126 / 2021-06-21 19:47:37
基于神经网络的环保型电气设备过热故障分析
Abstract Accepted
李星迪 / 西安理工大学
junWu / Xi'an University of Technology
付钰伟 / 西安理工大学

在双碳战略的背景要求下,SF6作为温室气体之一需要被减少甚至杜绝使用,因此环保型SF6替代气体及其分解特性成为了研究热点。本文旨在研究环保型SF6替代气体分解组分与电力设备局部过热故障的联系,首先利用DWT和HHT对各组分的浓度变化趋势进行分析选取特征气体,提取特征量,再利用智能算法进行故障诊断,研究结果表明DWT可以准确的评估SF6替代气体过热故障的严重程度,可以对电力设备故障检修提供很好的依据。

Important Date
  • Conference Date

    Jul 16

    2021

    to

    Jul 18

    2021

  • Jun 05 2021

    Draft paper submission deadline

Sponsored By
Electrical Contact and Arc Committee of China Electrotechnical Society
Power Transmission and Transformation Equipment Committee of China Electrotechnical Society
Engineering Dielectric Committee of China Electrotechnical Society
Power Transformation Committee of Chinese Society for Electrical Engineering
Plasmas and their Applications Committee of China Electrotechnical Society
Switchgear Committee of IEEE PES
Contact Information