CN101251564A - 一种利用可拓学与粗糙集理论相结合的电力变压器故障诊断方法 - Google Patents

一种利用可拓学与粗糙集理论相结合的电力变压器故障诊断方法 Download PDF

Info

Publication number
CN101251564A
CN101251564A CNA2008100582651A CN200810058265A CN101251564A CN 101251564 A CN101251564 A CN 101251564A CN A2008100582651 A CNA2008100582651 A CN A2008100582651A CN 200810058265 A CN200810058265 A CN 200810058265A CN 101251564 A CN101251564 A CN 101251564A
Authority
CN
China
Prior art keywords
fault
transformer
diagnosis
lambda
attribute
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
Application number
CNA2008100582651A
Other languages
English (en)
Other versions
CN101251564B (zh
Inventor
束洪春
胡泽江
董俊
孙士云
刘可真
唐岚
刘志坚
孙向飞
杨毅
常勇
单节杉
刘永泰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN2008100582651A priority Critical patent/CN101251564B/zh
Publication of CN101251564A publication Critical patent/CN101251564A/zh
Application granted granted Critical
Publication of CN101251564B publication Critical patent/CN101251564B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Test And Diagnosis Of Digital Computers (AREA)

Abstract

本发明涉及一种利用可拓学与粗糙集理论相结合的电力变压器故障诊断方法。属电力主设备故障诊断技术领域。本发明以粗糙集属性约简方法对各种故障类型所需要的属性条件进行初步约简分类,然后建立变压器故障诊断的物元模型,以DGA测试数据作为变压器故障诊断属性集,以变压器标准故障模式作为变压器故障诊断决策集,利用可拓关联函数计算各种故障程度,定义故障取舍规则以确定变压器故障。本发明以某台变压器为实例进行分析,其诊断结果与实际情况相符;收集76条变压器DGA信息,利用该方法进行故障诊断,诊断正确率与IEC三比值法相比较高。

Description

一种利用可拓学与粗糙集理论相结合的电力变压器故障诊断方法
技术领域:
本发明涉及一种利用可拓学与粗糙集理论相结合的电力变压器故障诊断方法。属电力主设备故障诊断技术领域。
背景技术:
电力变压器属电力系统中的重要设备,一旦发生故障,将带来巨大经济损失。因此电力变压器的安全稳定运行成为影响系统可靠性的重要因素。国内外一直把诊断电力变压器故障与在线监测技术作为重要的科研攻关项目。现在大多数运用的在线监测技术有局部放电法、介质损耗测试法及油色谱分析法等等,其中油色谱分析法已经被广泛应用。因为变压器油中溶解气体并不携带足够的故障部位信息,所以近来以溶解气体分析为主结合其它电气试验结果的综合诊断方法如概率推理、判决树、信息融合、Petri网络等引起了学者们的兴趣。然而,在处理故障信息时,很多数据属于重复无用的数据,对于故障诊断不仅无用处,反而混淆研究人员的视线。
发明内容:
本发明针对以上情况,特别是鉴于常用的三比值法诊断变压器故障时会出现“无编码”情况,发明一种以物元模型为基础,利用粗糙集属性约简简化物元属性,再利用可拓关联函数计算故障程度,定义变压器故障取舍规则确定变压器故障。具体的讲就是以粗糙集属性约简方法对各种故障类型所需要的属性条件进行初步约简分类,然后建立变压器故障诊断的物元模型,以油中含有气体测试数据作为变压器故障诊断属性集,以变压器标准故障模式作为变压器故障诊断决策集,利用可拓关联函数计算各种故障程度,定义故障取舍规则以确定变压器故障。
本发明可拓学与粗糙集理论相结合的电力变压器故障诊断方法是:采集需诊断变压器的定检数据及形成的初步故障属性集与决策集,利用粗糙集理论中的属性约简和知识约简方法,将该变压器故障信息中多数无用的、甚至会对故障诊断产生干扰的信息进行约简,利用约简后的信息建立变压器故障诊断物元模型,并通过可拓学对其进行故障诊断,获得该变压器故障诊断结论,通过输出端口输出信息,显示故障诊断结果。
具体故障诊断步骤如下:
(1)采集需诊断变压器的定检数据及形成的初步故障属性集与决策集
(2)对变压器故障信息进行约简
变压器故障信息约简采用两种方法:
a.用两者依赖程度的差来确定重要性:
k(D)=rB(D)-rB-B’(D)
其中:B为属性集;B’为属性集中某子集;rB(D)为B对D的依赖性;rB-B’(D)为B-B’对D的依赖性;k(D)为重要性两属性子集间的重要性数值。
b.利用两者等价关系的正域之商表示
n ( D ) = pos B - B ′ ( D ) pos B ( D )
其中:posB(D)为B对D的等价关系;posB-B’(D)为B-B’对D的等价关系;n(D)为两者的重要性。
c.假设两者的约简结果不相同,利用下面的结果取舍规则确定最终结果:
if n1>n2 then Y’ij(n)=y’ij(n1)
else if n1<n2 then Y’ij(n)=y”ij(n2)
else then Y’ij(n)=y”ij(n1)=y’ij(n2)
(3)利用约简后的信息建立变压器故障物元模型及现状物元模型;
(4)对故障物元模型及现状物元模型计算可拓关联函数值;
(5)确定故障诊断权系数并输出故障诊断结果。
采用专家经验与样本故障类型概率相结合的方式,确定设备故障可能性的权系数,即利用样本中某类故障占样本故障类型的百分比对专家经验再次加权,具体方法如下:
以故障Y1为例,收集变压器故障Y1样本m条,其中因为条件Xj而导致的故障为sj条,则初步权系数为:
β j = s j m
而根据专家经验和专业知识确定各属性条件得重要程度为:αj(j=1,2,...ni),其中10≥αj≥1,则最终对于故障Y1的属性条件权系数为:
α ′ j = α j β j Σ j = 1 n i α j β j
利用变压器出现三重以上的故障可能性相当少的经验,作为变压器故障取舍的规则并确定变压器的故障类型,
标准化各故障程度:
λ ′ [ I i ( N ) ] = 2 λ [ I i ( N ) ] - λ max - λ min λ max - λ min ( i = 1,2 . . . N )
设μ为排列中第一λ1’与第二λ2’的相对误差,则:
μ = λ 1 ′ - λ 2 ′ λ 1 ′ × 100 %
由于变压器出现三重及其以上故障的机率非常小,只考虑变压器出现两重故障的情况;对各λ’做降幂排列,假设λb为最终确定的变压器故障类型,λm为排列中的首位λ’;变压器故障确定规则如下:
ifλ’m≤0then λb=0
else ifλm>0&&μ>5%thenλb=λ’m
else ifλ’m>0&&μ<5%then(λb=λ’m&&λb=λ’m-1)。
采用本发明方法对变压器进行故障诊断,不仅在诊断正确度上无影响,诊断的难度将会大大下降,诊断的速度将会有大的提高。
附图说明
图1本发明诊断变压器故障流程图。
具体实施方式
一、数据收集
本发明以某220kV变电站#1主变为实例进行故障诊断,收集04~06年变压器定检数据建立初步故障属性集与决策集如表1所示。
          表1变压器定检数据及形成的初步故障属性集与决策集
Figure S2008100582651D00041
二、故障诊断方法具体步骤如下
(1)利用粗糙集属性约简与知识约简方法,对变压器故障类型及变压器故障信息进行约简。
a.利用两者依赖程度的差确定重要性
对于粗糙集中属性D导出的分类的属性子集的重要性,用两者依赖程度的差来确定重要性的方法如式(1)。
k(D)=rB(D)-rB-B’(D)                (1)
其中:B为属性集;B’为属性集中某子集;rB(D)为B对D的依赖性;rB-B’(D)为B-B’对D的依赖性;k(D)为重要性两属性子集间的重要性数值。
b.利用两者等价关系的正域之商表示
建立B与D之间的等价关系,B中省略掉B’后建立B-B’对D的等价关系,利用两者等价关系的商度量两者的重要性,如式(2):
n ( D ) = po s B - B ′ ( D ) pos B ( D ) - - - ( 2 )
其中:posB(D)为B对D的等价关系;posB-B’(D)为B-B’对D的等价关系;n(D)为两者的重要性。
c.约简结果取舍
由于根据2.1节两种方法进行约简,可能会出现两种约简结果,此处定义结果取舍规则确定最终结果。利用式(1)与(2)两种属性约简方法对故障元集属性表进行约简,分别计算出k1(D)与k2(D),同时形成两个新的故障元集属性表y’ij(n1)与y’ij(n2),其中:n1与n2为y’ij(n1)与y’ij(n2)的约简后属性条件个数。由于n1与n2可能不相等,则定义如下规则以求取新的故障元集属性表Y’ij(n):
if n1>n2then Y’ij(n)=y’ij(n1)
else if n1<n2 then Y’ij(n)=y”ij(n2)
else then Y’ij(n)=y”ij(n1)=y’ij(n2)
不考虑方法1与方法2中属性条目个数相同而属性条目不同的情况,因为两种方法都是依赖于表中属性核进行约简的,也就是说两种方法的属性核是同一个核集,则其余属性条目必为附属属性,对于该故障类型影响不大,按照以上规则选取新的故障元集已经完全满足变压器故障诊断的要求。
(2)建立变压器物元模型
设发生故障的事物为N,若N产生故障Ii,则记为Ii(N),(i=1,2,...N),且故障特征元集:
{M}={Mij,i=1,2...N;j=1,2...ki}           (3)
Mij=(Cij,Vij),(i=1,2,...N)                (4)
Vij=<aij,bij>                                 (5)
V′ij=<a′ij,b′ij>                           (6)
其中:Vij为Ii(N)发生时的经典域;V’ij为Ii(N)发生时关于Cij的节域;aij与bij为Ii(N)发生时Cij的上下限a’ij与b’ij为Ii(N)发生时的拓展上下限。
描述事物N的可能产生故障的物元集Rij
R ij = I i ( N ) C i 1 V i 1 &CenterDot; &CenterDot; &CenterDot; &CenterDot; &CenterDot; &CenterDot; C i k i V i k i ( i = 1,2 , . . . N ) - - - ( 7 )
描述事物N的现状物元R
R = I i ( N ) C i 1 v i 1 &CenterDot; &CenterDot; &CenterDot; &CenterDot; &CenterDot; &CenterDot; C i k i v i k i ( i = 1,2 , . . N ) - - - ( 8 )
(4)提取属性集Vij与故障元集Mij形成故障元集属性表yij(Xn)。
利用前文两种属性约简方法对故障元集属性表进行约简形成新的故障元集Y’ij(n)。
(5)将Y’ij(n)中的属性条件代入Rij,形成新的可能产生故障的物元集R’ij
R &prime; ij = I i ( N ) C i 1 V i 1 &CenterDot; &CenterDot; &CenterDot; &CenterDot; &CenterDot; &CenterDot; C i n i V in i ( i = 1,2 , . . . N ) - - - ( 9 )
同理可得R’
R &prime; = I i ( N ) C i 1 v i 1 &CenterDot; &CenterDot; &CenterDot; &CenterDot; &CenterDot; &CenterDot; C i n i v i n i ( i = 1,2 , . . . N ) - - - ( 10 )
(6)计算关联函数值
K ij ( v ij ) = &rho; ( v ij , V ij ) &rho; ( v ij , V &prime; ij ) - &rho; ( v ij , V ij ) - - - ( 11 )
或当ρ(vij,V′ij)-ρ(vij,Vij)=0时
K ij ( v ij ) = &rho; ( v ij , V ij ) | V ij | - - - ( 12 )
其中:
ρ(vij,Vij)=|vij-0.5(aij+bij)|-0.5(bij-aij)         (13)
(7)确定权系数
一般权系数的确定都采用专家经验,此处为避免专家经验的主观性,采用专家经验与样本故障类型概率相结合的方法确定设备故障可能性的权系数,即利用样本中某类故障占样本故障类型的百分比对专家经验再次加权,此方式所得的权系数既避免了专家经验的主观性也避免了因为样本数量不足导致的权系数不够准确的问题。具体方法如下:
以故障Y1为例,收集变压器故障Y1样本m条,其中因为条件Xj而导致的故障为Sj条,则初步权系数为:
&beta; j = s j m - - - ( 14 )
而根据专家经验和专业知识确定各属性条件得重要程度为:αj(j=1,2,...ni),其中10≥αj≥1。则最终对于故障Y1的属性条件权系数为:
&alpha; &prime; j = &alpha; j &beta; j &Sigma; j = 1 n i &alpha; j &beta; j - - - ( 15 )
(8)计算各故障的程度
&lambda; [ I i ( N ) ] = &Sigma; j = 1 n i &alpha; &prime; ij K ij ( v ij ) ( i = 1,2 , . . . N ) - - - ( 16 )
(9)确定产生何种故障
标准化各故障程度:
&lambda; &prime; [ I i ( N ) ] = 2 &lambda; [ I i ( N ) ] - &lambda; max - &lambda; min &lambda; max - &lambda; min ( i = 1,2 , . . . N ) - - - ( 17 )
设μ为排列中第一λ1’与第二λ2’的相对误差,则:
&mu; = &lambda; 1 &prime; - &lambda; 2 &prime; &lambda; 1 &prime; &times; 100 % - - - ( 18 )
由于变压器出现3重及其以上故障的机率非常小,只考虑变压器出现两重故障的情况。对各λ’做降幂排列,假设λb为最终确定的变压器故障类型,λm为排列中的首位λ’。变压器故障确定规则如下:
ifλ’m≤0then λb=0
else ifλ’m>0&&μ>5%then λb=λ’m
else ifλ’m>0&&μ<5%then(λb=λ’m&&λb=λ’m-1)
通常一般权系数的确定都采用专家经验,为避免专家经验的主观性,本发明方法所得的权系数既避免了专家经验的主观性也避免了因为样本数量不足导致的权系数不够准确的问题。
三、计算结果及分析
借用无编码比值法中的故障类型作为本方法的决策集。将故障类型进行详细分类,对各种分类情况下的属性进行约简,约简后结果如表2所示。
                     表2各类故障相关属性表
Figure S2008100582651D00081
应用本方法诊断该220kV变电站#1主变04~06年故障情况,诊断结果如表3。
                     表3诊断结果
Figure S2008100582651D00082
本结果与IEC诊断结果比较,06年诊断结果与IEC法结果不相同。IEC诊断结果为故障模式6,即高能放电;可拓方法诊断结果为高能放电加放热故障;06年该变压器定检时,通过对变压器故障部位外观结合测试数据分析为高能放电加放热故障,与计算结果相符合。
本发明以某台变压器为实例进行分析,其诊断结果与实际情况相符;收集76条变压器油中含有气体测试数据信息,利用该方法进行故障诊断,诊断正确率与IEC三比值法相比较高。

Claims (4)

1、一种可拓学与粗糙集理论相结合的电力变压器故障诊断方法,其特征在于采集需诊断变压器的定检数据及形成的初步故障属性集与决策集,利用粗糙集理论中的属性约简和知识约简方法,将该变压器故障信息中多数无用的、甚至会对故障诊断产生干扰的信息进行约简,利用约简后的信息建立变压器故障诊断物元模型,并通过可拓学对其进行故障诊断,获得该变压器故障诊断结论,通过输出端口输出信息,显示故障诊断结果。
2、根据权利要求1所述的可拓学与粗糙集理论相结合的电力变压器故障诊断方法,其特征在于故障诊断具体步骤如下:
(1)采集需诊断变压器的定检数据及形成的初步故障属性集与决策集
(2)对变压器故障信息进行约简
变压器故障信息约简采用两种方式:
a.用两者依赖程度的差来确定重要性:
k(D)=rB(D)-rB-B’(D)
其中:B为属性集;B’为属性集中某子集;rB(D)为B对D的依赖性;rB-B’(D)为B-B’对D的依赖性;k(D)为重要性两属性子集间的重要性数值;
b.利用两者等价关系的正域之商表示
n ( D ) = pos B - B &prime; ( D ) pos B ( D )
其中:posB(D)为B对D的等价关系;posB-B’(D)为B-B’对D的等价关系;n(D)为两者的重要性;
c.假设两者的约简结果不相同,利用下面的结果取舍规则确定最终结果:
if n1>n2 then Y’ij(n)=y’ij(n1)
else if n1<n2 then Y’ij(n)=y”ij(n2)
else then Y’ij(n)=y”ij(n1)=y’ij(n2)
(3)利用约简后的信息建立变压器故障物元模型及现状物元模型;
(4)对故障物元模型及现状物元模型计算可拓关联函数值;
(5)确定故障诊断权系数并输出故障诊断结果。
3、根据权利要求1或2所述的可拓学与粗糙集理论相结合的电力变压器故障诊断方法,其特征在于采用专家经验与样本故障类型概率相结合的方式,确定设备故障可能性的权系数,即利用样本中某类故障占样本故障类型的百分比对专家经验再次加权,具体方法如下:
以故障Y1为例,收集变压器故障Y1样本m条,其中因为条件Xj而导致的故障为sj条,则初步权系数为:
&beta; j = s j m
而根据专家经验和专业知识确定各属性条件得重要程度为:αj(j=1,2,...ni),其中10≥αj≥1,则最终对于故障Y1的属性条件权系数为:
&alpha; &prime; j = &alpha; j &beta; j &Sigma; j = 1 n i &alpha; j &beta; j
4、根据权利要求1或2所述的可拓学与粗糙集理论相结合的电力变压器故障诊断方法,其特征在于利用变压器出现三重以上的故障可能性相当少的经验,作为变压器故障取舍的规则并确定变压器的故障类型,
标准化各故障程度:
&lambda; &prime; [ I i ( N ) ] = 2 &lambda; [ I i ( N ) ] - &lambda; max - &lambda; min &lambda; max - &lambda; min ( i = 1,2 , . . . N )
设μ为排列中第一λ1’与第二λ2’的相对误差,则:
&mu; = &lambda; 1 &prime; - &lambda; 2 &prime; &lambda; 1 &prime; &times; 100 %
由于变压器出现三重及其以上故障的机率非常小,只考虑变压器出现两重故障的情况;对各λ’做降幂排列,假设λb为最终确定的变压器故障类型,λm为排列中的首位λ’;变压器故障确定规则如下:
if λ’m≤0then λb=0
else ifλ’m>0&&μ>5%thenλb=λ’m
else ifλ’m>0&&μ<5%then(λb=λ’m&&λb=λ’m-1)。
CN2008100582651A 2008-04-08 2008-04-08 一种利用可拓学与粗糙集理论相结合的电力变压器故障诊断方法 Expired - Fee Related CN101251564B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2008100582651A CN101251564B (zh) 2008-04-08 2008-04-08 一种利用可拓学与粗糙集理论相结合的电力变压器故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2008100582651A CN101251564B (zh) 2008-04-08 2008-04-08 一种利用可拓学与粗糙集理论相结合的电力变压器故障诊断方法

Publications (2)

Publication Number Publication Date
CN101251564A true CN101251564A (zh) 2008-08-27
CN101251564B CN101251564B (zh) 2010-06-09

Family

ID=39955058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2008100582651A Expired - Fee Related CN101251564B (zh) 2008-04-08 2008-04-08 一种利用可拓学与粗糙集理论相结合的电力变压器故障诊断方法

Country Status (1)

Country Link
CN (1) CN101251564B (zh)

Cited By (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101614775B (zh) * 2009-07-15 2011-04-27 河北科技大学 基于多源信息融合的变压器状态评估系统及其评估方法
CN102129017A (zh) * 2010-12-30 2011-07-20 杭州柯林电力设备有限公司 基于援例的智能局部放电故障识别系统及识别方法
CN101692113B (zh) * 2009-10-12 2012-05-23 天津大学 基于区间数学理论的电力变压器故障诊断方法
CN102759602A (zh) * 2012-06-29 2012-10-31 北京化工大学 高密度聚乙烯串级聚合反应过程故障预测方法
CN102928738A (zh) * 2012-10-31 2013-02-13 辽宁省电力有限公司沈阳供电公司 一种智能电网故障的动态层次诊断装置及方法
CN103454516A (zh) * 2013-05-06 2013-12-18 国家电网公司 智能化变电站二次设备健康状态诊断方法
CN103487514A (zh) * 2013-09-05 2014-01-01 昆明理工大学 一种基于小波变换和证据推理的变压器在线监测信息聚合方法
CN103778479A (zh) * 2014-01-10 2014-05-07 国网上海市电力公司 自适应信息容错保护方法
CN103941131A (zh) * 2014-05-14 2014-07-23 国家电网公司 基于精简集约简不均衡svm变压器故障检测方法
WO2014172838A1 (en) * 2013-04-22 2014-10-30 Abb Technology Ltd Method and apparatus for defect pre-warning of power device
CN104267294A (zh) * 2014-10-17 2015-01-07 东南大学 一种基于粗糙集理论和Petri网络的IGIS故障在线诊断方法
CN104297589A (zh) * 2014-09-29 2015-01-21 国家电网公司 基于粗糙集和贝叶斯网络的油浸式变压器故障诊断方法
CN104360195A (zh) * 2014-11-17 2015-02-18 国网河南省电力公司 一种基于gep算法的智能电网在线故障诊断方法
CN104361408A (zh) * 2014-11-04 2015-02-18 沈阳黎明航空发动机(集团)有限责任公司 一种航空发动机主轴承装配游隙选配方法
CN104360194A (zh) * 2014-11-17 2015-02-18 国网河南省电力公司 一种智能电网故障诊断方法
CN104931807A (zh) * 2014-04-25 2015-09-23 许继电气股份有限公司 一种基于可视化模型的变压器故障检测方法
CN105510729A (zh) * 2014-10-11 2016-04-20 国家电网公司 一种变压器过热故障诊断方法
CN105606920A (zh) * 2014-11-18 2016-05-25 通用电气公司 确定电力变换器的健康的当前和将来状态的系统和方法
CN105911407A (zh) * 2016-04-07 2016-08-31 国网山东省电力公司电力科学研究院 基于物元增广可拓关联的变压器状态模糊集对评估方法
CN106950470A (zh) * 2017-03-10 2017-07-14 三峡大学 一种基于大数据的变压器雷电冲击的故障诊断方法
CN108051660A (zh) * 2017-10-31 2018-05-18 华北电力大学(保定) 一种变压器故障组合诊断模型建立方法及诊断方法
CN108388950A (zh) * 2018-01-29 2018-08-10 杭州安脉盛智能技术有限公司 基于大数据的变压器智能运维方法及系统
CN108508319A (zh) * 2018-03-26 2018-09-07 中国石油大学(华东) 基于故障特征气体间关联特征的变压器故障类型识别方法
CN108680811A (zh) * 2018-06-29 2018-10-19 广东工业大学 一种变压器故障状态评估方法
CN109581267A (zh) * 2018-11-22 2019-04-05 河海大学 一种基于可拓分析法的高压并联电抗器状态评估方法
CN109902373A (zh) * 2019-02-21 2019-06-18 国网山东省电力公司临沂供电公司 一种辖区变电站故障诊断、定位方法及系统
CN109946156A (zh) * 2019-03-04 2019-06-28 山东大学 隧洞围岩石英含量快速获取方法及应用
CN110161382A (zh) * 2019-04-30 2019-08-23 国网江苏省电力有限公司电力科学研究院 一种判断变压器是否需要停电试验的方法和装置
CN110687433A (zh) * 2019-10-23 2020-01-14 吉林大学 一种结合pms技术约简集成电路测试模式集的方法
CN110765177A (zh) * 2019-10-17 2020-02-07 大连理工大学 一种基于粗糙集理论的航空发动机故障规则生成方法
CN112882887A (zh) * 2021-01-12 2021-06-01 昆明理工大学 一种云计算环境下服务故障模型动态建立方法
CN113343586A (zh) * 2021-06-30 2021-09-03 广东电网有限责任公司 电网故障智能分析方法、系统、终端设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101110106A (zh) * 2007-06-21 2008-01-23 上海交通大学 结合粗糙集和神经网络的多传感器信息融合方法

Cited By (46)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101614775B (zh) * 2009-07-15 2011-04-27 河北科技大学 基于多源信息融合的变压器状态评估系统及其评估方法
CN101692113B (zh) * 2009-10-12 2012-05-23 天津大学 基于区间数学理论的电力变压器故障诊断方法
CN102129017A (zh) * 2010-12-30 2011-07-20 杭州柯林电力设备有限公司 基于援例的智能局部放电故障识别系统及识别方法
CN102759602A (zh) * 2012-06-29 2012-10-31 北京化工大学 高密度聚乙烯串级聚合反应过程故障预测方法
CN102759602B (zh) * 2012-06-29 2014-11-05 北京化工大学 高密度聚乙烯串级聚合反应过程故障预测方法
CN102928738A (zh) * 2012-10-31 2013-02-13 辽宁省电力有限公司沈阳供电公司 一种智能电网故障的动态层次诊断装置及方法
CN102928738B (zh) * 2012-10-31 2014-12-10 辽宁省电力有限公司沈阳供电公司 一种智能电网故障的动态层次诊断装置及方法
CN105324900B (zh) * 2013-04-22 2018-02-06 Abb技术有限公司 用于电力设备的缺陷预警的方法和装置
US10613153B2 (en) 2013-04-22 2020-04-07 Abb Schweiz Ag Method and apparatus for defect pre-warning of power device
WO2014172838A1 (en) * 2013-04-22 2014-10-30 Abb Technology Ltd Method and apparatus for defect pre-warning of power device
CN105324900A (zh) * 2013-04-22 2016-02-10 Abb技术有限公司 用于电力设备的缺陷预警的方法和装置
CN103454516B (zh) * 2013-05-06 2015-10-28 国家电网公司 智能化变电站二次设备健康状态诊断方法
CN103454516A (zh) * 2013-05-06 2013-12-18 国家电网公司 智能化变电站二次设备健康状态诊断方法
CN103487514A (zh) * 2013-09-05 2014-01-01 昆明理工大学 一种基于小波变换和证据推理的变压器在线监测信息聚合方法
CN103778479A (zh) * 2014-01-10 2014-05-07 国网上海市电力公司 自适应信息容错保护方法
CN104931807A (zh) * 2014-04-25 2015-09-23 许继电气股份有限公司 一种基于可视化模型的变压器故障检测方法
CN103941131A (zh) * 2014-05-14 2014-07-23 国家电网公司 基于精简集约简不均衡svm变压器故障检测方法
CN103941131B (zh) * 2014-05-14 2017-10-03 国家电网公司 基于精简集约简不均衡svm变压器故障检测方法
CN104297589A (zh) * 2014-09-29 2015-01-21 国家电网公司 基于粗糙集和贝叶斯网络的油浸式变压器故障诊断方法
CN105510729A (zh) * 2014-10-11 2016-04-20 国家电网公司 一种变压器过热故障诊断方法
CN104267294A (zh) * 2014-10-17 2015-01-07 东南大学 一种基于粗糙集理论和Petri网络的IGIS故障在线诊断方法
CN104361408A (zh) * 2014-11-04 2015-02-18 沈阳黎明航空发动机(集团)有限责任公司 一种航空发动机主轴承装配游隙选配方法
CN104361408B (zh) * 2014-11-04 2017-11-10 沈阳黎明航空发动机(集团)有限责任公司 一种航空发动机主轴承装配游隙选配方法
CN104360195A (zh) * 2014-11-17 2015-02-18 国网河南省电力公司 一种基于gep算法的智能电网在线故障诊断方法
CN104360194A (zh) * 2014-11-17 2015-02-18 国网河南省电力公司 一种智能电网故障诊断方法
CN105606920A (zh) * 2014-11-18 2016-05-25 通用电气公司 确定电力变换器的健康的当前和将来状态的系统和方法
CN105911407A (zh) * 2016-04-07 2016-08-31 国网山东省电力公司电力科学研究院 基于物元增广可拓关联的变压器状态模糊集对评估方法
CN105911407B (zh) * 2016-04-07 2018-08-17 国网山东省电力公司电力科学研究院 基于物元增广可拓关联的变压器状态模糊集对评估方法
CN106950470A (zh) * 2017-03-10 2017-07-14 三峡大学 一种基于大数据的变压器雷电冲击的故障诊断方法
CN108051660A (zh) * 2017-10-31 2018-05-18 华北电力大学(保定) 一种变压器故障组合诊断模型建立方法及诊断方法
CN108388950A (zh) * 2018-01-29 2018-08-10 杭州安脉盛智能技术有限公司 基于大数据的变压器智能运维方法及系统
CN108508319A (zh) * 2018-03-26 2018-09-07 中国石油大学(华东) 基于故障特征气体间关联特征的变压器故障类型识别方法
CN108680811A (zh) * 2018-06-29 2018-10-19 广东工业大学 一种变压器故障状态评估方法
CN108680811B (zh) * 2018-06-29 2021-04-06 广东工业大学 一种变压器故障状态评估方法
CN109581267A (zh) * 2018-11-22 2019-04-05 河海大学 一种基于可拓分析法的高压并联电抗器状态评估方法
CN109902373A (zh) * 2019-02-21 2019-06-18 国网山东省电力公司临沂供电公司 一种辖区变电站故障诊断、定位方法及系统
CN109946156B (zh) * 2019-03-04 2020-04-21 山东大学 隧洞围岩石英含量快速获取方法及应用
CN109946156A (zh) * 2019-03-04 2019-06-28 山东大学 隧洞围岩石英含量快速获取方法及应用
CN110161382A (zh) * 2019-04-30 2019-08-23 国网江苏省电力有限公司电力科学研究院 一种判断变压器是否需要停电试验的方法和装置
CN110765177A (zh) * 2019-10-17 2020-02-07 大连理工大学 一种基于粗糙集理论的航空发动机故障规则生成方法
CN110765177B (zh) * 2019-10-17 2020-12-11 大连理工大学 一种基于粗糙集理论的航空发动机故障规则生成方法
CN110687433A (zh) * 2019-10-23 2020-01-14 吉林大学 一种结合pms技术约简集成电路测试模式集的方法
CN110687433B (zh) * 2019-10-23 2021-11-12 吉林大学 一种结合pms技术约简集成电路测试模式集的方法
CN112882887A (zh) * 2021-01-12 2021-06-01 昆明理工大学 一种云计算环境下服务故障模型动态建立方法
CN112882887B (zh) * 2021-01-12 2022-08-09 昆明理工大学 一种云计算环境下服务故障模型动态建立方法
CN113343586A (zh) * 2021-06-30 2021-09-03 广东电网有限责任公司 电网故障智能分析方法、系统、终端设备及存储介质

Also Published As

Publication number Publication date
CN101251564B (zh) 2010-06-09

Similar Documents

Publication Publication Date Title
CN101251564B (zh) 一种利用可拓学与粗糙集理论相结合的电力变压器故障诊断方法
CN106054104B (zh) 一种基于决策树的智能电表故障实时预测方法
CN106384210B (zh) 一种基于检修风险收益的输变电设备检修优先级排序方法
CN103324992B (zh) 基于马尔可夫和熵权模糊综合评价的变压器风险预测方法
CN102289731B (zh) 一种基于系统风险的输电设备状态检修方法
CN108664010A (zh) 发电机组故障数据预测方法、装置和计算机设备
CN102175282B (zh) 一种基于信息融合的离心式空气压缩机故障诊断方法
CN103337043B (zh) 电力通信设备运行状态的预警方法和系统
CN103150633B (zh) 电力设备状态实时评估和辅助决策系统
CN108898311A (zh) 一种面向智能配电网抢修调度平台的数据质量检测方法
CN106156485A (zh) 电力变压器故障诊断方法及装置
CN106405475A (zh) 电能表异常诊断方法
CN107145675A (zh) 基于bp神经网络算法的电力变压器故障诊断装置及方法
CN108051709A (zh) 基于人工智能技术的变压器状态在线评估分析方法
CN103245881A (zh) 一种基于潮流分布特征的配电网故障分析方法及装置
WO2011034805A1 (en) Supervised fault learning using rule-generated samples for machine condition monitoring
CN105242155A (zh) 一种基于熵权法和灰色关联分析的变压器故障诊断方法
CN103103570B (zh) 基于主元相似性测度的铝电解槽况诊断方法
CN104218570A (zh) 一种电能计量装置整体计量误差的在线评估方法和系统
CN104677997B (zh) 一种变压器油色谱在线监测差异化预警方法
CN111476471B (zh) 一种基于综合能源模型的综合能源故障诊断系统及方法
CN111598467A (zh) 一种对集输联合站以及关键设备的可靠性评价方法及系统
CN105117847A (zh) 一种变压器故障重要度的评估方法
CN101718734A (zh) 煤矿用甲烷传感器异常采样数据甄别处理方法
CN105319528A (zh) 一种电能表的运行工况检验方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20100609

Termination date: 20140408