基于神经网络的三相电缆故障预测定位系统

为实现三相电缆故障准确定位，在大量实测数据的基础上，用L—M数值优化改进的BP算法建立了复杂非线性电缆故障预测定位系统输入信号与故障距离之间的数学模型，设计了基于BP神经网络的电缆故障预测定位系统，实现了三相电缆短路或接地故障的预测定位功能。仿真结果表明，故障距离的预报误差在指定范围内，预报精度可靠。     

有关10KV配电网电缆常见故障分析

伴随着不断加快的城市现代化建设,配电电缆的应用不断的广泛。文章介绍了10kV配电网电缆几种常见的故障,并提出了如何提高供电配网电缆运行可靠性的措施,确保电缆运行水平和供电可靠性的目标。     

基于神经网络的三相电缆故障预测定位系统

为实现三相电缆故障准确定位,在大量实测数据的基础上,用L-M数值优化改进的BP算法建立了复杂非线性电缆故障预测定位系统输入信号与故障距离之间的数学模型,设计了基于BP神经网络的电缆故障预测定位系统,实现了三相电缆短路或接地故障的预测定位功能。仿真结果表明,故障距离的预报误差在指定范围内,预报精度可靠。     

小波神经网络在模拟电路故障诊断中的应用研究

对模拟电路提出了一种基于小波与神经网络辅助式结合的故障诊断方法．该方法用小波变换作为模拟电路故障信号的预处理器，大大减少神经网络的输入数目，简化神经网络结构和减少它的训练时间，提高辨识故障能力．在介绍该故障诊断方法的基本原理后。给出了小波函数及故障特征选择的方法．     

基于组合模型的电力变压器故障诊断

为了综合全面地诊断电力变压器故障,克服单项诊断方法考虑问题角度单一,不能重复利用已知信息,诊断准确度和稳定性不高的缺点,并结合电力变压器油中溶解气体的数据,提出了利用组合模型诊断变压器故障.该方法将灰关联熵、小波神经网络、模糊粗糙集、支持向量机和IEC三比值作为独立诊断模块,利用熵值法优化得到各个模块的最佳权重,最终得到发生故障最大概率所属类型.通过实例验证,组合诊断法优于单项诊断方法,提高了故障诊断精度,减少了误判率,诊断的稳定性得到提升.     

长途电缆抢修方法

宝鸡至兰州铁路二线 (即宝兰二线 )改造的开工 ,对西部经济的发展和腾飞有着深远的意义。随着宝兰二线工程的进行 ,由于施工单位与维修单位的协调、配合不到位 ,出现了几次通信长途电缆中断故障 ,严重的影响了铁路运输。现将长途电缆抢修方法介绍如下 ,以便于更有效的压缩故障延时 ,确保铁路通信的畅通。1　故障报告程序1 1　故障发生后 ,应首先判明故障部位、区段 ,并尽快按设备、电路的重要程度、进行倒机、倒线 ,然后再进一步查明原因。长途机械室应在干线电缆中断十分钟内判断出小区间。长途机械室应在干线电缆中断十分钟内判断出小区间…     

电缆故障分析与预防

对过分析风力发电企业现场电缆常见故障,提出了相应的改进措施,杜绝类似事件发生。     

电缆故障测试电路

介绍了三相电缆真故障点的计算公式，并以此为基础设计出电缆故障测试电路     

电缆故障点的查找方法

无论是高压电缆或低压电缆,在施工安装、运行过程中经常因短路、过负荷运行、绝缘老化或外力作用等原因造成故障,电缆故障可概括为接地、短路、断线三类。本文介绍了电缆故障点种类的判断和查找方法。     

小波神经网络在输电导线断股故障诊断中的应用

讨论了小波降噪用小波奇异性检测的原理，并利用这些原理对输电导线断股故障信号进行了二进小波分解，提取Ｗ２＾３￣Ｗ２＾５尺度上的特征参数作为神经网络的输入，而经过训练后的神经网络的输出分别为断股故障类型和故障位置信息。     

基于粗糙集-RBF的配电网故障诊断系统研究

为了改进人工智能方法在配电网故障诊断系统中的应用,给出了基于粗糙集理论的RBF神经网络的模型结构,然后利用训练好的神经网络对配电网进行故障诊断.采用VC++语言开发工具,调用Matlab神经网络工具箱建立了一个简化的故障诊断系统,并通过配电网实例验证了方法的正确性.实践证明该系统不但提高了配电网故障诊断的容错性,使故障诊断变得更加准确有效,而且减少了神经网络样本数据,大大减少了故障诊断过程的时间.     

基于改进的RBF神经网络的配电网故障诊断模型

结合梯度下降算法和进化算法对RBF神经网络进行改进,建立了基于改进的RBF神经网络的配电网故障诊断模型.配电网故障诊断实例表明,基于改进的RBF神经网络的配网故障诊断模型具有较高的诊断精度.     

基于统一特征的配电网故障诊断方法

目前的配电网故障诊断方案大多需要大量故障模拟作为支撑.随着配电网规模不断扩大,故障概率逐年增加,该类方法极易受不同故障类型及个数的限制,使得模拟计算量骤增,难以快速诊断,为此本文提出了一种基于统一特征的配电网故障诊断方法.首先利用稀疏测点电压增量关系,推导出配电网的统一故障特征;然后引入神经网络构建故障诊断模型,结合实例测试统一特征诊断方法并分析其计算量优势;最后将统一特征诊断方法推广至大规模配电网,通过撕裂法进行分区,实现各子网并行诊断.多个诊断实例结果表明,所提方法利用稀疏电压增量值即可有效诊断,其模拟次数与故障类型及个数无关,仅取决于支路条数,大大降低了计算量,且对测量数据无严格同步要求.     

粗糙集-神经网络故障诊断方法研究

从人工神经网络故障诊断模型的特点出发 ,利用粗糙集理论解决该模型应用中的主要问题 ,包括进行训练样本质量研究 ,定义相关概念 ,给出故障特征提取算法等 ,提出了粗糙集 神经网络智能混合系统模型 ,分析了该模型的实现步骤 ,结合具体实例验证了上述理论的正确性·利用SAS软件进行了数值仿真·结果表明 ,提出的理论较好地解决了神经网络结构、训练样本的大小、样本质量等对人工神经网络的精度及泛化能力有直接影响的问题 ,减少了训练所需的计算量和时间 ,提高了模型的正确率·     

基于粗糙神经网络的故障诊断技术研究

针对故障诊断中设备监控数据越来越多的特点,提出用于故障诊断的粗糙神经网络模型。此模型的创新点是基于SOFM网络和差别矩阵的离散化算法,此算法不但指导属性划分类数,而且保证了得到最优属性约简,同时,充分利用了粗糙集和神经网络的故障诊断能力来保证诊断结果的准确性和彻底性。实践证明:此模型在工程上有着很好的适用性和可信性,能够为解决现代工业工程中的故障诊断提供有效的参考。     

综合故障诊断及录波设备在长治配电网中的应用

针对小接地电流配网经常发生的短路、接地等故障机理的研究,提出了一种新型判断配网故障的方法,并通过在两个城网变电站的应用证明了本系统的选线准确率。     

浅析网络故障诊断

分析网络设备在网络中的功能作用,论述了网络故障诊断的目的,阐述了网络故障诊断的入手点和解决网络故障一般性方法.     

基于粗糙集-神经网络故障诊断技术的研究

提出了一种基于粗糙集-神经网络故障诊断新方法,该方法利用粗糙集理论对数据样本进行数据浓缩,提取初步的映射规则.该规则通过神经网络进行粗映射,利用神经网络的分类逼近能力,建立输入状态空间到输出空间的精确映射,大大提高了神经网络的收敛速度和逼近精度.通过对一个电力电子电路进行实验,实验结果表明,该方法可以有效地减少输入层神经元个数,提高神经网络模型的学习效率和诊断的准确性,在故障诊断中有良好的应用前景.     

基于BP神经网络的电机转子故障诊断的研究

介绍了一种基于 BP算法的神经网络在电机转子常见故障诊断中的应用。首先利用测振传感器获得转子的振动信息 ,然后用 FFT分析 ,将振动信号的频谱分析作为神经网络的训练样本。通过选择足够的故障样本来训练神经网络 ,将代表故障的信息输入训练好的神经网络后 ,由输出结果就可以判断发生的故障种类。     

基于自适应神经网络的电路系统故障诊断研究

针对人工神经网络的特点,对传统BP算法进行了全面改进,通过采用自适应学习率和动量因子修正等方法,有效克服了传统BP算法在实际应用中学习收敛速度慢和容易出现局部极小点的缺点。以电路系统的故障诊断为例,引入了模糊数学中的隶属度函数,对故障特征量进行处理后作为自适应神经网络的输入,故障编码作为网络的输出。实验仿真结果表明,该系统对电路故障类型能够有效地进行诊断和识别。