CN103499382A - 一种基于振动数据融合和图像识别的变压器故障诊断方法 - Google Patents

一种基于振动数据融合和图像识别的变压器故障诊断方法 Download PDF

Info

Publication number
CN103499382A
CN103499382A CN201310457097.4A CN201310457097A CN103499382A CN 103499382 A CN103499382 A CN 103499382A CN 201310457097 A CN201310457097 A CN 201310457097A CN 103499382 A CN103499382 A CN 103499382A
Authority
CN
China
Prior art keywords
transformer
fault
vibration data
vibration
matrix
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
CN201310457097.4A
Other languages
English (en)
Other versions
CN103499382B (zh
Inventor
陈非
韩彦广
黄来
程贵兵
焦庆丰
张柏林
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.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hunan Electric Power Co Ltd
State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hunan Electric Power Co Ltd
Hunan Xiangdian Test Research Institute Co Ltd
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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Hunan Electric Power Co Ltd, Hunan Xiangdian Test Research Institute Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201310457097.4A priority Critical patent/CN103499382B/zh
Publication of CN103499382A publication Critical patent/CN103499382A/zh
Application granted granted Critical
Publication of CN103499382B publication Critical patent/CN103499382B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Testing Electric Properties And Detecting Electric Faults (AREA)
  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
  • Protection Of Transformers (AREA)

Abstract

本发明公开了一种基于振动数据融合和图像识别的变压器故障诊断方法，在变压器油箱外表面布置多个振动测点测取振动数据，由此得到变压器各种典型故障状态下的振动数据。分别对其进行特征值提取，构成特征值矩阵，这些特征值矩阵就完整描述了各种典型故障的过程变化规律，也即是各种典型故障的样本矩阵数据库。在此基础上，本发明将图像识别技术运用于变压器故障诊断领域，通过特征值矩阵匹配计算，克服了目前变压器故障诊断领域电气参数测量法和人工故障识别的弊端，能灵敏的反应变压器绕组和铁芯的故障与状态，更早的发现变压器内部存在的潜在故障。

Description

一种基于振动数据融合和图像识别的变压器故障诊断方法
技术领域
本发明涉及电气设备故障诊断领域,特别是一种利用振动数据融合技术和图像识别技术来监测及自动诊断变压器故障类型的方法。 
背景技术
随着我国电力工业的飞速发展，电网规模越来越大，电压等级越来越高，大电网互联已成为必然的趋势，大型电力变压器作为超高压、特高压远距离输变电系统中的重要设备，承担着电压变换、电能分配及传输、组网、并网的功能，在改善电网结构、合理分布系统潮流、提高电力系统运行的稳定性、可靠性和经济性等方面起着重要作用，其安全运行对保证电网的安全可靠至关重要。大型电力变压器在运行时一旦发生事故，检修时间长，检修费用高，还可能导致突然大面积停电，从而造成巨大的直接和间接经济损失。因此，对运行中的变压器实施状态监测和故障诊断，及时发现变压器的故障及损失程度，具有十分广阔的应用前景和经济价值。
在电力变压器长时间运行以及突发短路事故等因素影响的情况下，变压器会出现故障，抗短路冲击能力大大下降，影响整个电网安全稳定运行。目前，传统的电气参数测量法对变压器故障虽有所反映，但只能起到定性参考的作用，无法在变压器发生故障初期进行有效的监测诊断。 
发明内容
本发明所要解决的技术问题是，针对现有技术不足，提供一种基于振动数据融合和图像识别的变压器故障诊断方法，同时分析多测点多状态的振动数据，灵敏地反应变压器绕组和铁芯的故障与状态，更早的发现变压器内部存在的潜在故障，并诊断故障类型，避免故障处理的盲目性。
为解决上述技术问题，本发明所采用的技术方案是：一种基于振动数据融合和图像识别的变压器故障诊断方法，该方法为：
1）在变压器油箱外表面布置多个振动测点，采集变压器各种典型故障状态下的各个振动测点的振动数据，其中任意一个振动测点在一个采样过程中的典型故障数据由若干个采样时间点下的振动数据组成；
2）对上述各种变压器典型故障状态下的振动数据进行特征值提取，对每一种典型故障构建一个故障样本矩阵                                               
Figure 2013104570974100002DEST_PATH_IMAGE002
：
Figure 2013104570974100002DEST_PATH_IMAGE004
，
其中，
Figure 2013104570974100002DEST_PATH_IMAGE006
表示采样过程中振动数据采样时间点的个数，
Figure 2013104570974100002DEST_PATH_IMAGE008
表示振动数据的测点个数，矩阵
Figure 444423DEST_PATH_IMAGE002
中的任意一个元素
Figure 2013104570974100002DEST_PATH_IMAGE010
表示在第
Figure 2013104570974100002DEST_PATH_IMAGE012
个采样时间点下第
Figure 2013104570974100002DEST_PATH_IMAGE014
个振动测点的振动数据特征值，其中，
Figure 2013104570974100002DEST_PATH_IMAGE016
，
Figure 2013104570974100002DEST_PATH_IMAGE018
；
3）对于待检故障信号，取与步骤1）相同的振动测点，分别采集各个振动测点的待检故障振动数据，并提取所述待检故障振动数据的特征值，构建一个反映了待检故障信号过程变化规律的
Figure 2013104570974100002DEST_PATH_IMAGE020
的特征值矩阵
Figure 2013104570974100002DEST_PATH_IMAGE022
；
4）将所述矩阵与每一种变压器典型故障的故障样本矩阵
Figure 441646DEST_PATH_IMAGE002
相减，得到
Figure 2013104570974100002DEST_PATH_IMAGE024
个中间对比矩阵
Figure 2013104570974100002DEST_PATH_IMAGE026
，即
Figure 2013104570974100002DEST_PATH_IMAGE028
，其中
Figure 284968DEST_PATH_IMAGE024
为变压器典型故障种类数量；
5）求矩阵Z的均值
Figure 2013104570974100002DEST_PATH_IMAGE030
和方差
Figure 2013104570974100002DEST_PATH_IMAGE032
，并求均值
Figure 318783DEST_PATH_IMAGE030
的绝对值
Figure 2013104570974100002DEST_PATH_IMAGE034
；
6）比较上述
Figure 30387DEST_PATH_IMAGE024
个中间对比矩阵的均值的绝对值
Figure 975045DEST_PATH_IMAGE034
和方差，得到使和
Figure 731146DEST_PATH_IMAGE032
最小的中间对比矩阵，则该中间对比矩阵对应的故障样本矩阵
Figure 40904DEST_PATH_IMAGE002
的故障类型即为待检故障信号的故障类型。
所述步骤1）中，典型故障类型为磁致伸缩引起的变压器铁芯振动、电磁吸引力引起的变压器铁芯振动、变压器绕组松动、变压器冷却装置振动。
所述步骤2）中，利用小波分析或频谱分析对变压器各种典型故障状态下的振动数据进行特征值提取。
与现有技术相比，本发明所具有的有益效果为：本发明基于振动传感器过程信息融合的诊断思想，克服了目前传统的电气参数测量法进行变压器故障诊断只能定性分析的不足，能够灵敏的反应变压器绕组和铁芯的故障与状态，更早的发现变压器内部存在的潜在故障；将图像识别技术运用于变压器故障诊断领域，通过特征值矩阵匹配计算，克服了目前变压器故障诊断领域人工故障识别的弊端，实现了高精度的自动故障诊断；在变压器发生故障时，本发明可以做到早期预警、故障定位的作用，避免故障处理的盲目性；本发明的方法简单，便于实施推广。
具体实施方式
本发明方法步骤如下：
1、数据采集。本发明采集变压器各种典型故障状态下的多个振动测点的振动数据，如磁致伸缩引起的铁芯振动、电磁吸引力引起的铁芯振动、绕组松动、冷却装置振动等故障类型。对于任意一种典型故障，任意一个振动测点的一个采样过程是由若干个采样时间点组成的。
2、故障建模。对采集得到的变压器各种典型故障状态下的振动数据进行特征值提取，构成特征值矩阵，这些特征值矩阵就完整描述了该种典型故障的过程变化规律，也即是各种典型故障的样本矩阵数据库。
3、基于图像识别技术的诊断方法。假设
Figure 111628DEST_PATH_IMAGE020
的特征值矩阵
Figure 102718DEST_PATH_IMAGE002
就是变压器任意一种典型故障的样本矩阵，它反映了该种典型故障的过程变化规律，如式(1)所示：
              
Figure 942498DEST_PATH_IMAGE004
                      (1)
其中，
Figure 423158DEST_PATH_IMAGE006
表示采样过程中振动数据采样时间点的个数，
Figure 653282DEST_PATH_IMAGE008
表示振动数据的测点个数，矩阵
Figure 510380DEST_PATH_IMAGE002
中的任意一个元素
Figure 204666DEST_PATH_IMAGE010
表示在第
Figure 793911DEST_PATH_IMAGE012
个采样时间点下第
Figure 839227DEST_PATH_IMAGE014
个振动测点的振动数据特征值，其中，，
Figure 720912DEST_PATH_IMAGE018
。
同理，对于未知故障类型的信号，即待检故障信号，取同样的采样时间点进行数据采集，也可以计算得到
Figure 808954DEST_PATH_IMAGE020
的特征值矩阵
Figure 75987DEST_PATH_IMAGE022
，该矩阵也反映了待检故障信号的过程变化规律。
每个特征值矩阵都可以看作是一幅数字图像，因此，待检故障信号的特征值矩阵与样本矩阵数据库之间的比对也就是一种数字图像匹配计算，它属于图像识别的范畴，其中样本矩阵数据库可以看作是地面数字图像数据库，待检故障信号的特征值矩阵可以看作是需定位的实时地面数字图像，其比对过程也就是军事上的制导定位过程，因此可以引入数字图像匹配制导技术中的数学计算方法来进行故障诊断，首先将两个矩阵
Figure 212571DEST_PATH_IMAGE002
和
Figure 615870DEST_PATH_IMAGE022
相减，得到一个新的中间对比矩阵：
                               (2)
对这个中间对比矩阵
Figure 566826DEST_PATH_IMAGE026
分别求它的均值和方差
Figure DEST_PATH_IMAGE036
                         (3)
Figure DEST_PATH_IMAGE038
                  (4)
由此，可以求出待检故障信号与变压器各种典型故障之间的中间对比矩阵的均值和方差。通过求取所有均值中绝对值最小的均值和所有方差中的最小方差，就可以进行故障判别。均值绝对值和方差越小，说明待检故障信号与计算值对应的典型故障的过程变化规律越接近，即待检故障信号属于该种故障的可能性越大，反之亦然。
本发明方法的原理如下：
1、从电气数据到振动数据。目前，传统的电气参数测量法对变压器故障虽有所反映，但只能起到定性参考的作用，无法在变压器发生故障初期进行有效的监测诊断。然而变压器一旦发生故障，其最直接的表现形式就是产生振动和噪声，变压器的振动是由变压器本体（铁芯、绕组）的振动和冷却装置的振动引起的，并通过油介质和支撑组件传递到变压器箱体表面，同时以声波的形式向外扩散。变压器机械振动是构件松动、变形最直接的表现形式，变压器油箱表面的振动与变压器绕组及铁芯的压紧状况、位移和绕组的变形程度有十分密切的关系。因此，通过在变压器油箱外表面布置多个振动测点测取振动数据能灵敏地反应变压器绕组和铁芯的故障与状态，更早的发现变压器内部存在的潜在故障，对保证电网的安全稳定运行具有十分重大的意义。
2、从状态信息到过程信息。一种故障在某一时刻或某一状态下引起的振动表现具有一定的分散性和随机性，但在一个过程中却有其规律性。本发明通过观察一个由很多状态构成的过程，即融合各振动测点多个采样时间点的振动数据，则发现故障的机会大幅度增加，从基于状态的诊断方法发展到基于过程的诊断方法。
以电力变压器为例，通过在电力变压器油箱外表面布置多个振动测点测取振动数据，通过现代数字信号处理技术，如小波分析，频谱分析等，将采集得到的变压器各种典型故障状态下的振动数据进行特征值提取，得到各种典型故障的特征值矩阵，即各种典型故障的样本矩阵数据库，将图像识别技术引入其中，通过待检故障信号的特征值矩阵与各种典型故障的样本矩阵数据库之间的匹配计算来进行高精度自动诊断。 

Claims (3)

1.一种基于振动数据融合和图像识别的变压器故障诊断方法，其特征在于，该方法为：
1）在变压器油箱外表面布置多个振动测点，采集变压器各种典型故障状态下的各个振动测点的振动数据，其中任意一个振动测点在一个采样过程中的典型故障数据由若干个采样时间点下的振动数据组成；
2）对上述各种变压器典型故障状态下的振动数据进行特征值提取，对每一种典型故障构建一个故障样本矩阵                                               
Figure 2013104570974100001DEST_PATH_IMAGE002
：
Figure 2013104570974100001DEST_PATH_IMAGE004
，
其中，
Figure 2013104570974100001DEST_PATH_IMAGE006
表示采样过程中振动数据采样时间点的个数，
Figure 2013104570974100001DEST_PATH_IMAGE008
表示振动数据的测点个数，矩阵中的任意一个元素
Figure 2013104570974100001DEST_PATH_IMAGE010
表示在第
Figure 2013104570974100001DEST_PATH_IMAGE012
个采样时间点下第
Figure 2013104570974100001DEST_PATH_IMAGE014
个振动测点的振动数据特征值，其中，，
Figure DEST_PATH_IMAGE018
；
3）对于待检故障信号，取与步骤1）相同的振动测点，分别采集各个振动测点的待检故障振动数据，并提取所述待检故障振动数据的特征值，构建一个反映了待检故障信号过程变化规律的
Figure DEST_PATH_IMAGE020
的特征值矩阵
Figure DEST_PATH_IMAGE022
；
4）将所述矩阵
Figure 885908DEST_PATH_IMAGE022
与每一种变压器典型故障的故障样本矩阵
Figure 67491DEST_PATH_IMAGE002
相减，得到
Figure DEST_PATH_IMAGE024
个中间对比矩阵，即
Figure DEST_PATH_IMAGE028
，其中
Figure 132530DEST_PATH_IMAGE024
为变压器典型故障种类数量；
5）求矩阵Z的均值
Figure DEST_PATH_IMAGE030
和方差
Figure DEST_PATH_IMAGE032
，并求均值
Figure 32353DEST_PATH_IMAGE030
的绝对值；
6）比较上述
Figure 536147DEST_PATH_IMAGE024
个中间对比矩阵的均值
Figure 837815DEST_PATH_IMAGE030
的绝对值和方差
Figure 523191DEST_PATH_IMAGE032
，得到使
Figure 892993DEST_PATH_IMAGE034
和
Figure 721271DEST_PATH_IMAGE032
最小的中间对比矩阵，则该中间对比矩阵对应的故障样本矩阵
Figure 518326DEST_PATH_IMAGE002
的故障类型即为待检故障信号的故障类型。
2.根据权利要求1所述的基于振动数据融合和图像识别的变压器故障诊断方法，其特征在于，所述步骤1）中，典型故障类型为磁致伸缩引起的变压器铁芯振动、电磁吸引力引起的变压器铁芯振动、变压器绕组松动、变压器冷却装置振动。
3.根据权利要求1所述的基于振动数据融合和图像识别的变压器故障诊断方法，其特征在于，所述步骤2）中，利用小波分析或频谱分析对变压器各种典型故障状态下的振动数据进行特征值提取。
CN201310457097.4A 2013-09-30 2013-09-30 一种基于振动数据融合和图像识别的变压器故障诊断方法 Active CN103499382B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310457097.4A CN103499382B (zh) 2013-09-30 2013-09-30 一种基于振动数据融合和图像识别的变压器故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310457097.4A CN103499382B (zh) 2013-09-30 2013-09-30 一种基于振动数据融合和图像识别的变压器故障诊断方法

Publications (2)

Publication Number Publication Date
CN103499382A true CN103499382A (zh) 2014-01-08
CN103499382B CN103499382B (zh) 2015-09-16

Family

ID=49864613

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310457097.4A Active CN103499382B (zh) 2013-09-30 2013-09-30 一种基于振动数据融合和图像识别的变压器故障诊断方法

Country Status (1)

Country Link
CN (1) CN103499382B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104359549A (zh) * 2014-11-27 2015-02-18 国家电网公司 一种变压器铁芯振动噪声分析方法
CN105095923A (zh) * 2014-05-21 2015-11-25 华为技术有限公司 一种图像处理方法及装置
CN106441843A (zh) * 2016-09-19 2017-02-22 南京科远自动化集团股份有限公司 一种旋转机械故障波形识别方法
CN106646096A (zh) * 2016-11-15 2017-05-10 国网四川省电力公司广安供电公司 基于振动分析法的变压器故障分类和识别方法
CN107092247A (zh) * 2017-06-16 2017-08-25 温州大学 一种基于状态数据的包装生产线故障诊断方法
CN108593095A (zh) * 2018-04-26 2018-09-28 盐城博鸣信息科技有限公司 一种换流变压器分接开关的振动故障信号采集处理方法
CN108844612A (zh) * 2018-08-27 2018-11-20 重庆大学 一种基于数理统计概率模型的变压器内部故障识别方法
CN109470972A (zh) * 2018-11-15 2019-03-15 广西电网有限责任公司电力科学研究院 一种基于振动图像的变压器铁心松动诊断方法
CN113127298A (zh) * 2021-03-30 2021-07-16 山东英信计算机技术有限公司 一种保护机械硬盘的方法、系统、设备及介质
CN113671325A (zh) * 2021-08-18 2021-11-19 云南电网有限责任公司大理供电局 一种基于高频电场变化的终端局放监测方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102566505A (zh) * 2012-02-27 2012-07-11 温州大学 一种数控机床的智能故障诊断方法
CN102721464A (zh) * 2012-06-13 2012-10-10 江苏省电力公司南京供电公司 电力变压器绕组变形故障检测方法及系统
CN102778633A (zh) * 2012-08-07 2012-11-14 绍兴电力局 一种电力变压器油箱表面绕组振动的敏感区域选取方法
CN103267907A (zh) * 2013-04-19 2013-08-28 上海交通大学 一种变压器绕组模态参数识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102566505A (zh) * 2012-02-27 2012-07-11 温州大学 一种数控机床的智能故障诊断方法
CN102721464A (zh) * 2012-06-13 2012-10-10 江苏省电力公司南京供电公司 电力变压器绕组变形故障检测方法及系统
CN102778633A (zh) * 2012-08-07 2012-11-14 绍兴电力局 一种电力变压器油箱表面绕组振动的敏感区域选取方法
CN103267907A (zh) * 2013-04-19 2013-08-28 上海交通大学 一种变压器绕组模态参数识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡青等: "核主成分分析与随机森林相结合的变压器故障诊断方法", 《高电压技术》, vol. 36, no. 7, 31 July 2010 (2010-07-31), pages 1725 - 1729 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105095923B (zh) * 2014-05-21 2018-09-11 华为技术有限公司 一种图像处理方法及装置
CN105095923A (zh) * 2014-05-21 2015-11-25 华为技术有限公司 一种图像处理方法及装置
CN104359549A (zh) * 2014-11-27 2015-02-18 国家电网公司 一种变压器铁芯振动噪声分析方法
CN106441843A (zh) * 2016-09-19 2017-02-22 南京科远自动化集团股份有限公司 一种旋转机械故障波形识别方法
CN106441843B (zh) * 2016-09-19 2019-09-20 南京科远自动化集团股份有限公司 一种旋转机械故障波形识别方法
CN106646096B (zh) * 2016-11-15 2019-07-02 国网四川省电力公司广安供电公司 基于振动分析法的变压器故障分类和识别方法
CN106646096A (zh) * 2016-11-15 2017-05-10 国网四川省电力公司广安供电公司 基于振动分析法的变压器故障分类和识别方法
CN107092247A (zh) * 2017-06-16 2017-08-25 温州大学 一种基于状态数据的包装生产线故障诊断方法
CN107092247B (zh) * 2017-06-16 2019-11-22 温州大学 一种基于状态数据的包装生产线故障诊断方法
CN108593095A (zh) * 2018-04-26 2018-09-28 盐城博鸣信息科技有限公司 一种换流变压器分接开关的振动故障信号采集处理方法
CN108844612A (zh) * 2018-08-27 2018-11-20 重庆大学 一种基于数理统计概率模型的变压器内部故障识别方法
CN109470972A (zh) * 2018-11-15 2019-03-15 广西电网有限责任公司电力科学研究院 一种基于振动图像的变压器铁心松动诊断方法
CN113127298A (zh) * 2021-03-30 2021-07-16 山东英信计算机技术有限公司 一种保护机械硬盘的方法、系统、设备及介质
CN113127298B (zh) * 2021-03-30 2023-01-06 山东英信计算机技术有限公司 一种保护机械硬盘的方法、系统、设备及介质
CN113671325A (zh) * 2021-08-18 2021-11-19 云南电网有限责任公司大理供电局 一种基于高频电场变化的终端局放监测方法及系统

Also Published As

Publication number Publication date
CN103499382B (zh) 2015-09-16

Similar Documents

Publication Publication Date Title
CN103499382A (zh) 一种基于振动数据融合和图像识别的变压器故障诊断方法
CN104569481B (zh) 瓦斯继电器油流流速采集系统和重瓦斯整定值校验方法
CN103941161A (zh) 一种电缆护层电流及载流量在线监测系统
CN103135038A (zh) 直流系统交流串电及绝缘故障监测选线方法
CN102566505A (zh) 一种数控机床的智能故障诊断方法
CN203241494U (zh) 直流系统交流串电及绝缘故障监测选线装置
CN109283102A (zh) 一种运动机械构件磨损状态的实时监测系统
CN101170254A (zh) 高压串联补偿电容器组不平衡保护方法和装置
CN110208647B (zh) 一种基于随机矩阵的配电网单相接地故障区段定位方法
CN106443433B (zh) 基于分合闸线圈电流的断路器状态监测系统及监测方法
CN105548744A (zh) 一种基于运检大数据的变电设备故障识别方法及其系统
CN106770652A (zh) 基于声波特征的高压变压器健康状态监测装置及监测方法
CN113078615B (zh) 大型电力变压器主动保护方法和装置
CN110165778A (zh) 一种油浸式电力变压器非电量保护故障录波装置及方法
CN108120925A (zh) 基于can总线的高压断路器运行状态实时监测系统
CN106443315B (zh) 一种基于多信息融合的电力变压器绕组变形诊断方法
Uddin et al. Detection and locating the point of fault in distribution side of power system using WSN technology
CN116184265A (zh) 一种基于多分类svm的避雷器泄漏电流检测方法和系统
Ma et al. Fractal‐based autonomous partial discharge pattern recognition method for MV motors
CN204613345U (zh) 一种电缆故障的识别装置
CN114137373A (zh) 一种基于振动和声纹特征量提取的gil设备故障联合定位及预警方法
CN110531214B (zh) 用于检测电压互感器二次回路绕组短路的检测验证方法
CN106291149A (zh) 一种10kV开关柜的带电检测方法
CN108152733B (zh) 一种用于高压断路器机械特性的带电检测分合闸时间方法
CN107576259A (zh) 基于特快速暂态过电压特性的变压器绕组变形在线检测方法

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
TR01 Transfer of patent right

Effective date of registration: 20180712

Address after: 410004 398 new Shao Dong Road, Tianxin District, Changsha, Hunan

Co-patentee after: Power Science Research Institute of Hunan Electric Power Co., Ltd.

Patentee after: State Grid Hunan Electric Power Co., Ltd.

Co-patentee after: State Grid Corporation of China

Address before: 100033 West Chang'an Avenue, Xicheng District, Xicheng District, Beijing

Co-patentee before: Electric Power Research Institute, State Grid Hunan Electric Power Company

Patentee before: State Grid Corporation of China

Co-patentee before: Hunan Xiangdian Electric Power Text & Research Co., Ltd.

TR01 Transfer of patent right