同颜色区分,在进一步加强图像特征的同时,降低原始图像的冗余度;最后,使用YOLO神经网络对融合图像进行特征提取,训练得到最优的模型文件,利用该模型实现故障选线。将该方法与现有的故障选线结果进行对比,结果表明,该方法选线准确率可以达到99.95%,选线时间12.9 ms,明显优于其他故障选线方案,且该方案不受故障时刻、故障类型和过渡电阻等因素的影响,可满足配电网故障选线的准确度和可靠性需求。

基于参数优化VMD和改进LSSVM的道岔故障诊断方法

为了解决道岔设备智能故障诊断中特征指标难以提取以及模型训练时间较长的问题,以ZDJ9型转辙机带动的道岔设备为研究对象,以转辙机功率曲线为数据基础,提出一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)和改进最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)的道岔故障诊断方法。首先,采用鲸鱼优化算法(Whale Optimization Algorithm,WOA)优化VMD参数,得到模态(Intrinsic Mode Functions,IMF)分量个数和惩罚因子的最优参数组合。其次,计算IMF分量与功率曲线的相关系数,优选相关性较大的前3阶IMF分量,并计算功率谱熵、模糊熵及包络熵值,建立多特征融合样本数据库。最后,针对麻雀搜索算法(Sparrow Search Algorithm,SSA)易陷入局部最优的问题,通过改进Tent混沌映射初始化策略随机生成种群,正余弦算法(Sine Cosine Algorithm,SCA)更新追随者的位置,并采用改进SSA优化LSSVM算法的惩罚因子和核函数方差,构建基于TSSSA-LSSVM的道岔故障诊断模型。实验结果表明:所提道岔故障诊断方法是可行的,采用多特征融合能够更加全面地提取道岔典型故障特征,反映道岔的真实运行状态,提高了故障诊断准确率,而且较TSSSA-SVM,PSO-LSSVM,GWO-LSSVM以及SSA-LSSVM等方法具有较高的故障诊断准确率、召回率以及较低的漏报率,减少了模型训练时间,完全满足现场道岔故障导向安全的原则,具有更好的故障诊断性能,对现场道岔设备的故障维修具有一定的指导意义。

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。

永磁同步电机故障诊断方法研究综述

永磁同步电机(permanent magnet synchronous motor,PMSM)具有结构简单、运行稳定、效率高和外形多样等显著优点,在生产制造领域得到广泛应用。PMSM在工作中不断受到速度变化和负载波动等复杂工况的影响,不可避免地会出现各种故障,如轴承故障、偏心故障、退磁故障和匝间短路故障等。文中综述了PMSM常见故障类型,并总结了自动化领域中基于信号的状态监测方法的现有研究,以用于各类电气和机械故障的检测和诊断。随后,对诊断方法进行了总结,并分析了其优势与限制,探讨了不同信号处理方法在应用中的利弊。最后,根据当前研究现状,讨论了PMSM故障监测与诊断存在的问题和未来发展方向。

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。

不对称短路故障下永磁直驱风电机组并网控制策略研究

电网侧发生不对称故障时,永磁直驱风电机组并网电流会发生三相不平衡的问题。针对这一问题,提出一种基于自适应陷波器的网侧换流器控制策略。该控制策略基于解决机组并网电流二倍频分量的思想,在电网侧发生不对称短路故障时,将进入逆变器的dq坐标系下的二倍频电压分量去除,从而使得网侧换流器输出的电流达到三相平衡。本文首先分析了电网侧发生不对称短路故障后永磁直驱风力发电机组的动态响应;然后建立了机侧和网侧换流器的模型,并分别采用了双闭环矢量控制技术和基于自适应陷波器的控制策略;最后进行仿真分析,验证了改进后的控制策略相较于传统控制策略,有效解决了不对称短路故障下并网电流三相不平衡问题。

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。

考虑架构灵活重构的混合式贯通牵引供电装置应急管控与故障恢复策略

基于牵引变压器与两相交流输入至单相交流输出(两相-单相)变换单元的混合式贯通牵引供电系统(HATPSS)凭借其设备利用率高、改造成本低等优势而受到关注。然而,两相-单相变换单元作为系统中的薄弱环节,其任意端口故障会导致系统出现负序电流与功率缺失等问题,严重者将引发整个贯通系统失稳。此外,受HATPSS供电架构特殊性及其控制目标多样性的影响,传统牵引系统冗余备用方案与应急管控技术适用性差等问题突出。鉴于此,该文针对两相-单相变换单元的输入/输出端故障工况,综合考虑牵引站中既有设备应急管控潜能与两相-单相变换单元控制自由度的特点,分别提出面向HATPSS的应急管控与故障恢复策略。仅通过牵引变压器、联络开关、两相-单相变换单元等系统既有装置间的协同配合,实现在不同故障工况下HATPSS额定功率运行与负序电流抑制。最后,仿真与实验验证了在不同工况下该文所提应急管控策略的可行性与有效性。

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。

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。

物联网技术在新能源汽车故障诊断中的应用与前景

近年来,随着环保要求和国家政策的支持,汽车技术得到了突飞猛进的发展,特别是新能源汽车很快得到普及。未来新能源汽车的保养维护与故障诊断技术的革新将是汽车后市场服务转变的重要内容,为了快速、准确、高效地完成汽车故障诊断,基于物联网的汽车故障诊断技术研究正在快速推进。本文通过对物联网技术在汽车故障监测与诊断中的研究现状分析,探讨了物联网技术在未来汽车故障诊断中的应用可行性及前景。

融合多小波分解的深度卷积神经网络轴承故障诊断方法

针对卷积神经网络及其与信号降噪预处理集成方法面临高噪声环境和低质量数据挑战时难以有效地提取信号有用特征的问题,提出了一种融合Geronimo-Hardin-Massopust多小波分解的深度卷积神经网络模型(GHMMD-DCNN)。该模型思想是将多小波包分解与卷积神经网络深度融合,即设计多个一级多小波分解层以提取信号的低频分量和高频分量,再将多个一级多小波分解层与卷积层交替联接,使模型能够多尺度地提取并学习信号有用的时频域信息,信号分解和特征学习交替执行,进而实现强噪声鲁棒特征提取。在不同工况下的航空高速轴承振动数据上进行测试,结果表明:所提模型训练时能够快速达到稳定收敛,并且识别准确率均能达到99.9%以上;提出的方法在强噪声干扰下的故障辨识准确度和识别稳定性均优于对比方法,验证了其优秀的抗噪声干扰能力;在少训练样本测试中,提出的方法在单类训练样本数量为60时的平均诊断准确率高达91.19%,相比于其他方法最低提升了13.19%,验证了GHMMD-DCNN模型具有更优的低样本泛化能力。

基于有源消弧暂态衰减信息的配电网接地故障跟踪检测方法

现有配电网单相接地故障检测技术缺乏消弧过程的故障程度跟踪与选线能力。该文充分利用消弧过程中的暂态信息,建立考虑线路参数不对称的集总参数等效模型,论证消弧过程零序电压衰减直流特征的物理意义,提出考虑快速消弧的配电网故障检测新方法,对于低、高阻接地故障均有较高的检测灵敏度。实际应用中,仅需观测消弧全补偿电流投切过程中零序电压及零序电流波形,即可实现过渡电阻测量、故障程度跟踪与故障选线,具有瞬时性故障实时跟踪、故障检测与故障消弧同步进行的优势,操作简单、易于实现。仿真实验证实了方法的有效性,为配电网故障检测提供了新的理论依据。

架空配电线路故障电弧的电磁辐射特性及故障定位应用

针对架空配电线路电弧接地故障点定位难题,该文研究架空配电线路故障电弧的电磁辐射特性,探索基于电磁辐射信号的电弧故障定位方法的可行性。通过10 k V配网真型故障模拟试验平台,分析接地电弧电磁辐射的时域与频域特性及传播衰减规律,结果表明:电弧电流的电磁辐射特征频段为20~30 MHz,该特征频段不会受到中性点接地方式、电弧接地介质与线路结构参数的显著影响,且特征频段内辐射信号在传播过程中衰减较慢。在此基础上,设计一种小型化三角形单极子–环形组合平面天线,工作频率为20~500 MHz。利用自制天线开展小型电弧故障定位实验,为后续配网电弧故障定位的应用研究提供基础。