高電圧機器用SF6湿度センサーネットワークの異常ドリフト補償および故障予測モデルの設計

高電圧機器のSF6湿度監視における深刻なセンサードリフト、環境適応性の低さ、故障予測精度の不足という問題に対処するため、異常ドリフト補償と故障動的予測の二重閉ループ協力によるセンサーネットワークの最適化方案が提案された。このアプローチでは、スズメ探査アルゴリズム（SSA）を用いてバックプロパゲーションニューラルネットワーク（BPNN）を最適化し、温度、湿度、および圧力を統合した多パラメータ融合補償モデルを構築し、クォーツ共振器センサーの出力ドリフトを動的に修正する。ファジー推論と長短期記憶（LSTM）ネットワークを統合し、短期トレンド予測と長期健康評価で構成される二層の故障予測アーキテクチャを確立し、故障リスクを定量化し、機器の残りの寿命を予測する。実験結果は、補償モデルの二乗平均平方根誤差が−30 °C∼50 °Cおよび0.1∼0.5 MPaの作業条件下で7.23 ppm(v)に低下し、平均絶対パーセンテージ誤差がわずか2.2%にとどまり、従来の方法よりも著しく改善されていることを示している。GIS機器のフィールドデータを基にした18か月の研究により、この方案は2か月前にシール故障を正確に予測し、健康指数の早期警戒メカニズムは保守応答時間を効果的に延長する。この研究は、高電圧機器のインテリジェント監視のためのセンサー補償から故障予測までのフルチェーン技術ソリューションを提供する。