RX320ERM 1100++RX320ER 1100@@RX320ER 1100
RX320ERM 1100++RX320ER 1100@@RX320ER 1100
RX320ERM 1100++RX320ER 1100@@RX320ER 1100
RX320ERM 1100++RX320ER 1100@@RX320ER 110
3)基于HMM的变换器故障诊断
HMM利用长期监测随时间变化的历史数据建立动态模型,通过此模型挖掘数据潜在的信息,实现变换器的故障诊断。HMM主要在时间和频域上进行动态分析,是一种重要的动态数据解析方法,并且过程简便、易于实现,适用于时变系统。
文献[21]采用HMM的方法对传统的光伏逆变器故障进行诊断,其减少了诊断时间,提高了准确率。文献[22]提出一种基于HMM的直流变流器故障识别分类方法,促进了高压直流输电的逐步发展,确保了设备的稳定运行。文献[23]针对传统电网断路器实际的运行方式,依据线性时不变模型的参数空间,建立了基于HMM模型且实现了数据的自主学习。
HMM方法能够建立简易的故障诊断模型,便于掌握,但缺点是建立的动态模型准确率较低,且学习过程中使用的经典算法没有考虑到模型的复杂度、不能解决过适应和欠适应的问题。
1.2基于信号处理的变换器故障诊断方法
变换器发生故障后,其可测点处的电压、电流等特征量的幅值、相位和频率就会发生较大的变化。基于信号处理的故障诊断方法,主要对特征向量进行处理和分析,并获得了变换器正常和故障状况下的综合评价。目前,基于信号处理的变换器故障诊断方法主要:有小波变换法(w***elettransform,WT)和希尔伯特-黄变换法(hilbert-huangtransform,HHT)。
WT是一种新的变换分析方法,不仅传承了短时傅里叶变换局部化的思想,还克服了窗口大小不随频率变化的缺点。WT通过伸缩平移运算,对时间和频域信号逐步进行多尺度细化,***终达到高频处时间细化和低频处频率细化的效果,可以满足任意细节时频信号分析的要求。文献[24]采用WT提取三电平逆变器的输出电压故障特征,并将此作为支持向量机(supportvectormachine,SVM)的输入信号。
ASEA BROWN BOVERI VZ1701K
ASEA BROWN BOVERI T7MSQB3EE0GADGAXC
ASEA BROWN BOVERI T5VQ300BW
ASEA BROWN BOVERI T8VQE3HE0EACEEXX
ASEA BROWN BOVERI T7HQ1200SWA
ASEA BROWN BOVERI AF1101F2-CB4A
ASEA BROWN BOVERI TS3H150DWBA
ASEA BROWN BOVERI XT4VE4080BFF000XXX
ASEA BROWN BOVERI XT2LU3100GFFBBLXXX
ASEA BROWN BOVERI 2TLA022300R1000
ASEA BROWN BOVERI T4H250BWA
ASEA BROWN BOVERI T4H040TWS8
ASEA BROWN BOVERI T5H400TW-4KL
ASEA BROWN BOVERI T5L600BW
ASEA BROWN BOVERI 1SDA060402R1
ASEA BROWN BOVERI A26STN3-8N1S/H1
ASEA BROWN BOVERI T4H150TWP
ASEA BROWN BOVERI AF1451F2-C***D
ASEA BROWN BOVERI T4V100B0B
ASEA BROWN BOVERI 1SVR427060R1000
ASEA BROWN BOVERI N1M3-CE68Z/10P
ASEA BROWN BOVERI AF1101F2-2A4FZAC
ASEA BROWN BOVERI T4L150TW
ASEA BROWN BOVERI T5L600CWP
ASEA BROWN BOVERI XT4SE3250HFF000XXX
ASEA BROWN BOVERI XT4SE3100HFF000XXX
ASEA BROWN BOVERI T4H100TLU4
ASEA BROWN BOVERI T5V600BWAS8
ASEA BROWN BOVERI T4H250BW-4
ASEA BROWN BOVERI T4H250CWS9
ASEA BROWN BOVERI FPL7421235R2123