突发绝缘气体泄漏及其衍生物对环境影响与防护研究

来源 :2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016 | 被引量 : 0次 | 上传用户:jldxxys
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于地下变电站的密闭性,变电站内的电气设备中的SF6气体一旦发生泄漏,易造成电力设备的运行故障,并导致室内工作人员或抢修人员窒息,而且当变电站处于人流密集区域时,会对该区域人员产生严重中毒危害.对变电站泄漏气体及其衍生物的浓度和毒性含量进行分析,提出电力工作人员防护措施.基于突发绝缘气体泄漏对环境影响,设计了泄漏气体处理方案,通过实验对泄漏后快速回收处理过程进行模拟,并对各监测点进行数据监控和分析,应用此方案可以在短时间内将危险气体浓度降低到规定浓度内,验证了泄漏气体快速回收处理方案的可行性.这对解决地下变电站突发绝缘气体泄漏事故造成的人员伤害、环境危害、公共安全等问题具有重要的指导意义.
其他文献
论述了隐Markov模型(Hidden Markov Model,HMM)的理论与算法,综述了该方法在故障诊断中的国内外现状.HMM具有很好的包容性,是一种基于不完全观测数据的统计模型,使得该模型运用范围相当广泛,适用性也很强.隐Markov模型的主要功能是进行建模分类,通过不同特征值组各自进行模型训练.在机械设备运转过程中,设备的工作状态都可以由一组特征矢量来描述,这些特征矢量可以使用HMM进行
为提取多源故障信号特征,实现复合故障诊断,提出了一种基于改进的形态学滤波算法和独立分量分析的信号分离及特征提取方法.首先,通过自适应形态学滤波算法处理故障信号,降低噪声,提取故障信号特征;然后,通过局域均值分解使单通道信号分解成多个特征信号;最后,运用独立分量分析对多个特征信号进行盲源分离,实现故障识别和分离.以轴承复合故障为研究对象进行验证,分析结果表明:所提方法可以有效分离滚动轴承外圈与滚动体
基于香农采样定理的采样策略,要求采样频率必须大于信号中最高频率的两倍,使得设备监测产生海量的冗余数据,增加了信号处理的难度,降低了故障诊断的效率.为此,提出了基于贝努利测量矩阵稀疏采样的轴承故障压缩检测方法.首先,通过特征保持算法对故障信号进行初步压缩,实现故障数据降采样的同时保留了足够的故障信息;其次,基于压缩感知的理论框架,利用贝努利测量矩阵实现故障信号的稀疏采样;最后,采用匹配追踪算法,在不
旋翼飞机传动系统结构复杂,如果其中的关键部件出现故障,往往容易引发严重事故.行星轮系是其中的关键部件,一般用于在旋翼飞机中传递动力、变换速度以及转换方向.与普通定轴齿轮相比,行星轮系的结构更为复杂,因此行星轮系的特征提取方法与传统方法有所不同.为此,提出了基于物理模型仿真信号的行星轮系典型故障特征的提取与选择方法.首先建立行星轮系的物理模型,在模型中植入典型故障模式,并且对所建立的物理模型进行仿真
论述了广义平滑伪Wigner-Ville分布(GSPWVD)的定义、算法和最优时域窗函数的设计问题,并与传统平滑伪Wigner-Ville分布(SPWVD)进行了性能对比分析.仿真结果表明,该方法有效地提高了传统SPWVD的精度和抗干扰性.将其应用到转子系统故障诊断中,取得满意的诊断效果.
零空间追踪(Null Space Pursuit,NSP)是在局部窄带信号和算子理论的基础上提出的一种自适应分解算法,论述了该方法的原理和算法,并通过仿真与经验模态分解(EMD)方法进行了对比研究.仿真结果表明,NSP能够保证其收敛性,存处理非平稳信号及微弱信号检测方面比EMD具有明显的优势,在机械故障诊断中具有广阔的应用.
针对旋转机械机组设备故障而引起的非计划停机所带来的不必要的经济损失问题,在故障诊断的基础上,开展了故障预警研究.介绍相似度量方法的类别和故障预警的基本原理,描述故障预警系统建立的流程,首先采集满足一定要求的数据,进而对其进行插值和归一化处理,然后建立超球模型,最后输出相似度曲线,通过比较设备实时数据与历史数据之间的相似关系来估计设备的运行状态.研究结果表明,该方法可以有效的辨识设备运行中的异常状况
建立了转子碰摩的动力学模型,讨论分析了不同的转子与定子间隙情况下各阶NOFRF值的变化情况.仿真结果表明,利用NOFRF对碰摩故障的敏感性不仅能及时发现早期碰摩故障是否存在,而且还能区分转子碰摩的严重程度.
建立了呼吸型斜裂纹转子系统的动力模型,讨论分析了呼吸型斜裂纹转子系统在不同裂纹倾角、裂纹深度和裂纹位置下的非线性输出频率响应函数特性.仿真结果表明,NOFRF对裂纹倾角、裂纹深度、裂纹位置的变化情况比较敏感,因此,利用NOFRF值可有效地诊断斜裂纹转子故障.
提出一种基于旋转机械同源数据融合的全矢(Ensemble Empirical Mode Decomposition,EEMD)总体平均经验模态分解信号分析方法.EEMD法是在传统的(Empirical Mode Decomposition,EMD)经验模态分解法的基础上,为了有效地抑制模态混叠现象而提出的改进方法.而在一些实际应用中,全矢EEMD方法能够提供比直接进行全矢融合更为可靠的诊断结论.具