断路器配件

新闻中心

当前位置: 首页 > 新闻中心 > 技术资讯

联系我们Contact Us

乐清市尊力仪表有限公司

联 系:陈经理

手 机:18367818000

电 话:0577-62713666

网 址:www.zunliyb.com

邮 箱:188908828@qq.com

地 址:浙江省温州市乐清市北白象镇交通北路888号(塘下村标准厂房西栋)

公司主营:断路器配件,塑壳断路器配件,M1仪表件,塑壳电子式配件,塑壳重合闸配件,M1弹簧,M1塑料件,M3仪表件,M3弹簧,M3塑料件

断路器配件故障诊断的新方法

2022-08-08 11:34:37

断路器配件是低压配电系统中的保护和控制设备,其健康状态对配电系统的性能、稳定性有着重要的影响,因此其日常维护也至关重要。分合闸附件作为断路器配件的关键部件,正常工作是断路器配件可靠运行的关键保证。
但是,在断路器配件长期的运行过程中,分合闸附件往往会出现不同类别的机械故障,影响断路器配件的正常工作。鉴于此,为提高断路器配件配件运行可靠性,对分合闸附件动作过程中可能出现的故障进行有效的监测、分析以及诊断是非常重要的。

在故障诊断中,特征信号的选取是实现诊断目标的前提,在分合闸过程中,断路器配件分合闸线圈电流信号不仅易于检测,而且含有丰富的机械状态信息,可作为断路器配件故障诊断的依据。国内外很多专家学者都提出了基于分合闸线圈电流信号来监测和诊断断路器配件的机械状态。

断路器配件



研究人员通过与传统智能故障诊断方法以及现有深度学习算法相比,结果表明:

 1)AW-1DCNN算法不需要依赖人工特征提取和专家知识,实现了对原始电流信号故障特征的自适应提取,降低了故障诊断的操作难度,提高了故障诊断结果的准确度。

 

2)AW-1DCNN算法是标准1DCNN算法的改进,其在保留原方法强大的非线性特征自学习能力的同时将模型的第一层卷积层的卷积核设为宽卷积核,提高了模型提取原始输入信号故障特征的能力,有效地实现了小样本下的故障识别。

 

3)AW-1DCNN算法具有较强的泛化能力,通过设计不同的实验数据集,故障诊断识别率均达到了95%以上,充分证明了该算法能够很好地克服线圈回路合闸相位随机性的问题,故障识别率远优于BPNN和MKL-SVM这两种传统智能故障诊断算法,且与LSTM和标准的1DCNN相比,诊断结果也更加优异,且模型的稳定性更高。

 

考虑到目前只是针对一种型号的断路器配件进行分析研究,在后续的研究中,将对不同型号的断路器配件进行进一步的分析,从而使算法的泛化性能得到更高的提升;同时断路器配件配件作为在线运行的低压配电器,后续工作中应考虑如何实现断路器配件配件的在线诊断问题;此外,还应在复杂的应用场合中验证所提算法的可扩展性。

 

断路器配件


近期浏览:

相关产品

相关新闻

乐清市尊力仪表有限公司

全国服务热线: 0577-62713666

网址: www.zunliyb.com

邮箱:188908828@qq.com

地址:浙江省温州市乐清市北白象镇交通北路888号(塘下村标准厂房西栋)

马上留言

f4e81fa5-05c2-46fd-9c8c-2eb195f91190.jpg

扫码关注