找到 2 条结果 · IEEE Transactions on Industry Applications
内在与外在学习框架用于多设备初期故障检测与分类
Intrinsic and Extrinsic Learning Framework for Multi-Equipment Incipient Fault Detection and Classification
Lixian Shi · Yang Weng · Qiushi Cui · Xiaodong Zheng 等6人 · IEEE Transactions on Industry Applications · 2024年9月
早期故障（IFs）是电力设备故障的先兆。由于发生频率低，早期故障数据十分稀缺。早期故障数据的稀缺导致识别早期故障存在困难。传统方法缺乏学习早期故障数据丰富且有意义表征的能力，尤其是在早期故障数据有限的情况下。此外，一些将波形转换为图像的方法在捕捉时间关系和分析波形失真方面并无优势。为解决这些问题，本文开发了一个名为INTEL - IFD的智能框架。在数据处理过程中，提出了一种加权早期故障格拉姆矩阵表达方法，以获得增强了早期故障特征的加权格拉姆图像，用于进一步基于图像的智能识别。为应对故障数据有限...
解读: 该内在与外在学习框架对阳光电源的功率器件故障预测具有重要应用价值。可应用于ST系列储能变流器、SG系列光伏逆变器中的SiC功率模块故障预警,以及PowerTitan大型储能系统的预测性维护。通过挖掘有限故障样本的深层特征并引入外部知识,可提升iSolarCloud平台对功率器件初期故障的诊断准确率。...
基于ALBERT-BiLSTM-CRF的变压器套管故障中文命名实体识别
Chinese Named Entity Recognition of Transformer Bushing Faults Based on ALBERT-BiLSTM-CRF
Lijun Jin · Yufang Zhang · Zhikang Yuan · Shuojie Gao 等6人 · IEEE Transactions on Industry Applications · 2024年12月
随着新型电力系统的数字化转型升级，传统电力设备对智能化功能的需求不断增加。套管作为变压器的关键设备之一，仍面临事故难以预测等问题，迫切需要采用数字化手段提高变压器套管的运维效率。目前，运维人员已以文本形式积累了大量变压器套管运行经验，但这些文本中的故障描述专业性强且因人而异，给机器自动进行故障识别带来了挑战。本文提出一种基于 ALBERT - BiLSTM - CRF 的中文变压器套管故障识别方法。首先，基于已发表的论文、故障报告、分析资料、记录和标准构建变压器套管故障数据集。其次，将文本转换为...
解读: 从阳光电源的业务视角来看，这项基于ALBERT-BiLSTM-CRF的变压器套管故障识别技术具有重要的借鉴价值和应用潜力。虽然研究聚焦于传统电力变压器领域，但其核心方法论可直接迁移至我司光伏逆变器、储能变流器等核心设备的智能运维体系中。 该技术的核心价值在于将非结构化的中文故障文本转化为可机器识别...