为更加准确地理解和掌握变压器绕组的振动响应特性,及时发现变压器绕组的故障隐患,以一台110 k V变压器为研究对象,依托所研制的变压器振动频响测试系统,对变压器绕组正常与典型故障下的振动频响特性进行了试验研究,根据箱壁上多个测点...为更加准确地理解和掌握变压器绕组的振动响应特性,及时发现变压器绕组的故障隐患,以一台110 k V变压器为研究对象,依托所研制的变压器振动频响测试系统,对变压器绕组正常与典型故障下的振动频响特性进行了试验研究,根据箱壁上多个测点处的振动频响曲线,基于信息融合的思想计算分析了变压器绕组融合振动频响曲线的归一化奇异谱熵。试验结果进一步验证了变压器绕组振动频响试验的可重复性。变压器绕组振动频响曲线峰值随频率的增加而增大,且其峰值点随绕组工况不同出现明显偏移。归一化奇异谱熵能够较好地对变压器振动频响曲线进行定量描述,当变压器绕组存在松动或变形等典型故障时,振动频响曲线的归一化奇异谱熵变化率均〉5%。展开更多
风电机组主传动链故障是影响风电机组年运行时间的主要故障类型,提高其诊断精度是确保风电场稳定可靠运行的关键。为提升风电机组主传动链故障诊断精度,在主传动链上增加高频振动监测系统对其振动信号进行精细化分析。由于分别根据高频...风电机组主传动链故障是影响风电机组年运行时间的主要故障类型,提高其诊断精度是确保风电场稳定可靠运行的关键。为提升风电机组主传动链故障诊断精度,在主传动链上增加高频振动监测系统对其振动信号进行精细化分析。由于分别根据高频振动监测信号与风电机组数据采集与监视控制系统(Supervisory Control and Data Acquisition,SCADA)实时监测信号独立进行故障诊断时,难以发现风电机组主传动链的早期故障。为此,提出一种基于3类数据源融合的智能故障诊断方法,通过融合SCADA实时监测系统振动数据、非振动数据和振动监测系统振动数据3类不同时间尺度数据,建立基于自编码网络的典型故障分层诊断模型。实际诊断案例表明,基于3类数据源融合的典型故障分层诊断模型可准确定位风电机组的典型故障。展开更多
文摘为更加准确地理解和掌握变压器绕组的振动响应特性,及时发现变压器绕组的故障隐患,以一台110 k V变压器为研究对象,依托所研制的变压器振动频响测试系统,对变压器绕组正常与典型故障下的振动频响特性进行了试验研究,根据箱壁上多个测点处的振动频响曲线,基于信息融合的思想计算分析了变压器绕组融合振动频响曲线的归一化奇异谱熵。试验结果进一步验证了变压器绕组振动频响试验的可重复性。变压器绕组振动频响曲线峰值随频率的增加而增大,且其峰值点随绕组工况不同出现明显偏移。归一化奇异谱熵能够较好地对变压器振动频响曲线进行定量描述,当变压器绕组存在松动或变形等典型故障时,振动频响曲线的归一化奇异谱熵变化率均〉5%。
文摘风电机组主传动链故障是影响风电机组年运行时间的主要故障类型,提高其诊断精度是确保风电场稳定可靠运行的关键。为提升风电机组主传动链故障诊断精度,在主传动链上增加高频振动监测系统对其振动信号进行精细化分析。由于分别根据高频振动监测信号与风电机组数据采集与监视控制系统(Supervisory Control and Data Acquisition,SCADA)实时监测信号独立进行故障诊断时,难以发现风电机组主传动链的早期故障。为此,提出一种基于3类数据源融合的智能故障诊断方法,通过融合SCADA实时监测系统振动数据、非振动数据和振动监测系统振动数据3类不同时间尺度数据,建立基于自编码网络的典型故障分层诊断模型。实际诊断案例表明,基于3类数据源融合的典型故障分层诊断模型可准确定位风电机组的典型故障。
