-
题名基于深度学习的电力设备故障诊断方法研究综述
被引量：13
- 1
-
-
作者
陈浈斐
章黄勇
马宏忠
李志新
李呈营
-
机构
河海大学能源与电气学院
国家电网有限公司电能计量重点实验室国网江苏省电力有限公司营销服务中心
-
出处
《电气自动化》
2022年第1期1-2,6,共3页
-
基金
国家自然科学基金项目(51907052)
中国博士后科学基金项目(2017M621606)
江苏省博士后科研资助项目(2016-416109)。
-
文摘
在大数据时代背景下,如何有效利用电网产生的大量数据快速、准确地判断设备的运行状态,并进行故障预警,成为近年来的研究热点。以基于电力设备监测数据的故障诊断方法为研究主题,总结电力设备数据的特点,阐述应用深度学习技术过程中面临的挑战,最后给出研究建议。应用可解释的深度学习模型、增强数据融合广度和提升诊断结果稳定性是进一步的研究方向。
-
关键词
电力设备
故障诊断
深度学习
数据处理
大数据
-
Keywords
power equipment
fault diagnosis
deep learning
data processing
big data
-
分类号
TM507
[电气工程—电器]
-
-
题名分数槽永磁电机永磁体谐波涡流损耗建模与分析
被引量：13
- 2
-
-
作者
陈浈斐
邢宁
马宏忠
李志新
章黄勇
-
机构
河海大学能源与电气学院
国网江苏省电力有限公司营销服务中心
-
出处
《电工技术学报》
EI
CSCD
北大核心
2022年第14期3514-3527,共14页
-
基金
国家自然科学基金项目(51907052)
中国博士后科学基金项目(2017M621606)
江苏省博士后科研项目(2016-416109)资助。
-
文摘
准确求解分数槽永磁电机电枢磁场下的永磁体涡流损耗解析解,探究谐波涡流损耗随绕组结构的变化规律是改进绕组结构抑制涡流损耗的关键。针对此问题,该文提出四层绕组电流密度建模方法,实现对三相/双三相、双层/四层绕组结构的建模。基于现有的子域模型,将四层绕组结构的槽身区域划分为上层绕组和下层绕组区域,增加上层绕组与下层绕组交界处的边界条件,确定各子域磁场的谐波系数。通过设计瞬态电枢磁场求解程序,建立涡流损耗解析模型。以四台仅绕组结构不同的10极12槽永磁电机为例,利用有限元仿真验证了损耗模型的精确性。基于该损耗模型,探究了谐波涡流损耗随绕组相数和层数的变化规律,并使用磁动势从机理上分析该规律,为改进绕组结构抑制涡流损耗的研究方向提供一些思路。
-
关键词
分数槽永磁电机
电枢磁场
永磁体涡流损耗
谐波涡流损耗
双三相绕组
四层
绕组
-
Keywords
Fractional slot permanent-magnet machine
armature magnetic field
magnet eddycurrent loss
harmonic eddy-current loss
dual three-phase winding
four-layer winding
-
分类号
TM341
[电气工程—电机]
-
