江苏机械门户网
 
用户名: 密码: 注册账号
 
文章查询:
 现在的位置:首页 >> 技术
  最新图文
  资    讯 更多..
4 2021江苏泰州第十届国际… 
4 英国首次落地!极智嘉携手… 
4 机器人2.0,全面赋能智能… 
4 智能制造和自动化趋势下… 
4 工业机器人向着模块化、… 
4 时代拐点,探索IoT增长引… 
4 论坛预告 | 大咖来袭,聚… 
4 想把药物精准送至患处?来… 
4 粤港澳大湾区先进制造业…
4 第23届江苏智博会于4月2…
  法律法规 更多..
4 习近平在博鳌亚洲论坛20… 
4 《“十四五”智能制造发…
4 重磅!江苏“十四五”规划…
4 江苏省政府关于印发江苏…
4 《乘用车燃料消耗量限值…
4 解读《财政部 工业和信息…
4 省科技厅一系列项目发布…
4 《工业互联网创新发展行…
4 关于征集2021年关键核心…
4 工业和信息化部办公厅关…
基于ZigBee网络和视频监控的电力设备故障监测与诊断

内容来源:《机械设计与制造工程》      浏览次数:84      更新时间:2021-04-01

基于ZigBee网络和视频监控的电力设备故障监测与诊断

 晟,陈新星,陈人楷

(国网福建省电力有限公司信息通信分公司,福建 福州 350000)

作者简介:王晟(1990—),男,工程师,硕士,主要研究方向为通信技术应用等, wangh078@sina.com.

 

摘要:基于ZigBee网络铺设成本低和传输效率高的优点,提出一种基于ZigBee网络和视频监控的电力设备故障监测与诊断方法。首先通过视频监控设备和传感器采集电力设备故障信号数据,识别过程中采用小波包3层分解和重构电力设备故障信号数据提取小波包能量特征;然后将其特征数据划分成训练样本和测试样本,在极限学习机的基础上引入正则化因子,提出了正则化极限学习机算法,用于进行故障分类、诊断和识别;最后将训练样本作为RELM模型的输入和输出,建立电力设备故障RELM识别模型进行故障识别。与ELMSVMBPNN相比,运用RELM进行电力设备故障诊断具有更高的诊断准确率和更低的误判率。

 

关键词ZigBee网络;电力设备故障;故障诊断;正则化极限学习机;视频监控

中图分类号X773   文献标识码A   文章编号2095-509X(2020)12-0046-04

 

随着电网建设规模不断扩大和电力设备覆盖率的提高,需要调控中心监控的电力设备数量激增,难以及时高效、准确地发现电力设备存在的安全隐患和故障1-2,因此开展电力设备故障高精度远程监测与故障诊断,有针对性地根据实际需求进行可靠的运营和维护,对提高电力部门的管理能力和保障用户的用电安全具有重要的理论价值和实际意义。

 

与传统通信网络相比,ZigBee网络具有铺设成本低和传输效率高的优点。本文运用ZigBee无线网络传输电力设备视频监控信号和故障信号,给出了电力设备故障监测与诊断框架,运用正则化极限学习机(regularized extreme learning machine RELM)进行电力设备故障诊断,与极限学习机(extreme learning machineELM)、支持向量机(support vector machineSVM)和前馈神经网络(backpropagation networkBPNN)相比,具有更高的诊断准确率和更低的误判率,提高了电力设备故障诊断的精度,为电力设备故障诊断研究和应用提供了新的方法。

 

1 电力设备故障监测系统结构 

为实现电力设备故障监测与诊断,基于ZigBee网络成本低和传输效率高的优点3建立电力设备故障检测系统,运用ZigBee无线网络传输电力设备视频监控信号和故障信号。系统结构和ZigBee无线网络结构如图1所示。

 

分享到:

 
版权所有:南京蓝页动力文化传播有限公司  苏ICP备14020118号-1

该网站由小贝网络工作室提供技术支持

 
360网站安全检测平台