CN105203876A - 一种利用支持向量机和相关分析的变压器在线监测状态评估方法 - Google Patents
一种利用支持向量机和相关分析的变压器在线监测状态评估方法 Download PDFInfo
- Publication number
- CN105203876A CN105203876A CN201510585139.1A CN201510585139A CN105203876A CN 105203876 A CN105203876 A CN 105203876A CN 201510585139 A CN201510585139 A CN 201510585139A CN 105203876 A CN105203876 A CN 105203876A
- Authority
- CN
- China
- Prior art keywords
- support vector
- vector machine
- transformer
- data
- training
- 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
Links
- 238000012706 support-vector machine Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000010219 correlation analysis Methods 0.000 title claims abstract description 9
- 238000012549 training Methods 0.000 claims abstract description 28
- 238000005070 sampling Methods 0.000 claims abstract description 7
- 238000010606 normalization Methods 0.000 claims abstract description 5
- 238000004587 chromatography analysis Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000005314 correlation function Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000004088 simulation Methods 0.000 abstract 1
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 description 5
- HSFWRNGVRCDJHI-UHFFFAOYSA-N alpha-acetylene Natural products C#C HSFWRNGVRCDJHI-UHFFFAOYSA-N 0.000 description 4
- 125000002534 ethynyl group Chemical group [H]C#C* 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 description 1
- 239000005977 Ethylene Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明提供一种利用支持向量机和相关分析的变压器在线监测状态评估方法,属于电力系统高压设备的状态监测技术领域。本发明利用变压器在线监测获得的多维信息,首先进行数据归一化和标准化数据预处理,其次对预处理后的数据以当前采样点的前M个点构成一组时窗长度进行局部相关系数的计算。再次利用历史数据确定支持向量机样本划分训练的界限和阀值。将相关系数作为支持向量机的输入矩阵,进行多分支支持向量机实现数据训练,最终根据支持向量机三次训练结果对变压器运行状态进行划分,经仿真表明,该方法可有效指导变压器运行和状态评估。本发明所采用的方法,有效的突破了现有的变压器在线监测信息不能互通互联的瓶颈。
Description
技术领域
本发明提供一种利用支持向量机和相关分析的变压器在线监测状态评估方法,属于电力系统高压设备的状态监测技术领域。
背景技术
变电站作为电力能源变送及分配的枢纽载体,是电力网络系统的主要节点环节,其设备运行状态跟踪及健康状态评估对于电网安全稳定运行具有重要作用。智能电网最重要的特征是一次设备智能化和二次系统网络化,变电站设备在线监测系统由于可实时反映设备运行状态广泛应用于智能变电站一次设备智能化。目前变电站设备在线监测系统信息分散,信息共享综合分析诊断不足,变电站在线监测子站不能给检修人员推送有用的设备状态信息,造成“数据过剩而信息匮乏”的现状,其根本原因在于不同在线监测装置各自为政,难以进行基于多维、全景的设备信息状态评估所致。目前现有的变电站设备在线监测系统信息分散,信息共享综合分析诊断不足,变电站在线监测子站不能给检修人员推送有用的设备状态信息,造成“数据过剩而信息匮乏”的现状,其根本原因在于不同在线监测装置各自为政,难以进行基于多维、全景的设备信息状态评估所致。变电站设备在线监测系统存在以下问题:过分关注对故障的实时精确判断,忽视基于历史数据与实时数据纵向互联的电力设备状态趋势分析;各个监测系统所采集的数据孤立,缺乏设备多维横向互联的全景信息利用。
由于存在上述因素,针对目前变电站设备在线监测系统存在的问题,为有效指导变压器运行和状态评估,提出了一种利用支持向量机和相关分析的变压器在线监测状态评估方法。利用变压器在线监测获得的多维信息,首先进行数据归一化和标准化数据预处理,其次对预处理后的数据以当前采样点的前M个点构成一组时窗长度进行局部相关系数的计算。再次利用历史数据确定支持向量机样本划分训练的界限和阀值。将相关系数作为支持向量机的输入矩阵,进行多分支支持向量机实现数据训练,最终根据支持向量机三次训练结果对变压器运行状态进行划分,经仿真表明,该方法可有效指导变压器运行和状态评估。
发明内容
一种利用支持向量机和相关分析的变压器在线监测状态评估方法,利用变压器在线监测获得的多维信息,首先进行数据归一化和标准化数据预处理,其次对预处理后的数据以当前采样点的前M个点构成一组时窗长度进行局部相关系数的计算。再次利用历史数据确定支持向量机样本划分训练的界限和阀值。将相关系数作为支持向量机的输入矩阵,进行多分支支持向量机实现数据训练,最终根据支持向量机三次训练结果对变压器运行状态进行划分,经仿真表明,该方法可有效指导变压器运行和状态评估。
具体步骤如下:
第一步、数据归一化,标准化等预处理。将不同采样频率下、具有不同单位的数据进行归一化和标准化处理的目的是使得各类数据能够在同一标准下进行融合。将二维数据x(n)和y(n)求取其均方根为:
式(1)、(2)中,N为相关信号采样点数。
定义数字信号x(n)和y(n)互相关函数如下:
其中,N为相关信号采样点数,j为两个信号之间时间差,j=0,1,….。
根据(3)式对两组信号进行归一化运算,得到相关系数ρxy:
第二步、对获得的历史数据以当前采样点的前M个点构成的时窗长度为一组进行局部相关系数的计算。其中M的长度根据设备运行周期和所选取的参量变化快慢而定。由第一步骤得到相关系数曲线,该曲线即表达二维信息历史数据局部相关性随时间的变化。
第三步、确定阀值。利用历史数据确定支持向量机SVM样本划分训练的界限和阀值,即告警值利用故障规程值作为阈值,正常值用出厂值作为初始阈值,预警值和异常值利用与历史数据相比较的相关系数作为参考依据。
第四步、利用多分支支持向量机实现数据训练。将所得到的油色谱和油温两列相关系数序列作为支持向量机输入矩阵,进行第一次SVM1训练。首先把训练样本分为异常和正常两类;其次,对异常样本进行第二次SVM2训练,把训练样本分为预警和未预警两类;最后,对预警样本进行第三次SVM3训练,再把训练样本分为告警和未告警两类。
本发明的有益效果为:
(1)本发明所采用的方法,有效的突破了现有的变压器在线监测信息不能互通互联的瓶颈。
(2)本发明所涉及的基于支持向量机与相关性分析算法摆脱了传统的物理模型,脱离离散信息分析方法吗,直接基于数据模型,从有限数据样本出发,对变压器进行全景的信息分析,寻找传统变压器故障监测无法获得的潜在规律。
附图说明
图1为实施例1中油温曲线;
图2为实施例1中油温与其他气体相关系数曲线;
图3为实施例1中油温与乙炔、乙烯相关系数曲线;
图4为实施例1中SVM1的训练结果;
图5为实施例1中SVM2的训练结果;
图6为实施例1中SVM3的训练结果;
图7为实施例1中多分支支持向量机算法训练流程图。
具体实施方式
实施例1:本实例中选取变压器油温和油色谱数据进行实例展示。油温数据如图1所示。将不同采样频率下、具有不同单位的油温数据和油色谱数据(包括甲烷、乙烷、氢气、乙烯、氧气、一氧化碳)进行归一化和标准化处。得到相关系数曲线如图2所示。由于乙炔和乙烯属于过热故障气体,在图2中乙炔和乙烯相关系数曲线变化较大,因此选取乙炔和乙烯气体为主要研究气体。求取油色谱数据x(n)和油温数据y(n)求取其均方根。对两组信号进行归一化运算后,得到相关系数ρxy如图3所示。对获得的历史数据以当前采样点的前8个点构成的时窗长度为一组进行局部相关系数的计算,如图3所示。将所得到的油色谱和油温两列相关系数序列作为支持向量机输入矩阵,分别经过SVM1、SVM2、SVM3学习训练后得到的结果,为正常、异常、未预警、预警、未告警、告警结果样本,即相关度在0.9~1之间为正常样本,0.8~0.9之间为异常,0.6~0.8之间为预警,低于0.6则为告警。
Claims (2)
1.一种利用支持向量机和相关分析的变压器在线监测状态评估方法,其特征在于:利用变压器在线监测获得的多维信息,首先进行数据归一化和标准化数据预处理,其次对预处理后的数据以当前采样点的前M个点构成一组时窗长度进行局部相关系数的计算;再次利用历史数据确定支持向量机样本划分训练的界限和阀值,将相关系数作为支持向量机的输入矩阵,进行多分支支持向量机实现数据训练,最终根据支持向量机三次训练结果对变压器运行状态进行划分。
2.根据权利要求书1所述的利用支持向量机和相关分析的变压器在线监测状态评估方法,其特征在于具体步骤如下:
第一步:将不同采样频率下、具有不同单位的数据进行归一化和标准化处理的目的是使得各类数据能够在同一标准下进行融合,将二维数据x(n)和y(n)求取其均方根为:
式(1)、(2)中,N为相关信号采样点数;
定义数字信号x(n)和y(n)互相关函数如下:
其中,N为相关信号采样点数,j为两个信号之间时间差,j=0,1,….;
根据(3)式对两组信号进行归一化运算,得到相关系数ρxy:
第二步:对获得的历史数据以当前采样点的前M个点构成的时窗长度为一组进行局部相关系数的计算,其中M的长度根据设备运行周期和所选取的参量变化快慢而定,由第一步骤得到相关系数曲线,该曲线即表达二维信息历史数据局部相关性随时间的变化;
第三步:利用历史数据确定支持向量机SVM样本划分训练的界限和阀值,即告警值利用故障规程值作为阈值,正常值用出厂值作为初始阈值,预警值和异常值利用与历史数据相比较的相关系数作为参考依据;
第四步:将所得到的油色谱和油温两列相关系数序列作为支持向量机输入矩阵,进行第一次SVM1训练,首先把训练样本分为异常和正常两类;其次,对异常样本进行第二次SVM2训练,把训练样本分为预警和未预警两类;最后,对预警样本进行第三次SVM3训练,再把训练样本分为告警和未告警两类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510585139.1A CN105203876B (zh) | 2015-09-15 | 2015-09-15 | 一种利用支持向量机和相关分析的变压器在线监测状态评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510585139.1A CN105203876B (zh) | 2015-09-15 | 2015-09-15 | 一种利用支持向量机和相关分析的变压器在线监测状态评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105203876A true CN105203876A (zh) | 2015-12-30 |
CN105203876B CN105203876B (zh) | 2018-04-24 |
Family
ID=54951658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510585139.1A Active CN105203876B (zh) | 2015-09-15 | 2015-09-15 | 一种利用支持向量机和相关分析的变压器在线监测状态评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105203876B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105529740A (zh) * | 2016-01-28 | 2016-04-27 | 云南电网有限责任公司电力科学研究院 | 一种风电场以及风电场并网处的闪变评估方法和系统 |
CN106372412A (zh) * | 2016-08-31 | 2017-02-01 | 北京可视化节能科技股份有限公司 | 联动设备能效分析系统 |
CN107025762A (zh) * | 2017-05-27 | 2017-08-08 | 国网湖南省电力公司带电作业中心 | 带电作业人员安全预警装置及预警方法 |
CN107202852A (zh) * | 2017-05-23 | 2017-09-26 | 国家电网公司 | 一种基于可变阈值的油色谱在线监测数据异常值检测方法 |
CN108241901A (zh) * | 2016-12-27 | 2018-07-03 | 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 |
CN109061453A (zh) * | 2018-08-02 | 2018-12-21 | 国网福建省电力有限公司 | 计及相关系数的变电站刀闸二次回路故障预测方法 |
CN109856494A (zh) * | 2019-01-02 | 2019-06-07 | 广东工业大学 | 一种基于支持向量机的变压器故障诊断方法 |
CN110472671A (zh) * | 2019-07-24 | 2019-11-19 | 西安工程大学 | 基于多阶段的油浸式变压器故障数据预处理方法 |
CN110647924A (zh) * | 2019-09-05 | 2020-01-03 | 国网河北省电力有限公司电力科学研究院 | 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 |
CN112114214A (zh) * | 2020-09-08 | 2020-12-22 | 贵州电网有限责任公司 | 一种变压器故障诊断方法 |
CN114019298A (zh) * | 2021-09-28 | 2022-02-08 | 中电华创(苏州)电力技术研究有限公司 | 一种基于pcc-svm的发电机转子匝间短路在线监测方法 |
CN115201380A (zh) * | 2022-08-03 | 2022-10-18 | 国网河北省电力有限公司超高压分公司 | 色谱预警系统及油气预警方法、装置、控制器及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110116841A (ko) * | 2010-04-20 | 2011-10-26 | 목포대학교산학협력단 | 웨이블릿 변환을 이용한 적조 영상 분석 시스템 |
CN103018383A (zh) * | 2012-12-07 | 2013-04-03 | 四川电力科学研究院 | 一种油色谱在线监测噪声数据校正方法 |
CN103076526A (zh) * | 2013-01-16 | 2013-05-01 | 国网电力科学研究院 | 一种基于变压器全景状态信息的故障诊断方法 |
CN103457241A (zh) * | 2013-05-30 | 2013-12-18 | 昆明理工大学 | 一种基于耦合电感端口特性的变压器内部故障识别的测后模拟方法 |
CN103760464A (zh) * | 2014-01-07 | 2014-04-30 | 河南理工大学 | 基于解析图求解与svm的小电流接地系统故障选线方法 |
CN104005975A (zh) * | 2014-05-20 | 2014-08-27 | 北京工业大学 | 一种轴流式通风机失速和喘振的诊断方法 |
CN104007336A (zh) * | 2014-05-06 | 2014-08-27 | 昆明理工大学 | 一种基于物联网的变压器在线监测信息聚合方法 |
CN104678223A (zh) * | 2015-03-06 | 2015-06-03 | 云南电网有限责任公司电力科学研究院 | 一种变压器绕组故障智能识别方法 |
CN104749519A (zh) * | 2015-03-12 | 2015-07-01 | 云南电网公司西双版纳供电局 | 一种基于相关性分析的有载调压变压器分接开关运行状态判断方法 |
-
2015
- 2015-09-15 CN CN201510585139.1A patent/CN105203876B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110116841A (ko) * | 2010-04-20 | 2011-10-26 | 목포대학교산학협력단 | 웨이블릿 변환을 이용한 적조 영상 분석 시스템 |
CN103018383A (zh) * | 2012-12-07 | 2013-04-03 | 四川电力科学研究院 | 一种油色谱在线监测噪声数据校正方法 |
CN103076526A (zh) * | 2013-01-16 | 2013-05-01 | 国网电力科学研究院 | 一种基于变压器全景状态信息的故障诊断方法 |
CN103457241A (zh) * | 2013-05-30 | 2013-12-18 | 昆明理工大学 | 一种基于耦合电感端口特性的变压器内部故障识别的测后模拟方法 |
CN103760464A (zh) * | 2014-01-07 | 2014-04-30 | 河南理工大学 | 基于解析图求解与svm的小电流接地系统故障选线方法 |
CN104007336A (zh) * | 2014-05-06 | 2014-08-27 | 昆明理工大学 | 一种基于物联网的变压器在线监测信息聚合方法 |
CN104005975A (zh) * | 2014-05-20 | 2014-08-27 | 北京工业大学 | 一种轴流式通风机失速和喘振的诊断方法 |
CN104678223A (zh) * | 2015-03-06 | 2015-06-03 | 云南电网有限责任公司电力科学研究院 | 一种变压器绕组故障智能识别方法 |
CN104749519A (zh) * | 2015-03-12 | 2015-07-01 | 云南电网公司西双版纳供电局 | 一种基于相关性分析的有载调压变压器分接开关运行状态判断方法 |
Non-Patent Citations (1)
Title |
---|
李伟: "电力变压器油纸绝缘状态评估研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105529740A (zh) * | 2016-01-28 | 2016-04-27 | 云南电网有限责任公司电力科学研究院 | 一种风电场以及风电场并网处的闪变评估方法和系统 |
CN105529740B (zh) * | 2016-01-28 | 2018-06-29 | 云南电网有限责任公司电力科学研究院 | 一种风电场以及风电场并网处的闪变评估方法和系统 |
CN106372412A (zh) * | 2016-08-31 | 2017-02-01 | 北京可视化节能科技股份有限公司 | 联动设备能效分析系统 |
CN106372412B (zh) * | 2016-08-31 | 2019-03-26 | 北京可视化节能科技股份有限公司 | 联动设备能效分析方法 |
CN108241901A (zh) * | 2016-12-27 | 2018-07-03 | 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 |
CN107202852A (zh) * | 2017-05-23 | 2017-09-26 | 国家电网公司 | 一种基于可变阈值的油色谱在线监测数据异常值检测方法 |
CN107025762A (zh) * | 2017-05-27 | 2017-08-08 | 国网湖南省电力公司带电作业中心 | 带电作业人员安全预警装置及预警方法 |
CN109061453A (zh) * | 2018-08-02 | 2018-12-21 | 国网福建省电力有限公司 | 计及相关系数的变电站刀闸二次回路故障预测方法 |
CN109856494A (zh) * | 2019-01-02 | 2019-06-07 | 广东工业大学 | 一种基于支持向量机的变压器故障诊断方法 |
CN110472671A (zh) * | 2019-07-24 | 2019-11-19 | 西安工程大学 | 基于多阶段的油浸式变压器故障数据预处理方法 |
CN110647924A (zh) * | 2019-09-05 | 2020-01-03 | 国网河北省电力有限公司电力科学研究院 | 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 |
CN112114214A (zh) * | 2020-09-08 | 2020-12-22 | 贵州电网有限责任公司 | 一种变压器故障诊断方法 |
CN112114214B (zh) * | 2020-09-08 | 2022-12-27 | 贵州电网有限责任公司 | 一种变压器故障诊断方法 |
CN114019298A (zh) * | 2021-09-28 | 2022-02-08 | 中电华创(苏州)电力技术研究有限公司 | 一种基于pcc-svm的发电机转子匝间短路在线监测方法 |
CN114019298B (zh) * | 2021-09-28 | 2023-12-05 | 中电华创(苏州)电力技术研究有限公司 | 一种基于pcc-svm的发电机转子匝间短路在线监测方法 |
CN115201380A (zh) * | 2022-08-03 | 2022-10-18 | 国网河北省电力有限公司超高压分公司 | 色谱预警系统及油气预警方法、装置、控制器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105203876B (zh) | 2018-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105203876A (zh) | 一种利用支持向量机和相关分析的变压器在线监测状态评估方法 | |
Rafique et al. | End to end machine learning for fault detection and classification in power transmission lines | |
CN202404166U (zh) | 一种变压器振动特性在线监测系统 | |
CN102436524B (zh) | 一种模拟电路软故障诊断的模糊推理方法 | |
CN101833324B (zh) | 胎面挤出过程智能故障诊断系统及其诊断方法 | |
CN106203531A (zh) | 一种基于卷积稀疏自动编码器的输电线故障分类方法 | |
CN109444667A (zh) | 基于卷积神经网络的配电网早期故障分类方法及装置 | |
CN103760464A (zh) | 基于解析图求解与svm的小电流接地系统故障选线方法 | |
CN105467971A (zh) | 一种电力二次设备监测系统及方法 | |
CN109061391B (zh) | 一种基于计算机视觉潮流图的电网故障诊断方法及系统 | |
CN103235993A (zh) | 用于企业用户侧的电能质量评估系统及其方法 | |
CN104267294A (zh) | 一种基于粗糙集理论和Petri网络的IGIS故障在线诊断方法 | |
Hong et al. | Towards accurate and efficient classification of power system contingencies and cyber-attacks using recurrent neural networks | |
CN116298684A (zh) | 一种配电网用故障研判定位系统 | |
CN106443380A (zh) | 一种配电电缆局部放电信号识别方法及装置 | |
CN110361609A (zh) | 特高压设备监测系统及方法 | |
CN111062569A (zh) | 一种基于bp神经网络的小电流故障判别方法 | |
Niazazari et al. | Event cause analysis in distribution networks using synchro waveform measurements | |
CN110674240B (zh) | 一种基于gis的电力设备分布式多级智能故障诊断系统 | |
Liang et al. | Monitoring power line faults using impedance estimation algorithms in power line communication equipment | |
CN109633381A (zh) | 一种电网故障诊断智能分析方法 | |
De Oliveira-De Jesus et al. | Methodology to assess performance indexes for sensitivity, selectivity, and speed of coordination of directional overcurrent protections | |
CN105528583A (zh) | 基于实数形式傅里叶变换的特征提取方法及故障诊断方法 | |
Júnior et al. | Evaluation of harmonic contribution impacts in the electric grid through linear regression, artificial neural networks and regression tree | |
CN112446430A (zh) | 一种直流输电系统故障识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |