一种操动机构故障程度状态识别方法及系统

    公开(公告)号:CN118114128A

    公开(公告)日:2024-05-31

    申请号:CN202311547312.X

    申请日:2023-11-20

    Abstract: 本申请提供一种操动机构故障程度状态识别方法及系统,所述方法包括:获取同一故障下操动机构的多种故障程度的时域信号;所述操动机构为供操作高压断路器、高压负荷开关及高压隔离开关使用的电气控制设备;所述时域信号包括:电流时域信号、振动时域信号;基于所述时域信号,利用傅里叶公式对所述时域信号进行频谱变换,生成自适应能量谱图;基于所述自适应能量谱图,获取特征参量;将所述特征参量进行融合,基于融合后的特征参量,采用SVM算法,生成故障程度识别模型;基于所述故障程度识别模型,生成故障程度识别结果,以解决目前对于操动机构的故障分析准确性较低,且无法对操动机构的故障程度状态进行识别的问题。

    基于AKSC模型的大型变压器早期微弱异常诊断方法和系统

    公开(公告)号:CN116049647A

    公开(公告)日:2023-05-02

    申请号:CN202211301599.3

    申请日:2022-10-24

    Abstract: 本发明公开了一种基于AKSC模型的大型变压器早期微弱异常诊断方法,包括模型训练阶段和在线诊断阶段,模型训练阶段包括:利用收集的大型变压器监测数据进行退化特征筛选;利用筛选的退化特征,构建训练数据集和校准数据集;将训练数据集和校准数据集输入到AKSC模型中以完成聚类模型的训练,得到微弱异常诊断模型;在线诊断阶段包括:从大型变压器收集在线监测信号数据;提取在线监测信号数据中的退化特征;将提取的退化特征输入到微弱异常诊断模型进行判别,得到异常诊断结果。仅需给定模型的训练数据、校准数据以及故障容错阈值,无需设定大量超参数,摆脱了对领域知识和专家经验的依赖,因此,具有较好的泛化性,可以适用于不同类型大型变压器。

Patent Agency Ranking