电力变压器在运行过程中发生故障时,变压器中油气体成分和某些电气参数会出现变化,同时也有一些部位的外表颜色、气味、声音、温度、油位、负载等变化。通过对煤矿电力变压器常见故障诊断,做出故障处理与检修方法。

太阳能光伏产业近年发展迅速，准确诊断光伏组件故障位置及类型可以提升运维人员的工作效率。提出一种基于卷积神经网络-长短期记忆模型(Convolutional Neural Networks-Long Short Term Memory，CNN-LSTM)的深度学习诊断模型，利用电站原有设备就可完成检测任务。首先提出了一种依据电流值的组件故障分类方式；然后，检测模型根据光伏阵列布局特点设计了一种特征提取算法，分别提取光伏阵列电流横向与纵向特征，来获取空间与时间上的特性；再通过CNN网络来对横向特征做进一步的提取与纵向特征的压缩，以解决特征种类单一及训练缓慢的问题；最终进入LSTM神经网络来完成对光伏组件的故障诊断。

适合用于探讨如何完成电力系统物联网架构部署、研究进展等研究人员

压缩包中包含代码和所需数据，此代码实现了TE数据故障1测试集的正确分类，正确率99.9%。开发环境为jupyter lab。

设备故障诊断技术 图书pdf,设备故障诊断技术 图书

南大通用GBase 8s SSL 安全配置与故障诊断-1

南大通用GBase 8s SSL 安全配置与故障诊断-2

tcping.exe

通过局部均值分解对数据进行分析，并计算分量的样本熵

设备状态监测与故障诊断技术PPT课件 01-绪论