CN103823165A - 一种基于泄漏电流的绝缘子污闪预警方法及其系统 - Google Patents
一种基于泄漏电流的绝缘子污闪预警方法及其系统 Download PDFInfo
- Publication number
- CN103823165A CN103823165A CN201410065872.6A CN201410065872A CN103823165A CN 103823165 A CN103823165 A CN 103823165A CN 201410065872 A CN201410065872 A CN 201410065872A CN 103823165 A CN103823165 A CN 103823165A
- Authority
- CN
- China
- Prior art keywords
- signal
- insulator
- led
- leakage current
- module
- 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.)
- Pending
Links
Images
Landscapes
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明公开一种基于泄漏电流的绝缘子污闪预警方法及其系统。其目的是基于对支柱绝缘子泄漏电流的获取、信号处理及特征量提取进行深入研究,提出了一种基于泄漏电流的绝缘子污闪预警试验系统及污闪预警方法。试验系统包括由LED光纤传感器、信号前置处理模块、数据采集模块、信号传输模块、供电模块和数据采集分析模块。利用所述试验系统获得污闪测量数据,并最终获得神经网络模型。本发明的另一个目的是提供一种应用上述方案所获得的神经网络模型的绝缘子污闪预警系统,将泄漏电流的有效值、幅值和脉冲数,以及绝缘子所处环境的相对湿度作为神经网络模型的输入量,获得绝缘子的污秽等级。
Description
技术领域
本发明属于电气设备污闪在线监测技术领域,具体涉及变电站隔离开关上支柱绝缘子的泄漏电流的污秽程度和污闪在线监测系统的研制及方法的研究。
背景技术
由于输电线路与变电站的电气外绝缘长期暴露在空气中,将会有固体的、液体的和气体的污秽微粒沉积在电气外绝缘的表面。在恶劣气象条件的作用下,绝缘子的电气强度将大大降低,从而使输电线路和变电站的绝缘子不仅可能在过电压作用下发生闪络,更为严重的是在长期运行电压作用下也可能发生闪络,造成电网局部或大面积停电事故,严重影响人们的生活和工农业生产。全国各大电网几乎都发生过大面积污闪,造成了很大的经济损失。为了监控运行绝缘子的污秽程度、预防污闪事故的发生,实时在线监测泄漏电流,并提取其中能预警污秽度的信息量是一种行之有效的方法和手段。如果能通过检测泄漏电流从而及时地掌握绝缘子表面的污秽状况,就能科学地作出清扫或更换计划,最终避免或减少闪络的发生,从而提高电网运行的可靠性。
绝缘子污秽度指的是绝缘子表面的积污程度,也是引起闪络电压降低的原因。污秽度是选择绝缘水平和清扫绝缘子的依据,是防止污闪的有效方法。污秽度表示方法多,解释分歧大,对不同表示方法的效果和彼此间的差别需要仔细研究。
近年来随着传感,通信及计算机技术的进步,国内外在绝缘子远程在线监测与诊断方面的研究和应用很多,并在一定程度上取得了较好的成果。从80年代中期开始国内就对绝缘子泄漏电流进行了大量的研究。清华大学电机系先后采用了磁带记录仪和光线示波器对绝缘子泄漏电流进行了研究,并开发出了局部电导率仪和泄漏电流测量仪等仪器。但在长时间的研究过程种发现这些测量仪器和研究方法在不同的方面都存在一些不足之处,不能满足对绝缘子泄漏电流进行深入细致研究的要求。采用磁带记录仪能大量地采集绝缘子在污秽实验和试品在漏电起痕实验中的泄漏电流信号。能在一定范围内反映绝缘子泄漏电流的特征,并能在事后对采得的绝缘子泄漏电流数据进行分析和研究。但采集的泄漏电流信号的频率范围有限,不能反映出整个实验过程中绝缘子泄漏电流变化与绝缘子污秽性能的关系。
发明内容
本发明的目的是基于对支柱绝缘子泄漏电流的获取、信号处理及特征量提取进行深入研究,提出了一种基于泄漏电流的绝缘子污闪预警试验系统及污闪预警方法。
为实现本发明目的而采用的技术方案是这样的,一种基于泄漏电流的绝缘子污闪预警方法,其特征在于:包括由LED光纤传感器、信号前置处理模块、数据采集模块、信号传输模块、供电模块和数据采集分析模块组成的试验系统;
所述的LED光纤传感器包括传感器探头和光电转换器;所述的传感器探头包括两个阴极相连的发光二极管LED1与发光二极管LED2;所述发光二极管LED1的阳极和发光二极管LED2的阳极中的一个连接在绝缘子的外表面、另一个接地;
所述光电转换器包括光电探测器CA1、光电探测器CA2和差分比较电路DA;所述光电探测器CA1接收发光二极管LED1发出的光信号,所述光电探测器CA2接收发光二极管LED2发出的光信号。所述差分比较电路DA具有一个输出泄漏电流初始全波信号的输出端。
所述信号前置处理模块包括一个截止频率为300Hz的低通滤波电路和一个截止频率为4kHz的高通滤波电路。
所述泄漏电流初始全波信号输入所述低通滤波电路后,输出信号Ⅰ。所述信号Ⅰ经过程控放大后,被所述数据采集模块采集,得到信号Ⅰ的有效值和幅值,即泄漏电流的效值和幅值。
所述泄漏电流初始全波信号输入所述高通滤波电路后,输出信号Ⅱ。所述信号Ⅱ被所述数据采集模块采集,得到信号Ⅱ的脉冲数。即泄漏电流的脉冲数。
利用所述试验系统,通过步骤1~3获得污闪测量数据,并最终获得神经网络模型:
1)在安装有所述试验系统的绝缘子上涂污,记录绝缘子污秽程度。绝缘子污秽程度采用[0,1]内模糊量化后,得到绝缘子污秽等级。
2)对步骤1)中的绝缘子施加电压。
3)获得信号Ⅰ的有效值、信号Ⅰ的幅值和信号Ⅱ的脉冲数,并记录试验时的相对湿度。对本步骤获得的数据进行归一化处理,转化为[0,1]范围的值。
4)选择预测模型变量,确定训练样本:
选择预测模型的输入变量包括:步骤3)获得的信号Ⅰ的有效值、信号Ⅰ的幅值、信号Ⅱ的脉冲数和相对湿度。选择预测模型的输出变量为:步骤1)记录的绝缘子污秽等级。
值得说明的是,数据归一化处理可以参照以下方法:
对输入序列和输出序列中的数据进行归一化处理,转化为[0,1]范围的值xn;
式中:x0为任意输入参数的值,xmax为此参数最大的量值,xmin为此参数最小的量值,xn为归一化处理后的值。
5)重复步骤1~4,获得若干训练样本。
在训练样本量不大的情况下,对于实验室采集的训练样本,通过插值处理得到输入、输出序列:信号Ⅰ的幅值和有效值采用Spline插值处理后,得到信号Ⅰ幅值输入序列和信号Ⅰ有效值输入序列。信号Ⅱ脉冲数进行linear插值处理后,得到信号Ⅱ脉冲数输入序列。相对湿度进行一维插值处理后,得到相对湿度输入序列。
6)搭建径向基神经网络框架:
调用Matlab神经网络工具箱中的newrbe函数建立径向基神经网络,
[net,tr]=newrbe(P,T,SPREAD),
其中,P为Q组输入数据组成的R×Q维矩阵。T为Q组目标分类向量组成的S×Q维矩阵。GOAL为均方误差,默认为0。SPREAD为径向基函数的扩展速度,默认为1。MN为神经元的最大数目,默认为Q。DF为两次显示之间所添加的神经元数目,默认为25。net为返回值,返回一个径向基网络。tr为返回值,返回训练记录。
7)训练径向基神经网络:首先设置训练参数训练网络,保存神经网络模型。
8)测试径向基神经网络:
对训练完成的径向基神经网络进行测试,将历史数据组成绝缘子污秽等级网络测试矩阵P_test,直接调用Matlab神经网络工具箱中的sim函数,Y=sim(net,P_test),对测试矩阵进行仿真,其中Y为目标函数;
9)计算误差,将步骤8)的测试结果与步骤1)记录的污秽等级数据进行误差比较分析。
10)若步骤9)获得的误差大于阈值,则修改步骤7)的训练参数,并重复步骤7~9。若步骤9)获得的误差小于阈值,则此次训练的神经网络模型满足要求。
本发明的另一个目的是提供一种应用上述方案所获得的神经网络模型的绝缘子污闪预警系统,该系统包括LED光纤传感器、信号前置处理模块、数据采集模块、信号传输模块、供电模块和数据采集分析模块组成。
所述的LED光纤传感器包括传感器探头和光电转换器。所述的传感器探头包括两个阴极相连的发光二极管LED1与发光二极管LED2。所述发光二极管LED1的阳极和发光二极管LED2的阳极中的一个连接在绝缘子的外表面、另一个接地。
所述光电转换器包括光电探测器CA1、光电探测器CA2和差分比较电路DA。所述光电探测器CA1接收发光二极管LED1发出的光信号,所述光电探测器CA2接收发光二极管LED2发出的光信号。所述差分比较电路DA具有一个输出泄漏电流初始全波信号的输出端。
所述信号前置处理模块包括一个截止频率为300Hz的低通滤波电路和一个截止频率为4kHz的高通滤波电路。
所述泄漏电流初始全波信号输入所述低通滤波电路后,输出信号Ⅰ。所述信号Ⅰ经过程控放大后,被所述数据采集模块采集,得到信号Ⅰ的有效值和幅值。
所述泄漏电流初始全波信号输入所述高通滤波电路后,输出信号Ⅱ。所述信号Ⅱ被所述数据采集模块采集,得到信号Ⅱ的脉冲数。
将信号Ⅰ的有效值、信号Ⅰ的幅值、信号Ⅱ的脉冲数和绝缘子所处环境的相对湿度作为神经网络模型的输入量,获得绝缘子的污秽等级。值得说明的是,上述输入量被采集到后,可以通过无线传输技术传送到监控中心进行分析和预警。
本发明采用以上技术方案后,主要具有如下的有益效果:
1本发明采用具有强抗电磁干扰性能、快速响应的LED光纤传感器泄漏电流在线获取技术,能避免信号在采集和传输过程中受到高压电路中多变的强电磁干扰,同时将测量对象所在的高压端信号传送至位于低压端的信号处理电路,起到电压隔离,保证工作人员作业安全。本传感器装置方便安装,携带方便,对泄漏电流的采集灵敏度高。
2本发明采用的前置信号处理电路能够很好地将泄漏电流的信号进行处理,得到想要的特征参量,数字化的实现便于数据存储到数据采集模块中。
3本发明采用的数据采集模块处理速度快,支持在系统、全速、非插入调试和编程,不占用片内资源,支持断点单步观察点堆栈监视器,支持观察/修改存储器和寄存器,具有良好的仿真性能。
4本发明可以采用GPRS等无线传输的方式,将泄漏电流大小、有效值、环境温度、湿度等现场数据通过单片机传送到监控中心,利用GPRS网络,数据实现分组发送和接收,用户永远在线且按流量计费,大大降低了服务成本。本发明采用的无线模块体积小巧,拥有强大的数据传输功能,不需要其他的设备;外壳采用冷轧钢板,坚固耐用,可以有效地抵御各种恶劣环境;抗强电磁干扰,并且高温散热能力极强。
5本发明可以采用太阳能-蓄电池作为供电模块,具有良好的稳定性,适合于在野外长期工作,并且在温差较大的地方,控制器还能对蓄电池进行温度补偿。
6、本发明的数据分机平台采用径向基神经网络输入泄漏电流的幅值、有效值、脉冲数以及相对湿度,评定出污秽水平,并对污闪进行预警,具有收敛速度快,网络结构自适应的优点,并且不存在局部最小值问题。
本发明可广泛用于变电站中绝缘子的泄漏电流的在线监测,实时在线的分析绝缘子的污秽状况,以及污闪风险,并在污秽较重或污闪风险较大时报警,提醒工作人员采取一定的措施,具有良好的应用前景。
附图说明
图1为整个系统的结构框图
图2为传感器头的原理电路图
图3为转换器的电路原理图
图4为信号处理模块原理图
图5为低通滤波电路的电路图
图6为程控电路图
图7为高通滤波电路
图8为脉冲检测电路
图9为数据采集软件流程图
图10为径向基神经网络结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明,但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下,根据本领域普通技术知识和惯用手段,做出各种替换和变更,均应包括在本发明的保护范围内。
实施例1:
一种基于泄漏电流的绝缘子污闪预警系统及方法,系统主要包括LED光纤传感器、信号前置处理模块、数据采集模块、GPRS无线传输模块、太阳能-蓄电池供电模块、数据采集分机平台。方法主要包括数据采集方法以及数据分析方法。其中,
所述的LED光纤传感器包括传感器探头和光电转换器。
所述的传感器头由两个发光二极管LED1与LED2以及两个保护电路构成。所述的两个发光二极管LED1和LED2的同极性端口串联,用以分别检测被测绝缘子串的正、负半周波的泄漏电流。所述的每个保护电路由一个导通二极管D、一个稳压二极管VSD和一个放电管GDT并联构成。导通二极管D与发光二极管LED反极性并联,用于疏导不能通过LED的半周波泄漏电流,稳压二极管VSD与发光二极管LED同极性并联,并与放电管GDT并联,用于防止发光二极管的端口承受过电压和流过大电流,从而保证其安全性和稳定性。所述的两个发光二极管LED1和LED2及保护电路封装在传感器头外壳中,分别通过两个固定在传感器头外壳的耦合器接口分别与两根光纤一端的耦合器接头连接,用以将两个发光二极管发出的光信号从传感器头导出进入光纤。所述的两根光纤另一端的耦合器接头分别与转换器上的两个耦合器接口相连,用以将发光二极管检测的绝缘子串泄漏电流转换出的光信号传输至转换器中的光电探测器进行处理。
所述的转换器为由两个光电探测器CA1和CA2与一个常规的差分比较电路DA构成的集成印刷电路板,因而方便安装、拆卸和携带。所述的每个光电探测器CA1或CA2均由一个硅光电二极管SPD1或SPD2和一个常规运算放大器A1或A2组成负反馈运算放大电路。即:每个硅光电二极管SPD1或SPD2的负极先串联电容C1或C2后,再与运算放大器A1或A2的负极输入端相连,两个硅光电二极管SPD1和SPD2的正极和运算放大器A1和A2的正极输入端分别接地,运算放大器A1或A2的负极输入端先串联反馈电阻Rf1或Rf2后再与其输出端连接而组合成一个负反馈的运算放大电路。所述的两个硅光电二极管SPD1和SPD2分别装设在前述的两根光纤另一端的两个耦合器接口处,用以分别接收所述传感器头检测的绝缘子串泄漏电流的正、负半周波进行处理。所述的两个负反馈运算放大电路的输出端,分别串联电阻R1、R2后再分别与差分比较电路DA的第一级运算放大器A3和第二级运算放大器A4的正极输入端连接,用以将两个光电探测器CA1和CA2处理后的反映绝缘子串泄漏电流的正、负半周波电流,分别传输给差分比较电路DA的第一级运算放大器A3和第二级运算放大器A4进行处理。所述的差分比较电路DA由两级常规的运算放大器A3和A4构成,两级运算放大器A3和A4正极输入端分别接收两个前述光电探测器CA1和CA2输出的电信号V1out和V2out,第一级运算放大器A3的负极输入端通过电阻R3接地,第一级运算放大器A3的输出端信号通过电阻R4连接到第二级运算放大器A4的输入端,第一、二级运算放大器的输出端分别通过反馈电阻Rf3和Rf4后再分别与其负极输入端连接,形成负反馈运算电路。
所述的信号前置处理模块是将经LED获取后的泄漏电流光信号,经光电转换单元转换为电信号后再进行处理,包括两路信号处理:一路信号经低通滤波后进行两级程控放大,得到波形曲线。所述的低通滤波电路设计为二阶Sallen-Key低通滤波器,电信号经过电阻R22输入到运算放大器芯片OP37的引脚3中,即+IN引脚,输出的电信号由引脚6即OUT引脚输出。利用Sallen-Key低通滤波器的设计公式确定电阻R22、R23、R24和电容C21、C22的数值,本发明设计的低通滤波器截止频率为300Hz,品质因数为5。所述的程控放大电路由可编程放大器PGA103与AD526串连来实现,由低通滤波器输出的电信号输入到PGA103芯片的引脚4即VIN引脚,输出为引脚7即VO引脚与AD526芯片的引脚3即VIN相连,从引脚8和9输出。所述波形曲线被单片机采集,获取绝缘子表面泄漏电流信号中的基波及谐波分量,从而用于获取泄漏电流的最大值与有效值;另一路信号经高通滤波后进行电平比较和脉冲计数,主要针对绝缘子表面泄漏电流信号中的高频脉冲信号,用于获取泄漏电流中脉冲个数。所述的高通滤波器为压控二阶高通滤波电路,经LED泄漏电流传感器转换后的电信号通过两个电容输入放大器芯片OP37的引脚3即+IN引脚,从引脚6即OUT脚输出。其通带放大倍数、截止频率和品质因数分别为:
由式上式可知,滤波器下限截止频率为4kHz,频率小于4kHz的泄漏电流将被衰减,不会对后面的脉冲测量及计数电路产生干扰,同时由于通带放大倍数为2,所以经过高通滤波电路后,电压幅值将被放大为原来的2倍。所述的电平比较以及脉冲计数电路是将经高通滤波器产生的信号输入到快速比较器LM324芯片的input1+、input2+、input3+和input4+四个引脚中,分别于经电源分压后的电压进行计较,将单指数或者双指数波形通过正极性或负极性比较器全部转换为正极性的方波电平信号,然后输入到脉冲计数芯片,就可以得到一段时间内局放信号的脉冲数及脉冲幅值。输出的高低电平信号统一接到J4的插槽中便于与单片机采集连接。
所述的数据采集模块是采用美国Cygnal公司新推出的一种兼容51内核的C8051F120系列单片机。
所述的GPRS无线传输模块是以中国移动通信的GPRS网络作为通信媒介,将前端机处理得到的泄漏电流大小、有效值、环境温度、湿度等现场数据都是通过单片机的串口与GPRS通信模块实现时实数据传输,然后通过该模块传送到监控中心。
所述的太阳能-蓄电池供电模块是选用太阳电池板与蓄电池组成的,太阳能电池板选购深圳万家好太阳能有限公司的18v-50w型,蓄电池选购佛山市南海雷斯顿电子科技有限公司的bN12V55AH型,电源控制器选购深圳万家好太阳能有限公司的SR-SL型。
所述的数据采集分机平台是用于显示接收到的泄漏电流有效值,基波最大值,各个等级的脉冲幅值以及周围现场环境温湿度数据,并将其转换为波形曲线,以便于用户观察。同时当泄漏电流各个特征量综合比较超过预定值时,对污秽等级进行评定,将污秽等级分为5级,进行污秽等级的预警工作。
所述的数据采集方法是进行系统初始化后启动看门狗,设置初始增益,启动AD采样,采集N周波电流值然后计算幅值和有效值,从而判断增益是否合适,若合适则保存,若不合适则重新设置增益再进行采集,循环下去直到增益合适为止。所述的数据分析方法是采用径向基神经网络的方法,输入参量为泄漏电流幅值、有效值、脉冲、和环境参量相对湿度,将绝缘子的污秽程度和污闪预警作为输出,污秽程度分为五个等级:I=[污秽轻度]、II=[污秽程度中度]、III=[污秽程度重度]和IV=[污秽程度严重]、V=[污秽程度非常严重],污闪的风险等级分为三个等级:A=[不报警]、B=[一般报警]、C=[危险报警],为了方便神经网络进行拟合建模,分别赋予0-1之间的一个量化的值。根据实验室人工污秽实验采集到的数据,需要进行插值处理,然后进行归一化处理,将归一化后的训练数据和测试数据输入到网络中,设置参数用训练数据训练网络并保存,用测试数据测试网络性能,将预测值与真实值进行对比,计算误差,判断此次的参数的训练能力是否最优,否则继续改变参数进行训练。训练的结果表明当SPREAD=2.5时,基于径向基神经网络的绝缘子污秽程度评定模型计算出来的结果与试验结果的最大绝对误差不超过-0.05,与试验结果基本相符合;当SPREAD=1.8时,污秽预警与神经网络计算值之间的误差最小,网络的训练能力达到最优,至此两个网络训练完毕,基于径向基神经网络的绝缘子污秽程度和污闪预警模型建立。
本发明的使用方法是:使用集流环安装在支柱绝缘子最下面一片伞的下方,经导线连接到LED光纤传感器中,其中包括了光电转换器,将LED获取后的泄漏电流光信号,经光电转换单元转换为电信号,然后经过同轴电缆接到前置处理电路中,滤去泄漏电流中的基波以及谐波分量,获取泄漏电流的最大值和有效值,并对脉冲进行计数。前置处理电路后连接单片机处理电路,对泄漏电流信号进行较为全面的分析处理,数据采集软件流程图如附图9。前端机处理得到的泄漏电流大小、有效值、环境温度、湿度等现场数据都是通过单片机的串口与GPRS通信模块实现时实数据传输,然后通过该模块传送到监控中心的,监控中心显示接收到的泄漏电流有效值,基波最大值,各个等级的脉冲幅值以及周围现场环境温湿度数据,对污秽等级进行评定并且当污秽较重导致污闪风险较大时进行预警。
实施例2
如图1所示,基于泄漏电流的绝缘子污闪预警系统主要包括LED光纤传感器、信号前置处理模块、数据采集模块、GPRS无线传输模块、太阳能-蓄电池供电模块、数据采集分机平台。
所述的LED光纤传感器包括传感器探头和光电转换器。
所述的传感器头原理图如附图2所示,由两个发光二极管LED1与LED2以及两个保护电路构成。所述的两个发光二极管LED1和LED2的同极性端口串联,用以分别检测被测绝缘子串的正、负半周波的泄漏电流。所述的每个保护电路由一个导通二极管D、一个稳压二极管VSD和一个放电管GDT并联构成。导通二极管D与发光二极管LED反极性并联,用于疏导不能通过LED的半周波泄漏电流,稳压二极管VSD与发光二极管LED同极性并联,并与放电管GDT并联,用于防止发光二极管的端口承受过电压和流过大电流,从而保证其安全性和稳定性。所述的两个发光二极管LED1和LED2及保护电路封装在传感器头外壳中,分别通过两个固定在传感器头外壳的耦合器接口分别与两根光纤一端的耦合器接头连接,用以将两个发光二极管发出的光信号从传感器头导出进入光纤。所述的两根光纤另一端的耦合器接头分别与转换器上的两个耦合器接口相连,用以将发光二极管检测的绝缘子串泄漏电流转换出的光信号传输至转换器中的光电探测器进行处理。
所述的转换器原理图如附图3所示,为由两个光电探测器CA1和CA2与一个常规的差分比较电路DA构成的集成印刷电路板,因而方便安装、拆卸和携带。所述的每个光电探测器CA1或CA2均由一个硅光电二极管SPD1或SPD2和一个常规运算放大器A1或A2组成负反馈运算放大电路。即:每个硅光电二极管SPD1或SPD2的负极先串联电容C1或C2后,再与运算放大器A1或A2的负极输入端相连,两个硅光电二极管SPD1和SPD2的正极和运算放大器A1和A2的正极输入端分别接地,运算放大器A1或A2的负极输入端先串联反馈电阻Rf1或Rf2后再与其输出端连接而组合成一个负反馈的运算放大电路。所述的两个硅光电二极管SPD1和SPD2分别装设在前述的两根光纤另一端的两个耦合器接口处,用以分别接收所述传感器头检测的绝缘子串泄漏电流的正、负半周波进行处理。所述的两个负反馈运算放大电路的输出端,分别串联电阻R1、R2后再分别与差分比较电路DA的第一级运算放大器A3和第二级运算放大器A4的正极输入端连接,用以将两个光电探测器CA1和CA2处理后的反映绝缘子串泄漏电流的正、负半周波电流,分别传输给差分比较电路DA的第一级运算放大器A3和第二级运算放大器A4进行处理。所述的差分比较电路DA由两级常规的运算放大器A3和A4构成,两级运算放大器A3和A4正极输入端分别接收两个前述光电探测器CA1和CA2输出的电信号V1out和V2out,第一级运算放大器A3的负极输入端通过电阻R3接地,第一级运算放大器A3的输出端信号通过电阻R4连接到第二级运算放大器A4的输入端,第一、二级运算放大器的输出端分别通过反馈电阻Rf3和Rf4后再分别与其负极输入端连接,形成负反馈运算电路。
所述的信号前置处理模块原理图如附图4所示,包括滤波电路、程控放大电路、电平比较和脉冲计数电路。
所述的滤波电路是泄漏电流经过采集后,成为频率分别为50HZ的工频电压信号和高频的脉冲信号,而且工频电压信号的幅值比高频脉冲电压小,因此设计高性能的滤波电路既能将两类信号进行分离,同时还能有效抑制外部信号的干扰,进而获得有效的泄漏电流信号。包括低通和高通两种滤波器。
所述的低通滤波电路设计为二阶Sallen-Key低通滤波器,电路图如附图5所示,电信号经过电阻R22输入到运算放大器芯片OP37的引脚3中,即+IN引脚,输出的电信号由引脚6即OUT引脚输出。设计低通滤波器时,先确定了滤波器的截止频率关,确定截止频率后,选择带宽合适的放大器。放大器的闭环带宽为滤波器的截止频率100倍。本专利采用Sallen—Key结构,滤波器的增益为-1V/V,闭环带宽的求解公式如下:
GBWP≥100fc
放大器的带宽确定后,进而对转换率进行估算,以保证滤波器不会产生信号失真。放大器转换率是由内部电流和电容决定的,当大信号通过放大器时,适当电流会对这些内部电容充电。充电速度取决于放大器的内部电阻、电容和电流值。为确保有源滤波器正确运作,所选的有源放大器的转换率SR应为:
SR≥2πVopfc
式中,Vop为频率低于fc情况时期望的输出电压峰-峰值。
本专利只考虑泄漏电流的基波、三次谐波和五次谐波,其他高次谐波对泄漏电流有效值的计算影响很小,所以设计滤波器fc=300Hz,根据公式计算结果,可选用运算放大器的闭环带宽GBW﹥10KHz,转换率SR>l0V/ms的运算放大器,可形成性能良好的低通滤波器。
利用泄漏电流判断绝缘子的污秽程度需要关心电流的幅值而无需考虑电流的相位,因此,在设计低通滤波器时可以着眼于幅频响应,而不考虑相频响应。常用的巴特沃思滤波电路在小于截止频率ωc的范围内,具有最平幅度的响应,而在ω>ωc后幅频响应迅速下降。本专利所设计为二阶sallen-Key低通滤波器。
利用Sallen-Key低通滤波器的设计公式,确定电阻R22、R23、R24和电容C21、C22的数值,本专利设计的低通滤波器截止频率为300Hz,品质因数为5。
所述的程控放大电路由可编程放大器PGA103与AD526串连来实现,如附图6所示,由低通滤波器输出的电信号输入到PGA103芯片的引脚4即VIN引脚,输出为引脚7即VO引脚与AD526芯片的引脚3即VIN相连,从引脚8和9输出。所述的程控放大电路由于泄漏电流幅值变化从0.5mA~300mA,有600倍的差别,所以传统的固定增益运放是没法使用的。
所述的PGA103与AD526都是软件可编程的单片仪表放大器,其增益范围分别为1、10、100和1、2、4、8、16。在增益为1时,带宽可达4MHz。PGA103与AD526与普通运算放大器构成的常规仪表放大器相比,前两者均提供了激光调整电阻和其它的单片集成电路技术,使得它的有源和无源器件被置于同一块芯片上,而且模拟地与数字地分离布置,这些器件能很好地匹配,保证了放大器具有高的共模抑制。此外,这些器件能在很大的温度范围内保持匹配,保证了仪表放大器在整个温度范围内的优良性能。
所述的高通滤波器为压控二阶高通滤波电路,如附图7所示,经LED泄漏电流传感器转换后的电信号通过两个电容输入放大器芯片OP37的引脚3即+IN引脚,从引脚6即OUT脚输出。其通带放大倍数、截止频率和品质因数分别为:
由式上式可知,滤波器下限截止频率为4kHz,频率小于4kHz的泄漏电流将被衰减,不会对后面的脉冲测量及计数电路产生干扰,同时由于通带放大倍数为2,所以经过高通滤波电路后,电压幅值将被放大为原来的2倍。所述的电平比较以及脉冲计数电路如附图8所示。经高通滤波器产生的信号输入到快速比较器LM324芯片的input1+、input2+、input3+和input4+四个引脚中,分别于经电源分压后的电压进行计较,将单指数或者双指数波形通过正极性或负极性比较器全部转换为正极性的方波电平信号,然后输入到脉冲计数芯片,就可以得到一段时间内局放信号的脉冲数及脉冲幅值。输出的高低电平信号统一接到J4的插槽中便于与单片机采集连接。
所述的前置处理电路主要分为两个部分,将泄漏电流信号进行分频处理,一个分支为低通滤波电路,对工频周期及低次谐波进行程控放大,然后接入单片机进行采样计算有效值等处理。另一路分支接高通滤波电路,对泄漏电流信号中的高频脉冲信号进行处理,即对各个范围内的脉冲进行计数。前置处理电路后连接单片机处理电路,对泄漏电流信号进行较为全面的分析处理。从而预测绝缘子污秽状态,为绝缘子污秽预警提供有效的数据。
所述的数据采集模块采用的是C8051F120单片机,利用该单片机系统,开发出的数据采集软件流程如附图9所示。
所述的GPRS无线传输模块是以中国移动通信的GPRS网络作为通信媒介,将前端机处理得到的泄漏电流大小、有效值、环境温度、湿度等现场数据都是通过单片机的串口与GPRS通信模块实现时实数据传输,然后通过该模块传送到监控中心。
所述的太阳能-蓄电池供电模块是选用太阳电池板与蓄电池组成的,太阳能电池板选购深圳万家好太阳能有限公司的18v-50w型,蓄电池选购佛山市南海雷斯顿电子科技有限公司的bN12V55AH型,电源控制器选购深圳万家好太阳能有限公司的SR-SL型。
所述的数据采集分机平台用于显示采集到的泄漏电流幅值、有效值、脉冲数和温湿度。根据采集到的泄漏电流特征量,采用径向基神经网络的方法评定污秽绝缘子的污秽等级,并对污闪进行预警。所述的数据采集方法是进行系统初始化后启动看门狗,设置初始增益,启动AD采样,采集N周波电流值然后计算幅值和有效值,从而判断增益是否合适,若合适则保存,若不合适则重新设置增益再进行采集,循环下去直到增益合适为止。所述的数据分析方法是采用径向基神经网络的方法,输入参量为泄漏电流幅值、有效值、脉冲、和环境参量相对湿度,将绝缘子的污秽程度和污闪预警作为输出,污秽程度分为五个等级:I=[污秽轻度]、II=[污秽程度中度]、III=[污秽程度重度]和IV=[污秽程度严重]、V=[污秽程度非常严重],污闪的风险等级分为三个等级:A=[不报警]、B=[一般报警]、C=[危险报警],为了方便神经网络进行拟合建模,分别赋予0-1之间的一个量化的值。根据实验室人工污秽实验采集到的数据,需要进行插值处理,然后进行归一化处理,将归一化后的训练数据和测试数据输入到网络中,设置训练参数用训练数据训练网络并保存,用测试数据测试网络性能,将预测值与真实值进行对比,计算误差,判断此次的参数的训练能力是否最优,否则继续改变参数进行训练。训练的结果表明当SPREAD=2.5时,基于径向基神经网络的绝缘子污秽程度评定模型计算出来的结果与试验结果的最大绝对误差绝对值不超过0.05,与试验结果基本相符合;当SPREAD=1.8时,污秽预警与神经网络计算值之间的误差最小,网络的训练能力达到最优,至此两个网络训练完毕,基于径向基神经网络的绝缘子污秽程度和污闪预警模型建立。
Claims (2)
1.一种基于泄漏电流的绝缘子污闪预警方法,其特征在于:包括由LED光纤传感器、信号前置处理模块、数据采集模块、信号传输模块、供电模块和数据采集分析模块组成的试验系统;
所述的LED光纤传感器包括传感器探头和光电转换器;所述的传感器探头包括两个阴极相连的发光二极管LED1与发光二极管LED2;所述发光二极管LED1的阳极和发光二极管LED2的阳极中的一个连接在绝缘子的外表面、另一个接地;
所述光电转换器包括光电探测器CA1、光电探测器CA2和差分比较电路DA;所述光电探测器CA1接收发光二极管LED1发出的光信号,所述光电探测器CA2接收发光二极管LED2发出的光信号;所述差分比较电路DA具有一个输出泄漏电流初始全波信号的输出端;
所述信号前置处理模块包括一个截止频率为300Hz的低通滤波电路和一个截止频率为4kHz的高通滤波电路;
所述泄漏电流初始全波信号输入所述低通滤波电路后,输出信号Ⅰ;所述信号Ⅰ经过程控放大后,被所述数据采集模块采集,得到信号Ⅰ的有效值和幅值;
所述泄漏电流初始全波信号输入所述高通滤波电路后,输出信号Ⅱ;所述信号Ⅱ被所述数据采集模块采集,得到信号Ⅱ的脉冲数;
1)在安装有所述试验系统的绝缘子上涂污,记录绝缘子污秽程度;绝缘子污秽程度采用[0,1]内模糊量化后,得到绝缘子污秽等级;
2)对步骤1)中的绝缘子施加电压;
3)获得信号Ⅰ的有效值、信号Ⅰ的幅值和信号Ⅱ的脉冲数,并记录试验时的相对湿度;对本步骤获得的数据进行归一化处理,转化为[0,1]范围的值;
4)选择预测模型变量,确定训练样本:
选择预测模型的输入变量包括:步骤3)获得的信号Ⅰ的有效值、信号Ⅰ的幅值、信号Ⅱ的脉冲数和绝缘子所处环境的相对湿度;选择预测模型的输出变量为:步骤1)记录的绝缘子污秽等级;
5)重复步骤1~4,获得若干训练样本;
6)搭建径向基神经网络框架;
7)训练径向基神经网络;
8)测试径向基神经网络;
9)计算误差,将步骤8)的测试结果与步骤1)记录的污秽等级数据进行误差比较分析;
10)若步骤9)获得的误差大于阈值,则修改步骤7)的训练参数,并重复步骤7~9;若步骤9)获得的误差小于阈值,则此次训练的神经网络模型满足要求。
2.一种应用了权利要求1所获得的神经网络模型的绝缘子污闪预警系统,其特征在于:包括LED光纤传感器、信号前置处理模块、数据采集模块、信号传输模块、供电模块和数据采集分析模块组成;
所述的LED光纤传感器包括传感器探头和光电转换器;所述的传感器探头包括两个阴极相连的发光二极管LED1与发光二极管LED2;所述发光二极管LED1的阳极和发光二极管LED2的阳极中的一个连接在绝缘子的外表面、另一个接地;
所述光电转换器包括光电探测器CA1、光电探测器CA2和差分比较电路DA;所述光电探测器CA1接收发光二极管LED1发出的光信号,所述光电探测器CA2接收发光二极管LED2发出的光信号;所述差分比较电路DA具有一个输出泄漏电流初始全波信号的输出端;
所述信号前置处理模块包括一个截止频率为300Hz的低通滤波电路和一个截止频率为4kHz的高通滤波电路;
所述泄漏电流初始全波信号输入所述低通滤波电路后,输出信号Ⅰ;所述信号Ⅰ经过程控放大后,被所述数据采集模块采集,得到信号Ⅰ的有效值和幅值;
所述泄漏电流初始全波信号输入所述高通滤波电路后,输出信号Ⅱ;所述信号Ⅱ被所述数据采集模块采集,得到信号Ⅱ的脉冲数;
将信号Ⅰ的有效值、信号Ⅰ的幅值、信号Ⅱ的脉冲数和绝缘子所处环境的相对湿度作为神经网络模型的输入量,获得绝缘子的污秽等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410065872.6A CN103823165A (zh) | 2014-02-26 | 2014-02-26 | 一种基于泄漏电流的绝缘子污闪预警方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410065872.6A CN103823165A (zh) | 2014-02-26 | 2014-02-26 | 一种基于泄漏电流的绝缘子污闪预警方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103823165A true CN103823165A (zh) | 2014-05-28 |
Family
ID=50758320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410065872.6A Pending CN103823165A (zh) | 2014-02-26 | 2014-02-26 | 一种基于泄漏电流的绝缘子污闪预警方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103823165A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361216A (zh) * | 2014-10-29 | 2015-02-18 | 国家电网公司 | 一种基于变权层次分析法的绝缘子污闪预警方法 |
CN104616060A (zh) * | 2014-12-23 | 2015-05-13 | 南京工程学院 | 基于bp神经网络和模糊逻辑的绝缘子污秽度预测方法 |
CN105137265A (zh) * | 2015-08-26 | 2015-12-09 | 芜湖市凯鑫避雷器有限责任公司 | 绝缘子泄露电流预测方法 |
CN105184067A (zh) * | 2015-08-26 | 2015-12-23 | 芜湖市凯鑫避雷器有限责任公司 | 绝缘子污闪状态模糊评价方法 |
CN105182118A (zh) * | 2015-08-26 | 2015-12-23 | 芜湖市凯鑫避雷器有限责任公司 | 绝缘子污秽程度监测系统 |
CN105242187A (zh) * | 2015-11-09 | 2016-01-13 | 江苏省电力公司检修分公司 | 一种自触发式输电线路绝缘子污闪预警装置 |
CN105403759A (zh) * | 2015-10-14 | 2016-03-16 | 嘉兴金尚节能科技有限公司 | 供adc采样的漏电流检测电路 |
CN105891688A (zh) * | 2016-04-12 | 2016-08-24 | 苏州寅泽缕弦电子技术有限公司 | 绝缘子检测仪 |
CN106597241A (zh) * | 2017-01-24 | 2017-04-26 | 桂林师范高等专科学校 | 绝缘子闪络监测系统 |
CN107515362A (zh) * | 2017-08-08 | 2017-12-26 | 江苏大学 | 一种基于泄漏电流特性的绝缘子污秽度监测及预警方法 |
CN108037411A (zh) * | 2017-12-04 | 2018-05-15 | 国网江苏省电力有限公司检修分公司 | 一种输电线路隐患放电预警方法 |
CN108181562A (zh) * | 2018-01-18 | 2018-06-19 | 福州大学 | 基于模糊小脑模型神经网络的绝缘子故障诊断装置及方法 |
CN109959847A (zh) * | 2017-12-25 | 2019-07-02 | 国家电网公司 | 光纤无源污闪监测系统 |
CN110472772A (zh) * | 2019-07-09 | 2019-11-19 | 长沙能川信息科技有限公司 | 一种隔离开关过热预警方法及一种隔离开关过热预警系统 |
CN112307655A (zh) * | 2020-10-21 | 2021-02-02 | 江苏省送变电有限公司 | 基于温度检测的复合绝缘子污秽风险等级评估方法及系统 |
CN113791324A (zh) * | 2021-09-16 | 2021-12-14 | 华北电力大学 | 一种污秽绝缘子闪络风险预警系统及方法 |
CN117368797A (zh) * | 2023-11-17 | 2024-01-09 | 国网青海省电力公司海南供电公司 | 一种基于泄漏电流和efs的复合绝缘子闪络预警方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201413371Y (zh) * | 2009-04-09 | 2010-02-24 | 哈尔滨国力电气有限公司 | 变电设备在线监测及故障诊断系统 |
CN102012451A (zh) * | 2010-11-10 | 2011-04-13 | 重庆大学 | 基于发光二极管的绝缘子泄漏电流光纤传感器系统 |
WO2011080696A1 (en) * | 2009-12-29 | 2011-07-07 | Kuzin, Anton | Fiber optic current sensor |
CN102156214A (zh) * | 2011-04-29 | 2011-08-17 | 重庆大学 | 一种双光路泄漏电流光纤传感器装置 |
CN102221641A (zh) * | 2011-04-07 | 2011-10-19 | 北京交通大学 | 高压输电线路绝缘子泄漏电流在线监测系统 |
CN102331540A (zh) * | 2011-05-26 | 2012-01-25 | 江苏科技大学 | 一种特高压输电线路电晕放电在线监测装置及方法 |
CN103558498A (zh) * | 2013-11-18 | 2014-02-05 | 华北电力大学 | 基于小波分析的绝缘子污闪泄漏电流信号稀疏表示方法 |
-
2014
- 2014-02-26 CN CN201410065872.6A patent/CN103823165A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201413371Y (zh) * | 2009-04-09 | 2010-02-24 | 哈尔滨国力电气有限公司 | 变电设备在线监测及故障诊断系统 |
WO2011080696A1 (en) * | 2009-12-29 | 2011-07-07 | Kuzin, Anton | Fiber optic current sensor |
CN102012451A (zh) * | 2010-11-10 | 2011-04-13 | 重庆大学 | 基于发光二极管的绝缘子泄漏电流光纤传感器系统 |
CN102221641A (zh) * | 2011-04-07 | 2011-10-19 | 北京交通大学 | 高压输电线路绝缘子泄漏电流在线监测系统 |
CN102156214A (zh) * | 2011-04-29 | 2011-08-17 | 重庆大学 | 一种双光路泄漏电流光纤传感器装置 |
CN102331540A (zh) * | 2011-05-26 | 2012-01-25 | 江苏科技大学 | 一种特高压输电线路电晕放电在线监测装置及方法 |
CN103558498A (zh) * | 2013-11-18 | 2014-02-05 | 华北电力大学 | 基于小波分析的绝缘子污闪泄漏电流信号稀疏表示方法 |
Non-Patent Citations (3)
Title |
---|
夏青: ""线路绝缘子交流污秽预测的新特征量研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
胡岳: ""基于无线通信的手持式低零值绝缘子检测仪的研制"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
黄欢: ""基于泄漏电流特征量的绝缘子污闪预测的研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361216B (zh) * | 2014-10-29 | 2017-06-23 | 国网河南省电力公司电力科学研究院 | 一种基于变权层次分析法的绝缘子污闪预警方法 |
CN104361216A (zh) * | 2014-10-29 | 2015-02-18 | 国家电网公司 | 一种基于变权层次分析法的绝缘子污闪预警方法 |
CN104616060A (zh) * | 2014-12-23 | 2015-05-13 | 南京工程学院 | 基于bp神经网络和模糊逻辑的绝缘子污秽度预测方法 |
CN104616060B (zh) * | 2014-12-23 | 2018-03-27 | 南京工程学院 | 基于bp神经网络和模糊逻辑的绝缘子污秽度预测方法 |
CN105137265A (zh) * | 2015-08-26 | 2015-12-09 | 芜湖市凯鑫避雷器有限责任公司 | 绝缘子泄露电流预测方法 |
CN105184067A (zh) * | 2015-08-26 | 2015-12-23 | 芜湖市凯鑫避雷器有限责任公司 | 绝缘子污闪状态模糊评价方法 |
CN105182118A (zh) * | 2015-08-26 | 2015-12-23 | 芜湖市凯鑫避雷器有限责任公司 | 绝缘子污秽程度监测系统 |
CN105403759B (zh) * | 2015-10-14 | 2018-03-27 | 嘉兴金尚节能科技有限公司 | 供adc采样的漏电流检测电路 |
CN105403759A (zh) * | 2015-10-14 | 2016-03-16 | 嘉兴金尚节能科技有限公司 | 供adc采样的漏电流检测电路 |
CN105242187A (zh) * | 2015-11-09 | 2016-01-13 | 江苏省电力公司检修分公司 | 一种自触发式输电线路绝缘子污闪预警装置 |
CN105891688A (zh) * | 2016-04-12 | 2016-08-24 | 苏州寅泽缕弦电子技术有限公司 | 绝缘子检测仪 |
CN106597241A (zh) * | 2017-01-24 | 2017-04-26 | 桂林师范高等专科学校 | 绝缘子闪络监测系统 |
CN107515362A (zh) * | 2017-08-08 | 2017-12-26 | 江苏大学 | 一种基于泄漏电流特性的绝缘子污秽度监测及预警方法 |
CN108037411A (zh) * | 2017-12-04 | 2018-05-15 | 国网江苏省电力有限公司检修分公司 | 一种输电线路隐患放电预警方法 |
CN109959847A (zh) * | 2017-12-25 | 2019-07-02 | 国家电网公司 | 光纤无源污闪监测系统 |
CN109959847B (zh) * | 2017-12-25 | 2024-03-29 | 国家电网公司 | 光纤无源污闪监测系统 |
CN108181562A (zh) * | 2018-01-18 | 2018-06-19 | 福州大学 | 基于模糊小脑模型神经网络的绝缘子故障诊断装置及方法 |
CN110472772A (zh) * | 2019-07-09 | 2019-11-19 | 长沙能川信息科技有限公司 | 一种隔离开关过热预警方法及一种隔离开关过热预警系统 |
CN110472772B (zh) * | 2019-07-09 | 2020-11-10 | 长沙能川信息科技有限公司 | 一种隔离开关过热预警方法及一种隔离开关过热预警系统 |
CN112307655A (zh) * | 2020-10-21 | 2021-02-02 | 江苏省送变电有限公司 | 基于温度检测的复合绝缘子污秽风险等级评估方法及系统 |
CN112307655B (zh) * | 2020-10-21 | 2023-12-05 | 江苏省送变电有限公司 | 基于温度检测的复合绝缘子污秽风险等级评估方法及系统 |
CN113791324A (zh) * | 2021-09-16 | 2021-12-14 | 华北电力大学 | 一种污秽绝缘子闪络风险预警系统及方法 |
CN117368797A (zh) * | 2023-11-17 | 2024-01-09 | 国网青海省电力公司海南供电公司 | 一种基于泄漏电流和efs的复合绝缘子闪络预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103823165A (zh) | 一种基于泄漏电流的绝缘子污闪预警方法及其系统 | |
CN102841296B (zh) | 基于超高频检测的智能开关柜局部放电在线监测系统及方法 | |
CN102608452B (zh) | 高速列车设备状态及电能质量监测系统与方法 | |
CN104796082A (zh) | 一种光伏发电系统在线故障诊断系统及方法 | |
CN103439631B (zh) | 接地网腐蚀状态检测方法及系统 | |
CN105911499B (zh) | 现场环境下超声波局部放电计量系统及方法 | |
CN102331540A (zh) | 一种特高压输电线路电晕放电在线监测装置及方法 | |
CN108008287A (zh) | 基于移频信号的轨道电路故障监测平台及其监测方法 | |
CN104048749A (zh) | 一种风电机组振动故障检测系统及方法 | |
CN203241494U (zh) | 直流系统交流串电及绝缘故障监测选线装置 | |
CN105571644A (zh) | 一种绝缘子金属粉尘污秽在线监测装置及其监测方法 | |
CN104330615B (zh) | 基于fft算法的避雷器和变压器的多相同测装置及其方法 | |
CN106707196A (zh) | 一种便携移动式交流窜入故障检测定位装置 | |
CN110082635A (zh) | 一种可自学习的多功能故障电弧探测器 | |
CN105785135A (zh) | 一种变频接地阻抗测量仪 | |
CN112305462A (zh) | 一种基于变压器声音识别变压器典型故障的系统 | |
CN203337722U (zh) | 电网架空输电线路的电压和电流采集装置 | |
CN202583342U (zh) | 高速列车设备状态及电能质量监测系统 | |
CN202794359U (zh) | 氧化锌避雷器在线监测装置 | |
CN206074741U (zh) | 一种用于接地网缺陷诊断的检测电路 | |
CN103983848B (zh) | 一种基于电容器支路监测点的电容器谐振预警系统及预警方法 | |
CN103713243B (zh) | 基于电磁波天线接收阵列的10v开关柜内部放电检测装置 | |
CN103219801B (zh) | 一种具有容量监测功能的电力电容器组 | |
CN103312758B (zh) | 基于无线传感节点的球罐健康监测系统 | |
CN105158610A (zh) | 一种变压器状态预警数据可疑值的筛查处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140528 |
|
WD01 | Invention patent application deemed withdrawn after publication |