CN111007429A - 基于anfis的同步调相机短路故障识别方法和系统 - Google Patents

基于anfis的同步调相机短路故障识别方法和系统 Download PDF

Info

Publication number
CN111007429A
CN111007429A CN201911170320.0A CN201911170320A CN111007429A CN 111007429 A CN111007429 A CN 111007429A CN 201911170320 A CN201911170320 A CN 201911170320A CN 111007429 A CN111007429 A CN 111007429A
Authority
CN
China
Prior art keywords
phase modulator
synchronous phase
anfis
short
working conditions
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911170320.0A
Other languages
English (en)
Inventor
陈轩
戴锋
汤晓峥
蒋梦瑶
马宏忠
赵学华
刘一丹
张祥虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Maintenance Branch of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Maintenance Branch of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Maintenance Branch of State Grid Jiangsu Electric Power Co Ltd filed Critical Maintenance Branch of State Grid Jiangsu Electric Power Co Ltd
Priority to CN201911170320.0A priority Critical patent/CN111007429A/zh
Publication of CN111007429A publication Critical patent/CN111007429A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)
  • Control Of Ac Motors In General (AREA)

Abstract

本申请公开了一种基于ANFIS的同步调相机短路故障识别方法和系统，所述方法包括仿真同步调相机的不同工况，采集仿真过程中同步调相机不同工况下的励磁电流数据并构建训练样本集；构建并训练用于同步调相机短路故障识别的自适应神经模糊推理系统ANFIS；实验同步调相机的不同工况，采集实验过程中同步调相机不同工况下的励磁电流数据并构建测试样本集；对实验过程中同步调相机的短路故障进行诊断。本申请汇集了神经网络和模糊逻辑的优点，避免了局部极小值的问题，对于样本要求较小，不需要大量的训练数据，诊断所得的结果有很强的可靠性，不仅能够准确地诊断出故障，还能做到具体故障类型的分辨。

Description

基于ANFIS的同步调相机短路故障识别方法和系统
技术领域
本发明属于电机状态检测与故障诊断技术领域，涉及一种基于ANFIS的同步调相机短路故障识别方法和系统。
背景技术
同步调相机又称同步补偿机，是一种无功补偿装置，运行于电动机状态，本身不带机械负载，仅从电网吸收少量有功功率供电机本身消耗。其可向电网提供或吸收无功功率，改善功率因数，降低网络损耗，对调整电网电压和提高电网的稳定性具有较佳作用。
短路故障是同步调相机比较常见也是比较严重的故障之一。根据短路类型、持续时间的不同，短路后果可能破坏局部，也可能威胁到整个系统的安全运行。
在各种类型的短路中，同步调相机较易发生的短路故障为定子单相短路故障和转子绕组匝间短路。虽然定子三相短路的机会较少，但其危害最大，情况最为严重。因此，对同步调相机定子绕组单相短路故障、定子绕组三相短路故障和转子绕组匝间短路故障的研究非常有必要。
目前采用神经网络进行调相机故障诊断存在网络结构不好确定、学习函数的不确定性、收敛速度慢甚至出现局部极小值问题，此外当样本数量较少时，目标误差精度会较差。
J-S.R.Jang提出的自适应神经模糊推理系统(Adaptive Network-based FuzzyInference System，ANFIS)是一种将模糊逻辑和神经元网络有机结合的新型的模糊推理系统结构，采用反向传播算法和最小二乘法的混合算法调整前提参数和结论参数，并能自动产生If-Then规则。基于自适应神经网络的模糊推理系统将神经网络与模糊推理有机的结合起来，既发挥了二者的优点，又弥补了各自的不足。
发明内容
为解决现有技术中的不足，本申请提供一种基于ANFIS的同步调相机短路故障识别方法和系统，解决了目前采用神经网络进行调相机故障诊断存在网络结构不好确定、学习函数的不确定性、收敛速度慢甚至出现局部极小值问题。
为了实现上述目标，本申请的第一件发明采用如下技术方案：
一种基于ANFIS的同步调相机短路故障识别方法，所述方法包括以下步骤：
步骤1：仿真同步调相机的不同工况，采集仿真过程中同步调相机不同工况下的励磁电流数据并构建训练样本集；
步骤2：构建并训练用于同步调相机短路故障识别的自适应神经模糊推理系统ANFIS；
步骤3：实验同步调相机的不同工况，采集实验过程中同步调相机不同工况下的励磁电流数据并构建测试样本集；
步骤4：对实验过程中同步调相机的短路故障进行诊断。
本发明进一步包括以下优选方案：
优选地，步骤1所述仿真同步调相机的不同工况，采集仿真过程中同步调相机不同工况下的励磁电流数据并构建训练样本集，具体为：
在Ansoft maxwell软件平台上建立同步调相机模型，仿真同步调相机的不同工况；
采集仿真过程中各工况下的若干组数据作为自适应神经模糊推理系统ANFIS的训练样本集。
优选地，所述同步调相机的工况包括正常运行、定子单相短路、定子三相短路和转子绕组匝间短路；
步骤1和步骤3中，数据采集频率为1024Hz。
优选地，步骤2所述构建并训练用于同步调相机短路故障识别的自适应神经模糊推理系统ANFIS，具体为：
步骤201：定义不同工况及其ANFIS输出值；
步骤202：将训练样本集中的励磁电流作6层小波包分解；
步骤203：分析不同工况对应的特征频带，提取步骤1分解结果中第六层64个子频带中的第一、四、七频带作为故障特征频带；
步骤204：分析故障特征频带内对应不同工况的特征故障频率0Hz、fr和100Hz，其中fr为与转速有关的基频；
将不同工况特征故障频率对应的小波能量作为ANFIS输入，选择隶属度函数并设置ANFIS的训练目标误差，训练隶属度函数，从而确定ANFIS输入、输出隶属度函数的参数，得到用于同步调相机短路故障识别的自适应神经模糊推理系统。
优选地，步骤201中，ANFIS中定义的工况包括正常运行、定子单相短路、定子三相短路和转子绕组匝间短路；
不同工况的ANFIS输出值具体定义为：同步调相机正常运行工况的输出值为“1”、同步调相机发生定子单相短路的输出值为“2”、同步调相机发生定子三相短路的输出值为“3”以及同步调相机发生转子绕组匝间短路的输出值为“4”。
优选地，步骤204中，发生定子单相短路时的特征频率为0Hz、fr和100Hz，发生定子三相短路时的特征频率为0Hz和fr，发生转子绕组匝间短路时的特征频率为fr。
优选地，步骤204中，ANFIS每组输入选择若干广义钟形隶属度函数(gbellfm)，所述广义钟形隶属度函数以网格分割的形式生成；
使用最小二乘法和反向传播法相结合的混合学习算法训练广义钟形隶属度函数，训练目标误差设置在1×e-4以内。
优选地，步骤3所述实验同步调相机的不同工况，采集实验过程中同步调相机不同工况下的励磁电流数据并构建测试样本集，具体为：
在实验室将同步电机做进相运行；
采集仿真过程中各工况下的若干组数据作为自适应神经模糊推理系统ANFIS输入的测试样本集。
优选地，步骤4所述对实验过程中同步调相机的短路故障进行诊断，具体为：
将测试样本集中的励磁电流特征频率对应的小波能量作为故障特征量输入ANFIS；
在ANFIS训练目标误差范围内，将ANFIS的输出和ANFIS中对不同工况输出值的定义相对比，进而ANFIS诊断出同步调相机的短路故障类型。
本申请还公开了另一件发明，即一种基于ANFIS的同步调相机短路故障识别系统，所述系统包括仿真模块、训练模块、实验模块和诊断模块；
所述仿真模块，用于仿真同步调相机的不同工况，采集仿真过程中同步调相机不同工况下的励磁电流数据并构建训练样本集；
所述训练模块，用于构建并训练用于同步调相机短路故障识别的自适应神经模糊推理系统ANFIS；
所述实验模块，用于实验同步调相机的不同工况，采集实验过程中同步调相机不同工况下的励磁电流数据并构建测试样本集；
所述诊断模块，用于对实验过程中同步调相机的短路故障进行诊断。
本申请所达到的有益效果：
本申请使用ANFIS模糊神经网络进行调相机的短路故障诊断，汇集了神经网络和模糊逻辑的优点，避免了局部极小值的问题，对于样本要求较小，不需要大量的训练数据，诊断所得的结果有很强的可靠性，不仅能够准确地诊断出故障，还能做到具体故障类型的分辨，这一点具有突破性和前沿性。
附图说明
图1是本申请一种基于ANFIS的同步调相机短路故障识别方法流程图；
图2是本申请实施例中的一种自适应神经模糊推理系统训练过程图；
图3是本申请实施例中的一种基于ANFIS的同步调相机短路故障识别方法流程图；
图4是本申请实施例中的一种ANFIS结构图；
图5是本申请一种基于ANFIS的同步调相机短路故障识别系统的结构框图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。
如图1-3所示，本申请的一种基于ANFIS的同步调相机短路故障识别方法，包括以下步骤：
步骤1：仿真同步调相机的不同工况，采集仿真过程中同步调相机不同工况下的励磁电流数据并构建训练样本集，具体为：
在Ansoft maxwell软件平台上建立同步调相机模型，仿真同步调相机的不同工况；
采集仿真过程中各工况下的5组数据作为自适应神经模糊推理系统ANFIS的训练样本集；
实施例中，工频电流是50Hz，一般至少20个点描述一个周期，即采样频率至少1000Hz，但是如果一味增加采样频率对于存储和处理会带来不便，所以优选数据采集频率为1024Hz。
所述同步调相机的工况包括正常运行、定子单相短路、定子三相短路和转子绕组匝间短路；
步骤2：构建并训练用于同步调相机短路故障识别的自适应神经模糊推理系统ANFIS，具体为：
步骤201：定义不同工况及其ANFIS输出值；
实施例中，ANFIS中定义的工况包括正常运行、定子单相短路、定子三相短路和转子绕组匝间短路；
不同工况的ANFIS输出值具体定义为：同步调相机正常运行工况的输出值为“1”、同步调相机发生定子单相短路的输出值为“2”、同步调相机发生定子三相短路的输出值为“3”以及同步调相机发生转子绕组匝间短路的输出值为“4”。
步骤202：将训练样本集中的励磁电流作6层小波包分解；
步骤203：分析不同工况对应的特征频带，提取步骤1分解结果中第六层64个子频带(小波包分解的第n层就是2n个子频带)中的第一、四、七频带作为故障特征频带(采样频率1024Hz，第六层64的频带为：0-16Hz，16-32Hz…1008-1024Hz，这里的0Hz就在第一个频带，fr表示基本频率，调相机转速3000r/min，频率50hz,在第四个子频带；100hz在第七频带)；
步骤204：分析故障特征频带内对应不同工况的特征故障频率0Hz、fr和100Hz，其中fr为与转速有关的基频；
其中，发生定子单相短路时的特征频率为0Hz、fr和100Hz，发生定子三相短路时的特征频率为0Hz和fr，发生转子绕组匝间短路时的特征频率为fr。
将不同工况特征故障频率对应的小波能量作为ANFIS输入，选择隶属度函数并设置ANFIS的训练目标误差，训练隶属度函数(即训练ANFIS)，从而确定ANFIS输入、输出隶属度函数的参数，得到用于同步调相机短路故障识别的自适应神经模糊推理系统。
常用的隶属度函数有三角形函数、高斯分布函数等等，本申请选择的是广义钟形隶属度函数，具有很好的光滑性和清晰的物理意义；
实施例中，ANFIS每组输入选择3个广义钟形隶属度函数(所述广义钟形隶属度函数是ANFIS系统内部的一部分)，所述广义钟形隶属度函数以网格分割的形式生成；
如果有n个输入量，就会产生3n个模糊规则，隶属度函数的个数根据硬件所能承受的模糊模型和数据信息量来决定，
使用最小二乘法和反向传播法相结合的混合学习算法训练广义钟形隶属度函数，训练目标误差设置在1×e-4以内。
图4为本申请实施例中的一种ANFIS结构图，工作原理为。
第一层：输入变量模糊化；
第二层：输入数据对规则的激活；
第三层：归一化各个规则的激活强度；
第四层：去模糊化阶段，计算出各个规则的输出；
第五层：计算所传入信号的输出之和，得到总结果。
步骤3：实验同步调相机的不同工况，采集实验过程中同步调相机不同工况下的励磁电流数据并构建测试样本集，具体为：
在实验室将同步电机做进相运行；
采集仿真过程中各工况下的3组数据作为自适应神经模糊推理系统ANFIS输入的测试样本集。
数据采集频率为1024Hz。
步骤4：对实验过程中同步调相机的短路故障进行诊断，具体为：
将测试样本集中的励磁电流特征频率对应的小波能量作为故障特征量输入ANFIS；
在ANFIS训练目标误差范围内，将ANFIS的输出和ANFIS中对不同工况输出值的定义相对比，进而ANFIS诊断出同步调相机的短路故障类型。
如图5所示，本申请的一种基于ANFIS的同步调相机短路故障识别系统，包括仿真模块、训练模块、实验模块和诊断模块；
所述仿真模块，用于仿真同步调相机的不同工况，采集仿真过程中同步调相机不同工况下的励磁电流数据并构建训练样本集；
所述训练模块，用于构建并训练用于同步调相机短路故障识别的自适应神经模糊推理系统ANFIS；
所述实验模块，用于实验同步调相机的不同工况，采集实验过程中同步调相机不同工况下的励磁电流数据并构建测试样本集；
所述诊断模块，用于对实验过程中同步调相机的短路故障进行诊断。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。

Claims (10)

1.一种基于ANFIS的同步调相机短路故障识别方法，其特征在于：
所述方法包括以下步骤：
步骤1：仿真同步调相机的不同工况，采集仿真过程中同步调相机不同工况下的励磁电流数据并构建训练样本集；
步骤2：构建并训练用于同步调相机短路故障识别的自适应神经模糊推理系统ANFIS；
步骤3：实验同步调相机的不同工况，采集实验过程中同步调相机不同工况下的励磁电流数据并构建测试样本集；
步骤4：对实验过程中同步调相机的短路故障进行诊断。
2.根据权利要求1所述的一种基于ANFIS的同步调相机短路故障识别方法，其特征在于：
步骤1所述仿真同步调相机的不同工况，采集仿真过程中同步调相机不同工况下的励磁电流数据并构建训练样本集，具体为：
在Ansoft maxwell软件平台上建立同步调相机模型，仿真同步调相机的不同工况；
采集仿真过程中各工况下的若干组数据作为自适应神经模糊推理系统ANFIS的训练样本集。
3.根据权利要求1或2所述的一种基于ANFIS的同步调相机短路故障识别方法，其特征在于：
所述同步调相机的工况包括正常运行、定子单相短路、定子三相短路和转子绕组匝间短路；
步骤1和步骤3中，数据采集频率为1024Hz。
4.根据权利要求3所述的一种基于ANFIS的同步调相机短路故障识别方法，其特征在于：
步骤2所述构建并训练用于同步调相机短路故障识别的自适应神经模糊推理系统ANFIS，具体为：
步骤201：定义不同工况及其ANFIS输出值；
步骤202：将训练样本集中的励磁电流作6层小波包分解；
步骤203：分析不同工况对应的特征频带，提取步骤1分解结果中第六层64个子频带中的第一、四、七频带作为故障特征频带；
步骤204：分析故障特征频带内对应不同工况的特征故障频率0Hz、fr和100Hz，其中fr为与转速有关的基频；
将不同工况特征故障频率对应的小波能量作为ANFIS输入，选择隶属度函数并设置ANFIS的训练目标误差，训练隶属度函数，从而确定ANFIS输入、输出隶属度函数的参数，得到用于同步调相机短路故障识别的自适应神经模糊推理系统。
5.根据权利要求4所述的一种基于ANFIS的同步调相机短路故障识别方法，其特征在于：
步骤201中，ANFIS中定义的工况包括正常运行、定子单相短路、定子三相短路和转子绕组匝间短路；
不同工况的ANFIS输出值具体定义为：同步调相机正常运行工况的输出值为“1”、同步调相机发生定子单相短路的输出值为“2”、同步调相机发生定子三相短路的输出值为“3”以及同步调相机发生转子绕组匝间短路的输出值为“4”。
6.根据权利要求5所述的一种基于ANFIS的同步调相机短路故障识别方法，其特征在于：
步骤204中，发生定子单相短路时的特征频率为0Hz、fr和100Hz，发生定子三相短路时的特征频率为0Hz和fr，发生转子绕组匝间短路时的特征频率为fr。
7.根据权利要求4所述的一种基于ANFIS的同步调相机短路故障识别方法，其特征在于：
步骤204中，ANFIS每组输入选择若干广义钟形隶属度函数，所述广义钟形隶属度函数以网格分割的形式生成；
使用最小二乘法和反向传播法相结合的混合学习算法训练广义钟形隶属度函数，训练目标误差设置在1×e-4以内。
8.根据权利要求1所述的一种基于ANFIS的同步调相机短路故障识别方法，其特征在于：
步骤3所述实验同步调相机的不同工况，采集实验过程中同步调相机不同工况下的励磁电流数据并构建测试样本集，具体为：
在实验室将同步电机做进相运行；
采集仿真过程中各工况下的若干组数据作为自适应神经模糊推理系统ANFIS输入的测试样本集。
9.根据权利要求1所述的一种基于ANFIS的同步调相机短路故障识别方法，其特征在于：
步骤4所述对实验过程中同步调相机的短路故障进行诊断，具体为：
将测试样本集中的励磁电流特征频率对应的小波能量作为故障特征量输入ANFIS；
在ANFIS训练目标误差范围内，将ANFIS的输出和ANFIS中对不同工况输出值的定义相对比，进而ANFIS诊断出同步调相机的短路故障类型。
10.一种基于ANFIS的同步调相机短路故障识别系统，其特征在于：
所述系统包括仿真模块、训练模块、实验模块和诊断模块；
所述仿真模块，用于仿真同步调相机的不同工况，采集仿真过程中同步调相机不同工况下的励磁电流数据并构建训练样本集；
所述训练模块，用于构建并训练用于同步调相机短路故障识别的自适应神经模糊推理系统ANFIS；
所述实验模块，用于实验同步调相机的不同工况，采集实验过程中同步调相机不同工况下的励磁电流数据并构建测试样本集；
所述诊断模块，用于对实验过程中同步调相机的短路故障进行诊断。
CN201911170320.0A 2019-11-26 2019-11-26 基于anfis的同步调相机短路故障识别方法和系统 Pending CN111007429A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911170320.0A CN111007429A (zh) 2019-11-26 2019-11-26 基于anfis的同步调相机短路故障识别方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911170320.0A CN111007429A (zh) 2019-11-26 2019-11-26 基于anfis的同步调相机短路故障识别方法和系统

Publications (1)

Publication Number Publication Date
CN111007429A true CN111007429A (zh) 2020-04-14

Family

ID=70112798

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911170320.0A Pending CN111007429A (zh) 2019-11-26 2019-11-26 基于anfis的同步调相机短路故障识别方法和系统

Country Status (1)

Country Link
CN (1) CN111007429A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112327208A (zh) * 2020-11-02 2021-02-05 国网江苏省电力有限公司电力科学研究院 一种调相机转子绕组匝间短路的故障诊断方法及装置
CN112597658A (zh) * 2020-12-28 2021-04-02 哈尔滨工程大学 一种基于工况识别的船用柴油机多模型故障诊断方法
CN112881909A (zh) * 2021-01-19 2021-06-01 哈尔滨理工大学 一种基于小波变换的同步调相机定子绕组短路故障诊断方法
CN114690038A (zh) * 2022-06-01 2022-07-01 华中科技大学 一种基于神经网络的电机故障识别方法、系统及存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04295225A (ja) * 1991-03-22 1992-10-20 Fuji Electric Co Ltd 同期調相機の界磁喪失検出装置
KR20040042734A (ko) * 2002-11-15 2004-05-20 한국과학기술연구원 터보 냉동기의 성능분석방법 및 장치
CN102208895A (zh) * 2011-06-14 2011-10-05 中国矿业大学 电励磁同步电机转子初始位置角检测方法及装置
CN103513211A (zh) * 2013-10-25 2014-01-15 国家电网公司 交流阻抗测试仪检测装置
CN104122431A (zh) * 2014-07-15 2014-10-29 哈尔滨工程大学 一种电流电压传感器集成箱及包含其的电机参数实时采集装置以及采集方法
CN105259462A (zh) * 2015-11-06 2016-01-20 河海大学 一种双馈电机三相短路电流计算方法
CN106291354A (zh) * 2016-07-18 2017-01-04 河海大学 基于anfis的电动汽车永磁同步电机故障分类方法
CN206431225U (zh) * 2016-09-14 2017-08-22 哈尔滨理工大学 一种发电机定子并联支路环流报警装置
CN107085161A (zh) * 2017-04-28 2017-08-22 国家电网公司 一种大型调相机‑变压器组现场稳态短路特性测试方法
CN107091986A (zh) * 2017-05-23 2017-08-25 河海大学 Anfis风电双馈异步电机气隙偏心故障诊断分类方法
KR20180035443A (ko) * 2016-09-29 2018-04-06 인천대학교 산학협력단 적응 뉴로 퍼지 추론 시스템을 적용한 피에조액추에이터의 새로운 일치에 기반을 둔 자기이력 모델링 및 그것의 보상기
CN108089126A (zh) * 2017-12-04 2018-05-29 国网湖南省电力公司 调相机故障诊断方法、装置和设备
CN108536945A (zh) * 2018-04-02 2018-09-14 国网湖南省电力有限公司 一种用于大型调相机的故障诊断方法及系统
CN208076675U (zh) * 2018-04-02 2018-11-09 国网湖南省电力有限公司 一种用于大型调相机的故障诊断装置
CN109901069A (zh) * 2019-04-29 2019-06-18 华北电力大学（保定） 一种调相机转子绕组匝间短路故障诊断方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04295225A (ja) * 1991-03-22 1992-10-20 Fuji Electric Co Ltd 同期調相機の界磁喪失検出装置
KR20040042734A (ko) * 2002-11-15 2004-05-20 한국과학기술연구원 터보 냉동기의 성능분석방법 및 장치
CN102208895A (zh) * 2011-06-14 2011-10-05 中国矿业大学 电励磁同步电机转子初始位置角检测方法及装置
CN103513211A (zh) * 2013-10-25 2014-01-15 国家电网公司 交流阻抗测试仪检测装置
CN104122431A (zh) * 2014-07-15 2014-10-29 哈尔滨工程大学 一种电流电压传感器集成箱及包含其的电机参数实时采集装置以及采集方法
CN105259462A (zh) * 2015-11-06 2016-01-20 河海大学 一种双馈电机三相短路电流计算方法
CN106291354A (zh) * 2016-07-18 2017-01-04 河海大学 基于anfis的电动汽车永磁同步电机故障分类方法
CN206431225U (zh) * 2016-09-14 2017-08-22 哈尔滨理工大学 一种发电机定子并联支路环流报警装置
KR20180035443A (ko) * 2016-09-29 2018-04-06 인천대학교 산학협력단 적응 뉴로 퍼지 추론 시스템을 적용한 피에조액추에이터의 새로운 일치에 기반을 둔 자기이력 모델링 및 그것의 보상기
CN107085161A (zh) * 2017-04-28 2017-08-22 国家电网公司 一种大型调相机‑变压器组现场稳态短路特性测试方法
CN107091986A (zh) * 2017-05-23 2017-08-25 河海大学 Anfis风电双馈异步电机气隙偏心故障诊断分类方法
CN108089126A (zh) * 2017-12-04 2018-05-29 国网湖南省电力公司 调相机故障诊断方法、装置和设备
CN108536945A (zh) * 2018-04-02 2018-09-14 国网湖南省电力有限公司 一种用于大型调相机的故障诊断方法及系统
CN208076675U (zh) * 2018-04-02 2018-11-09 国网湖南省电力有限公司 一种用于大型调相机的故障诊断装置
CN109901069A (zh) * 2019-04-29 2019-06-18 华北电力大学（保定） 一种调相机转子绕组匝间短路故障诊断方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112327208A (zh) * 2020-11-02 2021-02-05 国网江苏省电力有限公司电力科学研究院 一种调相机转子绕组匝间短路的故障诊断方法及装置
CN112597658A (zh) * 2020-12-28 2021-04-02 哈尔滨工程大学 一种基于工况识别的船用柴油机多模型故障诊断方法
CN112597658B (zh) * 2020-12-28 2022-02-18 哈尔滨工程大学 一种基于工况识别的船用柴油机多模型故障诊断方法
CN112881909A (zh) * 2021-01-19 2021-06-01 哈尔滨理工大学 一种基于小波变换的同步调相机定子绕组短路故障诊断方法
CN114690038A (zh) * 2022-06-01 2022-07-01 华中科技大学 一种基于神经网络的电机故障识别方法、系统及存储介质

Similar Documents

Publication Publication Date Title
CN111007429A (zh) 基于anfis的同步调相机短路故障识别方法和系统
Naseri et al. Online parameter estimation for supercapacitor state-of-energy and state-of-health determination in vehicular applications
Ballal et al. Adaptive neural fuzzy inference system for the detection of inter-turn insulation and bearing wear faults in induction motor
Wu et al. Induction machine fault detection using SOM-based RBF neural networks
Masrur et al. Intelligent diagnosis of open and short circuit faults in electric drive inverters for real-time applications
Bai et al. A novel parameter identification approach via hybrid learning for aggregate load modeling
Nyanteh et al. Application of artificial intelligence to stator winding fault diagnosis in Permanent Magnet Synchronous Machines
Djilali et al. Real‐time neural sliding mode field oriented control for a DFIG‐based wind turbine under balanced and unbalanced grid conditions
CN112101457A (zh) 基于转矩信号模糊智能学习的pmsm退磁故障诊断方法
CN110619321B (zh) 一种基于深度神经网络的充电桩技术状况诊断方法及系统
CN113159077A (zh) 一种基于混合卷积神经网络的三相逆变器故障识别方法
Muduli et al. Ann based on-board fault diagnostic for induction motor drive in low-cost electric vehicles
CN113030789A (zh) 一种基于卷积神经网络的串联型电弧故障诊断及选线方法
Kamarzarrin et al. Fault Diagnosis of Wind Turbine Double-Fed Induction Generator Based on Multi-Level Fusion and Measurement of Back-to-Back Converter Current Signal.
Mola et al. ANFIS model based on fuzzy C‐mean, grid partitioning and subtractive clustering to detection of stator winding inter‐turn fault for PM synchronous motor
Wong et al. Fault diagnosis of induction motors under untrained loads with a feature adaptation and improved broad learning framework
Bessam et al. A novel method for induction motors stator inter-turn short circuit fault diagnosis based on wavelet energy and neural network
CN104502754A (zh) 一种纯电动车辆动力系统的故障诊断方法
Ramu et al. Diagnosis of broken bars in V/F control induction motor drive using wavelets and EEV estimation for electric vehicle applications
CN112327208A (zh) 一种调相机转子绕组匝间短路的故障诊断方法及装置
Refaat et al. ANN-based diagnosis of incipient stator winding turn faults for three-phase induction motors in the presence of unbalanced supply voltage
Lai et al. Application of evolutionary programming to transient and subtransient parameter estimation
CN116305683A (zh) 基于样本均衡化的电力系统暂态稳定评估方法及系统
CN115935275A (zh) 基于双重对抗自编码的永磁推进电机故障数据扩张方法
Dash et al. Stator inter-turn fault detection of an induction motor using neuro-fuzzy techniques

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200414

RJ01 Rejection of invention patent application after publication