CN103454516B - 智能化变电站二次设备健康状态诊断方法 - Google Patents
智能化变电站二次设备健康状态诊断方法 Download PDFInfo
- Publication number
- CN103454516B CN103454516B CN201310162833.3A CN201310162833A CN103454516B CN 103454516 B CN103454516 B CN 103454516B CN 201310162833 A CN201310162833 A CN 201310162833A CN 103454516 B CN103454516 B CN 103454516B
- Authority
- CN
- China
- Prior art keywords
- status
- secondary device
- state
- information
- type
- 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
- 230000036541 health Effects 0.000 title claims abstract description 30
- 238000002405 diagnostic procedure Methods 0.000 title claims abstract description 18
- 238000007689 inspection Methods 0.000 claims abstract description 33
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 238000013145 classification model Methods 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 241001269238 Data Species 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 21
- 230000009467 reduction Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 6
- 230000003862 health status Effects 0.000 description 5
- 239000013307 optical fiber Substances 0.000 description 3
- 108010014173 Factor X Proteins 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000069 prophylactic effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Abstract
本发明涉及电力系统设备监测领域,具体涉及一种智能化变电站二次设备健康状态诊断方法,明确智能变电站二次设备状态类型,确定二次设备的状态属性信息变量,建立变电站二次设备样本数据库,获得二次设备状态自检信息,离散化得到状态属性值,建立贝叶斯网络分类模型,选择概率最大的故障类型作为二次设备健康状态诊断结果。能够准确掌握设备状态,减小停运时间,提高设备安全可靠性和使用率,延长设备使用寿命;科学地进行检修需求决策,合理安排检修项目、检修间隔和检修工期,有效降低设备运行检修费用,改善设备运行性能,提高经济效益;形成符合状态检修要求的管理体制,提高检修、运行的基础管理水平。
Description
技术领域
本发明涉及电力系统设备监测领域,具体涉及一种智能化变电站二次设备健康状态诊断方法。
背景技术
智能化变电站二次设备是电力系统测量、保护、监控的重要组成,运行良好的二次设备对整个电网的影响至关重要。电力系统二次设备的可靠性要求不仅体现在保证了用户正常用电,延长设备的使用寿命,还能够保证电网安全有效地经济运行,提高工作效率。合理的检修策略能够有效避免因保护装置原因而造成的大范围电网事故。
现阶段我国变电站的电气二次设备检修方式主要是定期预防性检修,即以时间周期为特征的经验性计划检修,检修的项目、周期、工期均按照电力主管部门统一制订的规程执行。该检修方式存在以下缺点:①某些不需要检修的设备检修过剩,真正需要检修的设备检修不足,造成了不少原本健康的设备在检修中被损坏,而存在安全隐患的设备又不能及时被发现;②设备的状态信息需要通过停电进行试验来获取,增加了停电几率,降低了供电可靠性;③停电后设备状态(如工作电压、温度等)和运行中有差异,影响了设备状态评估的准确性;④定期检修需要投入大量的人力、物力,难以满足电力系统减员增效的改革要求。
发明内容
本发明的目的在于提供一种智能化变电站二次设备健康状态诊断方法,解决现有的诊断方法存在检测过度、不彻底、影响设备正常运作以及浪费人力物力的问题。
为解决上述的技术问题,本发明采用以下技术方案:
一种智能化变电站二次设备健康状态诊断方法,包括以下步骤:
明确智能变电站二次设备状态类型,依据智能变电站二次设备运行中出现的典型异常和故障类型确定二次设备状态类型信息;
根据变电站的实际条件和环境,确定能够实现在线监测的信息集合并作为二次设备的状态属性信息变量;
建立变电站二次设备样本数据库,根据变电站历史运行记录提取状态属性异常信息及与之相应的二次设备状态类型信息,并建立两者之间的映射关系;
获得二次设备状态自检信息,利用变电站二次设备的自检信息以及二次设备状态的在线监测信息得到二次设备状态自检信息;
离散化得到状态属性值,将监测到的二次设备状态自检信息按照预定的规则离散化,获取固定指定区间的数据;
根据二次设备状态自检信息和状态类型信息建立二次设备状态的贝叶斯网络分类模型;
根据二次设备状态自检信息和贝叶斯网络分类模型计算各个状态类型的概率,并得出各个状态类型下各状态属性的条件概率,选择概率最大的故障类型作为二次设备健康状态诊断结果。
更进一步的技术方案是上述二次设备健康状态诊断结果判断为有故障时,根据结果的状态数据更新贝叶斯网络模型样本数据。
更进一步的技术方案是上述二次设备健康状态诊断结果判断为无故障时,继续采集利用变电站二次设备的自检信息以及二次设备状态的在线监测信息得到二次设备状态自检信息。
更进一步的技术方案是
通过公式
计算各个状态类型的概率,其中,N代表的是整个训练集的总数,即所有分类值的数量总和。而代表的是分类状态类型为Ck的频数;
通过公式
各个状态类型下各状态属性的条件概率,其中代表故障类型为Ck下且属性Xi的值为xi时的频数。为故障类型为Ck的频数;
通过公式
计算各个状态属性的概率,其中,为所有状态属性样本数据中Xi=xi情况下的频数;
通过公式
计算当前一组状态属性值情况下各个状态类型的条件概率。
与现有技术相比,本发明的有益效果是:应用现代管理理念和管理技术,采用有效的监测手段和分析诊断技术,准确掌握设备状态,减小停运时间,提高设备安全可靠性和使用率,延长设备使用寿命;科学地进行检修需求决策,合理安排检修项目、检修间隔和检修工期,有效降低设备运行检修费用,改善设备运行性能,提高经济效益;形成符合状态检修要求的管理体制,提高检修、运行的基础管理水平。
附图说明
图1为本发明本发明智能化变电站二次设备健康状态诊断方法一个实施例的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1示出了本发明智能化变电站二次设备健康状态诊断方法的一个实施例:一种智能化变电站二次设备健康状态诊断方法,包括以下步骤:
明确智能变电站二次设备状态类型,依据智能变电站二次设备运行中出现的典型异常和故障类型确定二次设备状态类型信息;
根据变电站的实际条件和环境,确定能够实现在线监测的信息集合并作为二次设备的状态属性信息变量;
建立变电站二次设备样本数据库,根据变电站历史运行记录提取状态属性异常信息及与之相应的二次设备状态类型信息,并建立两者之间的映射关系;
获得二次设备状态自检信息,利用变电站二次设备的自检信息以及二次设备状态的在线监测信息得到二次设备状态自检信息;
离散化得到状态属性值,将监测到的二次设备状态自检信息按照预定的规则离散化,获取固定指定区间的数据;
根据二次设备状态自检信息和状态类型信息建立二次设备状态的贝叶斯网络分类模型;
根据二次设备状态自检信息和贝叶斯网络分类模型计算各个状态类型的概率,并得出各个状态类型下各状态属性的条件概率,选择概率最大的故障类型作为二次设备健康状态诊断结果。
根据本发明智能化变电站二次设备健康状态诊断方法的一个优选实施例,二次设备健康状态诊断结果判断为有故障时,根据结果的状态数据更新贝叶斯网络模型样本数据。
根据本发明智能化变电站二次设备健康状态诊断方法的另一个优选实施例,二次设备健康状态诊断结果判断为无故障时,继续采集利用变电站二次设备的自检信息以及二次设备状态的在线监测信息得到二次设备状态自检信息。
根据本发明智能化变电站二次设备健康状态诊断方法的另一个实施例,在二次设备健康状态诊断结果判断为有故障时,可以先让工作人员现场检测核对后,再做出相应的维护措施和更新贝叶斯网络模型样本数据,或者继续采集利用变电站二次设备的自检信息以及二次设备状态的在线监测信息得到二次设备状态自检信息。
根据本发明智能化变电站二次设备健康状态诊断方法的另一个优选实施例,可以通过公式
计算各个状态类型的概率,其中,N代表的是整个训练集的总数,即所有分类值的数量总和。而代表的是分类状态类型为Ck的频数;
可以通过公式
各个状态类型下各状态属性的条件概率,其中代表故障类型为Ck下且属性Xi的值为xi时的频数。为故障类型为Ck的频数;
可以通过公式
计算各个状态属性的概率,其中,为所有状态属性样本数据中Xi=xi情况下的频数;
可以通过公式
计算当前一组状态属性值情况下各个状态类型的条件概率。
下面列举出部分变电站的状态类型和状态属性变量来加以说明:
考虑到智能变电站运行中出现的常见故障类型,选取11种故障类型和正常状态作为二次设备的状态类型:
状态分类 | 状态类型 |
C0 | 二次设备正常 |
C1 | 继电保护设备硬件模块故障 |
C2 | 继电保护软件错误 |
C3 | 光纤通信断线 |
C4 | 二次系统馈电线路故障 |
C5 | 合并单元故障 |
C6 | 网络交换机故障 |
C7 | 智能终端故障 |
C8 | 采样回路电缆接触不良 |
C9 | 跳闸回路触电损坏 |
C10 | 不间断电源系统故障 |
C11 | 变电站运行环境异常 |
根据实际工程经验选择如下22个属性作为智能变电站二次设备健康状态诊断的监测数据:
属性变量 | 征兆类型 |
X1 | 电子式互感器采样数据品质参数 |
X2 | 合并单元采样数据品质参数 |
X3 | 合并单元电源自检信息 |
X4 | 变电站主要通信信道误码率 |
X5 | 网络交换机接受和发送数据量之比 |
X6 | 网络报文记录分析装置记录信息的完整程度 |
X7 | 继电保护设备硬件模块自检信息 |
X8 | 继电保护程序CRC校验码 |
X9 | 继电保护设备与过程层设备通信传输速率 |
X10 | 继电保护设备上送信息的完整程度 |
X11 | 二次设备运行环境的温度参数 |
X12 | 二次设备运行环境的湿度参数 |
X13 | 智能终端发送的反馈报文正确率 |
X14 | 断路器位置指示灯异常 |
X15 | 不间断电源系统的工作环境参数 |
X16 | 不间断电源系统的负载情况 |
X17 | 不间断电源系统的工作时间 |
X18 | 站用交流电源母线电压状况 |
X19 | 变电站重要馈电线路电流状况 |
X20 | 直流母线和馈线的绝缘状况 |
X21 | 直流母线电压偏移程度 |
X22 | 蓄电池荷电状态 |
根据智能变电站状态监测系统以及各级运行维护人员在巡视、操作、运行和调试中所发现的故障或者异常状况记录,归类并整理二次设备状态属性异常信息及与之相应的二次设备状态类型信息,建立二次设备历史故障数据表,建立二次设备运行记录数据库。
通常某类故障类型所对应的属性变量组并不是唯一的,某类故障类型可能对应多组典型的状态属性值。从多个地区变电站的运行资料中收集了变电站二次设备运行数据,筛选出光纤通信断线故障类型的典型属性变量信息并将其按照预定规则离散化。智能变电站光纤通信断线故障(C3)的状态属性如下:
有效利用智能变电站二次设备的自检信息实现智能变电站合并单元、数据通信系统、继电保护装置、电源系统等二次设备状态的在线监测,并据此得到二次设备状态自检信息。
在实际运行中,不同状态属性变量的变化范围差异很大,为了解决问题的方便,对不同属性值设定阈值并将其分段离散化。根据状态属性超标的程度可以将各个属性分成3段,其中0代表不超标,1代表轻微超标,2代表严重超标。以属性X11二次设备运行环境的温度参数为例,当温度处于-5℃~45℃区间时X11属性值为0,处于-45℃~-5℃或者45℃~80℃时X11属性值为1,当温度低于-45℃或者高于80℃时X11属性值为2。不同状态属性的离散化规则需要依据变电站的实际运行参数和工程经验而确定。
基于朴素贝叶斯分类器建立智能变电站二次设备健康状态诊断模型
根据变电站二次设备历史故障样本数据计算各个状态概率,确定状态类型:
①计算每一个状态分类的全概率,即用频数来计算先验概率:
公式(1)中,N代表的是整个训练集的总数,即所有分类值的数量总和。而代表的是分类状态类型为Ck的频数。
②计算每一个状态类型下各状态属性的条件概率:
公式(2)中代表故障类型为Ck下且属性Xi的值为xi时的频数。为故障类型为Ck的频数。
③计算每一个状态属性的全概率:
公式(3)中,为所有状态属性样本数据中Xi=xi情况下的频数。
④计算当前一组状态属性值情况下各个状态类型的条件概率:
⑤利用公式(1)~(4)计算得到每个状态类型的条件概率后,筛选出概率值最大所对应的这个状态类型作为健康状态诊断结果。
(8)二次设备健康状态诊断结果判断为无故障时,继续采集利用变电站二次设备的自检信息以及二次设备状态的在线监测信息得到二次设备状态自检信息。
(9)二次设备健康状态诊断结果判断为有故障时,根据智能变电站二次设备健康状态诊断结果,现场验证诊断结果并作出相应的检修决策,并根据结果的状态数据更新贝叶斯网络模型样本数据,将本次的状态属性信息和状态诊断信息作为新的样本以完善变电站二次设备状态样本数据,开始下一轮健康状态诊断。
尽管这里参照本发明的多个解释性实施例对本发明进行了描述,但是,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说,在本申请公开、附图和权利要求的范围内,可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变型和改进外,对于本领域技术人员来说,其他的用途也将是明显的。
Claims (4)
1.一种智能化变电站二次设备健康状态诊断方法,其特征在于包括以下步骤:
明确智能变电站二次设备状态类型,依据智能变电站二次设备运行中出现的典型异常和故障类型确定二次设备状态类型信息;
根据变电站的实际条件和环境,确定能够实现在线监测的信息集合并作为二次设备的状态属性信息变量;
建立变电站二次设备样本数据库,根据变电站历史运行记录提取状态属性异常信息及与之相应的二次设备状态类型信息,并建立两者之间的映射关系;
获得二次设备状态自检信息,利用变电站二次设备的自检信息以及二次设备状态的在线监测信息得到二次设备状态自检信息;
离散化得到状态属性值,将监测到的二次设备状态自检信息按照预定的规则离散化,获取固定指定区间的数据;
根据二次设备状态自检信息和状态类型信息建立二次设备状态的贝叶斯网络分类模型;
根据二次设备状态自检信息和贝叶斯网络分类模型计算各个状态类型的概率,并得出各个状态类型下各状态属性的条件概率,再计算出各个状态属性的概率,以及当前一组状态属性值情况下各个状态类型的条件概率,选择状态类型的条件概率最大的故障类型作为二次设备健康状态诊断结果。
2.根据权利要求1所述的智能化变电站二次设备健康状态诊断方法,其特征在于:所述二次设备健康状态诊断结果判断为有故障时,根据结果的状态数据更新贝叶斯网络模型样本数据。
3.根据权利要求1所述的智能化变电站二次设备健康状态诊断方法,其特征在于:所述二次设备健康状态诊断结果判断为无故障时,继续采集利用变电站二次设备的自检信息以及二次设备状态的在线监测信息得到二次设备状态自检信息。
4.根据权利要求1所述的智能化变电站二次设备健康状态诊断方法,其特征在于:通过公式
计算所述各个状态类型的概率,其中,N代表的是整个训练集的总数,即所有分类值的数量总和;而代表的是分类状态类型为Ck的频数;
通过公式
各个状态类型下各状态属性的条件概率,其中代表故障类型为Ck下且属性Xi的值为xi时的频数;为故障类型为Ck的频数;
通过公式
计算各个状态属性的概率,其中,为所有状态属性样本数据中Xi=xi情况下的频数;
通过公式
计算当前一组状态属性值情况下各个状态类型的条件概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310162833.3A CN103454516B (zh) | 2013-05-06 | 2013-05-06 | 智能化变电站二次设备健康状态诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310162833.3A CN103454516B (zh) | 2013-05-06 | 2013-05-06 | 智能化变电站二次设备健康状态诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103454516A CN103454516A (zh) | 2013-12-18 |
CN103454516B true CN103454516B (zh) | 2015-10-28 |
Family
ID=49737105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310162833.3A Active CN103454516B (zh) | 2013-05-06 | 2013-05-06 | 智能化变电站二次设备健康状态诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103454516B (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103986238B (zh) * | 2014-05-28 | 2015-07-22 | 山东大学 | 基于概率加权二分图法的智能变电站故障诊断方法 |
CN104050377A (zh) * | 2014-06-24 | 2014-09-17 | 国家电网公司 | 一种时变设备故障概率确定方法 |
CN104267270B (zh) * | 2014-08-06 | 2017-04-05 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 基于向量相似性的变压器关键参量提取方法 |
CN104299115B (zh) * | 2014-11-11 | 2017-10-20 | 国网重庆市电力公司电力科学研究院 | 基于模糊c均值聚类算法的智能变电站二次系统状态分析方法 |
CN105607618A (zh) * | 2015-12-23 | 2016-05-25 | 苏州汇莱斯信息科技有限公司 | 一种基于通道故障逻辑算法的飞控计算机系统 |
CN105652113A (zh) * | 2015-12-29 | 2016-06-08 | 安徽海兴泰瑞智能科技有限公司 | 一种电网设备性能感知评价方法 |
CN105721195B (zh) * | 2016-01-19 | 2019-05-17 | 华南理工大学 | 一种基于二次系统状态估计的变电站智能诊断方法 |
CN106646019A (zh) * | 2016-10-09 | 2017-05-10 | 国网四川省电力公司电力科学研究院 | 采用二次状态检测的继电自动化测试仪及闭环测试方法 |
CN106532690B (zh) * | 2016-11-30 | 2018-11-06 | 国网江苏省电力公司淮安供电公司 | 一种变电站二次设备状态在线校核及智能诊断方法 |
CN106646068A (zh) * | 2017-01-22 | 2017-05-10 | 国网湖北省电力公司检修公司 | 基于多参量信息融合的智能变电站二次系统缺陷诊断方法 |
CN107180267B (zh) * | 2017-06-01 | 2020-05-05 | 国家电网公司 | 一种二次运维管理系统的家族性缺陷诊断方法 |
CN108287327A (zh) * | 2017-12-13 | 2018-07-17 | 广西电网有限责任公司电力科学研究院 | 基于贝叶斯分类的计量自动化终端故障诊断方法 |
CN108764498B (zh) * | 2018-05-25 | 2020-12-29 | 安徽领云物联科技有限公司 | 一种设备的健康指数的获取方法及装置 |
CN109409444B (zh) * | 2018-12-26 | 2020-10-23 | 国网陕西省电力公司电力科学研究院 | 一种基于先验概率的多元电网故障类型的判别方法 |
CN110286333B (zh) * | 2019-06-18 | 2021-09-24 | 哈尔滨理工大学 | 一种锂动力电池系统故障诊断方法 |
CN110968061B (zh) * | 2019-12-06 | 2021-02-26 | 珠海格力电器股份有限公司 | 设备故障的预警方法、装置、存储介质和计算机设备 |
CN111610407B (zh) * | 2020-05-18 | 2022-10-18 | 国网江苏省电力有限公司电力科学研究院 | 基于朴素贝叶斯的电缆老化状态评估方法和装置 |
CN112510699A (zh) * | 2020-11-25 | 2021-03-16 | 国网湖北省电力有限公司咸宁供电公司 | 一种基于大数据的变电站二次设备状态分析方法及设备 |
CN112345872A (zh) * | 2020-12-04 | 2021-02-09 | 中国南方电网有限责任公司超高压输电公司昆明局 | 基于深度置信网络的换流站二次回路异常识别和预警方法 |
CN112763960B (zh) * | 2021-01-04 | 2022-11-18 | 山东电工电气集团有限公司 | 一种就地模块的自运维方法 |
CN113283510B (zh) * | 2021-05-28 | 2023-05-30 | 国网浙江省电力有限公司杭州供电公司 | 一种基于全业务混合数据的二次设备健康状况分析方法 |
CN113471864A (zh) * | 2021-06-11 | 2021-10-01 | 国网山东省电力公司金乡县供电公司 | 一种变电站二次设备现场检修装置及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251564A (zh) * | 2008-04-08 | 2008-08-27 | 昆明理工大学 | 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 |
CN201393089Y (zh) * | 2009-03-31 | 2010-01-27 | 华东电力试验研究院有限公司 | 数字化变电站二次设备运行状态的监测系统 |
CN101980418A (zh) * | 2010-11-11 | 2011-02-23 | 上海思源弘瑞自动化有限公司 | 变电站继电保护系统二次接线在线检测系统 |
CN201886336U (zh) * | 2010-05-24 | 2011-06-29 | 北京科东电力控制系统有限责任公司 | 智能网络型二次回路故障模拟装置及监控系统 |
CN202034826U (zh) * | 2011-03-31 | 2011-11-09 | 中国西电电气股份有限公司 | 一种基于web服务的数字化变电站二次设备的监测系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7634329B2 (en) * | 2007-03-05 | 2009-12-15 | Honeywell International Inc. | Intelligent aircraft secondary power distribution system that facilitates condition based maintenance |
-
2013
- 2013-05-06 CN CN201310162833.3A patent/CN103454516B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251564A (zh) * | 2008-04-08 | 2008-08-27 | 昆明理工大学 | 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 |
CN201393089Y (zh) * | 2009-03-31 | 2010-01-27 | 华东电力试验研究院有限公司 | 数字化变电站二次设备运行状态的监测系统 |
CN201886336U (zh) * | 2010-05-24 | 2011-06-29 | 北京科东电力控制系统有限责任公司 | 智能网络型二次回路故障模拟装置及监控系统 |
CN101980418A (zh) * | 2010-11-11 | 2011-02-23 | 上海思源弘瑞自动化有限公司 | 变电站继电保护系统二次接线在线检测系统 |
CN202034826U (zh) * | 2011-03-31 | 2011-11-09 | 中国西电电气股份有限公司 | 一种基于web服务的数字化变电站二次设备的监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103454516A (zh) | 2013-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103454516B (zh) | 智能化变电站二次设备健康状态诊断方法 | |
CN102005736B (zh) | 一种继电保护设备健康状况在线监测方法 | |
CN103218695B (zh) | 二次设备智能状态评估诊断系统及其方法 | |
CN104796082A (zh) | 一种光伏发电系统在线故障诊断系统及方法 | |
CN104539051B (zh) | 一种智能变电站二次设备在线评估系统 | |
CN102354918A (zh) | 输变电设备检修方法及装置 | |
CN103852744A (zh) | 电能计量装置分布式在线监测系统及其方法 | |
CN111008485B (zh) | 基于神经网络的三相交流异步电机多参数寿命预测方法 | |
CN101539612A (zh) | 蓄电池运行质量在线监测系统 | |
CN102289731A (zh) | 一种基于系统风险的输电设备状态检修方法 | |
CN102510125A (zh) | 电力一次设备运行工况监测方法及装置 | |
CN102393929A (zh) | 配电网设备状态评估系统的状态检修控制方法 | |
CN111722124A (zh) | 一种蓄电池在线状态监测系统和监测方法 | |
CN102590652B (zh) | 基于电气信息的设备性能评价系统及方法 | |
CN105354768A (zh) | 输变电设备状态的评估方法和系统 | |
Marashi et al. | Towards comprehensive modeling of reliability for smart grids: Requirements and challenges | |
CN108459269A (zh) | 一种10kV柱上真空开关状态在线评价方法与装置 | |
CN108287290A (zh) | 一种基于大区域电网运行的电网连锁故障预警分析系统 | |
CN103578042B (zh) | 一种电力变压器可靠度层次化评估方法 | |
CN203135572U (zh) | 变电站直流装置状态监测系统 | |
CN107328438A (zh) | 一种电力变压器运行综合监测系统 | |
CN109298228A (zh) | 一种基于光伏组串电流异常的智能化诊断方法及系统 | |
CN105242129A (zh) | 一种变压器绕组故障概率确定方法 | |
CN111308259A (zh) | 一种基于电动汽车充电桩可靠性数据的便携式评估装置 | |
CN111027026A (zh) | 一种抄表数据异常智能诊断系统 |
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 |