-
公开(公告)号：CN112016395B
公开(公告)日：2024-08-06
申请号：CN202010708343.9
申请日：2020-07-14
Applicant: 华北电力大学(保定)
IPC: G06F18/24 , G06F18/10 , G06F18/213 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于CGAN‑CNN的同步电机转子匝间短路故障判别方法。该方法包括：首先构建条件生成对抗网络(Conditional Generative Adversarial Networks，CGAN)模型，输入带标签的样本集训练该模型，输出人工样本，与原样本混合后划分训练集和测试集；然后构建卷积神经网络(Convolution Neural Networks，CNN)模型，输入训练集训练该模型后，再输入测试集，判断模型有效性。本发明提供的同步电机转子匝间短路故障判别方法，能实现数据集非平衡情况下的故障诊断，生成样本相比于原样本避免了噪声和其他干扰，提高了故障诊断的准确率。
-
公开(公告)号：CN110763997A
公开(公告)日：2020-02-07
申请号：CN201911063909.0
申请日：2019-11-04
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种同步电机定子早期故障预警方法。该方法包括：步骤1：构建深度置信网络(Deep Belief Networks，DBN)模型；步骤2：训练深度置信网络模型；步骤3：将电机实际运行时SCADA系统采集的定子侧数据经过归一化处理后输入至训练好的深度置信网络模型中，网络输出重构误差的变化趋势图，判断重构误差的变化趋势图是否在重构误差的设定阈值的上方，如果是，则判断定子侧发生故障，并转向步骤4；如果否，则定子侧运行正常，然后转向步骤5；步骤4：将状态参数的重构值与实测值相减得到状态参数的残差值，判断残差值是否超过设定阈值；步骤5：结束。本发明提供的同步电机定子早期故障预警方法，实现同步电机定子故障的诊断方法，并能对定子早期故障进行预警。
-
Patent Agency Ranking
公开(公告)号：CN110531266B
公开(公告)日：2021-08-24
申请号：CN201910971033.3
申请日：2019-10-14
Applicant: 国网山东省电力公司电力科学研究院 , 华北电力大学(保定) , 国家电网有限公司
Inventor： 孙福春 , 王安东 , 曹志伟 , 孙善华 , 王继豪 , 李明 , 李俊卿 , 陈雅婷 , 李斯璇 , 辜超 , 雍军 , 邢海文 , 代海涛 , 赵永正 , 赵富强 , 许光可 , 张围围 , 李星 , 陈令英 , 袁韶璞 , 王楠 , 许冬冬
Abstract: 本发明基于长短时记忆网络(LSTM)实现同步电机励磁绕组匝间短路的故障预警。采集数据后进行归一化处理；然后建立LSTM网络并训练网络模型，确定故障预警值，由此判断励磁绕组是否正常。本发明以9个物理量作为自变量，3个物理量作为输出量训练LSTM网络；然后将3个输出量进行数据融合，实现故障预警。本发明充分考虑了与转子匝间短路相关的物理量，避免了某一种物理量测量不准确或因信号受到干扰而造成的预测值不准确的情况，克服了采用转子振动变化法等单个判据存在的缺陷，能够对励磁绕组匝间短路早期故障进行预警，在同步电机负荷波动较大的情况下仍检测出故障，且不需要在同步电机内添加额外的测量装置，具有简便易行的优点。
-
公开(公告)号：CN110531266A
公开(公告)日：2019-12-03
申请号：CN201910971033.3
申请日：2019-10-14
Applicant: 国网山东省电力公司电力科学研究院 , 华北电力大学(保定) , 国家电网有限公司
Inventor： 孙福春 , 王安东 , 曹志伟 , 孙善华 , 王继豪 , 李明 , 李俊卿 , 陈雅婷 , 李斯璇 , 辜超 , 雍军 , 邢海文 , 代海涛 , 赵永正 , 赵富强 , 许光可 , 张围围 , 李星 , 陈令英 , 袁韶璞 , 王楠 , 许冬冬
Abstract: 本发明基于长短时记忆网络(LSTM)实现同步电机励磁绕组匝间短路的故障预警。采集数据后进行归一化处理；然后建立LSTM网络并训练网络模型，确定故障预警值，由此判断励磁绕组是否正常。本发明以9个物理量作为自变量，3个物理量作为输出量训练LSTM网络；然后将3个输出量进行数据融合，实现故障预警。本发明充分考虑了与转子匝间短路相关的物理量，避免了某一种物理量测量不准确或因信号受到干扰而造成的预测值不准确的情况，克服了采用转子振动变化法等单个判据存在的缺陷，能够对励磁绕组匝间短路早期故障进行预警，在同步电机负荷波动较大的情况下仍检测出故障，且不需要在同步电机内添加额外的测量装置，具有简便易行的优点。
-
公开(公告)号：CN111722145B
公开(公告)日：2023-04-25
申请号：CN202010552808.6
申请日：2020-06-12
Applicant: 华北电力大学(保定)
IPC: G01R31/52 , G01R31/72 , G01R31/34 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明以卷积网络(CNN)和深度置信网络(DBN)相结合，实现对同步电机励磁绕组匝间短路轻度故障的诊断。本发明收集同步电机正常和轻度故障时的历史数据，经归一化处理后训练CNN和DBN。本发明以12个物理量作为CNN输入提取数据特征，以提取的数据特征为DBN输入，以故障和正常作为DBN的输出。将现场采集数据输入训练好的网络，当连续20个数据样本均被划分为故障时则判定为故障。本发明充分考虑了与转子匝间短路相关的物理量，避免了某一种物理量测量不准确或因信号受到干扰而造成的故障误判的情况，且不需要在发电机内添加额外的测量装置，具有简便易行的优点。
-
公开(公告)号：CN112016395A
公开(公告)日：2020-12-01
申请号：CN202010708343.9
申请日：2020-07-14
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种基于CGAN-CNN的同步电机转子匝间短路故障判别方法。该方法包括：首先构建条件生成对抗网络(Conditional Generative Adversarial Networks，CGAN)模型，输入带标签的样本集训练该模型，输出人工样本，与原样本混合后划分训练集和测试集；然后构建卷积神经网络(Convolution Neural Networks，CNN)模型，输入训练集训练该模型后，再输入测试集，判断模型有效性。本发明提供的同步电机转子匝间短路故障判别方法，能实现数据集非平衡情况下的故障诊断，生成样本相比于原样本避免了噪声和其他干扰，提高了故障诊断的准确率。
-
公开(公告)号：CN111722145A
公开(公告)日：2020-09-29
申请号：CN202010552808.6
申请日：2020-06-12
Applicant: 华北电力大学(保定)
Abstract: 本发明以卷积网络(CNN)和深度置信网络(DBN)相结合，实现对同步电机励磁绕组匝间短路轻度故障的诊断。本发明收集同步电机正常和轻度故障时的历史数据，经归一化处理后训练CNN和DBN。本发明以12个物理量作为CNN输入提取数据特征，以提取的数据特征为DBN输入，以故障和正常作为DBN的输出。将现场采集数据输入训练好的网络，当连续20个数据样本均被划分为故障时则判定为故障。本发明充分考虑了与转子匝间短路相关的物理量，避免了某一种物理量测量不准确或因信号受到干扰而造成的故障误判的情况，且不需要在发电机内添加额外的测量装置，具有简便易行的优点。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
