|
||
水力发电学报 ›› 2024, Vol. 43 ›› Issue (9): 70-81.doi: 10.11660/slfdxb.20240907
摘要: 随着电站规模扩大,传统人工巡检与工业监控相结合的电站巡检模式往往存在无法自动识别判断故障及信息反馈敏感度低等问题。结合5G技术和人工智能,引入变分模态分解(VMD)及图像灰度处理技术对电站内机组运行数据进行分析,结果表明:图像分形维数存在30 Hz与85 Hz的频率特征,幅值对应分别为0.02和0.009,为主频和次频,且远远强于其他杂频。VMD方法成功地分解了各监测点的压力脉动信号,获得了时域和频域上的各模态函数特征。通过分析尾水管处两个监测点的VMD分解结果发现,其频率成分相似且与蜗壳内部监测点的频率一致。本文的研究结果可以为电站的智能化建设提供重要支持,同时为电站运行和维护提供更有效的手段。
京ICP备13015787号-3 版权所有 © 2013《水力发电学报》编辑部 编辑部地址:中国北京清华大学水电工程系 邮政编码:100084 电话:010-62783813 本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn |