一种水电站GIL设备运行工况模拟装置及方法

    公开(公告)号:CN117233545B

    公开(公告)日:2024-05-10

    申请号:CN202311005803.1

    申请日:2023-08-10

    IPC分类号: G01R31/12

    摘要: 本发明提供了一种水电站GIL设备运行工况模拟装置及方法,GIL短样缺陷试验段整体密封设置在封闭壳体的内部;封闭壳体的内部设置有用于控制内部温度的温度控制装置;封闭壳体的内部设置有用于空气流动的强迫空气流动装置;还包括水平布置的辅助GIL段,GIL短样缺陷试验段的相对侧设置有垂直布置的GIS对比试验段和GIS缺陷试验段;所述GIL短样缺陷试验段、GIS对比试验段和GIS缺陷试验段分别与用于产生电流的升流装置以及用于产生电压的升压装置相连。此装置可在垂直布置的GIL管道外部模拟竖井内布置的GIL管道上下部存在不同温度和风速的外部环境,能够有效解决在实验室中无法真实模拟长竖井GIL设备缺陷工况的问题。

    基于相似故障案例集的生成水电设备故障诊断规则的方法

    公开(公告)号:CN116910585B

    公开(公告)日:2023-12-05

    申请号:CN202311191858.6

    申请日:2023-09-15

    摘要: 基于相似故障案例集的生成水电设备故障诊断规则的方法,包括以下步骤:Step1、建立故障案例库,按照故障模式将所有的故障案例进行分组,形成多个同类故障案例集;Step2、初始征兆权重;Step3、当新增故障案例时,自动更新修正同类故障案例集中的征兆权重;Step4、水电设备发生故障时,进行征兆可信度的计算;Step5、采取加权平均的方式计算得出相似度;Step6、根据得到的相似度确定故障情况,以进行故障诊断,并生成对应故障处理措施以保护水电设备。整合了水电设备方面多种故障模式和征兆,精确的规范了各类故障问题,解决了诊断结果不明确的问题。实现相似故障案例集中的征兆权重能够自动更新修正,不断完善,提高故障诊断准确度。

    基于故障知识库自动生成FTA实时动态树的方法

    公开(公告)号:CN116992958A

    公开(公告)日:2023-11-03

    申请号:CN202311253784.4

    申请日:2023-09-27

    摘要: 一种基于故障知识库自动生成FTA实时动态树的方法,步骤1、根据故障知识库生成FTA实时动态树的方式新建FTA逻辑模型;步骤2、根据逻辑设备选择故障知识库模型;步骤3、根据FTA逻辑模型构建故障库生成FTA模型的逻辑规则,将故障知识库模型拆解映射为FTA逻辑故障树模型;步骤4、设置事件节点的故障诊断工具;步骤5、完成FTA逻辑故障树创建;步骤6、发布FTA逻辑模型,并将FTA逻辑模型实例化;步骤7、配置调度任务;步骤8、根据配置好的调度任务进行周期性故障诊断,进行故障告警。本发明可降低了故障树绘制人员要求,减少绘制工作量以及缩短时间成本。

    一种基于相似性原理的模拟故障样本生成方法

    公开(公告)号:CN116956073A

    公开(公告)日:2023-10-27

    申请号:CN202311191943.2

    申请日:2023-09-15

    摘要: 一种基于相似性原理的模拟故障样本生成方法,包括以下步骤:Step1、创建基样本;Step2、根据故障需求调整基样本;Step3、使用基于相似性算法SBM和调整后的基样本,生成趋势一致的模拟样本;Step4、计算真实数据样本和初步模拟故障样本的数据特征;Step5、基于Step4计算的数据特征,根据阈值选择最终的模拟故障样本。由于只需要保存基样本,能够极大地降低生成成本,既不需要过度依赖生成规则,也不需要对模型进行大量训练;此外,通过相似度原理计算出的模拟样本,能够生成不同程度的“模拟故障样本”;其数值的趋势相比人工调整或回归生成方法生成,更加真实,而且可以通过“调整基样本”的方式获取不同程度故障的模拟样本数据。

    基于知识脉络面向业务场景的水电设备知识图谱构建方法

    公开(公告)号:CN116911386A

    公开(公告)日:2023-10-20

    申请号:CN202311171932.8

    申请日:2023-09-12

    摘要: 本发明涉及基于知识脉络面向业务场景的水电设备知识图谱构建方法,包括:抽取数据库元信息,构建水电设备模式层图谱模型;对图谱模型对应的节点以及节点之间的关系进行标注,生成分类的知识脉络线,利用与同一场景关联的多条知识脉络线形成水电设备故障场景的子场景分析模型;将所述子场景分析模型的节点与数据表进行映射,并配置关联字段;实例化,抽取实体数据,构建出面向业务场景的知识子图谱;利用知识了图谱进行设备故障分析、故障归因。本发明实现了水电设备故障相关联的知识高度关联,便于用户一键式查询分析特定故障或特定设备的故障特征、故障部位以及相关的故障控制措施,代替人工搜集、关联和匹配,直观性好,省时省力。

    基于深度学习的水轮发电机组故障预警系统及方法

    公开(公告)号:CN116910519A

    公开(公告)日:2023-10-20

    申请号:CN202310734900.8

    申请日:2023-06-20

    摘要: 本发明涉及基于深度学习的水轮发电机组故障预警系统,包括水电站厂级监控系统模块、水轮发电机组原始数据处理模块、水轮发电机组综合特性监测模块、水轮发电机组故障预警模型分析模块和人机界面展示模块。水电站厂级监控系统模块用于提供水轮发电机组工况数据和监测数据;水轮发电机组原始数据处理模块用于机组原始数据的采集、处理和存储;水轮发电机组综合特性监测模块,用于机组综合特性监测与整体性能分析,计算得出机组特性参数;水轮发电机组故障预警模型分析模块,用于数据降维,并将降维数据和水轮发电机组特性参数数据作为预测模型的输入,利用RNN模型得到机组故障预测结果并判断是否发出预警信号。本发明提高了故障预警的准确性和精度。