首页> 中文期刊> 《自动化与仪器仪表》 >基于机器学习的水电站辅机系统设备故障诊断方法

基于机器学习的水电站辅机系统设备故障诊断方法

         

摘要

为了提升水电站设备运行的智能化水平,研究基于机器学习的水电站辅机系统设备故障诊断方法、西部修试公司在调峰调频公司两个中心(数据中心、应用中心)前期研究成果下,开发、利用日臻完善的电力信息化平台获取运行设备状态和工况信息,从大数据本身内在规律分析的角度研究设备状态演变的关联关系和发展趋势,构建天二公司基于机器学习的辅助系统设备状态监测算法及数据分析模型框架,为设备稳定、安全、经济运行提供判断依据,为设备检修、退役决策提供支持。本项目选取了固有模态函数能量熵方法提取水电站辅机系统设备状态特征,该方法利用快速集合经验模态分解方法快速分解水电站辅机系统设备的振动信号,计算分解后振动信号的模态分量能量熵,所获取的模态分量能量熵即水电站辅机系统设备的状态特征,设置所提取的水电站辅机系统设备的状态特征作为模糊支持向量机模型的输入样本,模糊支持向量机模型的输出结果即水电站辅机系统设备的故障诊断结果。实验结果表明,该方法可以有效诊断水电站辅机系统设备故障,故障诊断准确率高于98.5%。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号