故障处理论文范文
故障处理论文范文第1篇
论文摘要：现针对电机出现故障各种现象和相应对策做一分析和研究。 论文关键词：电动机；故障；维护；检修 0 引言 运作中的电动机要严格按照国家相关质量标准进行检查以确保电动机的正常使用，运作的电动机与被拖动的设备位置要恰当，保证运行的稳定性，不能有晃动，保证通风性能良好。有些电动机因为各种原因需要经常的挪动，搬运等，对于这种电动机要加强日常的维护和检查，保证电动机运转的稳定性。 1 电动机电气常见故障的分析和处理 1.1 电动机接通电源起动，电动机不转但有嗡嗡声音 可能原因：①由于电源的接通问题，造成单相运转；②电动机的运载量超载；③被拖动机械卡住；④绕线式电动机转子回路开路成断线；⑤定子内部首端位置接错，或有断线、短路。处理方法：第一种情况需检查电源线，主要检查电动机的接线与熔断器，是否有线路损坏现象；第二种情况将电机卸载后空载或半载起动；第三种情况估计是由于被拖动器械的故障，卸载被拖动器械，从被拖动器械上找故障；第四种情况检查电刷，滑环和起动电阻各个接触器的接合情况；第五种情况需重新判定三相的首尾端，并检查三相绕组是否有断线和短路。 1.2 电动机启动后发热超过温升标准或冒烟 可能原因：①电源电压达不到标准，电动机在额定负载下升温过快；②电动机运转环境的影响，如湿度高等原因；③电动机过载或单相运行；④电动机启动故障，正反转过多。处理方法：第一种情况调整电动机电网电压；第二种情况检查风扇运行情况，加强对环境的检查，保证环境的适宜；第三种情况检查电动机启动电流，发现问题及时处理；第四种情况减少电动机正反转的次数，及时更换适应正反转的电动机。 1.3 绝缘电阻低 可能原因：①电动机内部进水，受潮；②绕组上有杂物，粉尘影响；③电动机内部绕组老化。处理方法：第一种情况电动机内部烘干处理；第二种情况处理电动机内部杂物；第三种情况需检查并恢复引出线绝缘或更换接线盒绝缘线板；第四种情况及时检查绕组老化情况，及时更换绕组。 1.4 电动机外壳带电 可能原因：①电动机引出线的绝缘或接线盒绝缘线板；②绕组端盖接触电动机机壳；③电动机接地问题。处理方法：第一种情况恢复电动机引出线的绝缘或更换接线盒绝缘板；第二种情况如卸下端盖后接地现象即消失，可在绕组端部加绝缘后再装端盖；第四种情况按规定重新接地。 1.5 电动机运行时声音不正常 可能原因：①电动机内部连接错误，造成接地或短路，电流不稳引起噪音；②电动机内部抽成年久失修，或内部有杂物。处理方法：第一种情况需打开进行全面检查；第二种情况可以处理抽成杂物或更换为轴承室的1/2-1/3。 1.6 电动机振动 可能原因：①电动机安装的地面不平；②电动机内部转子不稳定；③皮带轮或联轴器不平衡；④内部转头的弯曲；⑤电动机风扇问题。处理方法：第一种需将电动机安装平稳底座，保证平衡性；第二种情况需校对转子平衡；第三种情况需进行皮带轮或联轴器校平衡；第四种情况需校直转轴，将皮带轮找正后镶套重车；第五种情况对风扇校静。 2 电动机机械常见故障的分析和处理 2.1 定、转子铁芯故障检修 定、转子都是由相互绝缘的硅钢片叠成，是电动机的磁路部分。定、转子铁芯的故障原因主要有以下几点。①轴承使用时间久，过度的磨损，造成定、转子相擦，使铁芯表面损伤，进而造成硅钢片间短路，电动机铁损增加，使电动机温升过高，这时应用细锉等工具去除毛刺，消除硅钢片短接，清除干净后涂上绝缘漆，并加热烘干。②拆除旧绕组时用力过大，使倒槽歪斜向外张开。此时应用小嘴钳、木榔头等工具予以修整，使齿槽复位，并在不好复位的有缝隙的硅钢
故障处理论文范文第2篇
论文摘要：变电所是电力系统中通过其变换电压、接受和分配电能的电工装置，它是联系发电厂和电力用户的中间环节，同时通过变电所将各电压等级的电网联系起来，变电所的作用是变换电压，传输和分配电能。 论文关键词：故障；变电所；处理 电力系统中，电厂将电能向远方的用户输送，为了减小输电线路上的电能损耗及线路阻抗压降，需要将电压升高；为了满足电力用户安全的需要，又要将电压降低，并分配给各个用户，这就需要能升高和降低电压，并能分配电能的变电所。所以变电所是电力系统中通过其变换电压、接受和分配电能的电工装置，它是联系发电厂和电力用户的中间环节，同时通过变电所将各电压等级的电网联系起来，变电所的作用是变换电压，传输和分配电能。变电所由电力变压器、配电装置、二次系统及必要的附属设备组成。下面论述了变电所的基本概念，并对一些常见的故障及处理方法进行分析。 1 变电所的概念 变电所是电力系统中对电能的电压和电流进行变换、集中和分配的场所。为保证电能的质量以及设备的安全，在变电所中还需进行电压调整、潮流(电力系统中各节点和支路中的电压、电流和功率的流向及分布)控制以及输配电线路和主要电工设备的保护。按用途可分为电力变电所和牵引变电所(电气铁路和电车用)。电力变电所又分为输电变电所、配电变电所和变频所。这些变电所按电压等级可分为中压变电所(60千伏及以下)、高压变电所(110-220千伏)、超高压变电所(330-765千伏)和特高压变电所(1000千伏及以上)。按其在电力系统中的地位可分为枢纽变电所、中间变电所和终端变电所。 变电所由主接线，主变压器，高、低压配电装置，继电保护和控制系统，所用电和直流系统，远动和通信系统，必要的无功功率补偿装置和主控制室等组成。其中，主接线、主变压器、高低压配电装置等属于一次系统；继电保护和控制系统、直流系统、远动和通信系统等属二次系统。主接线是变电所的最重要组成部分。它决定着变电所的功能、建设投资、运行质量、维护条件和供电可靠性。一般分为单母线、双母线、一个半断路器接线和环形接线等几种基本形式。主变压器是变电所最重要的设备，它的性能与配置直接影响到变电所的先进性、经济性和可靠性。一般变电所需装2-3台主变压器；330千伏及以下时，主变压器通常采用三相变压器，其容量按投入5-10年的预期负荷选择。此外，对变电所其他设备选择和所址选择以及总体布置也都有具体要求。 2 变电所直流系统接地故障处理 直流回路发生接地时，首先要检查是哪一极接地，并分析接地的性质，判断其发生原因，一般可按下列步骤进行处理：首先停止直流回路上的工作，并对其进行检查，检查时，应避开用电高峰时间，并根据气候、现场工作的实际情况进行回路的分、合试验，一般分、合顺序如下：事故照明、信号回路、充电回路、户外合闸回路、户内合闸回路、载波备用电源6-10KV的控制回路，35KV以上的主要控制回路、直流母线、蓄电池以上顺应根据具体情况灵活掌握，凡分、合时涉及到调度管辖范围内的设备时，应先取得调度的同意。 确定了接地回路应在这一路再分别分、合保险或拆线，逐步缩小范围。 有条件时，凡能将直流系统分割成两部分运行的应尽量分开。在寻找直流接地时，应尽量不要使设备脱离保护。为保证人身和设备的安全，在寻找直流接地时，必须由两人进行，一人寻找，另一人监护和看信号。如果是220V直流电源，则用试电笔最易判断接地是否消除。否认是哪极接地，在拔下运行设备的直流保险时，应先正极、后负极，恢复时应相反，以免由于寄生回路的影响而造成错误动作。 3 变电所电容器的故障处理 3.1 电容器的常见故障
故障处理论文范文第3篇
摘要：变电所是电力系统中通过其变换电压、接受和分配电能的电工装置，它是联系发电厂和电力用户的中间环节，同时通过变电所将各电压等级的电网联系起来，变电所的作用是变换电压，传输和分配电能。
关键词：故障；变电所；处理
电力系统中，电厂将电能向远方的用户输送，为了减小输电线路上的电能损耗及线路阻抗压降，需要将电压升高；为了满足电力用户安全的需要，又要将电压降低，并分配给各个用户，这就需要能升高和降低电压，并能分配电能的变电所。所以变电所是电力系统中通过其变换电压、接受和分配电能的电工装置，它是联系发电厂和电力用户的中间环节，同时通过变电所将各电压等级的电网联系起来，变电所的作用是变换电压，传输和分配电能。变电所由电力变压器、配电装置、二次系统及必要的附属设备组成。下面论述了变电所的基本概念，并对一些常见的故障及处理方法进行分析。
1变电所的概念
变电所是电力系统中对电能的电压和电流进行变换、集中和分配的场所。为保证电能的质量以及设备的安全，在变电所中还需进行电压调整、潮流(电力系统中各节点和支路中的电压、电流和功率的流向及分布)控制以及输配电线路和主要电工设备的保护。按用途可分为电力变电所和牵引变电所(电气铁路和电车用)。电力变电所又分为输电变电所、配电变电所和变频所。这些变电所按电压等级可分为中压变电所(60千伏及以下)、高压变电所(110-220千伏)、超高压变电所(330-765千伏)和特高压变电所(1000千伏及以上)。按其在电力系统中的地位可分为枢纽变电所、中间变电所和终端变电所。
变电所由主接线，主变压器，高、低压配电装置，继电保护和控制系统，所用电和直流系统，远动和通信系统，必要的无功功率补偿装置和主控制室等组成。其中，主接线、主变压器、高低压配电装置等属于一次系统；继电保护和控制系统、直流系统、远动和通信系统等属二次系统。主接线是变电所的最重要组成部分。它决定着变电所的功能、建设投资、运行质量、维护条件和供电可靠性。一般分为单母线、双母线、一个半断路器接线和环形接线等几种基本形式。主变压器是变电所最重要的设备，它的性能与配置直接影响到变电所的先进性、经济性和可靠性。一般变电所需装2-3台主变压器；330千伏及以下时，主变压器通常采用三相变压器，其容量按投入5-10年的预期负荷选择。此外，对变电所其他设备选择和所址选择以及总体布置也都有具体要求。
2变电所直流系统接地故障处理
直流回路发生接地时，首先要检查是哪一极接地，并分析接地的性质，判断其发生原因，一般可按下列步骤进行处理：首先停止直流回路上的工作，并对其进行检查，检查时，应避开用电高峰时间，并根据气候、现场工作的实际情况进行回路的分、合试验，一般分、合顺序如下：事故照明、信号回路、充电回路、户外合闸回路、户内合闸回路、载波备用电源6-10KV的控制回路，35KV以上的主要控制回路、直流母线、蓄电池以上顺应根据具体情况灵活掌握，凡分、合时涉及到调度管辖范围内的设备时，应先取得调度的同意。
确定了接地回路应在这一路再分别分、合保险或拆线，逐步缩小范围。
有条件时，凡能将直流系统分割成两部分运行的应尽量分开。在寻找直流接地时，应尽量不要使设备脱离保护。为保证人身和设备的安全，在寻找直流接地时，必须由两人进行，一人寻找，另一人监护和看信号。如果是220V直流电源，则用试电笔最易判断接地是否消除。否认是哪极接地，在拔下运行设备的直流保险时，应先正极、后负极，恢复时应相反，以免由于寄生回路的影响而造成错误动作。
3变电所电容器的故障处理
3.1电容器的常见故障
当发现电容器外壳膨胀或漏油；套管破裂，发生闪络有为花；电容器内部声音异常；外壳温升高于55℃以上示温片脱落等情况之一时，应立即切断电源。
3.2电容器的故障处理
3.2.1当电容器爆炸着火时，就立即断开电源，并用砂子和干式灭火器灭火。
3.2.2当电容器的保险熔断时，应向调度汇报，待取得同意后再拉开电容器的断路器。切断电源对其进行放电，先进行外部检查，如套管的外部有无闪络痕迹，外壳是否变形，漏油及接地装置有无短路现象等，并摇测极间及极对地的绝缘电阻值，如未发现故障现象，可换好保险后投入。如送电后保险仍熔断，则应退出故障电容器，而恢复对其余部分送电。如果在保险熔断的同时，断路器也跳闸，此时不可强送。须待上述检查完毕换好保险后再投入。
3.2.3电容器的断路跳闸，而分路保险未断，应先对电容器放电三分钟后，再检查断路器电流互感器电力电缆及电容器外部等。若未发现异常，则可能是由于外部故障母线电压波动所致。经检查后，可以试投；否则，应进一步对保护全面的通电试验。通过以上的检查、试验，若仍找不出原因，则需按制度办事工电容器逐渐进行试验。未查明原因之前，不得试投。
3.3处理故障电容器时的安全事项
处理故障电容器应在断开电容器的断路器，拉开断路器两侧的隔离开关，并对电容器组放电后进行。电容器组经放电电阻、放电变压器或放电电压互感器放电之后，由于部分残余电荷一时放不尽，应将接地的接地端固定好，再用接地棒多次对电容器放电，直至无火花及放电声为止，然后将接地卡子固定好。由于故障电容器可能发生引线接触不良，内部断线或保险熔断等现象，因此仍可能有部分电荷未放出来，所以检修人员在接触故障电容器以前，还应戴上绝缘手套，用短路线将故障电容器的两极短接，还应单独进行放电。
4断路器拒绝合闸
断路器拒绝合闸常见的故障是在远方操作断路器时拒绝合闸，此种故障会延迟事故的消失，有时甚至会使事故扩大。断路器拒绝合闸时，应首先检查操作电源的电压值，如不正常，应先调整电压，再行合闸。当操作把手置于合闸位置时，绿灯闪光，合闸红灯不亮表计无指示，喇叭响，断路器机械位置指示器仍指在分闸位置，则可断路器未合上，这可能是合闸时间短引起，此时可再试合一次(时间长一些)；也可能是操作回路内故障或操作机构卡住，此时应作如下处理：
4.1操作回路内故障
如果操作把手置于合闸位置而信号灯的指示不发生变化，此时，可能是控制开关接点，断路器辅助接点或合闸接触器接点接触不好，中间继电器接点熔焊而烧坏合闸线圈，同期开关未投入等造成，待消除设备缺陷后，再行合闸。如果跳闸绿灯熄灭而合闸红灯不亮，则可能是合闸红灯灯泡烧坏，应更换灯泡。
4.2操作机构卡住
如果控制开关和合闸线圈动作均良好，而断路器呈跳跃现象(跳闸绿灯熄灭后又重新点亮)，此时操作电压正常，这种现象说明操作机构有故障，例如操作机构机械部分不灵活或调整不准确，挂钩脱扣等，应将操作机构修好或调整后，再行合闸。
当操作把手置于合闸位置时，跳闸绿灯闪光或熄灭合闸红灯不亮，表计有指示，机械分合闸位置指示器在合闸位置，则可断路器已合上。这可能是断路器辅助接点接触不好，例如常闭接点未断开，常开接点未合上，致使绿灯闪光和红灯不亮；也可能是合闸回路断线及合闸红灯烧坏。此时操作人员将断路0S断开，消除故障后再合闸。断路器合闸后，跳闸绿灯熄灭，合闸红灯瞬时明亮又熄灭跳闸绿灯闪光且有喇叭响，则可断路器合上后又立即自动跳闸了。这可能是操作机构拐臂的三点过高，因振动而使跳闸机构脱扣；也可能是操作电源的电压过高，在操作投弹手置于合闸位置时发生强烈冲击，使挂钩未能挂隹或操作投弹手返回太快。此时，应调整好拐臂的三点位置和操作电压后，再行合闸。
故障处理论文范文第4篇
关键词：机械密封；故障处理；原因分析
机械密封在旋转设备上的应用非常广泛，机械密封的密封效果将直接影响整机的运行，严重的还将出现重大安全事故。
从机械密封的内外部条件的角度分析了影响密封效果的几种因素和应采取的合理措施。
一、机械密封的原理及要求
机械密封又叫端面密封，它是一种旋转机械的轴封装置，指由至少一对垂直于旋转轴线的的端面在液体压力和补偿机构弹力(或磁力)的作用以及辅助密封的配合下保持贴合并相对滑动而构成的防止流体泄漏的装置。它的主要功用将易泄漏的轴向密封改变为较难泄漏的端面密封。它广泛应用于泵、釜、压缩机及其他类似设备的旋转轴的密封。
机械密封通常由动环、静环、压紧元件和密封元件组成。其中动环随泵轴一起旋转，动环和静环紧密贴合组成密封面，以防止介质泄漏。动环靠密封室中液体的压力使其端面压紧在静环端面上，并在两环端面上产生适当的比压和保持一层极薄的液体膜而达到密封的目的。压紧元件产生压力，可使泵在不运转状态下，也保持端面贴合，保证密封介质不外漏，并防止杂质进入密封端面。密封元件起密封动环与轴的间隙、静环与压盖的间隙的作用，同时弹性元件对泵的振动、冲击起缓冲作用。机械密封在实际运行中是与泵的其它零部件一起组合起来运行的，机械密封的正常运行与它的自身性能、外部条件都有很大的关系。但是我们要首先保证自身的零件性能、辅助密封装置和安装的技术要求，使机械密封发挥它应有的作用。
二、机械密封的故障表现及原因
2.1机械密封的零件的故障旋转设备在运行当中，密封端面经常会出现磨损、热裂、变形、破损等情况，弹簧用久了也会松弛、断裂和腐蚀。辅助密封圈也会出现裂口、扭曲和变形、破裂等情况。
2.2机械密封振动、发热故障原因
设备旋转过程中，会使动静环贴合端面粗糙，动静环与密封腔的间隙太小，由于振摆引起碰撞从而引起振动。有时由于密封端面耐腐蚀和耐温性能不良，或是冷却不足或端面在安装时夹有颗粒杂质，也会引起机械密封的振动和发热。
2.3机械密封介质泄漏的故障原因
（1）静压试验时泄漏。机械密封在安装时由于不细心，往往会使密封端面被碰伤、变形、损坏，清理不净、夹有颗粒状杂质，或是由于定位螺钉松动、压盖没有压紧，机器、设备精度不够，使密封面没有完全贴合，都会造成介质泄漏。如果是轴套漏，则是轴套密封圈装配时未被压紧或压缩量不够或损坏。（2）周期性或阵发性泄漏。机械密封的转子组件周期性振动、轴向窜动量太大，都会造成泄漏。机械密封的密封面要有一定的比压，这样才能起到密封作用，这就要求机械密封的弹簧要有一定的压缩量，给密封端面一个推力，旋转起来使密封面产生密封所要求的比压。为了保证这一个比压，机械密封要求泵轴不能有太大的窜量，一般要保证在0.25mm以内。但在实际设计当中，由于设计的不合理，往往泵轴产生很大的窜量，对机械密封的使用是非常不利的。（3）机械密封的经常性泄漏。机械密封经常性泄漏的原因有很多方面。第一方面，由于密封端面缺陷引起的经常性泄漏。第二方面，是辅助密封圈引起的经常性泄漏。第三方面，是弹簧缺陷引起的泄漏。其他方面，还包括转子振动引起的泄漏，传动、紧定和止推零件质量不好或松动引起泄漏，机械密封辅助机构引起的泄漏，由于介质的问题引起的经常性泄漏等。（4）机械密封振动偏大。机械密封振动偏大，最终导致失去密封效果。但机械密封振动偏大的原因往往不仅仅是机械密封本身的原因，泵的其它零部件也是产生振动的根源，如泵轴设计不合理、加工的原因、轴承精度不够、联轴器的平行度差、径向力大等原因。
三、处理故障采取的措施
如果机械密封的零件出现故障，就需要更换零件或是提高零件的机械加工精度，提高机械密封本身的加工精度和泵体其他部件的加工精度对机械密封的效果非常有利。为了提高密封效果，对动静环的摩擦面的光洁度和不平度要求较高。动静环的摩擦面的宽度不大，一般在2～7毫米之间。
3.1机械密封振动、发热的处理
如果是动静环与密封腔的间隙太小，就要增大密封腔内径或减小转动外径，至少保证0.75mm的间隙。如果是摩擦副配对不当，就要更改动静环材料，使其耐温，耐腐蚀。这样就会减少机械密封的振动和发热。
3.2机械密封泄漏的处理
机械密封的泄漏是由于多种原因引起，我们要具体问题具体处理。为了最大限度的减少泄漏量，安装机械密封时一定要严格按照技术要求进行装配，同时还要注意以下事项。
（1）装配要干净光洁。机械密封的零部件、工器具、油、揩拭材料要十分干净。动静环的密封端面要用柔软的纱布揩拭。（2）修整倒角倒圆。轴、密封端盖等倒角要修整光滑，轴和端盖的有关圆角要砂光擦亮。（3）装配辅助密封圈时，橡胶辅助密封圈不能用汽油、煤油浸泡洗涤，以免胀大变形，过早老化。动静环组装完后，用手按动补偿环，检查是否到位，是否灵活;弹性开口环是否定位可靠。动环安装后，必须保证它在轴上轴向移动灵活。
3.3泵轴窜量大的处理
合理地设计轴向力的平衡装置，消除轴向窜量。为了满足这一要求，对于多级离心泵，设计方案是:平衡盘加轴向止推轴承，由平衡盘平衡轴向力，由轴向止推轴承对泵轴进行轴向限位。
3.4增加辅助冲洗系统
密封腔中密封介质含有颗粒、杂质，必须进行冲洗，否则会因结晶的析出，颗粒、杂质的沉积，使机械密封的弹簧失灵，如果颗粒进入摩擦副，会导致机械密封的迅速破坏。因此机械密封的辅助冲洗系统是非常重要的，它可以有效地保护密封面，起到冷却、、冲走杂物等作用。
3.5泵振动的处理措施
故障处理论文范文第5篇
主要是线路方面出现故障，这是计算机网络出现故障的一项重要因素，发生故障的概率较高，主要原因是线路发生损坏，导致线路不通或其受到干扰等。对该种故障进行处理先是要确定在该线路上是否还存在流量，之后再通过Ping命令对线路远端的响应问题进行检查，最后利用traceroute检查路由器的配置，如果出现问题，则可以进行解决，从而恢复计算机的网络。此外，如果线路发生故障而不知是否是因电磁干扰造成的，需将该部分线路放在屏蔽电磁干扰的环境内，对其进行测试和检验，如果检验结果表示位置正常，则说明该线路出现故障主要是电磁干扰的缘故。此外，网络连接性故障也是比较常见的故障类型。对于该种类型的故障，首先要查明发生故障的原因，如网卡是否安装，或者在安装过程中是否出现问题，导致网卡与其他设备的相容性产生问题；还有网络协议、网口等是否有故障等。接着要对故障进行有效排查。如果一种网络在应用过程中无法连接到浏览器，而其他类型的网络则可正常进行，可以对发生故障的原因进行逐一排查。观察指示灯能够对网卡的故障进行准确判断，在正常情况下，传送数据时，指示灯闪烁的速度较快，反之则慢。因此，指示灯如果处于亮或者不亮的状态，则表明网卡存在故障。此外，也可以用Ping命令检查网卡故障。如果该指令显示正常，则表明网卡没有问题，出现故障的原因在于网络的连接方面，如果指令不正常，则应该仔细检查网卡驱动或者安装是否存在问题。对于网络配置的故障，更多是表现在不能实现网络提供的服务上，因此在对网络配置进行修改之前，需要先做好相关的记录。对故障进行检查时，需要先检查故障的有关配置，进行修改之后，再测试其网络服务。由此可见，计算机网络发生的故障问题多种多样，类型不一，并且发生的故障对网络的运行和稳定产生严重的影响。因此，对网络故障进行处理是非常重要的。
2计算机网络维护的方法
对于计算机网络的维护不仅能够降低计算机网络发生故障的几率，还能够保持计算机网络系统的稳定性与安全性。因此，加强对计算机网络的维护是非常有必要的。一般情况下，计算机的网络维护主要是对硬件以及软件等方面的维护。
2.1计算机网络的硬件维护
有效保证计算机网络的正常运行于稳定性，对其硬件进行故障排查与维护非常重要。一般情况下，对硬件的维护主要是网线、路由器、电源以及其他方面的硬件进行维护与检查，如果出现问题，则需要及时进行修理。与此同时，计算机硬件的清理工作在硬件维护中也发挥着一定的作用。
2.2软件维护
除了对计算机网络的硬件进行维护，软件维护也是不可或缺的。其中系统软件是计算机其它软件得以正常工作的基础和前提，因此，需要加强对系统软件的相关维护工作。一方面，要检查网络的畅通性，如在计算机使用过程中发现文件输送速度较慢，或者是网络通讯出现问题，则需要及时检查相关设备是否处于正常工作的状态，并对其进行维护。一方面，对软件维护还表现在防止病毒的入侵方面，在计算机网络系统内安装专业的杀毒软件，并定期或者不定期的对计算机进行病毒查杀，从而有效保证计算机不被病毒入侵，能够正常工作。另一方面，对数据库进行维护，这样才能做好数据库的保密工作。此外，还要对注册表定期备注以及对操作系统进行维护，在操作系统在长时间工作的情况下，就会产生许多垃圾文件，这些无用文件会占据大量的内存，会对计算机的正常工作产生影响，因此需要定期对操作系统进行清理。
3结束语
故障处理论文范文第6篇
关键词：变压器短路事故思考
处理变压器短路事故，首先要通过检查、试验找出问题实质所在；其次处理过程还应注意相关问题。具体思考如下：
首先，变压器短路事故后的检查、试验。
变压器在遭受突发短路时，高低压侧都将受很大的短路电流，在断路器来不及断开的很短时间内，短路电流产生与电流平方成正比的电动力将作用于变压器的绕组，此电动力可分为辐向力和轴向力。在短路时，作用在绕组上的辐向力将使高压绕组受到张力，低压绕组受到压力。由于绕组为圆形，圆形物体受压力比受张力更容易变形，因此，低压绕组更易变形。在突发短路时产生的轴向力使绕组压缩和使高低压绕组发生轴向位移，轴向力也作用于铁芯和夹件。
因此，变压器在遭受突发短路时，最容易发生变形的是低压绕组和平衡绕组，然后是高中压绕组、铁芯和夹件。因此，变压器短路事故后的检查主要是检查绕组、铁芯、夹件以及其它部位。
一、绕组的检查与试验
由于变压器短路时，在电动力作用下，绕组同时受到压、拉、弯曲等多种力的作用，其造成的故障隐蔽性较强，也是不容易检查和修复的，所以短路故障后应重点检查绕组情况。
1.短路故障检查绕组
（1）变压器直流电阻的测量
根据变压器直流电阻的测量值来检查绕组的直流电阻不平衡率及与以往测量值相比较，能有效地考察变压器绕组受损情况。例如，某台变压器短路事故后低压侧C向直流电阻增加了约10％，由此判断绕组可能有新股情况，最后将绕组吊出检查，发现C相绕组断1股。
（2）变压器绕组电容量的测量。
绕组的电容由绕组匝间、层间及饼间电容和绕组发电容构成。此电容和绕组与铁芯及地的间隙、绕组与铁芯的间隙、绕组匝间、层间及饼间间隙有关。当绕组变形时，一般呈“S”形的弯曲，这就导致绕组对铁芯的间隙距离变小，绕组对地的电容量将变大，而且间隙越小，电容量变化越大，因此绕组的电容量可以间接地反映绕组的变形程度。
（3）吊罩后的检查。
变压器吊罩后，如果检查出变压器内部有熔化的铜渣或铝渣或高密度电缆纸的碎片，则可以判断绕组发生了较大程度的变形和断股等，另外，从绕组垫块移位或脱落、压板等位、压钉位移等也可以判断绕组的受损程度。
2、铁芯与夹件的检查。
变压器的铁芯应具有足够的机械强度。铁芯的机械强度是靠铁芯上的所有夹紧件的强度及其连接件来保证的。当绕组产生电动力时，绕组的轴向力将被夹件的反作用力抵消，如果夹件、拉板的强度小于轴向力时，夹件、拉板和绕组将受到损坏。因此，应仔细检查铁芯、夹件、拉板及其连接件的状况。
（1）检查铁芯上铁轭芯片是否有上下窜动情况。
（2）应测量穿芯螺杆与铁芯的绝缘电阻，检查穿芯螺杆外套是否受损；检查拉板、拉板连接件是否损坏。
（3）因为在变压器短路时，压板与夹件之间可能发生位移，使压板与压钉上铁轭的接地连接片拉断或过电流烧损，所以对于绕组压板，除了检查压钉、压板的受损外，还应检查绕组与压钉及上铁轭的接地连接是否可靠。
3、变压器油及气体的分析。
变压器遭受短路冲击后，在气体继电器内可能会积聚大量气体，因此在变压器事故后可以取气体继电器内的气体和对变压器内部的油进行化验分析，即可判断事故的性质。
二、变压器短路故障处理中应注意的事项
1、更换绝缘件时应保证绝缘件的性能。
处理时对所更换的绝缘件应测试其性能，且符合要求方可使用。特别对引线支架木块的绝缘应引起重视。木块在安装前应置于80℃左右的热变压器油中浸渍一段时间，以保证木块的绝缘。
2、变压器绝缘测试应在变压器注油静止24小时后进行。
由于某些受潮的绝缘件在热油浸泡较长时间后，水分会扩散到绝缘的表面，如果注油后就试验往往绝缘缺陷检查不出来。例如一台31.5MVA的110kV变压器低压侧在处理时更换了kV铜排的一块支架木块，变压器注油后试验一切正常，10kV低压侧对铁芯、夹件及地绝缘电阻减小为约1MΩ。后经吊罩检查，发现10kV铜排的支架木块绝缘非常低。因此绝缘测试应在变压器注油静止24小时后进行较为可靠。
3、铁芯回装应注意其尖角。
在回装上铁轭时，应注意铁芯芯片的尖角，并及时测量油道间绝缘，特别是要注意油道处的芯片尖角，要防止芯片搭接造成铁芯多点接地。例如一台120MVA的220kV变压器，在低压侧更换绕组回装上铁轭时，由于在回装时没有注意芯片尖角，又没有及时测量油道间绝缘，安装完毕后测量油道间绝缘为0，最后花费了较长时间才找到是由于铁芯芯片尖角短接了油道。
4、更换抗短路能力较强的绕组材料，改进结构。
变压器绕组的机械强度主要是由下面两个方面决定的：一是由绕组自身结构的因素决定的绕组机械强度；二是绕组内径侧的支撑及绕组轴向压紧结构和拉板、夹件等制作工艺所决定的机械强度。当前，大多数变压器厂家采用半硬铜线或自粘性换位导线来提高绕组的自身抗短路能力，采用质量更好的硬纸板筒或增加撑条的数量来提高绕组受径向力的能力，并采用拉板或弹簧压钉等提高绕组受轴向力的能力。作为电力变压器的技术部门，在签订变压器销售合同前的技术论证时和变压器绕组更换时，应对绕组的抗短路能力进行充分考察，并予以足够重视。
5、变压器的干燥。
由于变压器受短路冲击后一般需要较长时间进行检修，为防止变压器受潮，可以采取两种措施：
一是在每天收工前将变压器扣罩，使用真空泵对变压器进行抽真空，以抽去变压器器身表面的游离水，第二天开工时，使用干燥的氮气或干燥空气解除真空，一般变压器在检修后热油循环24小时即可直接投入运行；
故障处理论文范文第7篇
关键词：系统；故障诊断；算法
作者简介：王芳（1974-），女，浙江诸暨人，浙江省绍兴电力局，工程师。（浙江 绍兴 312000）
中图分类号：TM73 文献标识码：A 文章编号：1007-0079（2013）33-0239-02
一套完整的监控（监控和数据采集，SCADA）系统与警报讯号处理（报警处理）系统，将有助于提升调度人员处理事故的能力，能够根据系统的情况明确指示引起异常之原因，提供必要的解决措施。近年来，人工智慧（人工智能）方法已被广泛应用于电力工程领域，国内外对于故障区域估测（故障区段估计），变压器故障诊断（变压器故障诊断），警报处理（报警处理）及谐波侦测（谐波检测）等领域所提方法，大致可归纳为下列几种。
一、专家系统
专家系统的创始人费根鲍姆认为：专家系统是一套智能化软件系统，利用理论及推理步骤来完成以前只有行业专家方能解决的复杂问题。专家系统建立的主要目标是利用具有特定领域问题解决能力的专家系统，为非专家解决现场复杂的问题提供支持和帮助。人工智能是专家系统中最活跃同时也是成果最丰富的一个研究领域。
专家系统在输电和配电网络故障诊断中的典型应用是以生产规则为基础的系统，即保护断路器操作人员的行动逻辑和诊断经验排除这一可能性，形成故障诊断专家系统知识库，进一步在信息知识基础上根据报警进行故障排除的结论的推理。
实际应用中，如美国电力公司依赖与得克萨斯州农工大学共同开发的电源系统管理专家系统（雷莱恩专家系统）、数字故障录波（DFR）这个专家系统，根据DFR数据故障诊断扰动。 DFR可以记录在系统故障期间的系统参数，如雷电和操作冲击电压突然上升或骤降、供电中断、过电压、欠电压、谐波和瞬态等引起的故障参数。
传统的方法是失败的DFR开始自动记录并存储相关数据，保护工作进行离线分析，以评估该系统的保护作用。雷莱恩专家系统可以免除上述过程，分析故障录波数据和自动提取撰写报告，然后通过传真或E-mail发送到系统的时间表或相关人员。
虽然专家系统可以有效地模拟专家完成故障排除，但在实践中仍存在一些不足之处，主要问题是知识获取的瓶颈问题，知识是难以维持的，并不能有效解决众多不明朗因素的故障诊断，这些问题极大地影响了故障诊断的准确性。[1]
二、模糊逻辑（模糊逻辑）
模糊集合观念常用于处理因语言及智识上产生不明确性特质的事物上，模糊集合论可视为明确集合论的延伸，弥补二值逻辑（非0即1）无法对不明确边界事物描述的缺点，经归属函数来表示集合元素对该集合的隶属程度，然后由模糊规则库推论其结果。此法必须先从问题描述来定义归属函数，亦需设计出严谨有效的推论规则。多应用于警报讯号处理、变压器故障诊断。
三、遗传算法的基因演算法（GA）
基因遗传演算法是一种模拟人类基因演化的模型，在这种模型中，问题的解答被巧妙地安排成一串数值，模拟基因中的一串染色体，大量的基因经过演化、突变与等运算不停地产生新的基因，且淘汰不良的基因，最后演化出问题的最佳解答。多应用于电力系统故障诊断、主动式滤波器规划。[2]
四、搜寻法（禁忌搜索TS）
搜寻法为求得整体最佳解，主要特色系利用来控制求解过程。多应用于警报讯号处理。
五、决策树搜寻法（决策树搜索）
将欲达成的策略以决策树型式表示，再应用搜寻技巧寻找适当的策略。多应用于故障诊断。
六、因果网路（因果网络，CEN）
因果网路具有平行处理的推论能力，主要特色系使用并行处理的推论机制，可得到快速的推论结果。多应用于故障诊断。
七、神经网络
神经网络具备高度神经计算能力和极强的自适应性、鲁棒性和容错性。用神经网络处理问题只需要进行简单的非线性函数的数次复合，不需要建立任何物理模型和人工干预，具有自组织、自学习能力，能映射高度非线性的输入输出关系，重新观察现象之后判断输出。神经网络法在故障诊断中得到高度重视和广泛应用，它在处理不确定性问题时具有独特的优势。人工神经网络广泛用于选线、故障判断、暂态保护等，速度快、准确度高，并且不受制于系统的运行模式、互感器饱和、故障类型等因素。用来进行保护无线通讯，可以对故障高频信号进行提取，具有很好的仿真效果；还在雷电信号、开关信号和故障行波的识别中有着广泛的应用。
神经网络方法虽然有利于克服专家系统获取信息的瓶颈、维护信息库困难等众多问题，但其在处理启发性知识方面有着局限性。且因为ANN技术本身的缺陷，其学习速度不快，需要长时间的训练，解释能力弱，进而对神经网络实用化产生了影响。并且怎样设计与大型输电网络相适应的ANN故障诊断系统，还是一个需要持续研究的课题。
类神经网络的性质具有大量平行处理能力、学习及记忆功能，应用的领域相当广泛，可藉由不同的网络结构及学习演算法相结合，以适用于解决特殊的问题、如文字辨识，语音辨识、影像压缩、预测及诊断等。应用前必须慎选适用的领域。多应用于故障诊断、警报讯号处理、变压器故障诊断、谐波侦测。[3]
八、基于柔性SCADA的电网复杂故障诊断方法
电网故障分为简单和复杂的故障，而绝大多数是简单故障。对于简单的故障诊断方法，只使用第一层的推理，从而避免了使用保护、防护等级和其他二级报警信息的类型，降低了模型的复杂性，提高推理的速度，有利于故障在线诊断应用。对于复杂的故障，使用Petri网推理模型，并引入WAMS数据核实诊断结果，以提高诊断结果的准确性。给出网格基础上灵活的SCADA复杂故障诊断系统的设计：
（1）利用灵活的SCADA报警信息，实现了分层分级传输和利用，以避免电网故障的交互功能、报警信息丢失导致拥塞故障排除错误。推理采用分层结构，第一层采用专家系统推理，第二层使用Petri网模型的推理。
（2）对于报警信息不完全正确的现象，提出了应用组件的配置时间Petri网保护的报警信息纠错处理的方法来提高容错。参考WAMS数据、报警信息和故障诊断纠错处理结果验证结果的方法，以提高故障诊断的可靠性。[4]
九、计及信息畸变影响的电网故障诊断分级优化方法
目前的电力系统故障诊断领域一直在进行更深入的研究。基于优化算法的故障诊断方法，因为推理简单而搜索快速，被广泛应用。
在优化算法的基础上，分析基于相似的故障诊断方法可以概括为覆盖的诊断方法和诊断方法。当保护或断路器不正常运行和警报信息是扭曲的，诊断的相似性可能被漏诊、误诊。为了提高故障诊断的准确性，其结合了两种类型诊断方法的故障诊断建议分类优化方法的特点。此方法诊断相似的保护信息和一个诊断结果，通过简单的操作分析不同类型的可疑故障组件的失效概率。对于现有的方法造成报警状态计算密集型优化问题的特征向量、状态向量构造自适应功能的报警方法。建立各类变量模型中的简单方案，以进一步推进快速诊断故障区域的研究。
十、复合方法
结合两种不同的人工智慧方法，选取各个方法的优点再将其结合，主要目的是增加其适用范围及提高诊断准确度，如结合CEN和模糊理论，以CEN判断故障区域后再由模糊逻辑推论出故障类型，使得诊断工具的适用范围扩大。诊断流程采用人工神经网络与EPS同时平行运作，在相互结合下拥有较高的诊断精确度；结合小波理论和ANN用于变压器故障诊断经济调度及暂态干扰事件侦测。[5]
十一、总结和展望
本文对几种广泛应用的电力故障诊断方法进行了详细的阐述，然而随着电力的发展和环境的变化，新故障不断出现，其给现有的诊断方法带来了挑战。因此，为了应对不断出现的故障，灵活综合各种基本方法来进行诊断成为电力系统故障诊断技术的发展趋势。
为了维持电力供应安全性及可靠性，自动化故障侦测技术将有助于迅速推测出故障可能发生的位置，在供电品质提升的需求下，变压器的维护与检修更为重要，对于运转中的变压器若有一套监视与诊断预警技术，将可发现变压器内部潜在的异常状况，及早进行修复以避免事故进一步扩大。电力品质亦是当前电力公司与工业界共同重视的课题，若有一套电力品质干扰事件侦测系统，将可辅助电力品质工程师形成有效的辨识及采取有效的改善策略。本文主要目的即建立一套辅侦测工具，包括故障区域侦测、警报讯号处理、变压器故障诊断及电力品质侦测，期望可在不用增加任何设备的情况下纳入既有的监控系统。
参考文献：
[1]郑文盛.故障诊断专家系统在船舶电力系统故障诊断中的应用[J].中国水运，2010，（4）：88-89.
[2]吕雪峰.基于遗传算法的电力系统故障诊断[D].大庆：大庆石油学院，2006.
[3]邵晓非，宁媛，刘耀文，张慧莹.电力系统故障诊断方法综述与展望[J].工业控制计算机，2012，（12）：4-5，7.
故障处理论文范文第8篇
关键词： 电力变压器； 故障诊断； 粗糙集； 概率神经网络
中图分类号： TN710?34； TP183 文献标识码： A 文章编号： 1004?373X（2015）24?0152?04
Power transformer fault diagnosis based on RS optimization
SONG Yuqin， ZHU Zijuan， JI Yinfei
（College of Electronics and Information Engineering， Xi’an Polytechnic University， Xi’an 710048， China）
Abstract： In view of too much redundant information， inaccurate diagnosis result and other shortcomings existing in power transformer fault diagnosis with available fault diagnosis technology， the rough set theory is combined with probability neural network， in which the rough set theory is used to make the maximum reduction of early data of the fault system， and then fault pattern classification is done by means of the probability neural network， which can simplify diagnosis network scale and determine the fault type of power transformer more accurately than the diagnosis method of only probabilistic neural network can do. The research achievement has a broad application prospect in the aspect of oil?immersed power transformer fault diagnosis.
Keywords： power transformer； fault diagnosis； rough set； probabilistic neural network
电力变压器是电力系统中最重要、最昂贵的设备之一，它承担着电压变换，电能分配与传输的重任，是电力系统的枢纽设备，其运行状态直接关系到整个电力系统的安全与稳定[1]。
尽管已有大量的现代诊断技术应用于电力变压器故障诊断中，但进一步的理论研究和应用结果表明，这些诊断方法仍存在许多不足之处：文献[2]提出基于Petri网的变压器故障诊断方法，利用Petri网进行知识的表示和推理，其只涉及矩阵计算，适用范围较小，且故障特征与故障类别之间的对应关系不完善；文献[3]提出的一种基于粗糙集理论的变压器故障诊断方法，能够较好处理不完备信息条件下的诊断，但故障类别划分结果较为模糊，尤其不能区分对多重故障的诊断；文献[4]采用了信息融合技术来解决变压器故障诊断问题，模糊均值算法受样本的分布和初始参数影响较大；文献[5]基于证据理论的故障诊断方法，当故障样本量发生变化时，难以获得准确的故障诊断结果。
因此，在全面了解电力变压器故障情况和故障诊断相关技术的基础上，结合已有的神经网络在电力变压器智能故障诊断方面的研究成果[6?7]，本文提出基于粗糙集优化的电力变压器综合故障诊断方法，提高了油浸式电力变压器故障诊断的准确性。既有很强的学术理论价值，又有很强的工程实用价值。
1 电力变压器故障诊断模型
基于粗糙集（RS）优化的概率神经网络（PNN）故障诊断方法是依据粗糙集理论本身具有严谨的内在逻辑关系，无需对预处理信息进行经验或知识积累，是处理模糊性和不精确性问题的较为理想的数学工具。因而利用粗糙集理论对电力变压器故障系统大量数据进行前期处理，能够在保留关键信息的前提下对故障数据进行最大限度的约简，既去除了大量冗余信息，缩减了故障信息的规模，又保证了变压器故障诊断数据的客观性和精确性。再将粗糙集约简后的变压器故障数据用于概率神经网络故障诊断系统的训练，缩短了神经网络的训练时间，提高了变压器故障诊断系统的快速性，且神经网络一旦训练好就无需因故障数据的变化而重新训练故障诊断系统网络。因此，粗糙集和概率神经网络相结合的电力变压器故障诊断方法相比于其他的故障诊断方法，具有非常明显的优势。其故障诊断系统框图如图1所示，分为学习阶段（即网络训练阶段）和应用阶段（即故障诊断阶段）两个阶段。
图1 基于RS优化的PNN故障诊断系统框图图
2 粗糙集理论的决策表约简法
2.1 样本数据的选取
依据样本数据的选取原则，通过收集华北电网虹桥220 kV变电站多台油浸式电力变压器的历史故障数据，共得到近200个样本，选择其中比较有代表性的10组样本数据为例来表明粗糙集的优化过程。
将这10组数据整理成原始样本决策表，如表1所示，其中每组数据包含了12个条件属性，即12种故障样本气体含量的比值和一维结论属性即故障类型序号，该故障类型序号对应的实际诊断结果为：1，无故障；2，低能放电；3，高能放电；4，中低温过热；5，高温过热。
2.2 决策表的约简
粗糙集理论是一种智能信息处理技术，是处理不精确、不完备信息的有效工具，其核心内容是知识的约简，即在保持其分类能力不变的情况下，无需先验知识，通过约简方法，导出问题的分类或决策规则。粗糙集理论在许多领域得到了广泛的应用，如图像处理、模式识别、机器学习、数据挖掘、决策分析、过程控制等。若用粗糙集理论处理决策表时，则要求决策表中的各值均用离散值。
本文先利用等频率划分离散法对原始决策数据进行离散化，再由粗糙集约简法对原始样本决策表进行故障数据的约简。等频率划分离散法是根据给定的参数将这个属性的取值从小到大进行排列，最后平均划分为最佳状态的段数，即得到断点集。任意两个相邻断点间所包含属性值的个数是相等的。
其中以[C2H2C2H4]两种气体的比值为例，其经等频离散化后的结果如表2所示，将原始决策表中的数据划分为10个断点集，从0.000～1.343按最佳状态平均划分。然后再进行样本数据的约简，其结果见表3。当[C2H2C2H4]的比值落在区间{[0.000，0.002]}中，记作0；当[C2H2C2H4]的比值落在区间{[0.002，0.005]，[0.005，0.007]，[0.007，0.008]，[0.008，0.051]，[0.051，0.211]}中，记作1；当[C2H2C2H4]的比值落在区间{[0.211，1.131]，[1.131，1.165]，[1.165，1.210] ，[1.210，1.343]}中，记作2。其他气体比值的离散化和约简形式同上，在此不一一列出。
以上12种故障样本气体含量的比值在经过属性约简后，若删除第n个决策属性，与未删除前的决策属性没有什么本质区别，则说明该决策属性可以省略，反之，该决策属性则不可省略。以此方法对这12个条件属性进行进一步约简，形成最终决策表，如表4所示，约简后的故障特征属性由原始决策表中的12个减少为现在的5个，决策表规模大大缩减，为下一步的PNN网络训练做好了优化工作。
表2 等频离散化后的结果
表3 样本数据约简后的结果
表4 样本约简后形成的最终决策表
3 概率神经网络的故障诊断
概率神经网络PNN是广泛应用于模式分类的一种神经网络，在故障诊断过程中利用其强大的非线性分类能力，将故障样本空间映射到故障模式空间中，形成较为准确的故障诊断模型。它可描述为：假设有两种已知的故障模式qA，qB，对于要判断的故障特征样本：[X=（x1，x2，…，xn）若hAlAfA（X）>hBlBfB（X），则X∈θA；若hAlAfA（X）
式中：hA，hB为故障模式qA，qB的先验概率，hA=[NAN]，hB=[NBN]；NA，NB分别为故障模式qA，qB的训练样本数；n为训练样本总数；lA是将本属于模式qA的故障特征样本X错误地划分到模式qA的代价因子；lB是将本属于模式qB的故障特征样本X错误地划分到模式qB的代价因子；fA，fB分别是故障模式qA，qB的概率密度函数，通常概率密度函数不能精确地获得，只能根据现有的故障特征样本求其统计值。
以表4所示的最终决策表为例，根据约简后的决策属性由原始决策表中的12个减少为现在的5个，于是设PNN网络输入层有5个神经元，对应5个输入特征属性；模式层有12个神经元，对应12种故障模式；隐含层和输出层有5个，对应于上述5种故障类型。
4 诊断结果判定
本实验将收集到的油浸式电力变压器的200组原始样本数据分为两部分，前100组样本作为概率神经网络和粗糙集优化的概率神经网络的训练样本进行神经网络训练，后100组样本作为检验样本进行故障诊断。
将100组验证样本分别代入已经训练好的概率神经网络和粗糙集优化的概率神经网络的进行故障诊断，并输出诊断结果。
4.1 概率神经网络的故障诊断结果
概率神经网络故障诊断结果如图2所示，圆圈所对应的数值表示该样本经诊断后的故障类型序号，星号所对应的数值表示该样本的实际故障类型序号。诊断误差图中的误差值0表示诊断后的故障类型序号与实际故障类型序号相同，诊断结果正确，误差值2、-3表示诊断后的故障序号与实际故障序号的差值，诊断结果不正确。最后经过仿真发现诊断结果中有21个故障类型跟样本实际故障类型不一样，其故障诊断准确率为79%。
4.2 粗糙集优化的概率神经网络故障诊断结果
粗糙集优化的概率神经网络诊断结果如图3所示，最后经过仿真发现诊断结果中只有3个故障类型跟样本实际故障类型不一样，其故障诊断准确率为97%。
可见，基于粗糙集优化的概率神经网络的电力变压器故障诊断准确率比单一的概率神经网络的要高，其方法应用于变压器故障诊断中，可以去除大量冗余信息，简化故障诊断系统的规模，且大大提高了故障诊断的准确性。
图2 概率神经网络故障诊断结果及误差图
图3 粗糙集优化的概率神经网络故障诊断结果及误差图
5 结 语
该研究成果在油浸式电力变压器故障诊断方面具有广阔的应用前景，将粗糙集理论与概率神经网络结合，利用粗糙集在处理模糊性和不确定性问题上的优势对原始故障数据进行约简，既不受样本分布的影响，又对不完备信息具有较强的适用性，可在保证关键信息不丢失的情况下简化诊断网络规模，增强诊断系统的抗干扰性。进而利用概率神经网络进行故障类型分类，令故障特征与故障类别一一对应，且可区分多重故障类型，使诊断网络有较高的准确性。另外，将电力变压器在线监测技术与故障诊断技术相结合，把在线监测得到的数据整合到变压器故障分析里，能够更及时、更精确地诊断出变压器故障类型。
参考文献
[1] 黄新波.变电设备在线监测与故障诊断[M].2版.北京：中国电力出版社，2013.
[2] 王建元，纪延超.Petri网络在变压器故障诊断中的应用[J].中国电机工程学报，2010，26（8）：21?24.
[3] 陈小青，刘觉民，黄英伟，等.采用改进人工鱼群优化粗糙集算法的变压器故障诊断[J].高电压技术，2012，38（6）：1403?1409.
[4] 张岩，张勇，文福拴，等.融合信息理论的电力系统故障诊断解析模型[J].电力自动化设备，2014，34（2）：158?164.
[5] 司马莉萍，舒乃秋，李自品，等.基于 SVM 和 D?S 证据理论的电力变压器内部故障部位识别[J].电力自动化设备，2012，32（11）：72?76.
[6] PAYDARNIA H， HAJIAGHASI S， ABBASZADEH K. Improved structure of PNN using PCA in transformer fault diagnostic [J]. Arabian Journal for Science and Engineering， 2014， 39（6）： 4845?485.
[7] BHALLA D， BANSAL R K， GUPTA H O. Integrating AI based DGA fault diagnosis using dempster?shafer theory [J]. International Journal of Electrical Power and Energy Systems， 2013， 48（6）： 31?38.
[8] 宋玉琴，朱紫娟，姬引飞.多传感器信息融合的智能故障诊断策略[J].西安工程大学学报，2014，28（5）：568?573.
[9] 郭创新，王越，王媚，等.表征内部潜伏性故障的变压器时变停运模型研究[J].中国电机工程学报，2013，33（1）：63?69.
[10] 张翔，宋子彤，杨致慧，等.一种基于负载率和设备检测信息的油浸式变压器故障率模型[J].电网技术，2013，37（4）：1159?1165.
[11] 周晶晶，吴文全，许炎义，等.基于小波神经网络的模拟电路故障诊断方法研究[J].现代电子技术，2015，38（6）：36?38.
故障处理论文范文第9篇
关键词：电网故障诊断 ；故障诊断方法；展望
Abstract: this paper introduces the network fault diagnosis of the significance and all kinds of fault diagnosis methods, and the current power grid failure diagnosis direction was studied, and prospected.
Keywords: power grid failure diagnosis; Fault diagnosis method; looking
中图分类号：U665.12文献标识码：A 文章编号
1引言
我国电力正处于一个高速发展的时期，电力系统的迅速发展、受端负荷的持续增长、跨区域联网规模的扩大、电力工业市场化改革以及生态环境的约束使电网结构和运行方式日趋复，使电网状态趋近其运行极限，系统运行的不稳定因素增多，种种情况导致因偶发故障引发大规模停电风险的概率增高。电网是国民经济发展的大动脉，一旦发生大面积停电[1]，后果不堪设想。客观上讲，电力系统作为一个庞大的、高度复杂的动态系统，常处于不同的扰动之中，故障的发生又往往是无法完全避免的，这些问题给电网故障诊断提出了新的挑战。随着我国电力工业的发展，故障诊断研究具有很大的现实意义和实用价值[2]。
2 电网故障诊断方法研究
电力系统故障诊断是根据事发环境下各类信息进行故障识别的过程。电力系统发展使得电网的规模越来越大，结构越来越复杂，电网发生故障关系到电力系统安全稳定运行的重要问题。为了适应各种简单和复杂事故情况下故障的快速、准确识别，需要电网故障诊断系统进行决策参考。因此，从20世纪80年代起国内外专家学者们进行了大量的研究工作，提出了多种故障诊断技术和方法[3]，主要有专家系统、人工神经网络、优化技术、Petri网络、粗糙集理论、模糊集理论、贝叶斯网络、基于电网潮流分布特征法和信息理论法。下面分别介绍这几种应用在电网故障诊断的研究发展状况。
2.1专家系统法
专家系统是发展最早，也是比较成熟的一种人工智能技术。它利用计算机技术将相关专业领域的理论知识和专家的经验知识融合在一起，通过数据库、知识库、推理机、人机接口、解释程序和知识获取程序的有机连接，达到具备解决专业领域问题的能力。
70年代初期专家系统就被引入到电网故障诊断研究领域。其在电网故障诊断[4]中的典型应用是基于产生式规则的系统，即把保护、断路器的动作逻辑以及运行人员的诊断经验用规则表示出来，形成故障诊断专家系统的知识库，进而根据报警信息对知识库进行推理，获得故障诊断的结论，具有直观性、实时性和有效性；能够在一定程度上解决不确定性问题；能够给出符合人类语言习惯的结论并具有相应的解释能力等优点。但是不可避免在实际应用中存在一些缺陷：知识获取瓶颈、系统维护难、容错能力差等问题。现在多是将专家系统与其他方法结合起来进行故障诊断。
2.2 人工神经网络
人工神经网络是通过模拟人类的神经系统来处理信息过程的一种人工智能技术。它具有并行处理、非线性映射、联想记忆能力和在线学习能力等特点，在电力系统和其他领域中都有着广泛的应用。
电网中不同的故障组合模式会产生不同的故障信息组合模式，可以将故障诊断问题视为模式识别问题，采用人工神经网络进行处理。为此需要建立比较完全的训练样本，用预选事故集作为输入，故障信息集作为监督输出，对神经网络进行训练。文献[5]较早将BP(误差反向传播)神经网络应用于电力系统故障诊断，但该方法存在训练速度慢的缺点。径向基函数（RBF）神经网络具有任意函数逼近能力，且学习速度更快，因此文献[6]提出用新型神经网络解决故障诊断问题。与专家系统诊断方法相比, 神经网络故障诊断方法可避免专业知识和专家启发性知识的形成、表达及管理等繁琐工作。同时, 如何保证训练神经网络所用的样本库的完全性、提高训练速度和收敛性，仍是神经网络需要重点解决的问题。
2.3 优化技术
随着计算机技术和计算数学的发展，国内外学者提出了多种优化算法，采用优化算法进行电网的故障诊断是一种新的思路。采用优化算法需要根据电网故障的特点设定假想事故集的目标函数或适应度函数，各种优化算法根据适应度值对假想事故集进行更新，直至搜索到适应度最大的假想事故集,以作为最终故障诊断的结果。其实质是将故障诊断问题转化为无约束的一整数规划问题进行寻优处理。目前研究得较多的是遗传算法、禁忌搜索、模拟退火等算法等等。
2.4 Petri网
Petri网是数学家C.A.Petri于1960-1965年提出的一种通用的数学模型，可用图形表示，并用矩阵运算进行严格的数学描述。Petri网既可用位置节点（Place）和变迁节点（Transition）对系统进行静态的结构分析，又可以通过节点上的令牌（Token）进行动态的行为分析，可用于描述电网故障及切除的离散事件动态行为。
Petri网作为一种简洁、高效的形式化语言，在故障诊断领域有着巨大的潜力。但另一方面，在对大规模或复杂性网络进行网建模时，可能出现状态组合爆炸的情况,，而且Petri网容错能力较差，不易识别错误信息。为此还需研究对网进行化简和分解的归纳分析技术,或考虑采用更高级的有色网。
2.5粗糙集理论
粗糙集理论是一种新的研究不完整、不确定且不精确信息的表达、学习和归纳的数学工具。它建立在分类机制的基础之上，将分类理解为等价关系， 用这些等价关系对特定空间进行划分，提取出组涵的“知识”，知识约简是粗糙集理论的核心内容之一。
文献[7]根据电网故障信息中的冗余性，利用粗糙集理论对不同故障模式所对应的警报信息组合进行化简，识别出必不可少的警报信息，在决策表中剔除可有可无的警报信息，以便从样本数据中提炼出简洁、高效、具有一定容错能力的规则知识库。粗糙集理论用于电网故障诊断的缺点是有些先验信息不能得以有效利用, 且电网规模过大时, 决策表的形成也会比较困难。
2.6 模糊集理论
模糊集理论是在模糊集合理论的基础上发展起来的，它采用模糊隶属度的概念来描述不精确、不确定的对象，并采用近似推理规则，使专家知识得以有效表达，且具有很强的容错能力。
综上可看出，模糊集理论比较适合用来处理电网故障诊断中继电保护动作的不确定性和故障信息的不完备性。文献[8]不仅引人了保护和断路器的动作信息，而且按额定值将遥测量进行模糊化用于故障诊断，为故障诊断的多信息融合提供了新的思路。采用模糊集理论进行电网故障诊断也存在一些问题：像隶属度函数的选择无明确的标准、可维护性较差等。所以在电网故障诊断领域中，模糊集理论通常与其他诊断方法相结合，互相渗透、取长补短。
2.7贝叶斯网络
贝叶斯网络是基于图论和严格的概率理论的一种不确定性知识表达和推理模型。目前贝叶斯网的理论研究主要集中在其网络的构造、学习、推理和应用等几个方面。它将因果知识和先验概率信息有机结合，使用概率理论来处理不同知识成分之间因条件相关而产生的不确定性，同时它能够有效的进行多源信息的表达和融合。
基于贝叶斯网络及其改进方法的电网故障诊断方法[9]能针对电网故障中存在的信息不完备和不确定性问题，建立完备和不完备信息下的贝叶斯网络模型进行故障诊断，但该方法需要先验概率信息，给出的亦是故障概率，而且贝叶斯的训练复杂，从理论上讲，它是一个NP-complete问题，也就是说，对于现在的计算机是不可计算的。但是，对于某些应用，这个训练过程可以简化，并在计算上实现。
2.8 基于电网潮流分布特征法
基于电网潮流分布特征法[10]立足故障前后电网潮流分布特征的变化，借助支路开断分布因子，智能选择量测支路和量测数据,在线预生成故障模式库，供不断提取的潮流分布特征模式进行匹配，具有快速、准确、自适应智能诊断的特性。
此方法能自适应跟踪电网运行方式并动态选择量测对象和量测数据，在线分析电网潮流分布特征与网络结构变化的关系，以提取潮流分布特征与故障模式库中模式进行匹配来实现电网故障的在线诊断。文[10]中算例表明，此方法准确高效，具有在线自适应智能诊断的功能，有助于提高把握网络事态和正确应对事故的能力。
2.9 信息理论法
信息理论由Shannon于1948年首先提出，它从概率论出发,建立了信息熵、互信息等概念，比较科学地解决了概率信息的测度问题。目前，信息的统计定义已扩展到能够对非统计意义的信息予以度量。从信息理论的角度看，电网故障诊断还可视为一个多信息融合[11]的过程。如何将保护和断路器的动作信息、遥测量信息、录波信息、历史统计信息及专家经验信息等多种信息加以有效综合利用，这些难题将来也许可借鉴多信息融合技术中的信号处理、参数优化、统计和模式识别等方法加以解决。
3.结论
本文介绍了电网故障诊断的意义及其各种故障诊断方法的研究状况，为以后研究电网故障诊断的学者们奠定了一定的基础，具有现实的意义。
4.电网故障方法研究展望
电力系统是一个分布式的高维数、高度非线性的动态系统，而且有一系列比较特殊的物理特点，受其影响，电网的故障诊断也有一些比较突出的难点。目前，电网发生故障时候，故障信息反应为电气量、继电保护和开关量的异常变化。而事实表明：依靠单一信息往往不能满足诊断的性能要求，多源信息的异构特性，加上诊断中的不确定性，使综合利用多源信息以及信息融合非常困难，目前这方面的理论研究也还远远不够，所以信息融合技术方法研究是以后研究的方向。
参考文献：
李春艳,陈洲,肖孟金等.西欧“11.4”大停电分析及对华中电网的启示[J].高电压技术, 2008,34(1):163-167.
郭创新,朱传柏,曹一家,等.电力系统故障诊断的研究现状与发展趋势[J].电力系统自动化,2006,30(8):98-103.
陈玉林,陈允平,孙金莉等.电网故障诊断方法综述[J].中国电力,2006,39(5):27-31.
Angeli C.Online expert systems for fault diagnosis in technical processes[J].Expert Systems,2008(3):115-132.
CHEN E.Application of neural network computing in intelligent alarm processing[A].Power industry Computer Application Conference[C].Seattle,USA:IEEE,1989.246-251.
刘志远,吕剑虹,陈来九.新型RBF神经网络及在热工过程建模中的应用[J]. 2002,22( 9):118-122.
刘育名,周全,唐捷,等.粗糙集理论提取配电网故障诊断规则的方法[J].高电压技术, 2006,32(8):97-99.
周明,任建文,李庚银等.基于模糊推理的分布式电力系统故障诊断专家系统[J].电力系统自动化,2001,25(24):33-36.
吴欣,郭创新,曹一家.基于贝叶斯网络及信息时序属性的电力系统故障诊断方法[J].中国电机工程学报,2005,25(13):14-16.
陈彬,于继来.基于电网潮流分布特征的在线故障智能诊断[J].电力系统自动
化,2007,31(16):29-34.
故障处理论文范文第10篇
关键词：故障诊断；故障识别；小波分析；熵理论
作者简介：杨朝兵（1982-），男，河北邢台人，国网河北省电力公司邢台供电分公司，工程师；付学文（1983-），男，河北邢台人，国网河北省电力公司邢台供电分公司。（河北 邢台 054001）
中图分类号：TM7 文献标识码：A 文章编号：1007-0079（2014）06-0238-03
近年来，随着社会对电力需求的日益增加，电网呈现出高电压、远距离、大容量的发展趋势，高压输电线路特别是超高压输电线路在电力网中所占的地位也越来越重要。超高压输电线路既担负着传送大功率的任务，还作为联合电力系统运行的联络线使用，其运行可靠性影响着整个电力系统的供电可靠性。[1-2]由于高压输电线路工作环境恶劣，故障时极难查找，在电力系统中又是发生故障最多的地方，随着现代大电网的结构和运行方式复杂多变，故障类型越来越复杂，对保护的要求也越来越高。因此，准确而迅速地排除故障不仅满足继电保护的速动性，缩短系统恢复供电时间，而且还能提高电力系统的稳定性，降低运行成本。而准确区分故障相是高压输电线路保护的重要前提，所以探索新的故障选相原理和方法、提高继电保护的性能是超高输电线路故障检测中的一个重要课题。
一、背景和意义
当输电线路发生故障的初始瞬间，通常都有一个既包含直流分量又包含高频暂态分量的暂态故障信号，其所包含的信息是继电保护动作的依据，所以需要先对采样的故障信号进行处理以便获得有意义的特征量。但高压输电线路的距离比较长，输电线路之间存在互感耦合，只有在故障发生的初始瞬间故障信号不容易识别等特点；而电力系统本身又是一个容易受环境干扰的动态系统，因此要准确地对故障进行检测与分类，并防止故障进一步发生是非常困难的。所以借助现代各种数字信号处理工具和方法准确地对故障信息的特征进行提取与分类就显得十分必要，特别是近年来基于暂态量原理的保护更需要快速、可靠的故障类型识别元件。[2-4]
随着小波分析技术的引入，电力系统暂态信号特征量提取及分类技术得到了迅速发展。但是，由于小波变换结果中包含了大量的分解信息和数据，通常的检测方法都少不了对特定工况的假设或对特征提取的人工干预。而分类方法中，由于小波分解信息量比较大，使得一些智能判别系统（如模糊理论与神经网络等）变得比较庞大。因此对于小波分析还需研究合适的信息提取方法，给新型继电保护原理、系统故障判断与预测提供有效的依据。这些信息提取方法中最有效的是提供一个或系列描述系统的普适量，用这些普适量来检测、分类电力系统的故障。[4]
信息熵是对系统不确定性程度的一种描述，若把一个信源当做物质系统，可能输出的消息越多，信源的随机性越大，越紊乱，熵值也越大，所以信息熵可以被看做是系统紊乱程度的量度。[5-7]小波分析和熵理论相结合，在生物医学领域和机械故障诊断领域已经得了很好的应用。[8-9]它结合了小波变换多分辨分析的特点和信息熵对信息具有较强的表征能力的优点，成功地分析了各种突变信号。所以，在暂态信号特征提取方面表现出独特优点的小波熵，在电力系统故障检测与分析中具有很好的应用前景。本文给出了小波包能量熵的定义及其应用领域，旨在探讨小波包能量熵在输电线路故障检测中应用的可能性，对于小波包能量熵在电力系统暂态信号分析中的应用研究具有重要意义。
二、故障类型识别的研究现状
传统的故障选相元件主要采用突变量与稳态量相结合，以工频量为基础。在多数情况下这些选相元件对于简单故障能正确地选择故障相，但其选相速度不够快，且易受系统的运行方式及故障接地电阻的影响，结果往往不理想。因此，新型快速的故障选相方法成为众多学者研究的方向。[10]
新型的故障选相方法主要有：基于行波故障的选相元件和基于故障暂态量的选相元件。基于行波的选相元件[11-14]主要是利用故障时信号的行波波头所包含的信息进行故障选相。虽然基于行波的选相元件能在故障发生的第一时间捕获故障信息，与传统的选相方法相比具有灵敏度高、识别率好等优点，且对波头进行处理的方法也有很多。但基于行波的故障选相方法存在一些缺点，如初始行波受初始角、反射波、故障电弧等因素的影响。基于行波的选相元件由于计算量大，对处理器的运算能力要求也比较高，费用相对也就比较高，在嵌入式系统中难以做到实时性，这使得基于行波的故障选相方法具有很大局限性。
基于故障暂态量的选相[15-16]是利用输电线路发生故障时所产生的故障暂态信号实现故障选相，故障暂态信号与线路参数、故障情况等有关，不受系统运行方式、过渡电阻、电流互感器饱和、系统振荡、长线分布电容等的影响。近年来又随着硬件条件的实现和小波变换等信号处理工具的发展，使得大量、准确、实时地获取故障时产生的暂态电压和电流信号，并使对其作进一步的处理成为现实。这些丰富的故障暂态信号蕴涵了大量的故障特征信息，其频率成分贯穿于整个频谱中，如果能充分利用这些信息就能快速地对故障相作出判断。因此，基于故障暂态量的选相方法具有很大的发展前景，使得越来越多的学者从事电力系统暂态信号的研究。
目前用于电力系统故障类型识别的方法有很多，如小波分析、神经网络和模糊理论等智能算法、数学形态学等。
1.小波分析
文献[15]利用小波对暂态电流的模分量进行分析，并通过比较各相暂态电流的能量和各模分量的大小进行故障相判断。文献[16]利用小波提取故障暂态电流信号的特征，通过计算提取的信号特征沿尺度分布的权重得到暂态电流信号的小波熵权，进而构造故障选相判据。文献[17]对线路两端模量方向行波之差进行小波变换，通过比较其幅值大小来判别故障类型，但对两相接地故障的具体类型区分不明确。文献[12-13，18]通过比较（零、线）模量电流行波的幅值之间的大小关系从不同角度进行故障选相。但是，由于零模量的严重衰减导致保护装置不能正确反映故障点处零模与线模的大小关系，当输电线路远端发生单相接地或两相接地故障时可能出现误判。文献[19]将小波奇异熵应用于识别高压输电线路的故障相，提出了一种基于暂态电压的选相方案。通过取各相的小波奇异熵相对比值反映故障相和非故障相间的相对差异，构成高压输电线路故障选相的依据。
2.神经网络和模糊理论等智能算法
文献[20-21]利用提升小波变换对故障信号进行处理，并作为神经网络的输入构造了一种新型的小波神经网络模型来识别输电线路故障。文献[22-23]通过小波包将故障电压和故障电流分解后分别获得分解后的故障暂态量的能量值和熵值，并将能量值与熵值分别对神经网络进行训练，对输电线路进行故障分类和定位。文献[24]在暂态信号多尺度的基础上定义了小波能量熵，并与模糊逻辑系统相结合形成故障类型识别方法。
3.数学形态学
文献[25]在分析EHV线路发生故障后电流模分量的基础上，利用数学形态学梯度提取暂态信号波头能量，构成故障选相方案。文献[26]提出了一种基于数学形态谱和神经网络相结合的识别接地短路故障类型的新方案。该方法对三相电流进行相模变换后，用数学形态学颗粒对电流各模量分析并提取模电流的形态谱，将各形态谱作为神经网络的输入，进而判断出接地故障的类型。
三、小波分析在电力系统暂态处理中的应用
20世纪80年代初Morlet等人第一次提出了小波变换的概念。它可以根据处理信号频率的高低自行调整窗口的大小，确保捕捉到有用的信息，可以对信号奇异点作多尺度分析。小波变换有以下特点：在高频范围内时间分辨率高；在低频范围内频率分辨率高；既适合于分析平稳信号及非平稳信号；有快速算法——Matlab算法；利用离散小波变换可以将信号分解到各个尺度（频带）上。
由于小波变换有以上优点，所以它在各个应用领域中都得到了广泛应用，比如生物医学工程、机械故障诊断、非线性动力系统、量子物理、模式识别、参数辨识、CT成像、数据压缩等。近几年小波变换技术在分析和处理电力系统暂态信号方面也显示了其优越性和良好的应用前景，主要应用领域包括电力信号去噪[6，27-28]、数据压缩、电力设备故障诊断、电能质量信号分析、故障定位等。文献[28]指出db6小波对电压暂升、暂降、闪变信号均能获得较好的去噪效果。文献[29]提出了一种小波包去噪算法，用以消除暂态扰动检测中噪声的影响，为在噪声环境中检测和定位暂态扰动提供了依据。电能质量信号分析方面：文献[31]将小波包用于对谐波的检测，并与IEC推荐的谐波检测方法进行了对比，仿真结果证明了基于小波包的检测方法对非整次谐波与间小波的检测要优于IEC推荐的方法。电力设备诊断方面：文献[30]通过对基于Shannon熵的最优小波包基的快速搜索算法的探讨，提出了基于最优小波包基小波包方法。
在输电线路故障定位方面：
（1）故障选线。文献[31]提出了基于单相电流行波的故障选线原理。文献[32]利用小波变换与电弧故障产生的突变相结合而进行故障选相。文献[33]提出用小波变换提取电流故障分量的暂态能量，并且以三相间暂态能量的大小及其相对关系来识别故障类型和判断故障相的新方案。文献[34]利用小波变换提取故障后电流行波的线、零模量，根据提取出的电流行波波前1/8周期的能量进行故障选相。文献[35]通过小波变换利用故障电流行波幅值及极性逻辑关系相结合的故障类型识别方法，并设计出了故障类型识别的实用算法。该方法可以提高以往行波故障选相方案中利用零、线模量之间幅值关系判别单相接地或两相接地故障时的可靠性。总的来说，目前基于暂态信号，利用小波变换工具进行选相的方法得到了很好的研究，但在实际应用时仍需进行相应的分析论证。文献[36]对电力系统暂态信号提取小波能量熵及能量熵权，并将其分别对神经网络进行训练，提出了小波能量熵与神经网络相结合的故障分类方法。
（2）故障测距。电力系统要求及时、准确地得知线路故障位置，以便用最短的时间清楚故障，尽快恢复供电，现已有可用于解决实际问题的各种故障测距方法。小波变换可以很好地表征输电线路故障行波信号的突变点，故很多文献提出用小波变换来进行行波故障测距。[37-41]主体思路是：运用小波变换对故障信号进行分解，并用小波变换模极大值表示故障信息，揭示了行波信号奇异、瞬时信号与小波变换模极大值的关系，运用小波对奇异点检测的原理，确定两次行波波头达到检测点的时间间隔及故障发生的时刻，推算出故障位置，以达到故障定位的目的。
四、熵理论的应用现状
1948年Shannon把通信过程中信源讯号的平均信息量定义成为熵，这就是信息熵。小波熵是小波变换和信息熵的结合，它具有小波变换和信息熵的特点，对动态系统参数的微小变化具有独特的敏感性，反映了暂态信号在时-频域空间的能量分布情况，随着小波熵理论的不断发展与完善，它被应用机械、生物、电力系统等众多领域。
生物领域中，文献[42]运用小波熵分析心跳信号，并识别其变化规律；文献[43-44]将小波熵应用于EEG等非平稳信号的分析，体现出小波熵区别非平稳信号复杂度的特点，又有其反映微状态信号快速变化的优点。在机械故障诊断领域里，文献[45]将小波包与特征熵结合提出了一种诊断高压断路器机械故障的新方法，并给出了切实可行的诊断步骤和分析。
这几年小波熵理论在电力系统中的应用才刚刚开始，所以这方面的文献较少。文献[46]提出采用离散小波变换和神经网络相结合的方法，对输电线路故障进行分类和定位，虽然训练好的神经网络可以准确地对故障进行分类和定位，但存在计算量大、运算费用高的缺点。文献[47]提出一种基于小波熵权和支持向量机相结合的故障识别方法。该方法识别速度快，有较好的通用和实用价值。文献[48]虽采用了小波分析理论与信息熵理论，但并没有对小波熵进行一个完整的、系统的定义。文献[49]综合阐述了小波熵在电力系统中各方面应用的可行性，表明了其在电力系统中具有良好的发展空间。文献[5-6，50-51]探讨了小波熵在电力系统故障检测征提取的应用机理，通过仿真一些输电线路故障检测对文中给出的几种小波熵进行了验证，仿真分析结果表明小波熵测度在暂态信号检测与分类中有望得到较好的发展。小波熵作为近年来才发展的一种新理论在电力系统故障检测中的应用具有广阔前景。所以，在电力系统暂态信号的检测和分类中运用小波熵理论具有重要的研究意义。
五、结束语
电力系统故障类型识别的研究为暂态信号检测分析开辟了新的道路，为暂态信号特征提取理论奠定了新的基础，进行了不同变换空间内信号特征和复杂程度的定量描述方法，建立了适合于电力系统暂态信号分析的小波熵理论。
参考文献：
[1]王志华.超高压线路故障行波定位及高压变频技术研究[D].武汉：华中科技大学，2004.
[2]魏智娟，李春明，付学文.输电线路故障诊断方法综述[J].电气技术，2012，（2）：1-5.
[3]何正友，王晓茹，钱清泉.利用小波分析实现EHV 输电线路单端量暂态保护的研究[J].中国电机工程学报，2001，21（10）：10-14.
[4]何正友.小波分析在电力系统暂态信号处理中的应用[M].北京：中国电力出版社，2011.
[5]何正友，刘志刚，钱清泉.小波熵理论及其在电力系统中应用的可行性探讨[J].电网技术，2004，28（21）：17-21.
[6]何正友，蔡玉梅，钱清泉.小波熵理论及其在电力系统故障检测中的应用研究[J].中国电机工程学报，2005，25（5）：23-43.
[7]李志民，李卫星，李勃龙.熵原理及其在电力系统可靠性中的应用[J].电力系统及其自动化学报，200l，13（3）：37-39.
[8]任震，张征平，黄雯莹，等.基于最优小波包基的电动机故障信号的消噪与检测[J].中国电机工程学报，2002，22（8）：53-57.
[9]Rosson OA，B1anco S，Ybrdanova Jetal.Wavelet entropy：a new tool for analysis of short duration brain electrical signals[J].J Neumsci Meth，2001，105（1）：65-75.
[10]李东敏.基于多小波包和人工神经网络的电力系统故障类型识别研究[D].成都：西南交通大学，2008.
[11]葛耀中.新型继电保护和故障测距的原理与技术[M].西安：西安交通大学出版社，2007.
[12]Joe- AirJiang，Ching- ShanChen，Chi-WenLiu.A new Proteetion seheme for fault detection， direetion diserimination，elassifieation and location in transmission lines[J].IEEE Trans on Power Delivery，2003，18（l）：34-42.
[13]危韧勇，刘春芳.基于小波理论的超高压线路故障定位与选相方法[J].中国电机工程学报，2000，20（5）：85-88.
[14]段建东，张保会，周艺.利用电流行波进行超高压输电线路故障类型识别的研究[J].中国电机工程学报，2005，25（7）：58-63.
[15]Duan Jiandong，Zhang Baohui，Ha Hengxu.A novel preach to faulted-Phase selection using current traveling waves and wavelet analysis[C].IEEE Power Conference 2002，Kunming，China，2002，（4）：1146-1150.
[16]何正友，陈小勤，罗国敏，等.基于暂态电流小波熵权的输电线路故障选相方法[J].电力系统自动化，2006，30（22）：39-44.
[17]Li Zewen，Yao Jiangang，Zeng Xiangjun，Deng Feng.Power grid fault traveling wave network protection scheme[C].Electrical Power and Energy Systems，2011：875-879.
[18]董新洲，贺家李，葛耀中.基于小波变换的行波故障选相研究第二部分仿真实验研究[J].电力系统自动化，1999，23（1）：20-22.
[19]何正友，符玲，麦瑞坤，等.小波奇异熵及其在高压输电线路故障选相中的应用[J].中国电机工程学报，2007，27（1）：31-35.
[20]P.S.Bhowmik a，P.Purkait b，K.Bhattacharya.A novel wavelet transform aided neural network based transmission line fault analysis method[J].Electrical Power and Energy Systems，2009，（31）：213-219.
[21]王忠民，乐全明，杨光亮，等.基于提升小波和神经网络的超高压电网故障类型识别[J].华东电力，2006，34（2）：30-33.
[22]张举，王兴国，李志雷.小波包能量熵神经网络在电力系统故障诊断中的应用[J].电网技术，2006，30（5）：72-76.
[23]Sami Ekici，Selcuk Yildirim，Mustafa Poyraz.Energy and entropy-based feature extraction for locating fault on transmission lines by using neural network and wavelet packet decomposition[J].Expert Systems with Applications， 2008， （34）：2937-2944.
[24]张斌，何正友，钱清泉.基于小波能量熵和模糊逻辑的故障选相元件[J].电网技术，2006，30（15）：30-35.
[25]卜春霞，张义含，姜自强，等.超高压线路暂态保护选相研究[J].电力系统保护与控制，2010，38（16）：30-34.
[26]谢添卉，刘明光，杨罡.基于数学形态谱和人工神经网络的高压输电线接地故障类型识别方法[J].电气自动化，2009，31（3）：62-65.
[27]杨霁，李剑，王有元，等.变压器局部放电监测中的小波去噪方法[J].重庆大学学报，2004，27（10）：67-70.
[28]薛蕙，杨仁刚.基于小波包除噪的电能质量扰动检测方法[J].中国电机工程学报，2004，24（3）：85-90.
[29]Barros J，Diego R I.Application of the wavelet-packet transform to the estimation of harmonic qroups in current and voltage waveforms[J].IEEE Transactions on information Theory，2006，21（1）：533-535.
[30]任震，张征平，黄雯莹，等.基于最优小波包基的电动机故障信号的消噪与检测[J].中国电机工程学报，2002，22（8）：53-57.
[31]Omar A.S.Youssef.A wavelet-based technique for discrimination between faults and magnetizing inrush currents in transformers [J].IEEE Transactions On power Delivery，2003，18（1）：170-176.
[32]Youssef Q A S.New Algorithm to Phase Selection Based on Wavelet Transforms[J].Power Engineering Review，IEEE，2002，22（6）：60-61.
[33]段建东，张保会，周艺.基于暂态量的超高压输电线路故障选相[J].中国电机工程学报，2006，26（3）：1-6.
[34]麦瑞坤，何正友，符玲，等.基于电流行波能量和小波变换的输电线路故障选相研究[J].电网技术，2007，31（3）：38-43.
[35]G.Sudha，T.Basavaraju.A comparison between different approaches for fault classification in transmission lines[J].International Conference on Information and Communication Technology in Electrical Sciences，2007，20（22）：398-403.
[36]Zhengyou He，Shibin Gao，Xiaoqin Chen.Study of a new method for power system transients classification based on wavelet entropy and neural network.[J].Electrical Power and Energy Systems，2011， 33（3）：402-410.
[37]葛耀中，董新洲，董杏丽.测距式行波距离保护的研究（一）——理论与实现技术[J].电力系统自动化，2002，26（6）：34-40.
[38]李泽文，姚建刚，曾祥君，等.基于整个电网行波时差的故障定位方法[J].中国电机工程学报，2009，（4）：60-64.
[39]谢民.220kV电网行波测距系统组网运行实践探讨[J].电力自动化设备，2010，30（5）：136-138，141.
[40]徐伟宗，唐昆明.基于导数法的故障行波法识别改进算法[J].电网技术，2010，34（1）：198-202.
[41]郑州，吕艳萍，王杰，等.基于小波变换的双端行波测距新方法[J].电网技术，2010，34（1）：203-207.
[42]A.M.PetrocIk，DL S.Reisman，Dr I.Darrd，et al.Wavelet entropy analysis of cyclic exercise protocol on herrate Variability[C].IEEE，2004：91-92.
[43]Quiroga RQ，Rosso OA，Basar E，et al.Wavelet entropy in event—related potential：a new method shows ordering of EEG oscillations[J].Biological Cybernetics，2001，84（4）：291-299.
[44]H.A.Al-Nashash，J.S.Paul，N.VThakor.Wavelet entropy method for EEG analysis：Application to obal brain injury[C].Conference on Neural Engineering，IEEE，2003：348-351.
[45]孙来军，胡晓光，纪廷超.改进的小波包-特征熵在高压断路器故障诊断中的应用[J].中国电机工程学报，2007，27（12）：103-108.
[46]杨健维，罗国敏，何正友.基于小波熵权和支持向量机的高压输电线路故障分类方法[J].电网技术，2007，31（23）：22-26，32.
[47]Ming-Yu Yang，Yu-Kun Yang.A study of transient-based protechion using wavelet energy entropy for power system EHV transmission line [J].Proceedings of the 2010 International Conference on Wavelet Analysis and Pattern Recognition，2010：283-288.
[48]Wen Junli，1Yhan Chunli.Arc fault detection based on wavelet packet[C].PID feedings of the Fourth International Conference on Machine Learning and Cybemetics，IEEE，2005：1783-1788.
[49]Zhimin Li，weixing Li，Ruiye Liu.Applications of entropy principles in power systems：A Survey[C].IEEE/PES 1rransmission and Distribution：Asia and Pacific Dalian China，2005：1-4.
故障处理论文范文第11篇
【关键词】 电子设备 故障诊断 专家系统
随着科技的发展，越来越多的电子产品给人们的生活带来了巨大变化。不同行业的生产制造中也因为引进了大型的电子设备，创造了更大的经济价值。大型电子设备长期处于运行状态会增多技术故障的发生几率。人们迫切希望能够提高设备的故障诊断能力使其保持可靠性。故障诊断的目的在于确保电子设备在工作环境下出现的不明功能失调被迅速查明，确定诱因及性质状态，为下一步的维修处理提供技术预测。一般而言，电子设备的故障诊断技术分为传统技术和智能技术。
一、传统电子设备故障诊断技术
传统的故障诊断技术，以特定领域的理论知识作为技术支撑，需要操作人员保持清醒的认识，能够通过逻辑判断来确定故障的位置、种类及可修复程度等。传统故障诊断技术经历了阈值诊断和算法诊断两个阶段。较为常用的主要有：
1.1单信号处理
由于早期电子设备的集成度不高，一个机组内往往同时存在着大量的集成和分散元件。当操作人员人工使用各种仪表检测时，若检测仪表的输入和输出值不在理论范围内，则被认定故障将会出现或已经出现。
1.2多信号模型
考虑到元件之间的信号耦合问题，借助信息理论中的定量或定性的方法综合分析电子设备出现的故障，实现诊断。
1.3单信号滤波
滤波诊断改进了传统单信号处理方法中未考虑动态数据的问题，通过校对时间序列信号传输的数据，在滤波变换作用下记录信号的特征变量，对采集到的特征量赋予阈值实施诊断。
在多信号模型和单信号滤波中，还积极应用计算机进行仿真实验来辅助诊断。通过一定的仿真建模，能实时采集动态数据，监控整个系统的运行。
二、智能电子设备故障诊断技术
面对结构更加复杂的电子设备，其故障诊断的难度在不断增加，所提出的诊断技术要求在不断提高。传统故障诊断技术在应用过程中逐渐出其不足之处。技术操作本身需要的知识储备较多，且针对更加深层次的故障发力不足。相比之下，智能故障诊断技术的发展，迅速成为了电子设备故障诊断的首选。
2.1分类
智能故障诊断技术根据理论技术的不同可以分为模糊技术、灰色理论、专家系统、模式识别和失效树分析等。其中，以模糊技术、灰色理论、模式识别和失效树分析为代表的技术都着重于借助逻辑判断推理的相关知识，能够将电子设备诊断中故障模糊定位及定性分类等问题部分解决。而专家系统技术，则重点以自身作为技术开发平台，融合多种诊断技术，构建完善的智能故障诊断系统。本文探讨的电子设备智能故障诊断技术着重以专家系统作为研究对象。
2.2专家系统
一个成熟的职能故障诊断专家系统，应该在结构中包含系统知识库、集合数据库、推理机、解释机构、知识获取和人机交互系统、故障预兆分析和识别系统等。专家系统的不同种类具有不同的区别方式，如按照理论运用方式的不同，可将专家系统分为借助符号处理和借助数值处理两类；按照理论描述的不同，可以将专家系统的符号处理类再分为框架式、产生式、语义拓扑、面向对象的系统、基于案例分析的推理等，而借助数值处理的专家系统可分为模糊技术、灰色理论、人工神经网络等。专家系统一般需要考虑以下技术内核：
2.2.1知识库
故障诊断需要建立在一定的知识储备基础上，因此建立专家系统的知识库并积极规划其中的内容十分必要。规划后的知识库更有利于技术理论的搜索和整合维护。具体的规划方法有：①不同的设备故障具有不同的预兆。根据各类预兆情况整合独立的知识模块存入知识库中供诊断使用。②可以针对电子设备的不同部位常见故障分别做知识储备。③搭建数学模型，通过不同的表示方法确定不同的知识模块，用来描述不同的知识运用。④对各领域的专业意见进行收集整理，包括设备理论、标准故障知识、专家的历史经验、操作要领等信息。建立不同模块的知识库，能够在故障诊断推理中更便捷的调动知识信息，由各模块交流诊断对象的内容并自由调度提供服务。
2.2.2 推理机
推理机是专家系统的重要部分，充分调动知识来进行逻辑判断。在借助符号处理的专家系统中，推理机采用符号匹配的形式进行逻辑分析和状态搜索。而在数值处理的专家系统中，推理机运用数值进行计算来获得工作进程。推理机使用的推理机制主要是正向、反向和混合推理。一般而言，逻辑推理中的假设由正向推理提出，而反向则用来验证逻辑的真伪。
2.2.3 不确定性
故障诊断存在一定的不确定性。引发不确定性的原因可能来自于故障预兆模糊、实施传递的信号数据不精确、系统在读取知识规则时出现失效等情况。一旦出现不确定性的问题，需要借助包括整理理论、模糊判断、灰色理论在内的确定性理论来解决。
三、智能电子设备故障诊断技术的发展前景
智能故障诊断技术因其技术先进，操作便捷必然成为未来电子设备故障诊断的主要手段。智能诊断技术具有良好的发展前景。首先可以继续扩大当前其在远程故障诊断的优势，拓展使用领域，提高异地的诊断反应能力。其次，可以加深其在分布式多层次的大型电子设备中的应用。同时，与智能故障诊断技术相匹配的微型便携式专用仪器的开发，必然提高智能诊断技术的普及率。
四、结语
智能故障诊断技术和传统故障诊断技术在使用操作中是可以相互补充的。这样能够快速获取被诊断对象的故障信息，分析故障并准确定位，同时测试判断具体的故障部件，及时恢复设备。相信，利用智能故障诊断技术，能够为大型电子设备的维护管理保驾护航。
参 考 文 献
[1] 谢小轩，张浩，曾斌.制造企业远程故障诊断服务系统的研究[J].组合机床与自动化加工技术，2000（12）.
故障处理论文范文第12篇
【关键词】电网故障；贝叶斯网络；粗糙集
0 引言
随着电力系统日趋大型化，电网故障日趋复杂化，所以在电力中故障是系统不可避免的。一旦发生故障，如何快速诊断故障类型，防止事故扩大非常重要。如果故障不能及时有效地控制和处理，将可能造成系统稳定破坏、电网瓦解、重大设备损坏和大面积停电，直接影响到用户的切实利益，甚至影响社会大生产的顺利进行。为了保证电力生产的安全性，保证电能供应的可靠性和连续性，在输配电网发生故障时，需要可靠的电网故障诊断系统为工作人员迅速进行诊断和处理提供决策参考。
目前国内外用于电网故障诊断的技术包括：遗传算法，专家系统，Petri网络等。
遗传算法从优化的角度出发基本上可以解决故障诊断问题，尤其是在复杂故障或存在保护、断路器拒动、误动的情况下，能够给出全局最优或局部最优的多个可能的诊断结果。但遗传算法存在的主要“瓶颈”是如何建立合理的电网故障诊断数学模型。专家系统的典型缺点为学习能力差、容错性差及诊断速度偏慢。Petri网络用于建模的时间较长，随着设备的增加和网络的扩大，存在着较大的问题，同时针对现场普遍存在的保护、断路器误动拒动及由于通信线路故障引起的故障信息畸变，Petri网络需要提高其容错能力和处理电网拓扑的改变。
本文主要采用贝叶斯网络进行诊断。贝叶斯网络是一种不确定性的因果关系关联模型、具有强大的不确定性问题处理能力，同时它能有效的进行多源的信息表达与融合，是一种基于网络结构的有向图解描述。贝叶斯网络的以上的特性与故障诊断问题的要求内在一致，故贝叶斯网络也可以应用于不同领域的故障诊断。在电网故障诊断中，贝叶斯网络具有很多独有的特性和优点，基于贝叶斯网络的故障诊断方法，是对贝叶斯公式本身的改进，在处理不完备信息时，提出了采用证据的不确定性推理和比较异常事件数两种方法，减少了计算量，提高了算法的实用性。
1 贝叶斯网络方法概述
贝叶斯网络是一种对概率关系的有向图解描述，它提供了一种将知识直觉地图解可视化的方法。一个贝叶斯网络是一个有向无循环图（DAG），它的节点用随机变量标识，弧代表影响概率，用条件概率标识。一个简单的贝叶斯网络如图1所示。
图1 一种简单的贝叶斯网络
在网络中，定性信息通过网络的拓扑结构表达，定量信息通过节点的联合概率密度表示。其数学描述为：若论域U={x1，x2，…，xn}，其中，x1，x2，…xn对应于网络中各节点，则联合概率P（x1，x2，…，xn）为：
P（U）=P（x1，x2，…，xn）
式中P（x）为xi父节点的集合。
对一具有m个基本事件{xi1}，{xi2}，…，{xim}的随机变量xi，假设已取得除xi外所有与其相关变量的观察结果V=（x1，…，xi-1，xi+1，…，xn），则其条件概率为：
贝叶斯网络模型能表示变量集合的联合概率分布，并能分析大量变量之间的相互关系，利用贝叶斯网络方法，可以完成预测，分类和诊断等任务。
2 基于贝叶斯网络的故障诊断方法
由于贝叶斯网络是一种不确定性因果关系关联模型，具有强大的不确定性问题处理能力，它的特性和故障诊断中要求解决因不确定性和不完备故障信息带来的故障诊断困难的要求内在一致，因此本文提出运用贝叶斯网络对电网故障进行诊断的方法。根据电力系统的物理拓扑结构和保护装置的动作原理，分别建立系统中元件的故障诊断贝叶斯网络模型，实现故障诊断的分布式处理。
2.1 电网故障类型及粗糙集约简
常见的电网故障主要是短路故障，短路故障包括单相接地短路、两相短路、两相接地短路故障、三相对称短路故障。电网在发生各种短路故障时，电流和阻抗也不断变化。当电力系统发生不对称故障时，三相阻抗不同，三相电压和电流的有效值不同，相与相间的相位差也不相等。对于这样的不对称三相系统就不能只分析其中一相，通常是用对称分量法，将一组不对称三相系统分解为正序、负序、零序三组对称的三相系统，来分析不对称故障问题。
粗糙集理论是研究不完整数据及不精确知识的表达、学习、归纳的一套方法，能在保留关键信息的前提下对知识进行处理，并求得知识的最小表达。本文选用粗糙集理论对故障信息量进行约简，选取平均互信息最小的组合作为最佳属性约简组合。
2.2 基于贝叶斯网络电网故障诊断模型
本文根据故障信息判定故障类型。提取故障时的信息量，运用粗糙集进行约简，约简后的故障类型对应着一个贝叶斯网络，网络的输入是决策表的条件属性，输出是决策表的决策属性，综上，本文是一种基于粗糙集与贝叶斯网络相融合的电网故障类型诊断网络模型，其网络结构如图所示。
图2 贝叶斯网络模型图
2.3 基于贝叶斯网络的电网故障类型诊断方法
本文用粗糙集进行知识挖掘，以便在故障发生后能迅速判别出故障区域及故障元件。
基于贝叶斯网络的电网故障类型诊断过程如下：
（1）将获取的故障信息作为条件属性，故障类型作为决策属性，形成故障类型决策表。
（2）运用粗糙集对故障类型决策表进行知识挖掘，删除冗余属性，实行属性优选，消除不一致性的噪声，进行对象约简，形成故障类型简化决策表。
基于贝叶斯网络的电网故障诊断方法流程如图3所示：
图3 电网故障诊断流程
3 结论
本文通过对常见电网短路故障进行分析，提出了一种基于粗糙集理论和贝叶斯网络相结合进行电网故障诊断的方法，能够优势互补。
（1）先利用粗糙集的属性约简，分析故障信息的冗余性，在保证分类能力不变的情况下，化简故障信息，然后利用贝叶斯网络及推理得出诊断结果，可以提高系统在缺失关键警报信息情况下的容错性；
（2）利用贝叶斯网络进行诊断推理，可以提高诊断速度，克服单独使用粗糙集诊断速度较慢的缺点。
通过仿真实验表明，该方法能在一定程度上提高系统的容错性，诊断速度快，可靠性高，具有很好的实用性。
【参考文献】
[1]聂倩雯.基于关联规则数据挖掘和扩展贝叶斯网络的电网故障诊断方法研究[D].成都：西南交通大学，2010.
[2]张耀天，何正友，赵静，等.基于粗糙集理论和朴素贝叶斯网络的电网故障诊断方法[J].电网技术，2007，31（1）：37-43.
[3]基于粗糙集和朴素贝叶斯的电网故障诊断方法研究[D].成都：西南交通大学，2007.
[4]宋功益，王晓茹，周曙.基于贝叶斯网的电网多区域复杂故障诊断研究[D].成都：西南交通大学，2011.
故障处理论文范文第13篇
1 故障诊断技术的发展[1]
故障诊断(FD)始于(机械)设备故障诊断,其全名是状态监测与故障诊断(CMFD)。它包含两方面内容:一是对设备的运行状态进行监测;二是在发现异常情况后对设备的故障进行分析、诊断。故障诊断技术是一门交叉学科,融合了现代控制理论、信号处理、模式识别、最优化方法、决策论、人工智能等,为解决复杂系统的故障诊断问题提供了强有力的理论基础,同时实现了故障诊断技术的实用化;近二十年来,由于技术进步与市场需求的双重驱动,故障诊断技术得到了快速发展,已在航空航天、核反应堆、电厂、钢铁、化工等行业得到了成功应用,取得了显着的经济效益;从故障诊断技术诞生起,国际自动控制界就给予了高度重视。
以运动机械的振动检测为中心,辅助以温度、压力、位移、转速和电流等各种参数的采集,从而对钢铁冶炼中的各种大型传动设备的状态进行分析和判断,从而达到故障诊断的目的。
2 故障诊断的主要理论和方法[2-3]
1971年Beard 发表的博士论文以及Mehra和Peschon发表的论文标志着故障诊断这门交叉学科的诞生。发展至今已有30多年的发展历史,但作为一门综合性新学科——故障诊断学——还是近些年发展起来的。从不同的角度出发有多种故障诊断分类方法,这些方法各有特点,但从学科整体可归纳以下几类方法。
1) 基于系统数学模型的诊断方法:该方法以系统的数学模型为基础,以现代控制理论和现代优化方法为指导,利用Luenberger观测器 、等价空间方程、Kalman滤波器、参数模型估计与辨识等方法产生残差,然后基于某种准则或阀值对残差进行分析与评价,实现故障诊断。该方法要求与控制系统紧急结合,是实现监控、容错控制、系统修复与重构等的前提、得到了高度重视,但是这种方法过于依赖系统数学模型的精确性,对于非线性高耦合等难以建立数学模型的系统,实现起来较困难。如状态估计诊断法、参数估计诊断法、一致性检查诊断法等。
2) 基于系统输入输出信号处理的诊断方法:通过某种信息处理和特征提取方法来进行故障诊断,应用较多的有各种谱分析方法、时间序列特征提取方法、自适应信号处理方法等。这种方法不需要对象的准备模型,因此适应性强。这类诊断方法有基于小波变换的诊断方法、基于输出信号处理的诊断方法、基于时间序列特征提取的诊断方法。基于信息融合的诊断方法等。
3) 基于人工智能的诊断方法:基于建模处理和信号处理的诊断技术正发展为基于知识处理的智能诊断技术。人工智能最为控制领域最前沿的学科,在故障诊断中已得到成功的应用。对于那些没有精确数学模型或者很难建立数学模型的复杂大系统,人工智能的方法有其与生俱来的优势。基于专家系统的智能诊断技术、基于神经网络的智能诊断技术与基于模糊逻辑的诊断方法已成为解决复杂大系统故障诊断的首选方法,有很高的研究价值和应用前景。这类智能诊断方法有基于专家系统的智能诊断技术、基于神经网络的智能诊断技术、基于模糊逻辑的诊断方法、基于故障树分析的诊断方法等。
4) 其它诊断方法:其它诊断方法有模式识别诊断方法、定性模型诊断方法以及基于灰色系统理论的诊断方法等。另外还包括前述方法之间互相耦合、互补不足而形成的一些混合诊断方法。
3 钢铁行业中故障诊断技术的应用[4-6]
钢铁行业中的主要机械设备是各种传动设备和液压设备,如轧机、传送带、各种风机等。它们的工作状况决定了生产效率和钢铁冶炼的质量,对这些设备状态的在线检测,能够及时、准确的检测出生产设备的运行状况,并给出相应的操作和建议。因此建立相应的故障诊断系统对整个系统的正常运行特别重要。于是针对钢铁行业特殊的机械环境(多传动设备和液压设备),相应的故障诊断系统也必须以这些设备的特点而建立。主要原理是以运动机械的振动参量检测为中心,辅助以温度、压力、位移、转速和电流等各种参数的采集,从而对这些大型传动设备的状态进行分析和判断,再进行相应的处理。整套故障诊断系统由计算机系统、数据采集单元、检测元件、数据通讯单元以及专业开发软件组成。此系统既可单独工作,又可和DCS或PLC组成分散式故障诊断系统对所遇生产设备进行监控和故障诊断。整个系统的工作流程图如图1所示。
机械振动是普遍存在工程实际中,这种振动往往会影响其工作精度,加剧及其的磨损,加速疲劳损坏;同时由于磨损的增加和疲劳损坏的产生又会加剧机械设备的振动,形成一个恶性循环,直至设备发生故障,导致系统瘫痪、损坏。同时机械设备的工作环境也是造成机械设备发生故障主要原因之一,因此,根据对机械振动信号和工作环境温度、湿度的测量和分析,不用停机和解体方式,就可以对机械的恶劣程度和故障性质有所了解。同时根据以往经验建立相应的处理机制库,从而针对不同的故障做出相应的诊断和处理。整个处理过程如下:
1)传感器采集设备工作状态信号。如各种传动装置的振动信号、温度信号、液压装置的压力、流量和功率信号等。
2)特征信号提取。将各种传感器采集信号进行信号分类,刷选出相应的传感器信号,如振动传感器采集的文振动强度信号、压力传感器采集的压力信号等。
3)对特征信号处理。对传感器采集的特征信号进行滤波、放大等处理,提取出相应的特征信号。
4)对采集信号进行故障诊断。将提取的特征信号进行判断处理,选择相应的故障方法(如小波变换法),分析故障类型和设备状态,然后查询故障类型库,做出相应的决策。
4 结束语
建立在现代故障诊断技术上的钢铁冶炼设备故障诊断系统,可对设备的运行状态进行实时在线检测、通过对其监测信号的处理与分析,可真实地反映出设备的运行状态和松动磨损等情况的发展程度及趋势,为预防事故、科学合理安排检修提供依据,可以提高设备的利用效率,产生了很大的经济价值,对此类故障诊断系统的研究有很深远的意义。
参考文献:
[1] 沈庆根,郑水英.设备故障诊断[M].北京:化学工业出版社,2006.
[2] 王仲生.智能故障诊断与容错控制[M].西安:西北工业大学出版社,2005.
[3] 李民中.状态监测与故障诊断技术在煤矿大型机械设备上的应用[J].煤矿机械,2006(03).
[4] 傅其凤,葛杏卫.基于BP神经网络的旋转机械故障诊断[J].煤矿机械,2006(04).
故障处理论文范文第14篇
Yao Yao；Qian Cunhua；Liu Min
（School of Economics and Management，Nanjing University of Technology，Nanjing 211816，China）
摘要：研究了具有3台修理设备且在假定关键部件具有优先修理权的可修串-并联系统。利用马尔可夫过程对系统的各状态进行分析，得出系统各状态的概率。然后利用基于模糊状态的可靠性理论，通过定义系统模糊工作以及模糊故障的隶属函数，得到了可修串-并联系统的模糊可靠性指标的计算公式，并比较其结果与传统可靠性理论的不同之处。
Abstract: Under the condition that a key component will have a higher priority of repair, a repairable series-parallel system with three repairmen was studied. The probability of states was derived by Markov process. The membership functions of the states to success and failure were defined and the reliability indices of repairable series-parallel system were analyzed utilizing reliability theory incorporating fuzzy states. The difference between fuzzy reliability and conventional reliability was compared.
关键词：模糊状态 模糊可靠度 模糊可用度 串-并联可修系统
Key words: fuzzy state；fuzzy reliability；fuzzy availability；repairable series-parallel system
中图分类号：V438+.4文献标识码：A文章编号：1006-4311（2011）20-0020-02
0引言
串-并联可修系统的可靠性研究是可靠性理论和应用中比较活跃的课题[1-3]。本文所研究的是如图1所示的串-并联可修系统，它由3个子系统组成，如果其中一个子系统的所有部件都发生故障，则整个系统故障；如果某一个或多个子系统中的一部分部件故障，但没有引起任何一个子系统的所有部件故障，或者没有任何一部件故障，系统都可以正常运行。
1基于模糊状态的可靠性理论[4]
传统可靠性理论主要基于概率和二状态两个基本假设，随着科技的发展，应用在工程实际中的系统越来越复杂，因此判断整个系统工作或故障，仅用完全正常或完全正故障来评价显然是不合理的。此时的二态假设不成立，因此出现了模糊状态假设，即系统的故障定义是模糊的，在任一时刻，系统从某种程度上处于模糊成功状态，某种程度上处于模糊故障状态[5-6]。
假设系统具有n个非模糊状态S1，S2，…，Sn，令U={S1，S2，…，Sn}为论域，根据文献[7]，在这个论域上定义模糊成功状态S：S={Si，μs（Si）}（i=1，2，…，n）和模糊故障状态F：F={Si，μF（Si）}（i=1，2，…，n）后，就可以得到系统的模糊可靠性指标。
其中μs（Si）和μF（Si）为相应的隶属函数，令xij表示从Si到Sj的转移，且TSF={（xij，μ■（xij）} i，j=1，2，…，n}
TSF为从模糊工作状态到模糊故障状态的转移，并作为一个模糊事件，模糊可靠度为■（t■，t■+t）=P{T■不在[t■，t■+t]内发生}=1-■μ■（S■）P{t■+t时刻系统处于S■}=1-E■（1）
不失一般性，设t0=0，因此定义模糊可靠度为
■（t）=■（0，t）（2）
模糊可用度为■（t）=P{t时刻系统处于模糊成功状态}（3）
2模型假设
①设Xi与Yi分别表示部件i（i=1，2，…9）的工作时间和维修时间，且分别服从参数为λ和μ的负指数分布（λ>0，μ>0）并且Xi与Yi（i=1，2，…9）是相互独立的随机变量；②t=0时，所有部件是新的并可修复如新；③系统中有3台修理设备，对故障部件的维修按关键部件有优先权的维修规则进行；④设系统发生故障后，未故障的部件不再发生故障。
3模型分析及可靠性指标计算
3.1 模型分析令N（t）为系统在时刻t所处的状态，则
其中，工作状态集W={0，-1，-2，…，-6}，故障状态集F={3，4，5，6，7}。由模型假设，{N（t），t?叟0}构成一个齐次马尔科夫链，其状态空间为Ω={0，-1，-2，…，-6，3，4，…，7}。
根据模型假设和系统状态的定义，开始时系统中的所有部件都工作。随着时间的推移，一些部件发生故障，修理设备对故障部件进行修复，因此系统的状态进行变化，最终系统故障。当系统中故障部件数等于7时，系统必然故障。当故障部件数在1～7之间时，系统可能工作也可能发生故障。系统能否工作依赖于故障部件所处的位置。
3.2 可靠性指标计算通过模型分析，在Δt时间内由状态i转移到状态j的广义转移概率为
pij（Δt）=P{N（t+Δt）=j│N（t）=i}
假设系统在不同状态i下有Mi种情况发生，则
pij（Δt）=∑■■p■q■Δt+ο（Δt）（4）
其中pm表示在状态i的第m种情况下的概率，qm表示在状态i的第m种情况下转移到状态j的概率。
令P（t）=（p0（t），p-1（t），…，p-6（t），p3（t），…，p7（t）），根据Kolmogorov-Feller向前方程，有
P′（t）=P（t）QP（0）=（1，0，…，0）（5）
设Q=ABCD，
根据公式（4）（5），可得系统的转移概率矩阵：
B=0000 00000 0■λ000 00 ■λ 00 000 ■λ 0 00002λ 000003λC=003μ000000 0 3μ00000 0 03μ 0 000 0 003μ000 0 0003μ
D=-3μ 00000 -3μ0000 0-3μ00 0 00 -3μ 00 000-3μ
为求系统可靠度函数R（t），令原系统中所有故障状态为吸收状态，则讨论时间连续的具有5个吸收状态的齐次马尔科夫过程{■（t），t?叟0}，其概率转移矩阵为■。
假设时刻t，系统处于状态j的概率为■■（t）=p{■（t）=j}，其中j∈Ω。
■（t）=（■■（t），■■（t），■■（t），…，■■（t），■■（t），…，■■（t））（6）
根据Kolmogorov-Feller向前方程，有
■′（t）=■（t）■■（0）=（1，0，…，0）（7）
根据转移概率矩阵以及式（5）（6）（7），可得到P（t），■（t）
系统可靠度为
R（t）=■■（t）+■■（t）+■■（t）+■■（t）+■■（t）+■■（t）+■■（t）
系统可用度为
A（t）=p■（t）+p■（t）+p■（t）+p■（t）+p■（t）+p■（t）+p■（t）
4系统的模糊可靠性
设论域U={S0，S1，S2，…，S11}，当0?燮i?燮6时，Si=-i；当7?燮i?燮11时，Si=i-4
在论域U上定义模糊工作状态S和模糊故障状态F的隶属函数如下：
μ■（S■）=■ 0?燮i?燮600?燮i?燮11
μ■（S■）=■ 0?燮i?燮617?燮i?燮11
并且μ■（S■）=1-μ■（S■） （i=0，1，2，…，11）
根据式（1）（2）和隶属函数可得系统的模糊可靠度为
■（t）=1-∑■■μ■（S■）P{■（t）=S■}
=1-∑■■μ■（S■）P{■（t）=S■}-∑■■μ■（S■）P{■（t）=S■}
=1-∑■■■■■（t）-∑■■■■（t）
由于∑■■■■（t）+∑■■■■（t）=1，则可得到
■（t）=■■（t）+■■■（t）+■■■（t）+■■■（t）+■■■（t）+■■■（t）+■■■（t）
显然，■（t）
根据式（3）和隶属函数可得系统的模糊可用度为
■（t）=P{时刻t系统处于模糊成功状态}
=∑■■μ■（S■）P{N（t）=S■}+∑■■μ■（S■）P{N（t）=S■}
=p■（t）+■p■（t）+■p■（t）+■p■（t）+■p■（t）+■p■（t）
+■p■（t）
显然■（t）
5结束语
传统可靠性理论认为串-并联可修系统中只要所有并联子系统都处于工作状态，系统就工作。而基于模糊状态的可靠性理论则认为系统中只要有故障部件，系统就并非完全正常，只是某种程度上属于模糊成功，只有在系统中所有部件都工作时，系统才完全正常。因此模糊可靠性指标的估计比传统可靠性指标偏保守。但它综合反映了串-并联可修系统的状况，也反映了系统中故障部件对系统性能的影响程度，其分析方法更接近实际情况。另外，系统的模糊可靠性指标有很强的针对性，离开具体的隶属函数而抽象地谈论模糊可靠性指标是毫无意义的。本文得到了计算串-并联可修系统的模糊可靠性指标的公式，为分析此类系统的模糊可靠性提供了一种新思路。
参考文献：
[1]莫文辉.可修复串联系统的模糊可靠性[J].机械设计,1998,16(2):28-29.
[2]陈胜军,颜梁平.串联系统的模糊可靠性分析[J].现代机械,1997,24 (2):46247.
[3]冷护基.串并联系统的模糊可靠性[J].系统工程理论与实践,1994 ,14 (1) :11221.
[4]蔡开元.模糊可靠性理论中的基本概念[J].航空学报,1993(7):387-3985.
[5]黄洪钟.基于模糊状态的机械系统可靠性理论及应用的研究[J].机械设计,1995,9:11-13.
故障处理论文范文第15篇
【关键词】齿轮；故障诊断；诊断技术、
1.齿轮故障的基本特征及诊断原理
齿轮故障分大周期故障和小周期故障。
大周期故障是指以齿轮的回转频率为基本频率特征的故障。如偏心、裂纹和断齿等，它们有的以误差形式影响频谱，有的则以突变的刚度形式影响响应。小周期故障是指以轮齿的啮合频率为基本频率特征的故障如胶合、点蚀和磨损等，它们大都以变相位的误差形式影响频谱。其基本特征表现如下：
（1）具有大周期故障的齿轮在回转频率及其谐波处的振幅随故障的恶化而加大，而具有小周期故障的齿轮在啮合频率及其谐波处的振幅随故障的恶化而加大。
（2）具有大周期故障的齿轮在啮合频率及其谐波处产生以故障齿轮的回转频率为间隔的边频带族，并随着故障的恶化而加剧。
（3）具有大周期故障的齿轮，在啮合频率及其谐波处的振幅与故障关系不大，而具有小周期故障的齿轮，在回转频率及其谐波处的振幅与故障无关。
齿轮传动的故障监测与诊断的目的是要及时准确地把握设备的工作状态，实现预防维修，提高设备运行的可靠性、安全性。因此，及早发现齿轮系统的各类故障并预测故障的发展趋势十分重要。振动检测往往测量的是箱体表面的振动量，所测振动信号通常包含有传动系统各个零部件运动所引起的各种常规振动和齿轮故障所引起的振动 这些振动分量之间相互影响、相互耦合，组成非常复杂的振动系统。所以，齿轮箱的故障信号中常常包含了非平稳成分。传统的时域分析方法或频域分析方法只适用于分析信号的频率分量或信号的统计量不随时间变化的平稳信号。
当齿轮存在局部故障时，由于齿的损伤可能激发瞬态的冲击信号，齿轮啮合频率及其谐频被调制边频带紧紧包围而形成密集边频带。频域中主要表现在齿轮转速频率的倍频成分上，更重要的一点表现在啮合频率的边频带上。
2.齿轮故障诊断的关键技术及应用
2.1模糊诊断分类法
以模糊数学为基础，利用集合论中的隶属函数和模糊关系矩阵的概念来解决故障征兆之间的不确定关系，进而实现故障的检测诊断。
由于模糊诊断可以处理一些不完整的或模糊的知识，更接近实际工况，目前模糊诊断方法在故障诊断领域的应用较为广泛，使故障诊断的精度得到提高.BocanialacD等使用模糊分类器进行故障精确诊断，对每一种故障，范围从可以忽略的小故障到大型故障，根据故障强度分为20个等级，值得注意的是，通过试验建立了精确的故障分类表，例如建立了通常使用的大、中、小故障的界限分别为5%～30%，35%～60%和65%～100%.与以往单一的大、中、小分类相比，把正常状态和故障状态区分开的精度达99.60%，诊断结果的精度大大提高，存在的问题是如何建立更加灵活、精确的故障分类表以减少不同故障之间的遗漏。
2.2神经网络故障诊断方法
对于故障诊断而言其核心技术是故障模式识别，而人工神经网络由于其本身信息处理的特点，如并行性、自学习、自组织、联想记忆功能等，使得其能够出色地解决那些传统模式识别方法难以解决的问题，所以故障诊断是人工神经网络的重要应用领域之一。
目前，已经提出的神经网络大约有几十种，其中较为有名的有贺浦菲特（Hopfield）模型、多层感知器（MuhilayerPerceptron，简称MLP）模型、自适应共振理论（Adaptive ResonanceTheory，简称ART）、Boltzmann机、自组织特征映射（Self—OrganizationMap，简称SOM）等.它们在故障诊断领域的应用主要集中于三个方面：
（1）从模式识别角度应用神经网络作为分类器进行故障诊断。
（2）从预测角度应用神经网络作为动态预测模型进行故障预测。
（3）从知识处理角度建立基于神经网络的诊断专家系统。
杜设亮等Do]将BP神经网络应用于齿轮箱故障诊断中.列出齿轮10种常见的故障特征，以齿轮箱的故障征兆参数作为网络的输入层，以被测齿轮常见的4种典型故障状态类别为输出层，建立了拓扑结构为10-5-4的BP神经网络.在结构模型及相关网络因子确定后，输入齿轮的各故障特征模式样本作为训练样本集，对网络进行训练学习，根据网络的输出确定齿轮故障的状态类别，诊断的均方误差在0.08以内，很好地实现了由齿轮故障征兆到其故障类别的欧氏空间上的非线性映射.其存在的问题是：
（1）BP算法训练速度过于缓慢，通常要数千步以上。
（2）存在局部最小解问题，难以发现最佳权重。
（3）网络隐含层单元个数的确定缺乏严格的理论依据，通常依据经验选取。
2.3专家系统故障诊断方法
模式识别诊断法和神经网络故障诊断方法都是以数字量为基础的，而专家系统是一种“基于知识”的人工智能诊断系统，它是利用专家的领域知识、经验为故障诊断服务.目前在机械系统、电子系统、医学领域等故障诊断方面应用很成功。
LiaoSH调查了从1995年～2004年有关专家系统方法和应用的文献，有关专家系统的方法主要有l1类，即：基于规则的系统、基于知识的系统、神经网络、模糊专家系统、基于事件的推理、系统结构、目标定位法、群体智能系统、数据库方法、模型和不同研究领域应用合成的本体论。
S.C.Liu等研究开发了用于机械故障诊断的有效的专家系统.该系统由故障树、模糊群多属性决策（Fuzzygroupattributedecisionmaking）、知识库和推理机4个模块组成，在实际诊断中，采用了100个样例，通过有效的搜索，找出可能出现的故障原因，使整体故障查询数下降，曹建平等把基于BP神经网络的专家系统应用到齿轮箱的故障诊断中，这种基于神经网络的专家系统由知识获取、知识库、推理机、解释、输入输出等5个部分组成，在齿轮箱诊断实例中，选用频谱中一倍频显著，二倍频显著等6项指标作为征兆，解调谱中选用细化包络谱与倒频谱中10项指标作为征兆，故障输出包括轴不对中、齿轮偏心、齿轮点蚀、齿轮磨损4项.用典型的齿轮箱故障与征兆关系对14批数据进行训练，由此建立了对这4类故障进行确诊的知识库，经过诊断得到较合理的输出结果.该系统是在吸收国内外部分案例与数据、现场运行与检修的经验、理论分析与模拟实验结果等基础上，获取诊断知识，建立知识库，它在一定程度上模拟了专家凭直觉和实例经验处理不完全或不确定知识的能力，适于作为机械故障诊断专家系统，实例诊断效果比较理想。
3.结束语
综上所述，通过文献和实例的分析，可以证实采用现代监测技术，利用现代信号处理技术对机组进行监测运行是确保生产安全、平稳运行的必要的，可靠的手段。对故障实例的分析过程有力地证明了采用上述方法应用于齿轮箱的故障诊断是有效、可行的，必要时采用多种分析方法同时分析，可取得更好的分析效果。
【参考文献】
- 上一篇：电网通信论文范文
- 下一篇：传统文化产业论文范文
