针对高转速、高温升、大载荷等持续复杂的工况波动引起的航空发动机高速轴承故障诊断问题,提出了一种新型的深度图迁移学习算法,以及波动工况下基于图迁移卷积网络(graph transfer convolutional networks,简称GTCNs)的航空发动机高速...针对高转速、高温升、大载荷等持续复杂的工况波动引起的航空发动机高速轴承故障诊断问题,提出了一种新型的深度图迁移学习算法,以及波动工况下基于图迁移卷积网络(graph transfer convolutional networks,简称GTCNs)的航空发动机高速轴承故障智能诊断方法。首先,利用阶比分析对波动工况下航空发动机高速轴承振动信号进行重采样,将其转化为阶次谱信号作为目标域与源域数据集;其次,采用训练好的一维图卷积网络(onedimensional graph convolutional networks,简称1dGCNs)作为特征提取器,对其高层敏感特征计算其动态多核-最大均值散度(dynamic multiple kernel-maximum mean discrepancy,简称DMKMMD)距离,同时匹配高层与低层特征的边缘分布差异;然后,将对齐后的特征输入到分类器softmax中进行智能故障诊断;最后,在航空发动机高速轴承故障数据上验证了所提方法的有效性与先进性。结果表明,该方法具有更高的诊断准确率与鲁棒性,可以消除大波动工况下健康状态样本分布的差异性,提高诊断可迁移性。展开更多
【目的】柔性互联配电网遭遇故障停运后,通过软开关(soft open point,SOP)等设备可以快速、合理地进行功率转供或孤岛运行。然而现有研究暂未考虑柔性设备的不同控制状态对恢复结果的影响,常见孤岛预划分方法也难以确定柔性互联设备支...【目的】柔性互联配电网遭遇故障停运后,通过软开关(soft open point,SOP)等设备可以快速、合理地进行功率转供或孤岛运行。然而现有研究暂未考虑柔性设备的不同控制状态对恢复结果的影响,常见孤岛预划分方法也难以确定柔性互联设备支撑的孤岛半径和恢复优先级。针对互联设备的可行控制方式,提出了基于SOP等效模型的故障恢复策略。【方法】首先设计含多种控制方式的SOP潮流交替迭代算法,以计算恢复后的功率与电压分布。其次以SOP控制方式选择以及非预设重构为优化手段,以最小化加权运行损失为目标,得到综合考虑潮流约束与多端口SOP模式约束的恢复模型。最后针对寻优范围增加,采用协同图拉普拉斯算子的遗传算法进行求解。基于互联的双IEEE 33系统算例进行了故障后恢复效果验证。【结果】结果表明:针对不同线路停运后的拓扑变动及分布式电源出力情况,所提方法能够形成相应的非预设重构方案,并灵活调整不同位置的SOP控制方式进行协同,负荷恢复比例较重构方式提升14%。【结论】非预设网络重构带来了更高的故障后负荷恢复比例,结合优化SOP的控制状态可取得更优的恢复后电压分布,从而支撑柔性互联配电网的高供电韧性。展开更多
文摘【目的】柔性互联配电网遭遇故障停运后,通过软开关(soft open point,SOP)等设备可以快速、合理地进行功率转供或孤岛运行。然而现有研究暂未考虑柔性设备的不同控制状态对恢复结果的影响,常见孤岛预划分方法也难以确定柔性互联设备支撑的孤岛半径和恢复优先级。针对互联设备的可行控制方式,提出了基于SOP等效模型的故障恢复策略。【方法】首先设计含多种控制方式的SOP潮流交替迭代算法,以计算恢复后的功率与电压分布。其次以SOP控制方式选择以及非预设重构为优化手段,以最小化加权运行损失为目标,得到综合考虑潮流约束与多端口SOP模式约束的恢复模型。最后针对寻优范围增加,采用协同图拉普拉斯算子的遗传算法进行求解。基于互联的双IEEE 33系统算例进行了故障后恢复效果验证。【结果】结果表明:针对不同线路停运后的拓扑变动及分布式电源出力情况,所提方法能够形成相应的非预设重构方案,并灵活调整不同位置的SOP控制方式进行协同,负荷恢复比例较重构方式提升14%。【结论】非预设网络重构带来了更高的故障后负荷恢复比例,结合优化SOP的控制状态可取得更优的恢复后电压分布,从而支撑柔性互联配电网的高供电韧性。
