CN110554284A - 基于gis设备的局放检测方式的相关性分析方法及系统 - Google Patents
基于gis设备的局放检测方式的相关性分析方法及系统 Download PDFInfo
- Publication number
- CN110554284A CN110554284A CN201910783731.0A CN201910783731A CN110554284A CN 110554284 A CN110554284 A CN 110554284A CN 201910783731 A CN201910783731 A CN 201910783731A CN 110554284 A CN110554284 A CN 110554284A
- Authority
- CN
- China
- Prior art keywords
- correlation
- correlation analysis
- partial discharge
- trigger
- triggering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 55
- 238000010219 correlation analysis Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000003909 pattern recognition Methods 0.000 claims abstract description 21
- 238000003745 diagnosis Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000001360 synchronised effect Effects 0.000 claims abstract description 10
- FLDSMVTWEZKONL-AWEZNQCLSA-N 5,5-dimethyl-N-[(3S)-5-methyl-4-oxo-2,3-dihydro-1,5-benzoxazepin-3-yl]-1,4,7,8-tetrahydrooxepino[4,5-c]pyrazole-3-carboxamide Chemical compound CC1(CC2=C(NN=C2C(=O)N[C@@H]2C(N(C3=C(OC2)C=CC=C3)C)=O)CCO1)C FLDSMVTWEZKONL-AWEZNQCLSA-N 0.000 claims description 4
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 claims description 4
- 102100025142 Beta-microseminoprotein Human genes 0.000 claims description 3
- 101000576812 Homo sapiens Beta-microseminoprotein Proteins 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 239000011859 microparticle Substances 0.000 claims 2
- 238000007781 pre-processing Methods 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 6
- 239000002245 particle Substances 0.000 description 6
- 230000001960 triggered effect Effects 0.000 description 6
- 239000000725 suspension Substances 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- -1 along the surface Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009614 chemical analysis method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010291 electrical method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
- G01R31/1254—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of gas-insulated power appliances or vacuum gaps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Tourism & Hospitality (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种基于GIS设备的局放检测方式的相关性分析方法及系统,采用特高频、高频电流、超声波三种检测方式,对局放信号进行同步触发和类型识别后,再对不同类型的诊断结果进行相关分析。本发明通过针对同一间隔的不同处理单元进行联合触发,获取同一时刻的多维数据后再进行模式识别诊断;同步触发方式数据关联性强,多维提高了抗干扰能力,另外触发式效率更高,避免无效数据频繁上传;多种局放检测方式的相关性结果给GIS设备不同检测方式间部署原则和有效性提供理论依据。
Description
技术领域
本发明涉及GIS检测技术领域,具体地涉及一种基于GIS设备的局放检测方式的相关性分析方法及系统。
背景技术
气体绝缘开关设备(以下简称GIS)是当今输电网络中一种应用广泛的电气设备。与传统的敞开式设备相比较,GIS具有占地面积小、可靠性高、安全性强、运行维护工作量很小等优点,因而被大量使用在重要负荷、枢纽变电站中。但由于其采用全封闭结构,一旦发生故障,影响范围大并且难以准确定位及快速抢修,将会带来严重的经济损失。随着GIS设备逐步在特高压输电网络推广应用,设备故障所造成的影响将进一步加大。近年来,国家电网公司状态检修工作不断深化,对设备可靠性的要求不断提高,及时、有效发现GIS设备内部潜伏性缺陷,保证GIS设备安全稳定运行具有重要的意义。
目前针对GIS设备较成熟的检测方法,主要有电气法、声测法及化学分析法三大类,以上检测方法均针对的是放电性故障所产生的电磁波、声波、光、电弧分解产物等物理量。放电性故障(也称局部放电)因其是导致GIS故障中最为频繁的原因,针对各检测方法基本已完成一套相对完整的技术体系,但各种检测方法间的相关性分析研究较少。
发明内容
发明目的:本发明提供一种基于GIS设备的局放检测方式的相关性分析方法及系统,检测全面、检测结果互相补充,能避免无效数据的上传,相关性分析更准确。
技术方案:本发明所述的一种基于GIS设备的局放检测方式的相关性分析方法,包括以下步骤:
(1)采用特高频、高频电流、超声波三种检测方式,对局放信号进行同步触发,存储当前时刻前后微秒级别的原始数据;
(2)对同一时刻的原始数据的进行模式识别,确定故障类型;
(3)以一种故障类型为单位,对特高频、高频电流、超声波多维诊断结果进行相关性分析,确定相关强度。
步骤(1)所述的触发方式为:
在设定的触发模式下循环存储数据,当满足触发条件时,三种检测方式对应的处理单元,将触发信号广播给其它单元,所有单元存储脉冲触发地址,存储“触发后长度”个点后,完成单次触发。
所述步骤(2)包括以下步骤:
(21)对原始数据进行预处理,将特高频和高频电流原始数据进行PRPS脉冲序列相位分布谱图转换生成二维数组;对超声波进行快速傅里叶转化,将时域信号转化成频域信号;
(22)将同一GIS间隔,同一时刻的二维数组和频域信号按特高频、高频电流、超声波分别进行模式识别。
步骤(2)所述的故障类型包括下述中的至少一种:正常;电晕;悬浮;沿面;气隙;微粒;噪声。
所述步骤(3)通过以下公式实现:
其中,Cov(X,Y)为检测方法X与检测方法Y针对特定故障类型的协方差,Var(X)为检测方法X的特定故障类型的方差,Var(Y)为检测方法Y的特定故障类型的方差;相关系数的绝对值越大,相关性越强,相关系数越接近于1或-1,相关度越强,相关系数越接近于0,相关度越弱。
本发明还提供一种基于GIS设备的局放检测方式的相关性分析系统,其特征在于,包括联合同步触发模块、数据模式识别模块和多数据的相关性分析模块;所述联合同步触发模块采用特高频、高频电流、超声波三种检测方式,对局放信号进行同步触发,存储当前时刻前后微秒级别的原始数据;所述数据模式识别模块对同一时刻的原始数据的进行模式识别,确定故障类型;所述多数据的相关性分析模块以一种故障类型为单位,对特高频、高频电流、超声波多维诊断结果进行相关性分析,确定相关强度。
所述同步触发为在设定的触发模式下循环存储数据,当满足触发条件时,三种检测方式对应的处理单元,将触发信号广播给其它单元,所有单元存储脉冲触发地址,存储“触发后长度”个点后,完成单次触发。
所述故障类型包括下述中的至少一种:正常;电晕;悬浮;沿面;气隙;微粒;噪声。
有益效果:与现有技术相比,本发明的有益效果:1、采用特高频、高频电流、超声波三种检测手段,检测频带从特高频到低频,覆盖了GIS设备主要的放电性故障,检测全面、检测结果互相补充,多种局放检测方式的相关性结果给GIS设备不同检测方式间部署原则和有效性提供理论依据;2、各处理单元可针对同一GIS间隔分布部署,按各自检测方式的特点配置合适的数量,检测方式更有效;3、通过针对同一间隔的不同处理单元进行联合触发,获取同一时刻的多维数据后再进行模式识别诊断,同步触发方式数据关联性强,多维提高了抗干扰能力,另外触发式效率更高,避免无效数据频繁上传。
附图说明
图1为基于GIS设备的局放检测方式的相关性分析系统的示意图;
图2为本发明实施例提供的应用示意图;
图3为本发明实施例提供的联合同步触发方法控制图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
如图1所示,一种基于GIS设备的局放检测方式的相关性分析系统,包括联合同步触发模块、数据模式识别模块和多数据的相关性分析模块;其中联合同步触发模块采用特高频、高频电流、超声波三种检测方式,对局放信号进行同步触发,存储当前时刻前后一段时间的数据;其中数据模式识别模块对同一时刻的原始数据进行模式识别,确定故障类型;其中多数据的相关性分析模块以一种故障类型为单位,对特高频、高频电流、超声波多维诊断结果进行相关性分析。
所述同步触发为在设定的触发模式下循环存储数据,当满足触发条件时,三种检测方式对应的处理单元,将触发信号广播给其它单元,所有单元存储脉冲触发地址,存储“触发后长度”个点后,完成单次触发。
所述故障类型包括下述中的至少一种:正常;电晕;悬浮;沿面;气隙;微粒;噪声。
应用如图2所示。由于局放信号具有瞬时性,各局放检测模块工作在同步触发模式下,当任意单元触发时同时同步触发其它单元,存储当前时刻前后一段时间的数据。然后对同一时刻的数据的进行模式识别,最后将多维诊断结果进行相关性分析得出相关性结论。“特高频单元”安装在绝缘盆子处,“高频电流单元”安装在外壳接地排线处,“超声波单元”安装在GIS表面。GIS腔体内部有个局放缺陷模型,可以模拟各种类型的局放信号。当“特高频单元1”最先达到触发条件时,特高频单元通过无线通信的方式,分别通知其它特超声波,高频电流单元。其它单元接受到触发信号后也强制在同一时刻采集。完成本次触发采集后,将数据上传进行模式识别,以一段时间为单位,统计不同时间单位的诊断结果进行相关性分析,得出相关性结论。
步骤1:联合同步触发
在同一GIS间隔下的各处理单元工作在触发模式下,循环存储数据。当满足触发条件时,如图3的t2处,当前脉冲的幅值大于触发阈值,该处理单元将触发信号广播给其它单元,如图1“联合同步触发”部分所示,例如特高频单元触发时,特高频单元通过有线或者无线通信的方式,分别通知高频电流、超声波单元。其它单元接受到触发信号后也强制在同一时刻采集。所有单元存储脉冲触发地址,存储“触发后长度”个点后,完成单次触发,单次存储长度等于“触发前长度”加上“触发后长度”。其中特高频和高频电流信号存储50个工频周期长度信号,超声波存储10个工频周期信号。
步骤2:同一时刻多维数据模式识别
同一时刻多维数据模式识别分两个步骤,首先对数据进行预处理,然后再将预处理后的数据送到对应的诊断模型进行模式诊断。
针对特高频和高频电流数据进行PRPS脉冲序列相位分布谱图(Phase ResolvedPulse Sequence)转换生成二维数组,其中列表示相位,行表示信号周期数量。
对超声波进行快速傅里叶转化,将时域信号转化成频域信号。
将同一GIS间隔,同一时刻按检测类型分别进行模式识别,本发明采用基于人工神经网络ANN对经预处理的信号进行模式识别。根据GIS设备局部放电的主要放电类型及局放信号特征(正常、电晕、悬浮、沿面、气隙、微粒、噪声),建立标签分类机制,通过后收集样品数据对算法模型进行训练,采用人工专利标记、算法诊断、结果对比的形式进行验证。最终利用深度学习诊断算法对测试样本进行诊断。
步骤3:多维数据的相关性分析
以一种故障类型为单位,对特高频、高频电流、超声波多维诊断结果按以下公式两两计算相关系数矩阵,得出相关性结论。
以图2场景为例,分别放置电晕、悬浮、沿面、气隙、微粒局放缺陷模型,每组模型进行100次试验,分别进行5次,对数据的诊断结果进行相关性统计。
假设诊断结果如下表1所示:
表1局放不同缺陷模型诊断结果
以一种故障类型为单位,对3种检测诊断结果两两计算得出相关系数矩阵如表2所示:
表2局放不同缺陷模型相关系数矩阵
相关系数的绝对值越大,相关性越强:相关系数越接近于1或-1,相关度越强,相关系数越接近于0,相关度越弱,如表3所示
表3相关性强度
相关强度 | 范围 |
极强相关 | 0.8~1.0 |
强相关 | 0.6~0.8 |
中等相关 | 0.4~0.6 |
弱相关 | 0.2~0.4 |
极弱相关 | 0.0~0.2 |
根据该判断标准得出3种检测诊断结果两两相关强度如表4所示:
表4局放不同缺陷模型相关强度
ρ(特高频,高频电流) | ρ(特高频,超声波) | ρ(高频电流,超声波) | |
电晕 | 极强相关 | 弱相关 | 弱相关 |
悬浮 | 强相关 | 极强相关 | 极强相关 |
沿面 | 极强相关 | 中等相关 | 强相关 |
气隙 | 极强相关 | 极弱相关 | 弱相关 |
微粒 | 中等相关 | 极强相关 | 中等相关 |
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (8)
1.一种基于GIS设备的局放检测方式的相关性分析方法,其特征在于,包括以下步骤:
(1)采用特高频、高频电流、超声波三种检测方式,对局放信号进行同步触发,存储当前时刻前后微秒级别的原始数据;
(2)对同一时刻的原始数据的进行模式识别,确定故障类型;
(3)以一种故障类型为单位,对特高频、高频电流、超声波多维诊断结果进行相关性分析,确定相关强度。
2.根据权利要求1所述的一种基于GIS设备的局放检测方式的相关性分析方法,其特征在于,步骤(1)所述的触发方式为:
在设定的触发模式下循环存储数据,当满足触发条件时,三种检测方式对应的处理单元,将触发信号广播给其它单元,所有单元存储脉冲触发地址,存储“触发后长度”个点后,完成单次触发。
3.根据权利要求1所述的一种基于GIS设备的局放检测方式的相关性分析方法,其特征在于,所述步骤(2)包括以下步骤:
(21)对原始数据进行预处理,将特高频和高频电流原始数据进行PRPS脉冲序列相位分布谱图转换生成二维数组;对超声波进行快速傅里叶转化,将时域信号转化成频域信号;
(22)将同一GIS间隔,同一时刻的二维数组和频域信号按特高频、高频电流、超声波分别进行模式识别。
4.根据权利要求1所述的一种基于GIS设备的局放检测方式的相关性分析方法,其特征在于,步骤(2)所述的故障类型包括下述中的至少一种:正常;电晕;悬浮;沿面;气隙;微粒;噪声。
5.根据权利要求1所述的一种基于GIS设备的局放检测方式的相关性分析方法,其特征在于,所述步骤(3)通过以下公式实现:
其中,Cov(X,Y)为检测方法X与检测方法Y针对特定故障类型的协方差,Var(X)为检测方法X的特定故障类型的方差,Var(Y)为检测方法Y的特定故障类型的方差;相关系数的绝对值越大,相关性越强,相关系数越接近于1或-1,相关度越强,相关系数越接近于0,相关度越弱。
6.一种基于GIS设备的局放检测方式的相关性分析系统,其特征在于,包括联合同步触发模块、数据模式识别模块和多数据的相关性分析模块;所述联合同步触发模块采用特高频、高频电流、超声波三种检测方式,对局放信号进行同步触发,存储当前时刻前后微秒级别的原始数据;所述数据模式识别模块对同一时刻的原始数据的进行模式识别,确定故障类型;所述多数据的相关性分析模块以一种故障类型为单位,对特高频、高频电流、超声波多维诊断结果进行相关性分析,确定相关强度。
7.根据权利要求6所述的一种基于GIS设备的局放检测方式的相关性分析系统,其特征在于,所述同步触发为在设定的触发模式下循环存储数据,当满足触发条件时,三种检测方式对应的处理单元,将触发信号广播给其它单元,所有单元存储脉冲触发地址,存储“触发后长度”个点后,完成单次触发。
8.根据权利要求6所述的一种基于GIS设备的局放检测方式的相关性分析系统,其特征在于,所述故障类型包括下述中的至少一种:正常;电晕;悬浮;沿面;气隙;微粒;噪声。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910783731.0A CN110554284B (zh) | 2019-08-23 | 2019-08-23 | 基于gis设备的局放检测方式的相关性分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910783731.0A CN110554284B (zh) | 2019-08-23 | 2019-08-23 | 基于gis设备的局放检测方式的相关性分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110554284A true CN110554284A (zh) | 2019-12-10 |
CN110554284B CN110554284B (zh) | 2022-03-15 |
Family
ID=68737993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910783731.0A Active CN110554284B (zh) | 2019-08-23 | 2019-08-23 | 基于gis设备的局放检测方式的相关性分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110554284B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111157864A (zh) * | 2020-03-12 | 2020-05-15 | 广东电网有限责任公司 | 一种局部放电超声波信号及图谱识别系统及其方法 |
CN111693812A (zh) * | 2020-06-15 | 2020-09-22 | 中国科学技术大学 | 一种基于声音特征的大型变压器故障检测方法 |
CN113406445A (zh) * | 2021-03-24 | 2021-09-17 | 上海朋禾智能科技有限公司 | 一种变压器局部放电多维数据在线检测方法 |
CN114113943A (zh) * | 2021-11-25 | 2022-03-01 | 广东电网有限责任公司广州供电局 | 基于电流和超声信号的变压器局放检测系统、方法及设备 |
CN115469198A (zh) * | 2022-09-28 | 2022-12-13 | 国网江苏省电力有限公司电力科学研究院 | 一种高置信度的局部放电联合检测方法及检测系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009261202A (ja) * | 2008-03-25 | 2009-11-05 | Jfe Steel Corp | 放電検出/同定装置 |
CN101650407A (zh) * | 2009-09-02 | 2010-02-17 | 江苏省电力公司常州供电公司 | 六氟化硫气体绝缘全封闭组合电气局部放电检测、定位系统 |
CN102508031A (zh) * | 2011-11-01 | 2012-06-20 | 山东电力研究院 | 一种基于傅里叶级数的局部放电脉冲相角测量方法 |
CN102628916A (zh) * | 2012-04-12 | 2012-08-08 | 江苏省电力试验研究院有限公司 | 基于特高频信号的变压器局部放电在线定位系统 |
WO2013048173A2 (ko) * | 2011-09-28 | 2013-04-04 | 한국전력공사 | 부분방전 노이즈 제거 장치 및 진단방법 |
CN104237749A (zh) * | 2014-07-07 | 2014-12-24 | 国家电网公司 | 超高频局放信号初始时刻判别方法 |
JP2015078882A (ja) * | 2013-10-16 | 2015-04-23 | 株式会社東芝 | 絶縁診断装置 |
CN104655996A (zh) * | 2015-02-04 | 2015-05-27 | 国家电网公司 | 一种gis电缆终端局部放电带电检测装置及其使用方法 |
CN105044567A (zh) * | 2015-06-29 | 2015-11-11 | 许继集团有限公司 | 一种gis局部放电在线监测模式识别方法及系统 |
CN106556781A (zh) * | 2016-11-10 | 2017-04-05 | 华乘电气科技(上海)股份有限公司 | 基于深度学习的局部放电缺陷图像诊断方法及系统 |
CN106556780A (zh) * | 2016-10-27 | 2017-04-05 | 中国电力科学研究院 | 一种局部放电类型确定方法及系统 |
CN106707128A (zh) * | 2017-03-16 | 2017-05-24 | 国家电网公司 | 声电联合的电缆局部放电定位装置和方法 |
CN107091977A (zh) * | 2017-06-22 | 2017-08-25 | 国网江苏省电力公司电力科学研究院 | 一种变压器局部放电检测及定位系统 |
CN107643471A (zh) * | 2017-10-27 | 2018-01-30 | 国家电网公司 | 一种电气设备间歇性缺陷检测定位装置 |
CN107831422A (zh) * | 2017-11-02 | 2018-03-23 | 广东电网有限责任公司电力科学研究院 | 一种gis设备局部放电诊断方法及系统 |
CN108303621A (zh) * | 2017-12-15 | 2018-07-20 | 山东康威通信技术股份有限公司 | 基于时钟同步局放的前端数据采集及缓存电路、系统及方法 |
CN108710074A (zh) * | 2018-08-21 | 2018-10-26 | 广西电网有限责任公司电力科学研究院 | 一种基于无线传输技术的开关柜局部放电检测系统 |
CN109459674A (zh) * | 2018-12-28 | 2019-03-12 | 国家电网有限公司 | 一种开关柜局部放电多节点监测系统同步化装置 |
-
2019
- 2019-08-23 CN CN201910783731.0A patent/CN110554284B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009261202A (ja) * | 2008-03-25 | 2009-11-05 | Jfe Steel Corp | 放電検出/同定装置 |
CN101650407A (zh) * | 2009-09-02 | 2010-02-17 | 江苏省电力公司常州供电公司 | 六氟化硫气体绝缘全封闭组合电气局部放电检测、定位系统 |
WO2013048173A2 (ko) * | 2011-09-28 | 2013-04-04 | 한국전력공사 | 부분방전 노이즈 제거 장치 및 진단방법 |
CN102508031A (zh) * | 2011-11-01 | 2012-06-20 | 山东电力研究院 | 一种基于傅里叶级数的局部放电脉冲相角测量方法 |
CN102628916A (zh) * | 2012-04-12 | 2012-08-08 | 江苏省电力试验研究院有限公司 | 基于特高频信号的变压器局部放电在线定位系统 |
JP2015078882A (ja) * | 2013-10-16 | 2015-04-23 | 株式会社東芝 | 絶縁診断装置 |
CN104237749A (zh) * | 2014-07-07 | 2014-12-24 | 国家电网公司 | 超高频局放信号初始时刻判别方法 |
CN104655996A (zh) * | 2015-02-04 | 2015-05-27 | 国家电网公司 | 一种gis电缆终端局部放电带电检测装置及其使用方法 |
CN105044567A (zh) * | 2015-06-29 | 2015-11-11 | 许继集团有限公司 | 一种gis局部放电在线监测模式识别方法及系统 |
CN106556780A (zh) * | 2016-10-27 | 2017-04-05 | 中国电力科学研究院 | 一种局部放电类型确定方法及系统 |
CN106556781A (zh) * | 2016-11-10 | 2017-04-05 | 华乘电气科技(上海)股份有限公司 | 基于深度学习的局部放电缺陷图像诊断方法及系统 |
CN106707128A (zh) * | 2017-03-16 | 2017-05-24 | 国家电网公司 | 声电联合的电缆局部放电定位装置和方法 |
CN107091977A (zh) * | 2017-06-22 | 2017-08-25 | 国网江苏省电力公司电力科学研究院 | 一种变压器局部放电检测及定位系统 |
CN107643471A (zh) * | 2017-10-27 | 2018-01-30 | 国家电网公司 | 一种电气设备间歇性缺陷检测定位装置 |
CN107831422A (zh) * | 2017-11-02 | 2018-03-23 | 广东电网有限责任公司电力科学研究院 | 一种gis设备局部放电诊断方法及系统 |
CN108303621A (zh) * | 2017-12-15 | 2018-07-20 | 山东康威通信技术股份有限公司 | 基于时钟同步局放的前端数据采集及缓存电路、系统及方法 |
CN108710074A (zh) * | 2018-08-21 | 2018-10-26 | 广西电网有限责任公司电力科学研究院 | 一种基于无线传输技术的开关柜局部放电检测系统 |
CN109459674A (zh) * | 2018-12-28 | 2019-03-12 | 国家电网有限公司 | 一种开关柜局部放电多节点监测系统同步化装置 |
Non-Patent Citations (5)
Title |
---|
ASCHENBRENNER D: "On line pd measurement and diagnosis on power transformers", 《IEEE TRANSCATIONS ON DIELECTRICS AND ELECTRICAL INSULATION》 * |
宋健: "GIS在线检测系统的应用分析", 《计算机工程与应用》 * |
贾勇勇: "基于深度残差网络的GIS局部放电模式识别技术研究", 《高压电器》 * |
赵付章: "《电力系统自动装置》", 31 March 2016 * |
郑荣生: "一起变电站异常局放信号的声电联合定位测试", 《电气技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111157864A (zh) * | 2020-03-12 | 2020-05-15 | 广东电网有限责任公司 | 一种局部放电超声波信号及图谱识别系统及其方法 |
CN111157864B (zh) * | 2020-03-12 | 2022-06-14 | 广东电网有限责任公司 | 一种局部放电超声波信号及图谱识别系统及其方法 |
CN111693812A (zh) * | 2020-06-15 | 2020-09-22 | 中国科学技术大学 | 一种基于声音特征的大型变压器故障检测方法 |
CN111693812B (zh) * | 2020-06-15 | 2021-10-01 | 中国科学技术大学 | 一种基于声音特征的大型变压器故障检测方法 |
CN113406445A (zh) * | 2021-03-24 | 2021-09-17 | 上海朋禾智能科技有限公司 | 一种变压器局部放电多维数据在线检测方法 |
CN114113943A (zh) * | 2021-11-25 | 2022-03-01 | 广东电网有限责任公司广州供电局 | 基于电流和超声信号的变压器局放检测系统、方法及设备 |
CN115469198A (zh) * | 2022-09-28 | 2022-12-13 | 国网江苏省电力有限公司电力科学研究院 | 一种高置信度的局部放电联合检测方法及检测系统 |
CN115469198B (zh) * | 2022-09-28 | 2023-11-10 | 国网江苏省电力有限公司电力科学研究院 | 一种高置信度的局部放电联合检测方法及检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110554284B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110554284A (zh) | 基于gis设备的局放检测方式的相关性分析方法及系统 | |
US20210167584A1 (en) | Gis mechanical fault diagnosis method and device | |
WO2021103496A1 (zh) | 基于异常振动的气体绝缘组合开关设备机械故障诊断方法 | |
CN105548832B (zh) | 高压电力电缆故障识别方法 | |
CN103197218B (zh) | 一种高压电缆绝缘缺陷局放带电检测诊断方法 | |
CN103645425A (zh) | 一种高压电缆绝缘缺陷局部放电在线监测诊断方法 | |
CN105973621A (zh) | 一种基于异常振动分析的gis机械故障诊断方法和系统 | |
CN103454564A (zh) | 高压开关柜局部放电检测系统及方法 | |
CN102628916B (zh) | 基于特高频信号的变压器局部放电在线定位系统 | |
CN105044567A (zh) | 一种gis局部放电在线监测模式识别方法及系统 | |
CN103149516A (zh) | 基于多通道超声波检测的组合电器故障源定位方法 | |
WO2023284127A1 (zh) | 一种基于振动信号的gil缺陷在线监测系统及方法 | |
CN110703078A (zh) | 基于频谱能量分析与自组织竞争算法的gis故障诊断方法 | |
CN113156278A (zh) | 一种基于cnn网络的gis局部放电定位方法 | |
CN111239263A (zh) | 一种gis设备内部的异物缺陷的检测方法及系统 | |
CN116910470A (zh) | 一种gis组合电器局部放电故障模式识别方法 | |
CN107192930A (zh) | 一种变压器局部放电定位方法 | |
CN202041614U (zh) | 一种超高压电缆线路绝缘缺陷局部放电信号识别装置 | |
CN106771910B (zh) | 检测组合电器的缺陷的方法和装置 | |
CN107907807A (zh) | 一种气体绝缘组合电器局部放电模式识别方法 | |
CN113671037B (zh) | 一种支柱绝缘子振动声学信号处理方法 | |
CN118465465A (zh) | 一种多特征时频域局部放电绝缘缺陷检测分类系统及方法 | |
CN118277942A (zh) | 一种智能开关柜状态在线监测系统 | |
CN202033450U (zh) | 交联聚乙烯电缆绝缘老化检测系统 | |
Das et al. | Time-frequency representation aided deep transfer learning approach for localization and identification of single and multiple partial discharge events |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |