CN119537851A 一种矿用高压配电装置的故障预测方法 (中国计量大学)_第1页
CN119537851A 一种矿用高压配电装置的故障预测方法 (中国计量大学)_第2页
CN119537851A 一种矿用高压配电装置的故障预测方法 (中国计量大学)_第3页
CN119537851A 一种矿用高压配电装置的故障预测方法 (中国计量大学)_第4页
CN119537851A 一种矿用高压配电装置的故障预测方法 (中国计量大学)_第5页
已阅读5页,还剩25页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

本发明涉及一种矿用高压配电装置的故障22.根据权利要求1所述的一种矿用高压配电装置的故障预测方法,其特征在于所述形引入基于传感器健康状态的动态权重自适应融合算法,通过健康度量值Hi和数据质量i表示传感器i的健康度量值,通过对时间t9上的温度和电压的变化率进行积分3.根据权利要求2所述的一种矿用高压配电装置的故障预测方法,其特征在于所述形通过时空聚类分析传感器数据在空间和时间上的关联性,在故障检测方面识别异常;34.根据权利要求3所述的一种矿用高压配电装置的故障预测方法,其特征在于所述形采用深度神经网络模型进行特征提取和融合,利用深度神经网5.根据权利要求1所述的一种矿用高压配电装置的故障预测方法,其特征在于所述特6.根据权利要求5所述的一种矿用高压配电装置的故障预测方法,其特征在于所述特7.根据权利要求6所述的一种矿用高压配电装置的故障预测方法,其特征在于所述特通过多维趋势预测模型,对各个特征的趋势变化进行联合分析,4[0002]目前用于矿用高压配电装置的故障预测方法在实际应用中虽然取得了一定效果,用固定权重对传感器数据进行融合分析,没有根据传感器的健康状态对权重进行动态调56i7高维度往往导致传统方法难以准确识别故障。本方法通过深度神经网络的非线性特征映压和气体泄漏等多种传感器,目的是捕捉高压配电装置在运行过程中出现的各种状态变8快速判断当前设备的运行状态是否符合已知的9配电装置上安装了10个温度传感器和10个电压传感器,传感器数据的采样频率为每秒一2[0062]将上述温度和电压数据代入公式进行积分,计算得到传感器i在该时段内的健康康度量值Hi和数据质量系数Qi的结合,系统可以根据各个传感器的健康状况实时调整其权时间部分的结果为i波动与负荷变化的关系。每个传感器的动态权重Wi会根据之前的时空聚类分析结果调整,[0084]通过数据的代入和计算,设定温度传感器捕捉到的温度特征F1(x)在x2空分析得出主配电柜区域温度波动剧增的情况,系统将进一步识别为设备绝缘开始老化,[0092]Wi(t)表示时间t时刻的窗口权重,用于量化传感器i的当前数变化率为积分求得在该时间窗口内的窗口权重wi(t)x[0104]Vk(t)表示传感器k在时间t上的电压信号,设定电压信号呈现为Vk(t)=220+2t'))dt'~0.4·(2200+0)=880.

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论