-
题名多维监测数据的环网柜温度预测模型研究
- 1
-
-
作者
张杰
徐冬梅
刘学广
邹君文
-
机构
浙江省电力锅炉压力容器检验有限公司
国网浙江省电力有限公司电力科学研究院
-
出处
《机械设计与制造》
北大核心
2025年第7期35-41,共7页
-
基金
环网柜温湿度仿真分析(No.GJRD2021-05)。
-
文摘
太阳能光伏电站的环网柜处在高温环境下运行,经常引起过热故障的发生,造成设备内部短路,甚至引起火灾,严重影响太阳能光伏的安全稳定接入并网。预测太阳能光伏接入电网侧环网柜温度的变化趋势,可以有效实现对过热故障的提前预防。该研究以历史温度数据、环境温度数据以及负荷电流数据作为影响环网柜温度变化的多维输入数据,利用长短时记忆神经网络(LSTM)构建光伏电站环网柜内部温度变化的预测模型。通过与10kV环网柜实验测试结果对比可知,基于多维监测数据的LSTM网络模型可以准确地完成环网柜温度预测。并且相较于传统神经网络构建的模型预测精度更高、计算结果更准确,研究结果为太阳能光伏接入电网侧环网柜过热故障的预测提供一种具有实际应用价值的方法。
-
关键词
环网柜
温度预测
多维监测数据
LSTM神经网络
-
Keywords
Ring Main Unit
Temperature Prediction
Multi-Dimensional Monitoring Data
LSTM Neural Network
-
分类号
TH16
[机械工程—机械制造及自动化]
TK83
[动力工程及工程热物理—流体机械及工程]
-
-
题名基于DSVDD的高心墙堆石坝监测数据异常检测方法
- 2
-
-
作者
黄会宝
陈蓉
陈建康
罗冲
-
机构
四川大学水利水电学院
国能大渡河流域水电开发有限公司
四川大学电气工程学院
-
出处
《电子测量技术》
北大核心
2025年第8期18-23,共6页
-
文摘
水库大坝作为具有防洪度汛、水力发电、农业灌溉等重要作用的超大型重要基础设施,一旦发生溃坝将会引发严重灾难,因此对其进行常态化安全监测具有重要意义。但受到测量环境、系统故障和监测对象异常影响,大坝监测数据中会出现各种异常数据,对这些异常监测数据进行检测有利于监测数据的有效分析并及时发现险情,保障水库大坝安全稳定运行。但现存的数据异常检测方法大多只关注数据粗差等异常,忽略了数据缓变异常。因此本文基于深度支持向量描述(DSVDD)方法提出一种缓变异常检测方法,该方法将大坝多维监测参数构建为多维参数样本,并构建自编码器网络利用DSVDD方法进行有效训练,将输入样本映射到紧凑的超球体中,以输入样本偏离超球体中心距离作为异常分数实现异常检测。为验证所提方法有效性,本文基于某高心墙堆石坝激光准直监测系统数据将所提方法与其他多类方法进行对比分析,结果证明所提方法具有优异的数据异常检测性能。
-
关键词
高心墙堆石坝
多维监测数据
异常检测
DSVDD
缓变异常
-
Keywords
high core-wall rockfill dam
multi-dimensional monitoring data
anomaly detection
DSVDD
gradual anomaly
-
分类号
TV698.1
[水利工程—水利水电工程]
TN16
[电子电信—物理电子学]
-
