【技术实现步骤摘要】
本专利技术涉及剩余寿命建模，具体涉及基于智噪解析与深度递归神经网络的剩余寿命预测方法。
技术介绍
1、晶闸管在换流阀等电力系统中具有至关重要的作用，它是实现交直流转换的关键元件，通过其导通和关断功能，使得换流阀能够高效地完成交流电和直流电之间的转换。晶闸管的高功率处理能力使其能够承受大电流和高电压，确保了电力系统的稳定运行，其快速的开关速度使得电力系统能够更迅速地调节电流和电压，提高了系统的响应速度和动态性能。同时，晶闸管的可靠性高，即使在恶劣的工作环境下也能保持稳定的性能，从而降低了电力系统的故障风险。
2、因此，建立准确的晶闸管剩余寿命模型至关重要。通过建立剩余寿命模型，可预测晶闸管在未来某一时间点的性能状态，及时发现潜在故障风险，并采取相应的预防措施，从而避免突发性故障对电力系统造成的不良影响。剩余寿命模型还可以为维护人员提供晶闸管的健康状态和预期寿命信息，从而确保电力系统的持续高效运行。传统的晶闸管剩余寿命建模技术主要包括威布尔分布寿命建模、物理失效模型寿命建模、经验公式寿命建模。
3、传统的晶闸管剩余寿...
【技术保护点】
1.基于智噪解析与深度递归神经网络的剩余寿命预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于智噪解析与深度递归神经网络的剩余寿命预测方法，其特征在于，所述运行数据包括：通态压降、反向恢复电荷、关断时间和耐压能力。
3.根据权利要求1所述的基于智噪解析与深度递归神经网络的剩余寿命预测方法，其特征在于，利用智噪解析算法对所述运行数据进行降噪处理，包括如下步骤：
4.根据权利要求3所述的基于智噪解析与深度递归神经网络的剩余寿命预测方法，其特征在于，利用智噪分解后的Hankel矩阵中的奇异值建立智噪差分谱，包括如下步骤：<...
【技术特征摘要】
1.基于智噪解析与深度递归神经网络的剩余寿命预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于智噪解析与深度递归神经网络的剩余寿命预测方法，其特征在于，所述运行数据包括：通态压降、反向恢复电荷、关断时间和耐压能力。
3.根据权利要求1所述的基于智噪解析与深度递归神经网络的剩余寿命预测方法，其特征在于，利用智噪解析算法对所述运行数据进行降噪处理，包括如下步骤：
4.根据权利要求3所述的基于智噪解析与深度递归神经网络的剩余寿命预测方法，其特征在于，利用智噪分解后的hankel矩阵中的奇异值建立智噪差分谱，包括如下步骤：
5.根据权利要求4所述的基于智噪解析与深度递归神经网络的剩余寿命预测方法，其特征在于，从所述智噪差分谱中寻找有效奇异值位置，包括如下步骤：
6.根据权利要求1所...
【专利技术属性】
技术研发人员：杨玥坪，刘隆晨，王振宇，杨鑫，唐世雄，廖文龙，刘睿，黄萌，李康，
申请(专利权)人：国网四川省电力公司电力科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。