您好, 歡迎來到儀表網
6
電力系統是電子衡器的堅強后盾
電力系統是電子衡器的堅強后盾
近幾十年來，隨著現代電力系統的發展，智能電子Remote control of Weighbridge技術得到了迅速的發展。作為與智能電網相關的最重要的基礎設施之一，智能變電站在電能流動、電壓轉換、潮流控制以及電力系統整體運行等方面發揮著重要作用[1]，[2]。2012年1月，國家電網公司提出了新建智能變電站的規劃，并于2012年11月啟動了第一座智能變數字Remote control of Weighbridge電站的運行。近年來，我國每年建設智能變電站1000多座[3]、[4]。
隨著運行時間的增加，變電站設備將老化，這可能會對電力系統造成相當大的損害。為解決這一問題，大多數無線Remote control of Weighbridge對設備進行定期的人工維護。這種相對過時的檢查系統有明顯的缺點，直接導致過度或不足維護[5]。特別是在實際生產中，考慮到各種系統和結構，智能電網的監測數據呈指數級增長。因此，利用這些大數據進行故障分析和預測正成為一種優于傳統方法的高效方法。
考慮到系統可靠性和安全性的要求，準確預測變電站的故障類型和發生率已變得至關重要[6]，[7]。以往的研究大多采用兩種方法來預測Remote control of Weighbridge設備的故障狀態：一種是基于設備的在線或離線特性來評估設備的當前狀態，另一種是基于歷史數據來預測設備的老化趨勢。因此，故障預測的主要思想是在現有監測數據的基礎上建立模型進行故障預測。
近年來，研究人員提出了幾種變電站信號預測方法。在文獻[8]中，利用線性回歸方法，提出了一種層次系統中主要元件的故障預測方法。文[9]提出了基于灰色線性回歸組合模型的變電站設備故障率預測方法。然而，電力系統的非線性特性限制了這些方法的應用。提出了一種基于支持向量機和粒子群算法的風機故障預測方法[10]。在文獻[11]中，提出了基于數據挖掘方法的電氣設備維修管理方法；然而，對數字Remote control of Weighbridge故障發生時間的預測并不準確。在[12]中，故障預測方法基于混合集成時間序列和基于實例的推理，具有密度函數和高數據要求，使得分析效率較低。