一种断路器磁电速度测试传感器的结构参数优化方法

    公开(公告)号:CN110717227A

    公开(公告)日:2020-01-21

    申请号:CN201910954195.6

    申请日:2019-10-09

    IPC分类号: G06F30/17 G01P3/42

    摘要: 本发明提供一种断路器磁电速度测试传感器的结构参数优化方法,其特征在于:步骤一:建立数学模型,步骤二:选择适当的最优化方法,步骤三:根据步骤一和步骤二得到最优化数学模型,步骤四:根据步骤三得到的最优化数学模型通过实验测试,所述步骤一包括设计变量X=[x1,x2,...,xi,...,xn]T、目标函数 和约束条件gj(X)≤0(j=1,2,...,m),所述设计变量包括线圈径向各层匝数、线圈轴向层数以及上下两线圈之间的距离对传感器灵敏度和线性度。本发明断路器磁电速度测试传感器的结构参数优化方法能够达到减少产品自重,降低工程的造价成本,节省人力物力,延长设备的使用寿命。

    一种操动机构故障程度状态识别方法及系统

    公开(公告)号:CN118114128A

    公开(公告)日:2024-05-31

    申请号:CN202311547312.X

    申请日:2023-11-20

    摘要: 本申请提供一种操动机构故障程度状态识别方法及系统,所述方法包括:获取同一故障下操动机构的多种故障程度的时域信号;所述操动机构为供操作高压断路器、高压负荷开关及高压隔离开关使用的电气控制设备;所述时域信号包括:电流时域信号、振动时域信号;基于所述时域信号,利用傅里叶公式对所述时域信号进行频谱变换,生成自适应能量谱图;基于所述自适应能量谱图,获取特征参量;将所述特征参量进行融合,基于融合后的特征参量,采用SVM算法,生成故障程度识别模型;基于所述故障程度识别模型,生成故障程度识别结果,以解决目前对于操动机构的故障分析准确性较低,且无法对操动机构的故障程度状态进行识别的问题。

    基于AKSC模型的大型变压器早期微弱异常诊断方法和系统

    公开(公告)号:CN116049647A

    公开(公告)日:2023-05-02

    申请号:CN202211301599.3

    申请日:2022-10-24

    摘要: 本发明公开了一种基于AKSC模型的大型变压器早期微弱异常诊断方法,包括模型训练阶段和在线诊断阶段,模型训练阶段包括:利用收集的大型变压器监测数据进行退化特征筛选;利用筛选的退化特征,构建训练数据集和校准数据集;将训练数据集和校准数据集输入到AKSC模型中以完成聚类模型的训练,得到微弱异常诊断模型;在线诊断阶段包括:从大型变压器收集在线监测信号数据;提取在线监测信号数据中的退化特征;将提取的退化特征输入到微弱异常诊断模型进行判别,得到异常诊断结果。仅需给定模型的训练数据、校准数据以及故障容错阈值,无需设定大量超参数,摆脱了对领域知识和专家经验的依赖,因此,具有较好的泛化性,可以适用于不同类型大型变压器。