核心词：
煤矿 电缆 人工智能 设备 绝缘 监测 应用 目前容性设备绝缘监测测量方法形成了硬件法和软件法两个分支,硬件法包括电桥法、三相不平衡法、过零比较法,软件法中又分为谐波分析法、正弦波参数法、高阶正弦拟合法、相关函数法。
1、谐波分析法是最常用的 谐波分析方法最为常见,监测原理为:使用灵敏度高的微电流互感器发出电流信号,并使之对二次侧电压信号进行抽取,完成整形、放大以后将工模干扰与滤波消除,能够对程控放大信号同步与模拟,使用A/D转换为离散型数字信号,使用计算机对数字信号进行傅里叶变换处理,能够将傅里叶系数得出,得出2个基波相位差。
2、三相系统是电力系统的主要形式 三相系统是电力系统的主要表现形式,并且以耦合形式存在,由此,在对三相高压电容器测试时会出现干扰,造成介质损耗A角变大,不变的是B相,C相变化较小。现场数据分析发现母线介质变化曲线同一侧位置相同,而不相同介质损耗曲线差异较大。通常,神经网络与经典计算存在较大差异,神经网络优越性更加明显,数学模型表示不出来的都可以使用神经网络表示,比如,诊断故障、预测、非线性系统预控等。
3、利用神经网络比较一个函数可以预测介质损耗 鉴于介质损耗较多,不能使用基本函数表示数据之间的关系,由此,利用神经网络比拟一个函数,能够将介质损耗预测,比较实际测得的数据,进而了解设备绝缘情况。得到每一个层面的参考误差,获得对应的连接权限。在k个模式中,模拟值模式AK=,CK=。
4、样本数据可以在离散模式下学习 误差修正梯度下能够对样本数据学习,使用离散方式,完成学习以后,人工神经网络会按照存储连接权做出反应。首先是顺序传播过程,使用赋予初值学习样本数据;然后赋初值输入层LA、LB连接权,将LB输出层的Lc与连接,再与LB层阈值连接,赋予Vj在区间上随机值;学习模式,在LA层单元中使用AK值,激活LA层的ak,与矩阵γ连接,输送到LB单元内,
煤矿电缆刺激隐含层。Nnbox会提供神经网络专用函数,用Newff表示。Net=newff,在上述格式中,net表示的是网络属性与参数值,4个输入变量如下:R*2矩阵——A,表示每一个要素输入向量与最大、最小值;行向量——l,表示每一个层神经元数量;字符串向量——c,表示神经元传输函数;TrainFun——字符串变量,表示训练函数域名。
5、首先构造模型实例观察时间序列贴现图 首先构建出模型实例,对时间序列折现图进行观察,然后建立预测模型,将每一个结构隐藏神经元数目确定下来,最后将预测数据输出。构建神经网络,设t-1,lose表示t时刻,使用U、C对t+1时刻介质损耗预测。选取2350个数据,对其中54%的数据验证,分为2组对介质损耗因素值预测,再按照相关函数与偏相关函数构建MA、AR、ARMA模型,在Matlab中调用autocorr、parcorr函数,对不同时间段相关性考量。构建神经网络以后,具有灵敏反应,并且精准度能够达到诊断指标。使用人工神经网络对容性设备介质损耗预测时,需要结合实际预测数据,充分收集历史数据,明确相关变量关系才能将预测精度提升。随着变电站无人值班越来越普遍,人工智能检测设备状态显得尤为重要,通过本文论述与分析了解在线检测装置是一个有的监测手段,能减少外界环境对装置的影响,真实反映出设备绝缘状态。
如果您对“煤矿电缆人工智能在电容式设备绝缘监测中的应用”感兴趣，欢迎您联系我们
