CN102221651B - 一种矿用隔爆型干式变压器故障在线诊断及预警方法 - Google Patents
一种矿用隔爆型干式变压器故障在线诊断及预警方法 Download PDFInfo
- Publication number
- CN102221651B CN102221651B CN201110059480.5A CN201110059480A CN102221651B CN 102221651 B CN102221651 B CN 102221651B CN 201110059480 A CN201110059480 A CN 201110059480A CN 102221651 B CN102221651 B CN 102221651B
- Authority
- CN
- China
- Prior art keywords
- temperature
- fault
- humidity
- parameter
- early warning
- 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.)
- Active
Links
Landscapes
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
一种矿用隔爆型干式变压器故障在线诊断及预警方法,目的是提高故障诊断准确性和快速性;本发明先确定监测量;提取特征值:对局部放电信号提取三维谱图参量和二维统计参量作为特征量,对于运行电压、电流以及铁芯泄漏电流,提取其有效值作为特征值,温度参量以实时值作为特征量;用归一化方法计算每个特征量的相应值并作为智能诊断系统的输入参量;采集不同环境下各监测量的值,获取相应环境下神经网络的训练和测试样本;建立神经网络,选用广义RBF神经网络智能诊断方法;利用样本数据训练神经网络,形成故障诊断工具;建立数据库;将采集的实时数据及上述诊断结果实时存入到地面服务器实时数据库和实时预警信息表格中,通过专家系统进行诊断和预警。
Description
技术领域
本发明涉及矿用大型电力设备故障诊断领域,尤其涉及一种矿用隔爆型干式变压器故障在线诊断及预警方法。
技术背景
导致矿用隔爆型干式变压器故障的原因很多,其中局部放电是引起绝缘老化、击穿的主要原因之一。绕组局部放电多是绕组过电压引起的,长时间放电会引起绕组温度升高,从而导致绝缘击穿、绕组短路故障。过电流也会引起变压器温度升高,导致绝缘碳化、引起局部放电幅值增大以及放电相位的偏移;绕组散热不良、过负荷、长期运行等均会导致绝缘老化;铁芯多点接地、铁芯散热不良以及迭片绝缘损坏等均可导致铁芯局部过热。故障之间是相互影响相互渗透的。已有的变压器故障诊断方法大多是针对地面油浸式电力变压器提出的,检测变压器绝缘油中气体成分、含量。在此基础上,监测局部放电、电流信号,或者检测吸收比、极化指数等参量,进行信息融合形成故障诊断系统,一般都是进行离线诊断的。中国专利公开号为 CN101614775A 的发明专利《基于多源信息融合的变压器状态评估系 统及其评估方法》就是针对油浸式变压器发明的故障诊断方法,所发明的评估系统是由油 色谱分析子系统、局部放电超高频检测子系统、绕组变形振动信号检测子系统、电流互感器检测子系统组成的。利用D-S证据理论融合评判算法将四种子系统所得到的检测结果进行融合,评估一台油浸式变压器的运行状态。此系统专用于对油浸式变压器的离线监测,不适用于矿用变压器的故障诊断及预警。2008 年 5 月刊登于《高电压技术》的期刊论文《基于 模糊数学和概率论的变压器故障诊断》,所述方法检测绝缘油量、油中气体成分及含量、直 流电阻、吸收比、极化指数、绕组间及绕组对地电容等多种参量。但是由于目前技术水平所限,多数只能离线检测,所以系统没有故障在线预警功能。另外,由于干式变压器的绝缘结 构以及工作环境与油浸式变压器截然不同,所以油浸式变压器的诊断方法不完全适用于矿用干式变压器。目前已有的矿用隔爆型干式变压器故障保护系统,主要用于过电流、过电压保护,没有故障诊断及预警功能,更没有考虑在诊断方法上克服井下特殊环境引起的信号变化,导致矿用隔爆型干式变压器状态无检测、故障无预警。井下电气设备工作环境特殊,设备布置密集、环境温度高、湿度大、辐射强、干扰多。这些环境因素彼此影响、相互作用,从而加速了变压器绝缘的劣化过程。由于井下环境温度偏高,当井下变压器发生局部放电时,放电幅值比常温下大,放电初始相位也会发生偏移,从而加速了对变压器绝缘的影响。正是由于矿用隔爆型变压器所处的特殊环境,所以要求监测系统具有防爆特性,监测电路具有本安特性,同时要求系统软、硬件具有较强的抗干扰能力、较快的诊断速度和较高的预警准确性。
发明内容
本发明目的是克服上述已有技术的不足,提供一种综合考虑多参数及其环境影响因素、有效提高故障诊断准确性和快速性的矿用隔爆型干式变压器故障在线诊断及预警方法。
本发明的技术方案是:在线监测多个参量,对监测量提取特征量,根据实际诊断情况确定 RBF 神经网络结构,并在网络训练及测试中考虑各监测量的环境影响因素。在地面服务器上开发故障在线诊断预警软件,建立数据库,并分别建表存放各种信息,组成专家系统,设计人机界面显示实时数据及系统诊断结果。该方法具体分为以下八个步骤。
(1) 确定监测量。在线监测环境温度、变压器三相绕组与铁芯温度、变压器三相运行电压、三相运行电流、绕组局部放电、铁芯泄漏电流、变压器三个进线和三个出线触头温度、三个调压线圈接线柱和三个接线组别接线柱温度。
(2) 特征值提取。提取局部放电三维谱图统计参量 :放电次数 n、放电量 q、放电相位 ,反映放电信号整体特征;提取局部放电n-二维谱图统计特征量 :正、负半波偏斜度Sk +、Sk - ,正、负半波陡峭度ku +、ku -,放电量因数 Q,互相关系数 cc,相位不对称度 φ,修正的互相关系数 mcc,反映放电二维波形形状特征;运行电压、运行电流以及铁芯泄漏电流参量均为变化较慢的工频正弦量,提取其有效值作为特征值;温度参量以实时值作为特征量。
(3) 特征量处理。为减小特征量的互斥性,用归一化方法计算每个特征量的相应值 并作为智能诊断系统的输入参量。
(4) 建立故障模型。采集不同环境下各监测量的值,获取相应环境下神经网络的训练和测试样本。由于温度、湿度对变压器多种故障的发展影响较大,本发明在故障模型的数据采集中主要考虑的环境因素是环境温度和湿度。分别模拟绕组局部短路、绕组断路、绕组散热不良、过负荷、绕组接地,建立绕组故障模型 ;分别模拟铁芯多点接地、铁芯散热不良、铁芯局部短路,建立铁芯故障模型。受环境温度、湿度影响较大的故障有绕组局部短路、绕组散热不良、绕组接地、铁芯多点接地、铁芯散热不良及铁芯局部短路、进出线触头接触不良、调压线圈接线柱和接线组别接线柱松动。
根据故障模式将训练样本分类,并对其输出编码。测量煤矿井下多组温度和湿度数据组,根据温度、湿度参量变化快慢将温度、湿度这两个参数分为若干个等级,取中间温度和湿度等级值作为两个参量的标准等级。分别测试各故障模型在两个环境参数不同等级下的监测量数据,提取特征量并形成各种故障模式在两个环境参数不同等级下的训练、测试样本。对于受环境温度、湿度影响不大的故障在任意环境等级下均以所述标准等级下的特征量数组作为神经网络训练与测试样本。
(5) 建立神经网络。选用广义 RBF 神经网络智能诊断方法建立神经网络。RBF 神经网络结构简单、训练简洁、收敛速度快、能够逼近任意非线性函数,它是一种单隐含层的前向网络。它由三层构成:输入层、隐含层、输出层。
本发明输入层节点对应所述特征量,隐含层节点对应所述故障模式。选择径向基 函数作为隐含层的基函数,隐含层中心及宽度参数的确定采用“K- 均 值聚类算法”;隐含层到输出层的权值采用“LMS 算法”方法确定。
(6) 故障诊断。按照步骤 (5) 建立神经网络。分别利用温度、湿度两个环境参数不同等级下的训练和测试样本训练与测试神经网络,最后分别保存温度和湿度每个等级下的神经网络参数,并生成每个网络参数相对于温度和湿度的变化曲线,得到各个参数关于温度和湿度的函数。在线运行系统时,将在线采集的环境温度、湿度代入上述得到的各个参数关于温度和湿度的函数中,从而计算得到关于温度和湿度的两组网络参数,即对于任一网络参数,用温度函数和湿度函数计算得到网络参数的两个值,取其平均值作为该网络参数 最终值。向网络输入实时数据特征量向量,运行网络得到输出二进制编码,根据编码确定故障种类。
(7) 建立数据库。在地面服务器上建立 SQL server 数据库,分别建立数据表格存放以下信息:变压器制造参数、实时数据、历史数据、实时预警信息、历史预警信息。
(8) 故障预警。将采集的实时数据及上述诊断结果实时存入到地面服务器实时数据库和实时预警信息表格中,通过专家系统进行诊断和预警。在服务器设计人机界面实时显示实时数据及诊断结果。工作人员可以根据实时数据随时分析每个参量的变化趋势。当诊断结果显示变压器可能出现某种故障时,人机界面指示灯闪烁并发出报警声,提醒工作人员采取相应措施消除故障隐患,从而到达故障预警的目的。
获得诊断结果的具体方法是:利用得到的温度、湿度两个环境参数不同等级的样 本数据训练神经网络;保存温度和湿度每个等级的神经网络参数,生成网络参数相对于温度和湿度的变化曲线,得到各参数关于温度和湿度的函数;在线运行系统时,将采集的环境 温度、湿度代入上述得到的各参数关于温度和湿度的函数中,从而计算得到关于温度和湿度的两组网络参数;向网络输入实时数据特征量向量,并分别使用上述两组网络参数运行网络,得到两组二进制编码输出;将1到13的整数作为12种故障模式和正常运行状态的十进制编号,将输出的二进制编码转换成十进制数,然后与故障模式编号对应,当两个输出编码对应同一种故障时,确定为该故障,当对应不同的故障时,则确定为两种故障可能同时存在,如此得到诊断结果。
本发明所诊断的绕组故障包括:绕组局部短路、绕组断路、绕组散热不良、过负荷、绕组接地五种;本发明所诊断的铁芯故障包括:铁芯多点接地、铁芯散热不良、铁芯局部短路三种;另外,鉴于矿用干式变压器触头接触不良、接线柱松动导致触头、接线柱处温度升高现象频繁,增加对以下四种故障的诊断,分别是进线和出线触头接触不良、调压线圈接线柱松动和接线组别接线柱松动。
本发明在矿用隔爆型干式变压器在线监测装置的基础上,采用RBF神经网络智能诊断方法,综合考虑多参数及其环境影响因素,实现对煤矿井下矿用隔爆型干式变压器故障在线诊断及预警,实时监测矿用干式变压器多个参量,并提取特征量;根据特征量和故障种类确定RBF神经网络结构;在故障模型的建立、神经网络的训练与故障在线诊断方面考虑了环境因素:温度和湿度两个参数。本发明所设计的系统在线运行时可有效提高故障诊断的准确性、全面性和快速性。可对多种故障进行预警,在故障发生之前消除安全隐患、降低故障损失。
附图说明
图1是本发明选用的神经网络结构模型;
图2是本发明方法所涉及软件系统框图;
图3是本发明方法数据库系统图。
具体实施方式
(1)本发明系统硬件主要包括各监测量对应的监测传感器、监测装置、井下工控机(计算机)、地面服务器(计算机)等。其中监测装置包括是信号采集、滤波、放大等信号处理以及数据传输等硬件电路模块。将监测装置、工控机及相应供电装置放置于一个防爆壳体内,工控机与监测装置通过通讯电缆连接,置于地面调度室的服务器与井下工控机通过以太网相连。在移动变电站高压配电装置与变压器相连的三相上安装三个穿心式电流传感器分别监测三相运行电流;在三相绕组中性点接地线上安装脉冲电流传感器监测变压器内部局部放电;使用 HIH-3610 型湿度传感器,监测环境湿度;使用温度传感器Pt100监测环境温度;在待监测矿用隔爆型干式变压器内部三相绕组端部分别埋设一个温度传感器 Pt100,用以监测三相绕组温度;在变压器铁芯中间位置的迭片处埋设一温度传感器Pt100,用以监测铁芯温度;在变压器铁芯接地片上套装一穿心式电流互感器,监测铁芯泄漏电流。将高压配电装置三相电压引至所述的防爆壳体内,通过JSZW3-10型电压互感器监测三相运行电压。在三个进线触头、三个出线触头、三个调压线圈接线柱、三个接线组别接线柱安装一套光纤测温系统以监测各点温度。监测装置实时采集监测点信号,并通过RS485通讯将信号发送到工控机LabVIEW平台,进行小波包分析、带通滤波和信号放大处理,之后按照步骤 4、5、6 实现信号特征提取及故障诊断。
(2) 提取特征量。以工频周期为计算周期,在LabVIEW开发环境下使用图形化编程语言编写程序提取局部放电三维谱图统计量:放电次数 n、放电量 q、放电相位提取n-二维谱图统计量:正、负半波偏斜度Sk +、Sk - ,正、负半波陡峭度ku +、ku -,放电量因数 Q,互相关系数 cc、相位不对称度φ、修正的互相关系数mcc;各温度监测信号均取实时值作为特征量;计算三相运行电压有效值作为运行电压特征量;计算三相运行电流有效值作为运行电流特征值;计算铁芯泄漏电流有效值作为铁芯泄漏电流特征值;共提取56个特征量。监测到的局部放电是以时间t为横坐标,以放电量q为纵坐标的二维量。在LabVIEW界面编写程序,将时间轴与工频波形对应,转换成相位表示。对于每个工频周期,将相位坐标轴和放电量坐标轴分别等分成36份和20份,形成720个网格,然后统计每个格的放电次数。将每个格视为一个点,可得到放电次数 n、放电量 q、放电相位的数据序列。局部放电n-二维谱图是由三维谱图的放电次数 n 和放电相位两个量形成。根据计算公式编程计算二维谱图每个统计特征量的值。
(3) 归一化处理:减小特征量之间的互斥性,对特征量进行归一化处理。
对特征量形成的向量:x={x1,x2,...,xn},n=56,归一化处理如下:
xi =xi/xi ,i=1,2,3...n,n=56。
(4) 建立故障模型。建立绕组故障模型分别模拟绕组局部短路、绕组断路、绕组散热不良、过负荷、绕组接地故障;建立铁芯故障模型分别模拟铁芯多点接地、铁芯散热不良、铁芯局部短路故障。对于每个故障模型,测量与该模型对应故障模式相关的监测量。找一台与被监测对象型号相同的运行状态良好的变压器,安装各种传感器测量三组正常运行状态下每个监测量的值,作为正常运行状态样本数据。模拟绕组故障时,与绕组故障无关的监测量取正常运行状态下的值,并采集五组样本数据。模拟铁芯故障时,样本数据采集与上述绕组故障时类似。对于触头接触不良和接线柱松动故障由对应监测点温度直接确定,其它监测量取正常运行状态下的值,共采集五组数据作为样本数据。受环境温度、湿度影响较大的故障类型有绕组局部短路、绕组散热不良、绕组接地、铁芯多点接地、铁芯散热不良、铁芯局部短路。根据故障模式将训练样本分类,并对其输出编码。测量煤矿井下多组温度和湿度数据组,根据温度、湿度参量的变化快慢将两个参数分为若干个等级,取中间温度和湿度等级值作为两个参量的标准等级。分别测试各故障样本在两个环境参数不同等级下的监测量数据,提取特征量并形成各种故障模式在每个参数不同等级下的训练、测试样本。对于受环境温度、湿度影响不大的故障在任意环境等级下均以所述标准等级下的特征量数组作为神经网络训练与测试样本。
(5) 建立神经网络。本发明选用广义RBF神经网络智能诊断方法。输入层节点数目对应步骤2得到特征量的数目,每个特征量对应一个节点;隐含层节点数目为故障模式数目13( 包括正常运行状态和12种故障模式),节点与故障模式一一对应。选择径向基函数作为隐含层的基函数;输出层由故障模式种类确定,故障模式种类为13,输出层节点数确定为 4,神经元的输出上、下阈值确定为0.2和0.8,即每个节点的输出小于等于0.2时确定为0,输出大于等于0.8时确定为1。形成输出编码:0000、0001、0010、0011、0100、0101、0110、0111、1000、1001、1010、1011、1100,分别对应12种故障模式和正常运行状态。输出层输出编码对应的故障模式即为诊断结果。隐含层中心及宽度参数的确定采用“K- 均值聚类算法”中心初值在训练样本中随机选取,学习步长取0.5,中心学习误差限取0.001;权值确定采用“LMS 算法”,权值初值取接近于零的小数据,学习速率取0.2,实际输出与目标输出误差限取0.001。
神经网络用C语言程序实现,通过LabVIEW CLF节点建立动态链接库实现 LabVIEW对C语言的动态链接。系统运行时神经网络实时被调用对监测情况进行诊断。
(6)故障诊断。在LabVIEW平台,利用步骤4得到的温度、湿度两个环境参数不同等级的样本数据训练神经网络。保存温度和湿度每个等级的神经网络参数,生成网络参数相对于温度和湿度的变化曲线,得到各参数关于温度和湿度的函数。在线运行系统时,将采集的环境温度、湿度代入上述得到的各参数关于温度和湿度的函数中,从而计算得到关于温度和湿度的两组网络参数。向网络输入实时数据特征量向量,并分别使用上述两组网络参数运行网络,得到两组二进制编码输出。将1到13的整数作为 12 种故障模式和正常运行状态的十进制编号,将输出的二进制编码转换成十进制数,然后与故障模式编号对应,当两个输出编码对应同一种故障时,确定为该故障,当对应不同的故障时,则确定为两种故障可能同时存在,如此得到诊断结果。其中故障模式的排列顺序与神经网络隐含层节点对应故障模式顺序一致。
(7)建立数据库。以上步骤均在所述工控机平台上实现,在所述服务器上建立 SQLserver 数据库,分为几个表格存放信息,分别是变压器制造参数、实时数据、历史数据、实时预警信息、历史预警信息。其中变压器制造参数包括变压器生产厂家、生产日期、型号、额定电压、额定电流、额定功率等;实时数据是监测量实时值;历史数据是按一定周期保存的以前的监测数据;预警信息表主要存放神经网络诊断结果。
由于局部放电信号数据量大,并且特征量提取以工频周期为单位,所以为保证数据的连续性,在井下工控机建立 MySQL 数据库,专用于临时存放局部放电实时信号,每完成一个周期数据的存储,LabVIEW 读取一个周期数据并进行特征量提取以供神经网络输入用。其中LabVIEW 对MySQL数据库的访问以及对SQL server数据库的远程访问是利用LabSQL工具包实现的。
(8) 故障预警。以上所述数据采集、特征量提取、故障诊断、数据存储均在井下工控机 LabVIEW 平台编程实现。故障预警部分在地面服务器通过专家系统实现。在工控机 LabVIEW 平台编程将各监测量实时数据和诊断结果通过远程访问数据库存储到服务器 SQL server 数据库实时数据表格和预警信息表格中。监测量实时数据包括局部放电三维谱图统计量、各温度监测量实时值、运行电压有效值、运行电流有效值和铁芯泄漏电流有效值。在服务器 LabVIEW 平台设计人机界面,主要包括数据读取、数据显示、故障报警三部分。数据读取部分包括读取 SQL server 数据库实时数据表、历史数据表、实时预警信息表和历史预 警信息表等。在 LabVIEW 界面对数据库的访问利用 LabSQL 工具包实现。数据显示部分包括局部放电三维谱图统计量形成的三维谱图显示、温度实时值及其随时间变化波形显示、运行电压和运行电流有效值显示、铁芯泄漏电流有效值显示、诊断结果显示以及历史数据、历史预警信息和变压器参数显示。故障报警部分包括故障指示灯和报警喇叭。当诊断结果 显示变压器可能出现某种故障时,人机界面指示灯闪烁、报警喇叭报警,提醒工作人员采取相应措施遏制故障发展,从而达到故障预警的目的。
Claims (2)
1.一种矿用隔爆型干式变压器故障在线诊断及预警方法,其特征是:
(1)确定监测量;在线监测环境温度、变压器三相绕组与铁芯温度、变压器三相运行电压、三相运行电流、绕组局部放电、铁芯泄漏电流、变压器三个进线和三个出线触头温度、三个调压线圈接线柱和三个接线组别接线柱温度;
(2)特征值提取;通过将相位坐标轴和放电量坐标轴所在平面划分成网格,并统计每个网格的放电次数,得到局部放电三维谱图统计参量:放电次数 n、放电量 q、放电相位 ,反映放电信号整体特征;按照以下参量的数学公式编程提取局部放电n-二维谱图统计特征量:正、负半波偏斜度Sk +、Sk - ,正、负半波陡峭度ku +、ku -,放电量因数Q,互相关系数 cc,相位不对称度 φ,修正的互相关系数 mcc,反映放电二维波形形状特征;运行电压、运行电流以及铁芯泄漏电流参量均为变化较慢的工频正弦量,提取其有效值作为特征值;温度参量以实时值作为特征量;
(3)特征量处理;为减小特征量的互斥性,用归一化方法计算每个特征量的相应值并作为智能诊断系统的输入参量;
(4)建立故障模型;采集不同环境温度和湿度下各监测量的值,获取相应环境下神经网络的训练和测试样本;分别模拟绕组局部短路、绕组断路、绕组散热不良、过负荷、绕组接地,建立绕组故障模型;分别模拟铁芯多点接地、铁芯散热不良、铁芯局部短路,建立铁芯故障模型;根据故障模式将训练样本分类,并对其输出编码;测量煤矿井下多组温度和湿度数据组,根据温度、湿度参量变化快慢将温度、湿度这两个参数分为若干个等级,取中间温度和湿度等级值作为两个参量标准等级;分别测试各故障模型在两个环境参数不同等级下的监测量数据,提取特征量并形成各种故障模式在两个环境参数不同等级下的训练、测试样本;对于受环境温度、湿度影响不大的故障在任意环境等级下均以所述标准等级下的特征量数组作为神经网络训练与测试样本;
(5)建立神经网络;选用广义RBF 神经网络智能诊断方法建立神经网络;选择径向基函数作为隐含层的基函数,隐含层中心及宽度参数的确定采用“K- 均值聚类算法”;隐含层到输出层的权值采用“LMS 算法”方法确定;
(6)故障诊断;分别利用温度、湿度两个环境参数不同等级下的训练和测试样本训练与测试神经网络,最后分别保存温度和湿度每个等级下的神经网络参数,并生成每个网络参数相对于温度和湿度的变化曲线,得到各个参数关于温度和湿度的函数;在线运行系统时,将在线采集的环境温度、湿度代入上述得到的各个参数关于温度和湿度的函数中,从而计算得到关于温度和湿度的两组网络参数,即对于任一网络参数,用温度函数和湿度函数计算得到网络参数的两个值,取其平均值作为该网络参数最终值;向网络输入实时数据特征量向量,运行网络得到输出二进制编码,根据编码确定故障种类;
(7)建立数据库;在地面服务器上建立SQL server 数据库,分别建立数据表格存放以下信息:变压器制造参数、实时数据、历史数据、实时预警信息、历史预警信息;
(8)故障预警;将采集的实时数据及上述诊断结果实时存入到地面服务器实时数据库和实时预警信息表格中,通过专家系统进行诊断和预警;在服务器设计人机界面实时显示实时数据及诊断结果,工作人员可以根据实时数据随时分析每个参量的变化趋势;当诊断结果显示变压器可能出现某种故障时,人机界面指示灯闪烁并发出报警声,提醒工作人员采取相应措施消除故障隐患,从而到达故障预警的目的。
2.如权利要求 1 所述的矿用隔爆型干式变压器故障在线诊断及预警方法,其特征是获得诊断结果的具体方法是:利用得到的温度、湿度两个环境参数不同等级的样本数据训练神经网络;保存温度和湿度每个等级的神经网络参数,生成网络参数相对于温度和湿度的变化曲线,得到各参数关于温度和湿度的函数;在线运行系统时,将采集的环境温度、湿度代入上述得到的各参数关于温度和湿度的函数中,从而计算得到关于温度和湿度的两组网络参数;向网络输入实时数据特征量向量,并分别使用上述两组网络参数运行网络,得到两组二进制编码输出;将1到13的整数作为12种故障模式和正常运行状态的十进制编号,将输出的二进制编码转换成十进制数,然后与故障模式编号对应,当两个输出编码对应同一种故障时,确定为该故障,当对应不同的故障时,则确定为两种故障可能同时存在,如此得到诊断结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110059480.5A CN102221651B (zh) | 2011-03-11 | 2011-03-11 | 一种矿用隔爆型干式变压器故障在线诊断及预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110059480.5A CN102221651B (zh) | 2011-03-11 | 2011-03-11 | 一种矿用隔爆型干式变压器故障在线诊断及预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102221651A CN102221651A (zh) | 2011-10-19 |
CN102221651B true CN102221651B (zh) | 2015-05-27 |
Family
ID=44778254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110059480.5A Active CN102221651B (zh) | 2011-03-11 | 2011-03-11 | 一种矿用隔爆型干式变压器故障在线诊断及预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102221651B (zh) |
Families Citing this family (57)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411106B (zh) * | 2011-11-18 | 2014-01-15 | 广东电网公司广州供电局 | 电力变压器故障监测方法及装置 |
CN102809718B (zh) * | 2012-07-25 | 2015-07-01 | 华南理工大学 | 一种gis超高频局部放电信号识别方法 |
CN102969122A (zh) * | 2012-11-19 | 2013-03-13 | 江苏宏安变压器有限公司 | 一种折边油箱箱盖及其热点温度在线监测方法 |
CN103091610B (zh) * | 2013-01-11 | 2015-01-21 | 辽宁省电力有限公司朝阳供电公司 | 一种变压器故障图形预警的方法 |
CN103218752A (zh) * | 2013-03-13 | 2013-07-24 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种高压变压器当前和短期可靠度评估方法 |
CN103235973B (zh) * | 2013-04-16 | 2016-04-27 | 郑州航空工业管理学院 | 一种基于径向基神经网络的变压器故障诊断方法 |
EP2989705B1 (en) | 2013-04-22 | 2021-12-22 | Hitachi Energy Switzerland AG | Method and apparatus for defect pre-warning of power device |
US10408873B2 (en) * | 2013-05-10 | 2019-09-10 | Prysmian S.P.A. | Partial discharge signal processing method and apparatus employing neural network |
CN103558494A (zh) * | 2013-10-31 | 2014-02-05 | 何正浩 | 配电变压器匝间短路在线监测系统及监测方法 |
CN103592545B (zh) * | 2013-11-22 | 2016-05-11 | 国家电网公司 | 一种基于概率统计的变压器温升异常监测诊断方法 |
CN103983879A (zh) * | 2014-06-04 | 2014-08-13 | 上海理工大学 | 一种油浸式变压器在线故障诊断方法及模拟装置 |
CN104299035A (zh) * | 2014-09-29 | 2015-01-21 | 国家电网公司 | 基于聚类算法和神经网络的变压器故障诊断方法 |
CN104407267B (zh) * | 2014-11-26 | 2017-10-20 | 中国船舶重工集团公司第七一二研究所 | 一种变压器故障检测方法 |
CN105204492B (zh) * | 2015-09-08 | 2018-01-19 | 珠海格力电器股份有限公司 | 一种元器件故障诊断方法、控制器及空调 |
CN105260778A (zh) * | 2015-11-05 | 2016-01-20 | 国家电网公司 | 基于专家数据库的电力变压器故障诊断系统 |
CN105425076A (zh) * | 2015-12-11 | 2016-03-23 | 厦门理工学院 | 一种基于bp神经网络算法进行变压器故障识别的方法 |
CN105652120A (zh) * | 2015-12-31 | 2016-06-08 | 国网重庆潼南区供电有限责任公司 | 电力变压器故障检测方法和检测系统 |
CN105716664A (zh) * | 2016-04-12 | 2016-06-29 | 国家电网公司 | 基于标幺化算法的电缆状态监测多参数关联分析方法 |
CN106199305B (zh) * | 2016-07-01 | 2018-12-28 | 太原理工大学 | 煤矿井下供电系统用干式变压器绝缘健康状态评估方法 |
CN106546892A (zh) * | 2016-11-10 | 2017-03-29 | 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超声音频识别方法及系统 |
CN106643880B (zh) * | 2016-11-23 | 2019-07-26 | 秦皇岛华城电力工程有限公司 | 运维系统的变压器预警方法 |
CN108241114B (zh) * | 2016-12-26 | 2020-05-26 | 北京邮电大学 | 混合电路芯片的在线故障检测方法、装置及故障检测电路 |
CN108241901B (zh) * | 2016-12-27 | 2021-12-03 | 全球能源互联网研究院 | 一种基于预测数据的变压器预警评估方法及装置 |
CN106841905A (zh) * | 2017-04-14 | 2017-06-13 | 云南电网有限责任公司电力科学研究院 | 一种变压器短路故障的识别方法及装置 |
CN107703418B (zh) * | 2017-08-30 | 2019-10-18 | 上海交通大学 | 基于多径向基神经网络的局部放电定位误差补偿方法 |
CN107797543A (zh) * | 2017-09-26 | 2018-03-13 | 大连理工大学 | 一种航空发动机燃油调节器故障诊断方法 |
CN109470944B (zh) * | 2018-04-10 | 2021-01-26 | 国网浙江省电力有限公司嘉兴供电公司 | 保电设备故障预警方法 |
CN109470984B (zh) * | 2018-04-10 | 2021-04-06 | 国网浙江省电力有限公司嘉兴供电公司 | 带有电子沙盘的保电配电网故障研判系统及其研判方法 |
CN109470943B (zh) * | 2018-04-10 | 2021-01-08 | 国网浙江省电力有限公司嘉兴供电公司 | 保电设备预警抢修方法 |
CN109459656B (zh) * | 2018-04-10 | 2021-01-26 | 国网浙江省电力有限公司嘉兴供电公司 | 配电网故障预警追溯检修方法 |
CN109470982B (zh) * | 2018-04-10 | 2021-01-26 | 国网浙江省电力有限公司嘉兴供电公司 | 一种配电网故障预警方法及系统 |
CN109470983B (zh) * | 2018-04-10 | 2021-02-09 | 国网浙江省电力有限公司嘉兴供电公司 | 一种保电设备故障预警方法及系统 |
CN109470981B (zh) * | 2018-04-10 | 2021-03-19 | 国网浙江省电力有限公司嘉兴供电公司 | 一种保电配电网故障研判方法及系统 |
CN109211390B (zh) * | 2018-08-24 | 2020-12-15 | 国网山东省电力公司电力科学研究院 | 输电塔振动及强度安全测试和评估方法 |
CN109922038A (zh) * | 2018-12-29 | 2019-06-21 | 中国电力科学研究院有限公司 | 一种用于电力终端的异常数据的检测方法及装置 |
CN109696143B (zh) * | 2019-01-11 | 2024-02-06 | 吉林大学 | 一种汽车防水垫装置及其控制方法 |
CN109842210B (zh) * | 2019-02-22 | 2020-02-14 | 广东科源电气股份有限公司 | 一种用于变压器的监控系统及方法 |
CN110174255B (zh) * | 2019-06-03 | 2021-04-27 | 国网上海市电力公司 | 一种基于径向基神经网络的变压器振动信号分离方法 |
CN110657274B (zh) * | 2019-09-09 | 2022-07-12 | 超聚变数字技术有限公司 | 一种电磁阀控制装置 |
CN112782499B (zh) * | 2019-11-11 | 2022-04-15 | 株洲中车时代电气股份有限公司 | 一种基于多信息融合的变流器的状态评估方法及装置 |
CN110954845A (zh) * | 2019-12-19 | 2020-04-03 | 深圳供电局有限公司 | Ct二次回路多点接地故障在线监测系统及方法 |
CN111274736A (zh) * | 2020-01-21 | 2020-06-12 | 太原理工大学 | 一种基于有导师学习神经网络算法的导水裂隙带预测方法 |
CN111398723A (zh) * | 2020-04-17 | 2020-07-10 | 上海数深智能科技有限公司 | 一种变压器故障智能诊断的模型方法 |
CN111638649B (zh) * | 2020-05-13 | 2022-11-22 | 江苏泛锐思智能技术有限公司 | 电器运行安全监测方法及装置 |
CN112014696A (zh) * | 2020-08-24 | 2020-12-01 | 国网天津市电力公司 | 基于局部放电特征的干式空心电抗器故障诊断方法及装置 |
CN111983410A (zh) * | 2020-09-15 | 2020-11-24 | 山东电工电气集团有限公司 | 一种电力变压器局部放电信号在线就地分析方法 |
CN112305013B (zh) * | 2020-10-22 | 2023-05-02 | 广东康德威电气股份有限公司 | 一种大数据式变压器安全监测预警管理系统 |
CN112486057B (zh) * | 2020-11-03 | 2021-11-09 | 江苏核电有限公司 | 干式变压器多信息量在线综合监测方法及系统 |
CN112668612A (zh) * | 2020-12-09 | 2021-04-16 | 重庆邮电大学 | 一种基于网格的局部放电信号聚类分析方法 |
CN113052499B (zh) * | 2021-04-23 | 2023-01-13 | 广东电网有限责任公司江门供电局 | 一种电力基础设施哑资源管理方法、装置、终端及介质 |
CN113343581B (zh) * | 2021-06-28 | 2022-11-11 | 山东华科信息技术有限公司 | 基于图马尔可夫神经网络的变压器故障的诊断方法 |
CN113553927A (zh) * | 2021-07-08 | 2021-10-26 | 国网福建省电力有限公司福州供电公司 | 干式变压器的运行状态分析方法、系统、服务器及介质 |
CN114020075A (zh) * | 2021-10-21 | 2022-02-08 | 深圳市壹电电力技术有限公司 | 故障自诊断和输送功率自调控功能的智能变压器系统 |
CN115549314B (zh) * | 2022-11-24 | 2023-03-21 | 江苏安世朗智能科技有限公司 | 一种基于物联网的干式变压器故障远程预警系统 |
CN116359642B (zh) * | 2023-03-10 | 2024-01-23 | 湖南金烽信息科技有限公司 | 一种变压器运行状态5g智能监测系统与方法 |
CN116561707B (zh) * | 2023-07-11 | 2023-09-05 | 南京大全电气研究院有限公司 | 一种变压器故障校验、预警方法及系统 |
CN116846085A (zh) * | 2023-09-04 | 2023-10-03 | 山西绿柳科技有限公司 | 一种自感知监测智能化配电箱控制系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1298511A1 (en) * | 2001-09-27 | 2003-04-02 | Reliance Electric Technologies, LLC | Motorized system integrated control and diagnostics using vibration, pressure, temperature, speed, and/or current analysis |
CN1484034A (zh) * | 2002-09-18 | 2004-03-24 | 新疆特变电工股份有限公司 | 变压器在线智能监测系统及其智能分析诊断方法 |
CN2869959Y (zh) * | 2006-02-28 | 2007-02-14 | 南京圣尚科技有限公司 | 干式变压器温湿度控制器 |
CN101975881A (zh) * | 2010-08-25 | 2011-02-16 | 太原理工大学 | 一种矿用隔爆型干式变压器故障诊断预警装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100729107B1 (ko) * | 2005-10-27 | 2007-06-14 | 한국전력공사 | 부분방전 원인 자동 추론용 신경망 회로의 입력벡터생성방법 |
-
2011
- 2011-03-11 CN CN201110059480.5A patent/CN102221651B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1298511A1 (en) * | 2001-09-27 | 2003-04-02 | Reliance Electric Technologies, LLC | Motorized system integrated control and diagnostics using vibration, pressure, temperature, speed, and/or current analysis |
CN1484034A (zh) * | 2002-09-18 | 2004-03-24 | 新疆特变电工股份有限公司 | 变压器在线智能监测系统及其智能分析诊断方法 |
CN2869959Y (zh) * | 2006-02-28 | 2007-02-14 | 南京圣尚科技有限公司 | 干式变压器温湿度控制器 |
CN101975881A (zh) * | 2010-08-25 | 2011-02-16 | 太原理工大学 | 一种矿用隔爆型干式变压器故障诊断预警装置 |
Non-Patent Citations (2)
Title |
---|
基于组合神经网络模型的电力变压器故障诊断方法;刘娜 等;《电工技术学报》;20030430;第18卷(第2期);第83-86页 * |
干式变压器局部放电在线监测脉冲电流传感器的开发;张志东 等;《电网技术》;20110228;第35卷(第2期);第149-153页 * |
Also Published As
Publication number | Publication date |
---|---|
CN102221651A (zh) | 2011-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102221651B (zh) | 一种矿用隔爆型干式变压器故障在线诊断及预警方法 | |
CN106199305B (zh) | 煤矿井下供电系统用干式变压器绝缘健康状态评估方法 | |
CN105353256B (zh) | 一种输变电设备状态异常检测方法 | |
CN103713237B (zh) | 一种电力系统输电线路短路故障诊断方法 | |
CN104007336B (zh) | 一种基于物联网的变压器在线监测信息聚合方法 | |
CN103606109B (zh) | 一种基于评估对象的电网运行安全风险综合评估方法 | |
CN110647924B (zh) | 一种基于支持向量描述与k近邻算法的gis设备状态评估方法 | |
CN107886171A (zh) | 一种基于pmu数据的断路器状态在线诊断方法及系统 | |
CN104599193A (zh) | 一种基于规则库的配电网单相接地故障定位方法 | |
CN108344917A (zh) | 基于轨迹法的110kV交联聚乙烯交叉互联电缆在线故障诊断方法 | |
WO2020171814A1 (en) | Event selection for power grid disturbance | |
CN115563897A (zh) | 一种基于数字孪生的变压器状态评价方法 | |
KR102260550B1 (ko) | 운전 중인 전력설비 내부 전기회로정수 측정에 의한 설비 건전상태 감시 방법 | |
Ma et al. | Fractal‐based autonomous partial discharge pattern recognition method for MV motors | |
CN104833898A (zh) | 采用m序列信号电流的变电站接地网腐蚀状态评估方法 | |
CN103761577A (zh) | 基于风险评估与状态评价的电容型设备辅助决策系统 | |
Jiang et al. | Application of a hybrid model of big data and BP network on fault diagnosis strategy for microgrid | |
CN117526561A (zh) | 基于数字孪生的变电站设备异常监控和预警方法及系统 | |
CN116087762A (zh) | 基于阵列空间电场的断路器非接触式绝缘监测方法及系统 | |
Wu et al. | A Digital Twin System and Modeling Method for All-in-one Station Grounding System | |
Chen et al. | Identifying single‐phase to ground fault based on line multi‐dimensional data in cyber‐physical distribution system | |
Murali et al. | Forecasting and classification of power quality disturbance in smart grid using hybrid networks | |
CN105548750B (zh) | 基于多数据处理的变电站电流二次回路状态评估方法 | |
Pathania et al. | The iot solution for reliable transformer condition monitoring and maintenance | |
Zou et al. | Transformer Short Circuit Detection Methods and Improvement of Anti-short Circuit Ability Based on Digital Twin Technology: A Survey |
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 |