简介:摘要用电信息采集成功率涉及公司管辖范围内变电站关口、水电站、分布式电源、专变、台区公变、低压用户的电能表、互感器、集中器、终端设备。用电信息包含电能表表码示数、电压曲线、电流曲线、功率曲线、功率因素、需量等。各项目标中,专公变用户采集成功率99.8%、厂站用户采集成功率99%、低压用户采集成功率99%,专变需量采集成功率达90%。综合采集成功率99%以上。国网某省电力有限公司供电分公司2017年上半年的综合采集成功率为98.37%,没有达到省公司要求的99%以上。通过分析原因,制定相应对策,并采取一系列措施,至2017年12月,公司综合采集成功率为99.63%,超额完成采集成功率指标要求。
简介:针对大型设备故障诊断中特征量表现出来的不确定性和非精确性,提出了一种基于灰色关联理论来获取基本概率测度(BPA)的方法。该方法确定各故障特征量的参考样本,然后根据灰色相关性理论求得待诊断样本的相关系数,所取得的相关系数进行归一化处理即得到BPA值,经过Dempster多源组合规则进行多证据融合,得到最后的诊断结果。将所提方法用于电机转子故障诊断,实验结果表明该方法有效。
简介:摘要:近年来,随着社会发展,电力行业得到发展,现阶段成为社会生活中不可缺少的一部分,目前被运用到各个行业领域。为了更好地解决电网多源故障时的用电信息采集和处理问题,针对基于数据驱动的电网多源故障用电信息采集智能融合技术展开研究。该技术的在线运行机制基于先验知识和深度玻尔兹曼机(DBM)模型实现。在分类处理多源用电信息后,获取其中的动态数据和静态数据。通过数据驱动提取不同类别用电数据的特征集,利用卡尔曼滤波算法去除特征集中的冗余特征,完成对用电信息的一致性特征描述,从而获得用电信息融合结果。测试结果表明:该技术具有较好的应用性能;戴维森堡丁指数(DBI)的测试结果均在0.017以下,能够有效分类动态数据和静态数据,并处理数据中的异常数据;变异系数结果均在0.02以下。利用该技术所得的用电信息融合结果,能够可靠地预测用电需求、识别异常用电行为。该技术应用效果良好。
简介:摘要目前,随着我国现代化工业的快速发展,国内的先进智能技术水平也随之不断提高,机械设备逐渐趋于智能化、自动化。数控机床是一种最典型、常用的机械加工设备,具有加工质量稳定、适应性强和效率高等优点。然而,数控机床的加工精度由其内部零部件的工作状态决定。由于其内部结构复杂,因此难以有效地进行故障诊断。进给系统是数控机床的重要组成部分,主要由机械传动和伺服控制两子系统构成。在实际工作中,这两个系统需要长期不间断地变负荷工作,极易发生故障。同时,故障之间是相互耦合的,一个部件的故障将引起其他部件产生多种故障,加之故障发生的随机性强,从而大幅度增加了故障诊断的难度。
简介:摘要:随着信息技术的不断发展,利用数据处理与识别技术实现对电力工程数据的智能化信息感知能力是当前学术界的共识。因此,提升数据采集的效率和准确率成为了当下研究热点。国家电网公司出台相关政策,鼓励结合电力工程业务需求、挖掘基建过程价值,实现基建业务数字化、智能化,以提高电力工程基建管理水平。基于此,以下对基于多源感知的电力工程数据信息处理与识别技术进行了探讨,以供参考。