机柜设备作为核电厂集散控制系统(Distributed Control System,DCS)的关键组成部分,其剩余使用寿命(Remaining Useful Life,RUL)预测对保障系统安全可靠运行、人民的生命财产安全具有重大意义。随着大数据时代的来临和人工智能的发展,...机柜设备作为核电厂集散控制系统(Distributed Control System,DCS)的关键组成部分,其剩余使用寿命(Remaining Useful Life,RUL)预测对保障系统安全可靠运行、人民的生命财产安全具有重大意义。随着大数据时代的来临和人工智能的发展,神经网络的运用展开了新的领域,RUL预测方法也变得更加丰富。针对核电设备系统复杂工况应用场景,在故障预测与健康管理(Prognosis and Health Management,PHM)的框架下,提出一种基于深度神经网络的RUL预测方法,挖掘设备故障信息,提取影响设备使用寿命的关键特征,并对该模型进行了训练。试验结果表明,该预测模型能够较为准确地预测RUL,为设备维护的决策提供有意义的信息,从而避免系统的严重故障,对核电机柜设备剩余寿命研究的发展有重要意义。展开更多
针对三相光伏并网逆变柜内触点红外温度噪声较大导致的温度预测难问题,提出了一种基于稀疏去噪和基线估计(baseline estimation and denoising with sparsity,BEADS),三次指数平滑法(exponential smoothing,ES)与马尔科夫链(markov chai...针对三相光伏并网逆变柜内触点红外温度噪声较大导致的温度预测难问题,提出了一种基于稀疏去噪和基线估计(baseline estimation and denoising with sparsity,BEADS),三次指数平滑法(exponential smoothing,ES)与马尔科夫链(markov chain,MC)相结合的红外温度预测组合算法(BEADS-ESMC)。通过样本序列分析确定基线估计参数和平滑系数,并根据样本统计规律建立状态转移概率矩阵,对重要触点的温度进行多步预测。实验表明,应用本方法的多步红外温度预测精度优于常用的ESMC方法,且具有较短的算法处理时间。展开更多
文摘机柜设备作为核电厂集散控制系统(Distributed Control System,DCS)的关键组成部分,其剩余使用寿命(Remaining Useful Life,RUL)预测对保障系统安全可靠运行、人民的生命财产安全具有重大意义。随着大数据时代的来临和人工智能的发展,神经网络的运用展开了新的领域,RUL预测方法也变得更加丰富。针对核电设备系统复杂工况应用场景,在故障预测与健康管理(Prognosis and Health Management,PHM)的框架下,提出一种基于深度神经网络的RUL预测方法,挖掘设备故障信息,提取影响设备使用寿命的关键特征,并对该模型进行了训练。试验结果表明,该预测模型能够较为准确地预测RUL,为设备维护的决策提供有意义的信息,从而避免系统的严重故障,对核电机柜设备剩余寿命研究的发展有重要意义。
文摘针对三相光伏并网逆变柜内触点红外温度噪声较大导致的温度预测难问题,提出了一种基于稀疏去噪和基线估计(baseline estimation and denoising with sparsity,BEADS),三次指数平滑法(exponential smoothing,ES)与马尔科夫链(markov chain,MC)相结合的红外温度预测组合算法(BEADS-ESMC)。通过样本序列分析确定基线估计参数和平滑系数,并根据样本统计规律建立状态转移概率矩阵,对重要触点的温度进行多步预测。实验表明,应用本方法的多步红外温度预测精度优于常用的ESMC方法,且具有较短的算法处理时间。
