CN104360184A - 基于神经网络模型的电力设备在线状态监测系统及方法 - Google Patents
基于神经网络模型的电力设备在线状态监测系统及方法 Download PDFInfo
- Publication number
- CN104360184A CN104360184A CN201410594488.5A CN201410594488A CN104360184A CN 104360184 A CN104360184 A CN 104360184A CN 201410594488 A CN201410594488 A CN 201410594488A CN 104360184 A CN104360184 A CN 104360184A
- Authority
- CN
- China
- Prior art keywords
- transformer
- power equipment
- temperature
- station
- neural network
- 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
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
基于神经网络模型的电力设备在线状态监测系统及方法，电力设备在线监测主站与2个以上的电力设备在线监测子站是通过办公网进行通信，电力设备在线监测主站有主计算机，2个以上的电力设备在线监测子站均包括有通过办公网与主计算机进行通信的监测子站计算机，以及通过一个4串口卡分别与监测子站计算机相连接的用于获取变电站的馈线和变压器的电压电流信号的数据采集装置、第一测温装置、第二测温装置、变压器油色谱监测主机和变压器温度表。电力设备在线监测子站内电力设备相关的运行状态信息通过监测子站计算机和RS485总线上送到电力设备在线监测主站的主计算机，由主计算机上运行的电力设备在线监测专家系统进行设备运行状态分析与评估，可提高设备寿命。
Description
技术领域
本发明涉及一种电力设备在线监测系统。特别是涉及一种状态信息与SCADA信息的结合的基于神经网络模型的电力设备在线状态监测系统及方法。
背景技术
目前国内也已有多家研究机构和电力设备厂商开发出了电力设备在线监测设备，但大多是借鉴和模仿国外的产品，在产品实用性和测试结果判断方面还缺乏一定的实践经验。
电力设备的状态监测技术分为多种，根据不同的设备特点，通常采用气体分析、局部放电、红外成像等方法。按照应用分类来看，GIS、电缆、变电器等状态监测设备的厂家相对较多，产品有代理国外的也有自主研发的，目前普遍以单一检测分析为主。
目前变电站综合自动化程度较低，通常以数据采集为主，作为运行的辅助手段，数据的有效信息不能得到全面、有效利用，数据间的关联利用程度较低。
电力变压器与中压配电开关柜是石化企业重要的电力设备，以往的设备检修都是定检的方式，不能及时把握设备的运行状态。
发明内容
本发明所要解决的技术问题是，提供一种通过对电力变压器的气相和中压开关柜的柜内关键节点温度进行实时在线监测，并利用监测数据建立设备运行状态分析预测模型，将传统的被动式的定期检修转变为主动式的智能型状态检修的基于神经网络模型的电力设备在线状态监测系统及方法。
本发明所采用的技术方案是：一种基于神经网络模型的电力设备在线状态监测系统，包括有电力设备在线监测主站和2个以上的电力设备在线监测子站，所述的电力设备在线监测主站与2个以上的电力设备在线监测子站是通过办公网进行通信，其中，所述的电力设备在线监测主站包括有主计算机，所述的2个以上的电力设备在线监测子站结构相同，均包括有通过办公网与所述的主计算机进行通信的监测子站计算机，以及通过一个4串口卡分别与所述的监测子站计算机相连接的用于获取变电站的馈线和变压器的电压电流信号的数据采集装置、第一测温装置、第二测温装置、变压器油色谱监测主机和变压器温度表。
所述的电力设备在线监测主站还设置有与所述的主计算机相连的显示器和打印机。
所述的每一个电力设备在线监测子站相对于电力设备在线监测主站是独立配置，能够独立完成本站内的电力设备在线监测与分析，在电力设备在线监测子站内还设置有与所述站内的监测子站计算机相连的显示器。
所述的第一测温装置和第二测温装置分别与装设在变电站开关柜内部触头上的测温传感器相连接。
所述的变压器油色谱监测主机设置在站内变压器上。
所述的变压器温度表在每台变压器上设置有3个。
本发明的一种基于神经网络模型的电力设备在线状态监测系统的监测方法，包括：
(1)利用数据采集装置、第一测温装置25、第二测温装置26、变压器油色谱监测主机27和变压器温度表28，实现电力设备状态信息的实时采集；
(2)以开关柜运行温度为关键参数，以回路电流、环境温度及继电保护动作信息为辅助参数，建立开关柜运行状态的全景分析模型，同时采用环境温度进行修正；
(3)以变压器油色谱监测主机所检测到的变压器油溶解气体组份为关键参数，以回路电流、开关柜柜内环境温度及继电保护动作信息为辅助参数，建立变压器运行状态的全景分析模型；
(4)进行同一回路不同运行工况下温度变化趋势的纵向分析；
(5)进行不同回路同一运行工况下温度变化趋势的横向分析；
(6)对于测温点温度越限，进行智能报警；
(7)利用神经网络实现电力设备的温度预测。
还包括有分析变压器油色谱的气相特征，根据不同组份含量对比度，从三比值法得出变压器内部的可能故障潜质，给出变压器内部可能的故障潜质报告，同时采用电流、电压和继保信息进行辅助决策。
步骤2)所述的开关柜运行状态的全景分析模型和步骤3)所述的变压器运行状态的全景分析模型，均是采用BP神经网络通用模型和网络权值和偏置值的调整公式构建。
所述的网络权值和偏置值的调整公式如下：
Xk+1＝Xk-[JTJ+μJ]-1JTe
式中：
J——雅可比矩阵，它的元素是网络误差对权值和偏置值的一阶导数；
e——网络误差向量；
xk——网络迭代计算，第k次循环时的权值或偏置值；
xk+1——网络迭代计算，第(k+1)次循环时的权值或偏置值；
μ——调整系数，与网络误差同向变化。即误差增大，μ值增加，误差减小，μ值降低。
本发明的基于神经网络模型的电力设备在线状态监测系统及方法，对电力变压器的气相和中压开关柜的柜内关键节点温度进行实时在线监测，能够实时把握关键电力设备的运行状态，将传统的被动式的定期检修转变为主动式的智能型状态检修，提高设备寿命与利用率，提高企业内部电网运行的鲁棒性，进而实现企业整体运营的经济效益的提升。本发明具有如下特点：
(1)改变了传统对电力设备的离线式定期检测的模式，实现运行状态的在线监测。
(2)利用变电站综自SCADA系统，补齐状态监测相关联的全景信息(电流、电压、继保动作信息)。
(3)能对同一回路不同工况进行纵向比较分析，也能对不同回路同一工况进行横向比较分析。
(4)智能报警报告，不仅能定位状态变量越限点，还能给出设备可能的故障潜质报告。
(5)具有温度预测功能，可以对设备的运行工况进行预案评估。
附图说明
图1是本发明的整体规划结构示意图；
图2是采用本发明的工程实施例的系统配置图；
图3是BP网络通用模型；
图4是采用本发明的工程实施例的变电站内的系统结构示意图；
图5是采用本发明的工程实施例的设备温度报警界面截选图；
图6是采用本发明的工程实施例的变压器油气相分析报警界面截选图。
图中
1：电力设备在线监测主站 2：电力设备在线监测子站
3；办公网 11：主计算机
12：显示器 13：打印机
21：监测子站计算机 22：显示器
23：4串口卡 24：数据采集装置
25：第一测温装置 26：第二测温装置
27：变压器油色谱监测主机 28：变压器温度表
HUB：网络交换机
具体实施方式
下面结合实施例和附图对本发明的基于神经网络模型的电力设备在线状态监测系统及方法做出详细说明。
本发明的基于神经网络模型的电力设备在线状态监测系统及方法，对电力变压器的气相和中压开关柜的柜内关键节点温度进行实时在线监测，旨在实时把握关键电力设备的运行状态，将传统的被动式的定期检修转变为主动式的智能型状态检修。实现对电力设备的主动式的状态检修，提高设备寿命与利用率，提高企业内部电网运行的鲁棒性，进而实现企业整体运营的经济效益的提升。
如图1、图2所示，本发明的基于神经网络模型的电力设备在线状态监测系统，包括有电力设备在线监测主站1和2个以上的电力设备在线监测子站2，所述的电力设备在线监测主站1与2个以上的电力设备在线监测子站2是通过办公网3进行通信。其中，所述的电力设备在线监测主站1包括有主计算机11，所述的电力设备在线监测主站1还设置有与所述的主计算机11相连的显示器12和打印机13。
所述的2个以上的电力设备在线监测子站2结构相同，均包括有通过办公网3与所述的主计算机11进行通信的监测子站计算机21，以及通过一个4串口卡23分别与所述的监测子站计算机21相连接的用于获取变电站的馈线和变压器的电压电流信号的数据采集装置24、第一测温装置25、第二测温装置26、变压器油色谱监测主机27和变压器温度表28。所述的第一测温装置25和第二测温装置26分别与装设在变电站开关柜内部触头上的测温传感器相连接。所述的数据采集装置24是采用SCADA系统的通讯管理机。所述的变压器油色谱监测主机27设置在站内变压器上。所述的变压器温度表28在每台变压器上装设3个。
所述的每一个电力设备在线监测子站2相对于电力设备在线监测主站1是独立配置，能够独立完成本站内的电力设备在线监测与分析，在电力设备在线监测子站2内还设置有与所述站内的监测子站计算机21相连的显示器22。
本发明的基于神经网络模型的电力设备在线状态监测系统的监测方法，包括：
(1)利用数据采集装置、第一测温装置25、第二测温装置26、变压器油色谱监测主机27和变压器温度表28，实现电力设备状态信息的实时采集；
(2)以开关柜运行温度为关键参数，以回路电流、环境温度及继电保护动作信息为辅助参数，建立开关柜运行状态的全景分析模型，同时采用环境温度进行修正；
(3)以变压器油色谱监测主机所检测到的变压器油溶解气体组份为关键参数，以回路电流、开关柜柜内环境温度及继电保护动作信息为辅助参数，建立变压器运行状态的全景分析模型；
(4)进行同一回路不同运行工况下温度变化趋势的纵向分析；
(5)进行不同回路同一运行工况下温度变化趋势的横向分析；
(6)对于测温点温度越限，进行智能报警；
(7)利用神经网络实现电力设备的温度预测。
还包括有分析变压器油色谱的气相特征，根据不同组份含量对比度，从三比值法得出变压器内部的可能故障潜质，给出变压器内部可能的故障潜质报告，同时采用电流、电压和继保信息进行辅助决策。
步骤2)所述的开关柜运行状态的全景分析模型和步骤3)所述的变压器运行状态的全景分析模型，均是采用如图3所示的BP神经网络通用模型和网络权值和偏置值的调整公式构建。
其中，图3所示的BP网络通用模型，是目前应用最为广泛的人工神经网络，它能很好地解决非线性映射的逼近问题，非常适合于做开关柜的温度预测。BP网络为多层结构，即除了输入层和输出层外，至少具有一个隐含层。BP网络的性能指标为均方差。网络的学习过程遵循的原则为持续监视网络的性能指标，不断修正网络权值和阈值，以达到预期的指标要求。
本发明在选择网络训练算法时考虑到计算速度与内存占用的优化，网络的学习函数采用
Levenberg-Marquardt算法(简称LM算法)，得到网络权值和偏置值的调整公式为：
Xk+1＝Xk-[JTJ+μJ]-1JTe
式中：
J——雅可比矩阵，它的元素是网络误差对权值和偏置值的一阶导数；
e——网络误差向量；
xk——网络迭代计算，第k次循环时的权值或偏置值；
xk+1——网络迭代计算，第(k+1)次循环时的权值或偏置值；
μ——调整系数，与网络误差同向变化。即误差增大，μ值增加，误差减小，μ值降低。
本发明采集一段时期内的历史样本数据，输入到图3所表示的神经网络中，利用他调整公式的迭代算法，计算出该样本数据集下的神经网络权值与偏置值，存储为用户所用的神经网络模型。然后用户可以输入预期因子，在该神经网络模型下进行在线温度预测。
本发明的基于神经网络模型的电力设备在线状态监测系统及方法，利用温度采集装置和变压器油色谱监测主机，实时采集变电站内开关柜柜内温度和变压器的油色谱，结合SCADA信息，在电力在线监测专家系统上对电力设备完成实时的状态评估。本发明实施的主要的背景技术为：
(1)将中心变电所、枢纽变电所、区域变电所的主变压器作为监测对象，利用变压器油色谱监测主机周期性采集变压器油内的溶解气体，进行各组份的气相分析，形成变压器气相采集终端节点。
(2)将中心变电所、枢纽变电所、区域变电所的主变压器作为监测对象，利用温度采集设备周期性采集变压器油箱内油温以及变压器绕组温度，形成变压器温度采集终端节点。
(3)将中心变电所、枢纽变电所、区域变电所内的6kV开关柜作为监测对象，利用温度采集设备周期性采集开关柜关键接触点——开关上、下触头及电缆接头——的运行温度，形成开关柜温度采集终端节点。
(4)采用SCADA组网方式，将现场各个采集终端节点通过光纤组网，周期性采集数据实时上传到系统的分析主机。
(5)系统分析主机利用接收到的设备在线监测信息，结合SCADA系统采集的各回路电气运行信息及事故报警信息，统计分析电力设备的运行状态，可实现某个回路自身不同运行工况下的纵向比较以及各个回路同一工况下的横向比较。实现智能报警功能。
(6)基于神经网络的开关柜和变压器温度预测功能。
本发明可在充分利用分公司已有的办公网络的基础上，实现全厂范围内的电力设备在线监测集中管理，而每个变电站内的电力设备在线监测系统各自独立，可以自主完成站内关键电力设备的状态监测。
下面是以某公司110kV变电站为实施对象，对站内的2台110kV/6.3kV主变压器和22面6kV开关柜进行状态监测，在系统完善的情况下，逐步向全公司进行推广应用。本系统目的是实现对某公司全厂范围内关键电力设备的运行状态进行在线监测，从纵向整体布局上本系统分为监测子站级和在线监测系统主站级。全厂重要的电力节点——中心变、枢纽变、区域变、热电厂——作为变电站级进行部署，公司设立监控主站，利用现有的办公自动化网络，能实现对所有变电站级的集中管理。系统整体应用规划结构如图1所示，图2是系统配置的展开图。
每个监测子站级都可以作为独立的在线监测系统运行，负责对本站内关键电力设备的运行状态进行在线监测与分析评估。本期工程在110kV变电站进行实施，系统采集站内6kV开关柜内的开关上触头、开关下触头以及电缆接头的三相温度(每台柜总计9个测温点)，同时采集站内主变压器的油色谱信息，形成油内溶解气体的气相信息(H2,C2H2,C2H4,C2H6,CH4,CO以及总烃)。站内系统结构如图4所示。站内电力设备相关的运行状态信息通过RS485总线上送到变电站内的电力在线监测系统主机。主机运行在线监测系统专家分析软件，该软件是本实用新型的核心，具有的设备状态分析功能主要体现在：
(1)以电力设备运行温度为关键参数，以回路电流、环境温度及继电保护动作信息为辅助参数(来自SCADA系统)，建立电力设备运行温度的全景分析模型。
(2)以变压器油溶解气体组份为关键参数，以回路电流、环境温度及继电保护动作信息为辅助参数(来自SCADA系统)，建立变压器运行状态的全景分析模型。
(3)可实现同一回路不同运行工况下温度变化趋势的纵向分析。
(4)可实现不同回路同一运行工况下温度变化趋势的横向分析。
(5)智能报警，对于温度越限，定位具体的测温点；对于变压器油气相分析，根据不同组份含量对比度，给出变压器内部可能的故障潜质报告。同时，报警报告中给出运行电流、继保动作信号等相关信息。
(6)利用神经网络实现电力设备的温度预测。
本发明的基于神经网络模型的电力设备在线状态监测系统及方法，实现了站内中控室及公司监控主站对装置区内2台110kV/6.3kV变压器、22面6kV开关柜的运行状态的在线监测，效果良好，为实时掌握设备运行状态、有效评估设备隐患提供了可靠的科学依据，具有广泛性和实用性。
Claims (10)
1.一种基于神经网络模型的电力设备在线状态监测系统，其特征在于，包括有电力设备在线监测主站(1)和2个以上的电力设备在线监测子站(2)，所述的电力设备在线监测主站(1)与2个以上的电力设备在线监测子站(2)是通过办公网(3)进行通信，其中，所述的电力设备在线监测主站(1)包括有主计算机(11)，所述的2个以上的电力设备在线监测子站(2)结构相同，均包括有通过办公网(3)与所述的主计算机(11)进行通信的监测子站计算机(21)，以及通过一个4串口卡(23)分别与所述的监测子站计算机(21)相连接的用于获取变电站的馈线和变压器的电压电流信号的数据采集装置(24)、第一测温装置(25)、第二测温装置(26)、变压器油色谱监测主机(27)和变压器温度表(28)。
2.根据权利要求1所述的基于神经网络模型的电力设备在线状态监测系统，其特征在于，所述的电力设备在线监测主站(1)还设置有与所述的主计算机(11)相连的显示器(12)和打印机(13)。
3.根据权利要求1所述的基于神经网络模型的电力设备在线状态监测系统，其特征在于，所述的每一个电力设备在线监测子站(2)相对于电力设备在线监测主站(1)是独立配置，能够独立完成本站内的电力设备在线监测与分析，在电力设备在线监测子站(2)内还设置有与所述站内的监测子站计算机(21)相连的显示器(22)。
4.根据权利要求1所述的基于神经网络模型的电力设备在线状态监测系统，其特征在于，所述的第一测温装置(25)和第二测温装置(26)分别与装设在变电站开关柜内部触头上的测温传感器相连接。
5.根据权利要求1所述的基于神经网络模型的电力设备在线状态监测系统及方法，其特征在于，所述的变压器油色谱监测主机(27)设置在站内变压器上。
6.根据权利要求1所述的基于神经网络模型的电力设备在线状态监测系统，其特征在于，所述的变压器温度表(28)在每台变压器上设置有3个。
7.一种权利要求1所述的基于神经网络模型的电力设备在线状态监测系统的监测方法，其特征在于，包括：
(1)利用数据采集装置、第一测温装置25、第二测温装置26、变压器油色谱监测主机27和变压器温度表28，实现电力设备状态信息的实时采集；
(2)以开关柜运行温度为关键参数，以回路电流、环境温度及继电保护动作信息为辅助参数，建立开关柜运行状态的全景分析模型，同时采用环境温度进行修正；
(3)以变压器油色谱监测主机所检测到的变压器油溶解气体组份为关键参数，以回路电流、开关柜柜内环境温度及继电保护动作信息为辅助参数，建立变压器运行状态的全景分析模型；
(4)进行同一回路不同运行工况下温度变化趋势的纵向分析；
(5)进行不同回路同一运行工况下温度变化趋势的横向分析；
(6)对于测温点温度越限，进行智能报警；
(7)利用神经网络实现电力设备的温度预测。
8.根据权利要求7所述的基于神经网络模型的电力设备在线状态监测系统的监测方法，其特征在于，还包括有分析变压器油色谱的气相特征，根据不同组份含量对比度，从三比值法得出变压器内部的可能故障潜质，给出变压器内部可能的故障潜质报告，同时采用电流、电压和继保信息进行辅助决策。
9.根据权利要求7所述的基于神经网络模型的电力设备在线状态监测系统的监测方法，其特征在于，步骤2)所述的开关柜运行状态的全景分析模型和步骤3)所述的变压器运行状态的全景分析模型，均是采用BP神经网络通用模型和网络权值和偏置值的调整公式构建。
10.根据权利要求9所述的基于神经网络模型的电力设备在线状态监测系统的监测方法，其特征在于，所述的网络权值和偏置值的调整公式如下：
Xk+1＝Xk-[JTJ+μJ]-1JTe
式中：
J——雅可比矩阵，它的元素是网络误差对权值和偏置值的一阶导数；
e——网络误差向量；
xk——网络迭代计算，第k次循环时的权值或偏置值；
xk+1——网络迭代计算，第(k+1)次循环时的权值或偏置值；
μ——调整系数，与网络误差同向变化。即误差增大，μ值增加，误差减小，μ值降低。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410594488.5A CN104360184A (zh) | 2014-10-29 | 2014-10-29 | 基于神经网络模型的电力设备在线状态监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410594488.5A CN104360184A (zh) | 2014-10-29 | 2014-10-29 | 基于神经网络模型的电力设备在线状态监测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104360184A true CN104360184A (zh) | 2015-02-18 |
Family
ID=52527466
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410594488.5A Pending CN104360184A (zh) | 2014-10-29 | 2014-10-29 | 基于神经网络模型的电力设备在线状态监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104360184A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104915777A (zh) * | 2015-06-12 | 2015-09-16 | 北京交通大学 | 基于动态趋势度分析的继电保护判据方法 |
| CN106556427A (zh) * | 2016-11-28 | 2017-04-05 | 国网山东省电力公司济宁供电公司 | 一种变压器故障提醒方法及智能维护系统 |
| CN107918690A (zh) * | 2017-09-27 | 2018-04-17 | 国网安徽省电力有限公司 | 一种基于bp神经网络算法的继电保护设备状态评估方法 |
| CN113108916A (zh) * | 2021-03-17 | 2021-07-13 | 国网江西省电力有限公司电力科学研究院 | 基于复杂网络与Page Rank随机游走的多点温度融合监测方法 |
| CN113222140A (zh) * | 2021-05-10 | 2021-08-06 | 重庆邮电大学 | 一种基于c4.5算法和bp神经元的配电网故障辅助决策方法 |
| CN114295223A (zh) * | 2021-11-24 | 2022-04-08 | 国网浙江省电力有限公司桐庐县供电公司 | 一种输电线路红外成像在线监测系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11289661A (ja) * | 1998-04-06 | 1999-10-19 | Kansai Electric Power Co Inc:The | 配電系統制御システムのための潮流計算装置 |
| CN102122844A (zh) * | 2011-03-01 | 2011-07-13 | 江苏省电力设计院 | 基于传感器通信网络和专家系统的智能变电站 |
| CN202562652U (zh) * | 2012-03-30 | 2012-11-28 | 山西省电力公司太原供电分公司 | 变电站高压开关柜在线测温报警装置 |
| CN202759292U (zh) * | 2012-09-11 | 2013-02-27 | 辽宁省电力有限公司鞍山供电公司 | 一种智能化箱式变电站 |
| CN103414249A (zh) * | 2013-08-02 | 2013-11-27 | 中科天工电气控股有限公司 | 箱式变电站远程监控系统 |
-
2014
- 2014-10-29 CN CN201410594488.5A patent/CN104360184A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11289661A (ja) * | 1998-04-06 | 1999-10-19 | Kansai Electric Power Co Inc:The | 配電系統制御システムのための潮流計算装置 |
| CN102122844A (zh) * | 2011-03-01 | 2011-07-13 | 江苏省电力设计院 | 基于传感器通信网络和专家系统的智能变电站 |
| CN202562652U (zh) * | 2012-03-30 | 2012-11-28 | 山西省电力公司太原供电分公司 | 变电站高压开关柜在线测温报警装置 |
| CN202759292U (zh) * | 2012-09-11 | 2013-02-27 | 辽宁省电力有限公司鞍山供电公司 | 一种智能化箱式变电站 |
| CN103414249A (zh) * | 2013-08-02 | 2013-11-27 | 中科天工电气控股有限公司 | 箱式变电站远程监控系统 |
Non-Patent Citations (1)
| Title |
|---|
| 何廷一: "基于物联网的变压器在线监测技术应用研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104915777A (zh) * | 2015-06-12 | 2015-09-16 | 北京交通大学 | 基于动态趋势度分析的继电保护判据方法 |
| CN104915777B (zh) * | 2015-06-12 | 2018-11-02 | 北京交通大学 | 基于动态趋势度分析的继电保护判据方法 |
| CN106556427A (zh) * | 2016-11-28 | 2017-04-05 | 国网山东省电力公司济宁供电公司 | 一种变压器故障提醒方法及智能维护系统 |
| CN106556427B (zh) * | 2016-11-28 | 2019-06-25 | 国网山东省电力公司济宁供电公司 | 一种变压器故障提醒方法及智能维护系统 |
| CN107918690A (zh) * | 2017-09-27 | 2018-04-17 | 国网安徽省电力有限公司 | 一种基于bp神经网络算法的继电保护设备状态评估方法 |
| CN113108916A (zh) * | 2021-03-17 | 2021-07-13 | 国网江西省电力有限公司电力科学研究院 | 基于复杂网络与Page Rank随机游走的多点温度融合监测方法 |
| CN113108916B (zh) * | 2021-03-17 | 2022-04-12 | 国网江西省电力有限公司电力科学研究院 | 基于复杂网络与Page Rank随机游走的多点温度融合监测方法 |
| CN113222140A (zh) * | 2021-05-10 | 2021-08-06 | 重庆邮电大学 | 一种基于c4.5算法和bp神经元的配电网故障辅助决策方法 |
| CN113222140B (zh) * | 2021-05-10 | 2022-09-20 | 重庆邮电大学 | 一种基于c4.5算法和bp神经元的配电网故障辅助决策方法 |
| CN114295223A (zh) * | 2021-11-24 | 2022-04-08 | 国网浙江省电力有限公司桐庐县供电公司 | 一种输电线路红外成像在线监测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104360184A (zh) | 基于神经网络模型的电力设备在线状态监测系统及方法 | |
| CN110082579A (zh) | 一种台区智能反窃电监测方法、系统、设备及介质 | |
| CN102142719A (zh) | 变电站绝缘在线监测系统的集成和数据处理的方法 | |
| CN111537830A (zh) | 一种基于云边架构和小波神经网络的配电网故障诊断方法 | |
| CN103914791A (zh) | 一种电力设备状态检修系统 | |
| CN105811584A (zh) | 一种常规变电站智能化改造方法 | |
| CN103633735A (zh) | 基于iec61850协议的变电站一次设备状态监测系统 | |
| CN103560590B (zh) | 电网智能调度架构及其实现方法 | |
| CN105093063A (zh) | 基于多源数据特征单元组合判断的在线电网故障诊断方法 | |
| CN104377821A (zh) | 一种变电设备在线监测系统 | |
| CN103576057A (zh) | 绝缘在线监测系统和方法 | |
| CN102868224A (zh) | 一种智能变电站二次网络测量与多模决策方法及装置 | |
| CN104460598A (zh) | 一种服务于运维人员的变电站智能辅助信息监控系统 | |
| CN108512222A (zh) | 一种智能变电站综合自动化系统 | |
| CN104377823A (zh) | 变电设备在线监测系统 | |
| CN110705878A (zh) | 一种中压配电网可靠性近似估算方法 | |
| CN110690699A (zh) | 一种基于泛在电力物联网的变电站智慧检测系统 | |
| CN204425046U (zh) | 输配变电站的智能监测系统 | |
| CN102338835B (zh) | 一种电能质量动态监测系统 | |
| Qiang et al. | High voltage equipment online monitoring system of smart substation | |
| CN102684307B (zh) | 一种用于集控站、变电站综合自动化监视的信息智能分层推送的方法 | |
| CN202872464U (zh) | 一种智能变电站二次网络测量与多模决策装置 | |
| CN114142614A (zh) | 一种基于sd-wan网络的高速公路配电房智能运维管理系统 | |
| CN107611940B (zh) | 一种基于历史数据分析的配电网异常监测方法与系统 | |
| CN203164360U (zh) | 一种变电设备绝缘在线监测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C53 | Correction of patent of invention or patent application | ||
| CB03 | Change of inventor or designer information |
Inventor after: Huang Weidong Inventor after: Li Chengwu Inventor after: Wang Yongshan Inventor after: Liu Zhentao Inventor after: Liu Chunwang Inventor after: Shang Xirui Inventor after: Yuan Zhen Inventor after: Zhang Yaxian Inventor after: Zhang Zhongyang Inventor after: Zhang Qing Inventor after: He Junxia Inventor after: Yuan Yongyu Inventor before: Liu Chunwang Inventor before: Wang Yongshan Inventor before: Liu Zhentao Inventor before: Shang Xirui Inventor before: Yuan Zhen Inventor before: Zhang Yaxian Inventor before: Zhang Zhongyang Inventor before: Zhang Qing Inventor before: He Junxia Inventor before: Yuan Yongyu Inventor before: Li Chengwu |
|
| COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: LIU CHUNWANG SHANG XIRUI YUAN ZHEN ZHANG YAXIAN ZHANG CHONGYANG ZHANG QING HE JUNXIA YUAN YONGYU LI CHENGWU WANG YONGSHAN LIU ZHENTAO TO: HUANG WEIDONG LIU CHUNWANG SHANG XIRUI YUAN ZHEN ZHANG YAXIAN ZHANG CHONGYANG ZHANG QING HE JUNXIA YUAN YONGYU LI CHENGWU WANG YONGSHAN LIU ZHENTAO |
|
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150218 |
|
| WD01 | Invention patent application deemed withdrawn after publication |