一种电弧实验装置
    1.
    发明公开

    公开(公告)号:CN113702819A

    公开(公告)日:2021-11-26

    申请号:CN202110981310.6

    申请日:2021-08-25

    Abstract: 本发明涉及一种电弧实验装置,包括圆柱形腔体、顶端组件、电弧组件、测量组件、底座及底座组件;利用电弧组件中的类千分尺控制上下电极之间距离进而控制电弧的长度与能量,用以模拟不同能量下的电弧故障,利用电弧组件中的加热管升高油温,用以模拟油浸式电力设备正常工作情况下的油温,利用顶端组件中的第二取气阀和底端组件中的第一放油阀和第二放油阀,可以获取电弧放电之后的产物,并利用测量组件中的加速度传感器可以测得腔体内的振动;通过顶端组件中的压力变送器可以获得腔体压力数值。本发明通过电弧实验装置可以准确研究电弧放电引起的变化,为油纸绝缘结构的电力设备控制提供数据参考,也提高设备的安全性。

    一种基于多元数据神经网络的开关柜故障预测方法

    公开(公告)号:CN115270982A

    公开(公告)日:2022-11-01

    申请号:CN202210942524.7

    申请日:2022-08-08

    Abstract: 本发明公开了一种基于多元数据神经网络的开关柜故障预测方法,包括如下预测步骤:S1、数据获取:利用网络和开关柜的数据库中获取开关柜运行数据,收集所需数据,将收集的数据存储作为多元数据神经网络模型的初始数据库,S2、数据预处理:先对初始数据库中的数据进行分类,再将每类数据分为正常数据和异常数据,通过SVM‑SMOTE算法对异常数据进行过采样,本发明通过多种数据的同时采集,试探监测触头,确保采集的数据准确可靠,再将多种数据同时作为判断的依据,对数据进行分析,判定异常数据,并根据异常数据的种类数量和超出范围,进行不同等级的故障报警,使开关柜故障报警更加准确,方便人们及时对开关柜进行故障检修。

    一种基于AdaBoost-RBF算法的开关柜故障预测方法

    公开(公告)号:CN115270983A

    公开(公告)日:2022-11-01

    申请号:CN202210942595.7

    申请日:2022-08-08

    Abstract: 本发明公开了一种基于AdaBoost‑RBF算法的开关柜故障预测方法,采用RBF神经网络作为基学习器,外层嵌套AdaBoost算法的方式来进行故障预测,该预测方法具体包括如下步骤:数据特征获取;数据预处理;数据训练;准确度测试;故障异常预测;迭代更新模型,本发明以RBF神经网络作为基学习器,外层再嵌套AdaBoost算法以提高故障预测的精度,并且在故障预测时,采用动态阈值的方法,方便对算法不断的进行迭代,这样就大大提高了预测的精度,通过数据预处理方便通过过采样的处理方式来对提取的特征数据进行处理,且通过对特征数据进行过采样处理来方便平衡数据集,从而提高后续算法模型的预测能力,以便更好的进行故障预测。

Patent Agency Ranking