浏览全部资源
扫码关注微信
1. 中国南方电网有限责任公司超高压输电公司昆明局
2. 清华大学深圳国际研究生院
Published:2023
移动端阅览
[J]. High voltageapparatus, 2023, 59(11): 32-39.
DOI:
[J]. High voltageapparatus, 2023, 59(11): 32-39. DOI: 10.13296/j.1001-1609.hva.2023.11.004.
针对换流站阀冷系统运行过程中监测变量的复杂性,缺乏全面的故障诊断手段,基于规范变量分析(CVA)实现了阀冷系统故障诊断,并根据贡献图准确定位故障原因。首先,建立了阀冷系统数据驱动的故障诊断模型,提取了阀冷系统运行参数,确定了CVA算法的参量。其次,基于该算法,通过对阀冷系统典型故障案例分析验证了模型的准确性,结果表明算法可以快速判断系统异常并优于主元分析算法,实现故障预警。最后,基于贡献图分析,计算了不同参数的贡献率,精确定位故障数据位置。通过对换流站运行数据进行试验诊断,发现CVA算法能够有效地提取故障特征并诊断故障,研究结果可为现场阀冷系统运维提供有效支撑。
0
Views
84
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution