
故障诊断与预测-GNNs
文章平均质量分 92
基于图神经网络的故障诊断与预测相关文献
xiao黄
缓慢而坚定的生长
感兴趣的方向:复杂网络、社区发现(检测)、图神经网络、深度学习、节点重要性
目前研究方向:故障诊断(电网、AUV等),Simulink、PSCAD、AMESim建模等
展开
-
变电站与智能变电站
目前在变电站中,智慧变电必然是趋势。智慧变电站在变电站的基础上,采用主辅设备全面感知、智慧联动、一键顺控、智能巡检、作业管控等技术建设的智慧型变电站。实现倒闸操作一键顺控、站内设备自动巡检、人员行为智能管控、主辅设备智能联动、设备异常主动预警、故障跳闸智能决策、设备台账周期管理、故障检测、故障定位;实现运维检修效率大幅提升、设备监测能力全面提升、设备管控方式全面提升;实现变电站监控、巡视、预警、决策、现场安全作业管控智慧提升,达到运维智慧化的效果。传统变电站所面临的的挑战运维检修压力大。原创 2023-05-30 16:41:30 · 1152 阅读 · 0 评论 -
论文阅读|A Bearing Fault Diagnosis Model Based on Deformable Atrous Convolution and Squeeze-and-Excitati
故障诊断直接影响现代机械行业的经济。目前故障诊断方法的输入大多是原始振动信号或者通过短时傅里叶变换得到的时频图(time-frequency graph, TFG)。上述两种输入方法都使用量许多数据点,这降低了故障诊断的实时性能。因此,提出了一种新的故障诊断模型,当输入数据点较少时实现高精度。首先,模型的两个输入是通过快速傅里叶变换和连续小波变换得到的频域信号(frequency-domain signal, FDS)和TFG。原创 2023-05-25 01:02:18 · 716 阅读 · 0 评论 -
论文阅读|基于图神经网络的配电网故障定位方法
电网拓扑形态多样,重构场景频繁,,传统故障定位方法的单一阈值设定无法满足要求,基于人工智能的配电网故障定位技术具有很大的应用潜力,但仍存在着拓扑关联性差、泛化能力弱、难以兼顾灵敏性与多场景适应性等问题。以装设有微型同步相量测量装置的小电流接地配电网为研究对象,以图神经网络技术为载体提升故障特征与配电网拓扑之间的融合深度,通过拓扑-数据的结合构建基于图神经网络的配电网故障定位模型,解决考虑拓扑变化和多拓扑形态下的配电网故障区段定位问题。原创 2023-05-15 19:52:07 · 3944 阅读 · 2 评论