基于遗传优化规则库的电力变压器故障诊断

提出基于遗传算法优化模糊规则库的故障诊断方法,采用模糊故障诊断系统对电力变压器的初期故障进行检测或诊断.采用遗传算法产生优化的模糊规则库,针对缺少数据样本的情况,采用自举法对数据样本进行处理及扩充,使得不同的故障类型有相等的样本数.仿真结果表明:该故障诊断方法提高了故障诊断精度和正确率,对于电力变压器故障诊断有效、可行.     

一种数据驱动的湿法烟气脱硫系统的故障诊断方法

采用主元分析法(PCA)对火电厂湿法烟气脱硫系统进行故障诊断.利用PCA建立系统故障诊断模型,通过计算平方预测误差(SPE)来检测系统是否发生故障,若有故障发生则用Q贡献率法来分离故障,识别发生故障的原因.通过采集福州某电厂湿法烟气脱硫系统的历史数据进行Matlab仿真并在组态王中显示故障诊断曲线,表明用PCA法对湿法烟气脱硫系统故障具有良好的诊断效果.     

用人工神经网络诊断电力电子电路主回路故障

提出了一种用前向神经网络(BP网络)来诊断新型无功发生器(ASVG)逆变器主回路元件开路故障的方法.把逆变器输出电压波形在一个周期内分为4个区,则可以发现单个元件开路的相应故障特征.这个特征表现在某一区域的电压值异常现象(为浮动状态),这可以用前向神经网络来进行识别.通过电力电子仿真软件(PSIM),得到了主回路单个元件开路时逆变器输出的电压波形样本,利用这些样本可以训练神经网络.研制了用神经网络诊断故障的软件,对测试样本的识别得到满意结果.     

故障诊断的最小二乘估计法

本文讨论了故障诊断的最小二乘估计法，对故障系统应用最小二乘法估计出其状态参数值，并与系统标称值比较．从而诊断出系统的故障大小及部位．文中给出了一个仿真实例．诊断结果令人满意．     

电力系统故障瞬间静止无功发生器的可控性分析

以 2 0 Mvar静止无功发生器 (ASVG)工业装置的开发为背景 ,分析了电力系统发生故障的瞬间 ,连接于系统中ASVG所受的影响。通过对装置和系统中主要电压和电流矢量的描述 ,并借助数字仿真 ,研究了系统发生故障瞬间 ,ASVG由正常状态进入故障状态的原因。指出在系统中电压(特别是电压相位 )发生变化的情况下 ,可以通过控制以及同步信号的选取 ,使装置在一定程度上避免进入故障状态 ,提高装置在电力系统中的生存能力     

一类混杂系统多重故障的半定性诊断方法

为解决混杂系统中多重故障诊断等分支研究相对薄弱的问题,以一个三容水箱系统为背景,提出了一类混杂系统多重故障的半定性故障诊断方法.该方法使用混杂自动机对系统进行建模,利用混杂串级神经网络跟踪子系统的状态变化,并考虑了故障改变模式顺序的问题.对元件的多重故障进行了仿真研究,结果表明,该方法能够很好地对系统中的多重故障进行诊断,为混杂系统的多重故障诊断提供了新的实用途径,模糊理论在基于半定性方法的多重故障诊断中具有广阔的应用前景.     

基于神经网络的三相全控桥整流电路故障诊断

电力电子电路的诊断具有相当的复杂性,主要原因之一是由于功率器件的损坏造成主电路结构的改变.而晶闸管是整流装置中最容易损坏的器件,因此,晶闸管的故障诊断成为电力电子电路故障诊断的首要重点.提出一种用前向神经网络来诊断三相全控桥整流电路晶闸管故障的方法.对电路发生故障时输出的波形进行分析,用故障波形的采样数据制作的样本对神经网络进行训练,将训练好的神经网络用于故障诊断.仿真和实验表明该方法是有效的.     

电力系统故障时静止无功发生器的运行分析

静止无功发生器 (ASVG)在电力系统投运之后 ,为了协调装置自身安全及其对系统贡献二者之间的关系 ,必须深入研究系统在故障情况下对 ASVG的影响。用对称分量法给出了电力系统故障期间 ASVG的等效电路。对电路中的主要参数进行了分析。在理论分析的基础上 ,指出了在对称调制方式下 ,通过控制器可以调节流过装置的正序电流以及直流侧电容电压的直流分量 ,而流过装置的负序和零序电流以及直流侧电压的交流分量和装置主电路的参数及其变压器与系统的连接方式有关。     

基于小波包分析与支持向量机的电力电子整流装置故障诊断

针对当前电力电子整流装置使用的故障诊断方法在应用过程中表现出的缺陷,提出了一种基于小波包分析与支持向量机的电力电子整流装置故障诊断方法：首先使用小波包分析方法对故障信号波形进行分解,提取故障特征向量,然后使用支持向量机理论构造多分类故障分类器对提取的故障特征向量进行分类.仿真实验结果表明,该方法能够有效地完成对电力电子整流装置的故障诊断,具有很好的工程应用价值.     

一种基于RBF神经网络的智能故障诊断方法

根据神经网络独特的容错、联想、推测、自适应、自学习等优点,针对BP网络在故障诊断应用中收敛速度慢等不足,研究了基于RBF神经网络的智能故障诊断方法.该诊断方法只需要足够的具有代表性的故障样本用以训练神经网络,然后将归一化的故障信息输入给训练好的神经网络,根据其输出结果就可以判断发生的故障类型.利用该诊断方法,对发动机转子系统故障诊断进行了仿真,仿真结果表明,基于RBF神经网络的智能故障诊断方法效果良好.