一种PSO-SVM的光伏阵列故障检测与分类

提出一种粒子群优化支持向量机的光伏阵列故障检测与分类的方法.分析了光伏阵列输出特性和故障类型,选择合适的特征向量及归一化方式.选用径向基核函数优化模型结构,并利用PSO算法对参数进行寻优,提高模型精确度.结合实验平台获取光伏阵列正常工作和8种故障状态的实测数据,随机划分为训练集和测试集,并建立PSO-SVM故障检测与分类模型.实验表明,应用本模型进行故障检测准确率达99.89%,分类准确率达98.68%,优于BP神经网络以及决策树的检测和分类结果.     

一种光伏阵列实时状态监测与故障定位系统

开发一种光伏阵列状态监测和故障定位系统,该系统将连续采集、 间歇采集、 自动定时采集、 故障检测定位等功能集成到统一的Matlab平台. 提出一种“阈值法－Hampel辨识法”相结合的光伏阵列离群值检测算法,该算法通过比较不同光伏组串瞬时电流进行异常检测实现故障定位. 基于实验室光伏并网发电平台上的故障模拟,重点研究了线线故障和失配故障条件下的故障检测与定位. 实验结果表明：该系统能够自动定时采集光伏电气特性数据并快速、 准确地判断是否发生故障及实现故障组串定位,具有良好的应用前景.     

基于PSO-SVM的光伏阵列故障检测与分类

光伏阵列故障的精确检测是提高光伏电站运行可靠性和安全性的重要因素之一。本文提出了粒子群优化支持向量机(Particle Swarm Optimization-Support Vector Machine, PSO-SVM)的光伏阵列故障检测与分类的方法。分析了光伏阵列输出特性和故障类型,选择合适的特征向量及归一化方式。选用径向基核函数优化模型结构,并利用PSO算法对参数进行寻优,提高模型精确度。结合实验平台,获取光伏阵列正常工作和8种故障状态的实测数据,随机划分为训练集和测试集,并建立PSO-SVM故障检测与分类模型。实验表明应用本文模型进行故障检测准确率达99.89%,分类准确率达98.68%,优于BP (Back Propagation)神经网络以及决策树的检测和分类结果。     

电机驱动系统电流传感器故障诊断与容错控制

为有效解决电机驱动系统中的常见的电机电流传感器故障诊断与容错控制问题,结合Luenberger状态观测器与修正Bayes分类算法,提出了一种有效的传感器故障诊断与容错控制方法。该方法以一种可调增益矩阵的Luenberger状态观测器模型为基础,实现各种工况下电流值的实时估计。基于残差生成单元和修正的Bayes分类算法对故障传感器进行实时检测与定位,并在传感器故障工况下用观测器估计值代替电流传感器信号实现电机驱动系统的容错控制。仿真结果表明,本文所提算法能快速诊断出故障传感器并具有容错控制功能,可有效提高电机驱动系统可用性。     

适应屋顶光伏接入的低压配电系统故障测距新方法

随着新型电力系统的不断建设,新能源大规模接入低压配网是中国能源转型的重要方向。在电网故障条件下,快速准确确定故障位置对提升新能源利用率和改善低压配网可靠性至关重要。目前,现有故障测距研究主要针对输电网和中高配电网,但对于低压四线制配电系统相关研究较少。在大规模建设屋顶光伏的背景下,低压四线制配电网是消纳新能源的重要场景。针对此,面向有源低压三相四线制配电系统提出一种新型故障定位方法,首先建立三相四线制系统接地故障下故障距离计算模型和屋顶光伏故障等效模型;然后,建立了屋顶光伏故障计算模型与故障线路靠近屋顶光伏端的电压关联模型。在此基础上,联合所建立的关联模型、屋顶光伏故障等值模型,以及三相四线制系统故障距离计算模型,通过迭代计算方法求解故障距离。最后,基于仿真算例对所提算法进行了验证,结果表明：所提算法具有良好性能,研究成果有效提升了屋顶光伏接入后的低压配网三相四线制系统故障定位水平。     

传感器和执行器故障检测与隔离方法

设计构造一种基于观测器的故障检测与定位方法,该方法对多输入多输出随机系统中传感器和执行器同时发生的故障或分别发生的故障进行检测和定位.为确定故障位置,先将原系统按传感器个数划分成若干子系统,使每个子系统与特定的传感器故障不相关而与其他传感器故障相关,再为每个子系统设计一个观测器,使其对特定的执行器故障不敏感而对其他执行器故障的敏感度最大.由此,利用观测器的信息统计量,经逻辑判别便可确定系统中传感器或执行器故障位置.     

开关柜母排多点面阵测温与温升异常辨识方法

针对单点传感测温难以全面准确识别高压开关柜过热故障的问题，提出一种以低分辨率多点面阵测温取代传统点测温的新方法及其技术实现.首先，提出低分辨率红外阵列传感器的开关柜温度状态多点传感检测技术，获取开关柜电缆室母排与电缆连接处的多视场温度分布数据.其次，在实现过热区域定位的基础上，建立k最近邻(KNN)算法温度故障辨识模型，识别开关柜母排故障状态.最后，搭建开关柜温度状态监测平台，采集数据并分析.实验结果表明，多点面阵测温不仅适用于开关柜状态监测要求，且其温升异常检测方法可有效实现过热故障的区域定位与识别分类.     

基于GNN的电网动态特性评估及其知识图谱应用

提出了一种基于图神经网络(GNN)的电网故障检测方法,辅助解决网络运维领域的故障问题.通过构建电网特征抽取模型以及知识图谱,将所提出图神经网络应用于电网的故障节点定位;通过引入时间维度信息,将前后时刻的节点状态辅助当前时刻的故障检测;将图神经网络层的各个节点输出特征进行相关性分析,验证图神经网路对节点特征抽取的有效性.结果表明：所提出的图神经网络能够有效地定位电网故障节点,在仿真故障场景上获得了99.53%的定位准确率,图神经网路对节点的特征建模可以定性观测节点故障扰动传播情况,对故障节点分析起到了重要辅助作用.     

分布式光伏接入配电网继电保护的解决方案

高渗透分布式电源接入配电网导致配电网保护异常复杂,通过对分布式电源并网对配电网故障电流影响的分析,提出一种分工况保护方案。方案利用含分布式光伏配电网在孤岛检测过程中采集到的电压、电流和频率等信号,通过功率守恒的原理,判定并网分布式光伏发电系统是否处于等功率、欠功率或过功率状态;进一步根据并网侧电压和电流突变的大小与光伏阵列侧输出功率、电压和电流进行对比分析,判定是否发生故障以及故障发生区域。该方案对电压、电流、频率等信息精确度要求低,简单可靠,对通信通道和速度要求不高;各种数据在孤岛检测过程中采集,节约了传感器,对配电网而言具有良好的经济性。     

基于核状态空间ICA的非线性动态过程故障检测方法

针对工业过程的非线性和动态特性,提出一种基于核状态空间独立元分析的故障检测方法.采用核规范变量分析法将非线性动态过程数据映射到核状态空间,得到去相关的状态数据.对状态数据的各时延协方差矩阵进行加权求和得到状态数据的时序结构矩阵,进而建立ICA统计模型,从状态数据中提取独立元特征数据,并构造监控统计量检测过程故障.在Tennessee Eastman过程上的故障检测结果表明,相比于传统的基于动态核主元分析的故障检测方法,该方法更加灵敏地检测到故障的发生,提高故障检测率.     

基于有限状态机的被动测试错误诊断

针对被动测试错误诊断算法只能推测出被测系统可能存在错误却无法准确定位错误的问题，提出了一种逐步定位系统实现错误的层次递进的方法．先利用测试序列的输入输出信息并结合错误模型生成初始诊断错误集合，再依据测试套上下文使用错误检测算法对该集合进行筛选，最后经连续观察或结合主动测试进行错误区分．实例验证结果表明，所提方法能够对绝大多数有单个实现错误的有限状态机模型进行错误定位．     

数字电路故障诊断

针对目前数字电路开发和生产过程中对电路的故障诊断效率低下的问题,开发了故障诊断定位软件,能有效地对数字电路中的固定故障和桥接故障进行诊断定位,应用该软件能有效地缩短查找数字电路中故障的时间,对提高数字电路的开发速度具有重大的现实意义.     

模块化多电平换流器子模块故障仿真与诊断

分析了模块化多电平换流器(MMC)的工作原理和故障特性,搭建了基于MATLAB/Simulink的五电平MMC故障仿真平台,对子模块中IGBT器件的开路、短路和高阻等故障状态进行模拟,总结出发生不同故障时输出直流电压、子模块电容电压和交流侧三相电流的变化特征,可为MMC故障诊断与故障模块定位提供参考。     

基于模糊k 均值的变压器分接开关故障诊断

为帮助维修人员快速定位查找分接开关出现的故障, 基于k 均值的分类思想, 设计了一种针对有载开关裸开关交流测试装置输出数据的测试方法。该模糊k 均值算法与原有的k 均值算法进行比较的实验结果表明,大幅提高了识别结果的正确率和稳定性, 具有良好的故障诊断能力, 可针对测试有载分接开关所输出的数据快速做出诊断, 有助于维修人员快速定位查找故障。     

A Fault Diagnosis Method Based on Wavelet Singular Entropy and SVM for VSC-HVDC Converter

The converter is the core component of voltage source converter-high voltage direct current(VSC-HVDC), which is related to the stable operation of the system. The converter has a complex structure where the accuracy of feature extraction is low, and the computation speed of traditional fault diagnosis strategies is slow. To solve this problem, a fault diagnosis strategy based on wavelet singular entropy(WSE) and support vector machine(SVM) was proposed. This method includes fault and label setting, converter fault feature extraction based on wavelet singular entropy, and converter fault classification based on support vector machine. The DC-side voltage signal was used as the detection signal, and the wavelet singular entropy was used for feature extraction to avoid noise interference. The classification is based on SVM. The experimental verification in PSCAD simulation proved that the method has better fault diagnosis ability for various faults and meets the needs of converter fault diagnosis.     

基于仿生感知的机床刀具故障诊断系统

现有刀具故障诊断系统具有系统庞大、成本高,精度低等问题,亟需开发一种高精度、低成本的刀具故障诊断系统.为此,提出一种基于仿生应变传感器的数控机床刀具故障诊断系统,该系统首先将精度高、价格便宜的仿生柔性裂纹阵列振动敏感元件封装成刚性的仿生应变传感器,使其适用于采集机床刀具振动信号;然后从采集的刀具振动信号中提取时域和频域特征,并使用支持向量机算法建立刀具故障诊断模型.通过实验对离线故障和实时机床加工环境中的在线故障进行诊断,结果表明,设计的基于仿生应变传感器的刀具故障诊断系统对机加故障诊断的准确率大于88％,在保证故障诊断性能的同时降低了检测成本.这是将灵敏度高、成本低的仿生柔性敏感元件应用于工业故障诊断的一次全新尝试.     

一种利用LSTM和稳态时间序列的光伏阵列故障诊断方法

受最大功率点跟踪算法和时变环境条件的影响,光伏阵列的电气工作参数包含了复杂的暂态过程以及工频干扰噪声,严重影响了故障特征质量以及诊断算法性能。针对该问题,本文首先提出了一种基于最大功率点（MPP）的稳态时间序列预处理方法,以自动过滤数据中的暂态过程和干扰噪声,获取连续的稳态时间序列电气特征数据,作为故障诊断模型的输入参数;然后,提出了一种基于长短期记忆网络（LSTM）的深度网络模型,以实现对光伏阵列常见故障的检测及分类;最后,在一个小型光伏并网发电系统及其Simulink仿真模型上,进行故障模拟及仿真以验证所提出的故障诊断方法。实验结果表明所提出的故障诊断方法具有良好的精度和泛化性能,并且优于常规的反向传播神经网络（BPNN）和循环神经网络（RNN）。     

一种利用LSTM和稳态时间序列的光伏阵列故障诊断方法

针对光伏阵列电气工作参数包含复杂的暂态过程及工频干扰噪声严重影响故障诊断模型性能的问题,提出一种基于最大功率点的稳态时间序列预处理方法.首先,以自动过滤数据中的暂态过程和干扰噪声,获取连续的稳态时间序列电气特征数据,作为故障诊断模型的输入参数;然后,提出一种基于长短期记忆网络的深度网络模型,以实现对光伏阵列常见故障的检测及分类;最后,在一个小型光伏并网发电系统及其Simulink仿真模型上,进行故障模拟及仿真,以验证所提出的故障诊断方法.实验结果表明,所提出的故障诊断方法具有良好的精度和泛化性能,并且优于常规的反向传播神经网络和循环神经网络.     

基于融合模型的单相接地故障类型辨识方法

在中国6~66 kV的中低压配电网中,单相接地故障约占配电网故障总数的80%。由于发生单相接地故障时仅由系统的对地电容引起很小的接地故障电流,故障特征不明显,并且不同类型的单相接地故障之间的特征区分度不高,造成了对其类型辨识的难度增大。对此,提出了一种融合特征分解和深度学习思想的单相接地故障类型辨识方法。首先,基于希尔伯特黄变换（HHT,hilbert-huang transform）对配电网采集到的故障录波数据进行初步处理,使不同故障类型间的区分度更高;其次设计深度学习模型ResNet18学习故障事件的复杂非线性特征,从而辨识出故障类型结果。通过国内某真型试验场采集到的录波数据进行验证,证明了本文提出的综合辨识方法能准确识别出多种单相接地故障类型,可为后续制定有针对性的故障处理措施提供可靠依据。