CN105324900B - 用于电力设备的缺陷预警的方法和装置 - Google Patents

用于电力设备的缺陷预警的方法和装置 Download PDF

Info

Publication number
CN105324900B
CN105324900B CN201380077633.6A CN201380077633A CN105324900B CN 105324900 B CN105324900 B CN 105324900B CN 201380077633 A CN201380077633 A CN 201380077633A CN 105324900 B CN105324900 B CN 105324900B
Authority
CN
China
Prior art keywords
defects
probability
seriousness
defect
monitoring
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
Application number
CN201380077633.6A
Other languages
English (en)
Other versions
CN105324900A (zh
Inventor
王照
董小兵
于蓉蓉
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.)
Hitachi Energy Co ltd
Original Assignee
ABB T&D Technology AG
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 ABB T&D Technology AG filed Critical ABB T&D Technology AG
Publication of CN105324900A publication Critical patent/CN105324900A/zh
Application granted granted Critical
Publication of CN105324900B publication Critical patent/CN105324900B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/40—Testing power supplies
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/62—Testing of transformers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
    • G01R31/1254—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of gas-insulated power appliances or vacuum gaps
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • G01R31/343—Testing dynamo-electric machines in operation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/64—Testing of capacitors

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

提供了一种用于电力设备的缺陷预警的方法和装置。该方法包括基于预定严重性标准来处理关于电力设备的一个或多个部件的一个或多个测量数据，以获得与所述一个或多个部件的一个或多个缺陷有关的一个或多个监视指标的一个或多个严重性(S201)；基于针对所述一个或多个缺陷的所述一个或多个监视指标的有效性，确定所述一个或多个监视指标相对于所述一个或多个缺陷的一个或多个权重(S202)；以及基于所述一个或多个严重性和所述一个或多个权重，估计所述一个或多个部件中的至少一个部件具有所述一个或多个缺陷中的至少一个缺陷中的每个缺陷的缺陷概率(203)。本公开可以实现更可靠的缺陷概率估计，且可以进一步估计缺陷部件概率和/或设备健康状况。基于这些可靠信息，可以促进在缺陷演变成故障之前安排维护并评估电力设备操作和控制的风险，从而改善电力设备的可靠性。

Description

用于电力设备的缺陷预警的方法和装置
技术领域
本公开的实施例一般性地涉及电力系统，并且更特别地涉及用于电力设备的缺陷预警的方法和装置。
背景技术
在电力系统中，存在诸如变压器、断路器、电力开关、重合器等一些关键电力设备。一旦在任何电力设备中存在故障，则可能对整体电力系统导致很大影响，并且有时甚至可能导致严重事故。因此，这种电力设备是对电力系统的安全且可靠操作具有相当大影响的重要部件。这意味着尽早地发现这些电力设备中的潜在故障是非常重要的。
过去通过执行设备维护来发现潜在问题。传统上，基于故障后修复和/或周期性地执行设备维护。然而，这种维护具有其自身的缺点。例如，故障可能在维护周期之间发生，并且在这种情况下，维护并不能发现缺陷。另一方面，即使在不存在任何缺陷时，也可能执行维护，即，可能存在过度维护。
由于上述原因，已经提出采用在线监视和预测来解决上述问题。通常，在线监视将连续地收集状态数据并将所收集数据发送到预测模块以执行进一步预测分析。可以基于预测分析的结果来执行维护。例如，只有当结果显示电力设备具有缺陷的概率较高时，才安排维护，使得维护可以在缺陷导致实际故障之前执行；并且当结果显示电力设备正在正常状况下操作时，可以降低维护频率以节省人力和成本。
当前，已经提出各种方案，诸如基于概率推理、决策树、粗糙集、信息融合、统计、模糊数学等的那些方案。然而，所有这些方案并不能提供令人满意效果和可接受的准确度。因此，在本领域中，仍存在改善在线监视和预测的需要。
发明内容
鉴于前述内容，本公开提供了一种用于电力设备的缺陷预警的新解决方案，从而解决或至少部分地缓解现有技术中的至少一部分问题。
根据本公开的第一方面，提供了一种用于电力设备的缺陷预警的方法。该方法可以包括基于预定严重性标准来处理关于所述电力设备的一个或多个部件的一个或多个测量数据，以获得与所述一个或多个部件的一个或多个缺陷有关的一个或多个监视指标的一个或多个严重性；基于针对所述一个或多个缺陷的所述一个或多个监视指标的有效性，确定所述一个或多个监视指标相对于所述一个或多个缺陷的一个或多个权重；以及基于所述一个或多个严重性和所述一个或多个权重，估计所述一个或多个部件中的至少一个部件具有所述一个或多个缺陷中的至少一个缺陷中的每个缺陷的缺陷概率。
在本公开的实施例中，该方法还可以包括：基于所述一个或多个监视指标的有效性和所述一个或多个权重，估计所述一个或多个部件中的所述至少一个部件具有所述一个或多个缺陷中的至少一个缺陷中的每个缺陷的缺陷置信度。
在本公开的另一实施例中，该方法还可以包括：基于所述缺陷概率和所述缺陷置信度来估计所述一个或多个部件中的至少一个部件是缺陷部件的缺陷部件概率。
在本公开的另一实施例中，该方法还可以包括基于所述一个或多个部件中的所述至少一个部件是缺陷部件的所述缺陷部件概率来估计所述电力设备的可靠性。
在本公开的另一实施例中，该方法还可以包括基于所述一个或多个监视指标的所述一个或多个严重性，调整所述一个或多个监视指标相对于所述一个或多个缺陷的所述一个或多个权重。
在本公开的另一实施例中，所述处理关于所述电力设备的一个或多个部件的一个或多个测量数据可以包括：根据所述一个或多个测量数据来确定与所述一个或多个部件的所述一个或多个缺陷有关的一个或多个监视指标；以及基于所述预定严重性标准来确定针对与所述一个或多个部件的所述一个或多个缺陷有关的所述一个或多个监视指标的所述一个或多个严重性。
在本公开的另一实施例中，该方法可以进一步包括响应于所述缺陷概率、所述缺陷部件概率和所述可靠性中的至少一个，来提供提示和/或命令，以便采取相应措施。
在本公开的另一实施例中，所述预定严重性标准和/或针对所述一个或多个缺陷的所述一个或多个监视指标的有效性可以通过基于历史数据统计的离线处理来获得。
在本公开的另一实施例中，该方法可以进一步包括基于所述缺陷概率和与所述缺陷概率相关联的事件，检验和/或修改所述预定严重性标准和所述一个或多个监视指标的有效性中的至少一个。
在本公开的另一实施例中，所述电力设备可以包括变压器。
根据本公开的第二方面，还提供了一种用于电力设备的缺陷预警的装置。该装置可包括测量数据处理单元，其被配置成基于预定严重性标准来处理关于所述电力设备的一个或多个部件的一个或多个测量数据，以获得与一个或多个部件的一个或多个缺陷有关的一个或多个监视指标的一个或多个严重性；指标权重确定单元，其被配置成基于用于所述一个或多个缺陷的所述一个或多个监视指标的有效性，确定所述一个或多个监视指标相对于所述一个或多个缺陷的一个或多个权重；以及缺陷概率估计单元，其被配置成基于所述一个或多个严重性和所述一个或多个权重，估计所述一个或多个部件中的至少一个部件具有所述一个或多个缺陷中的至少一个缺陷中的每个缺陷的缺陷概率。
根据本公开的第三方面，进一步提供了一种其上包括有计算机程序代码的计算机可读存储介质，该计算机程序代码被配置成在被执行时促使装置执行根据所述第一方面中的任何实施例的方法中的动作。
根据本公开的第四方面，提供了一种包括根据所述第三方面的计算机可读存储介质的计算机程序产品。
利用本公开的实施例，可以将电力设备故障机制与在线监视技术组合，并实现了更可靠的缺陷概率估计；而且在其它实施例中，可以进一步估计缺陷部件概率和/或电力设备可靠性。基于这些可靠信息，可以促进在缺陷演变成故障之前安排维护以及评估电力设备操作和控制的风险，从而改善电力设备的可靠性。
附图说明
通过在参考附图在本描述中示出的实施例的详细说明，本公开的上述及其它特征将变得更加显而易见，贯穿附图，相同的附图标记表示相同或类似部件，并且在所述附图中：
图1示意性地示出根据本公开的实施例的示例性系统架构。
图2A示意性地图示出根据本公开的实施例的用于电力设备的缺陷预警的方法的流程图；
图2B示意性地图示出根据本公开的另一实施例的用于电力设备的缺陷预警的方法的流程图；
图3A示意性地图示出根据本公开的实施例的示例性状况评估规范的图示；
图3B示意性地图示出根据本公开的实施例的示例性严重性标准的图示；
图4示意性地示出根据本公开的实施例的另一示例性严重性标准的图示；
图5示意性地示出根据本公开的实施例的监视针对套管缺陷的指标的示例性有效性的图示；以及
图6示意性地示出根据本公开的实施例的用于电力设备的缺陷预警的装置的框图。
具体实施方式
下面将参考附图通过实施例来详细地描述用于电力设备的缺陷预警的方法和装置。应认识到的是，这些实施例仅仅是为了使得本领域的技术人员能够更好地理解和实现本公开而给出的，并非意图以任何方式限制本公开的范围。
在附图中，以框图、流程图或其它图的方式示出本公开的各种实施例。流程图或框图中的每个方框可以表示模块、程序或代码的一部分，其包含用于执行指定逻辑功能的一个或多个可执行指令，并用点线示出必有步骤、操作或方框。此外，虽然按照执行方法的步骤的特定序列示出这些方框，但事实上，其可能并不一定严格地根据所示序列来执行。例如，其可能按照相反顺序或者同时地执行，这取决于各个操作的性质。还应注意的是，可以由用于执行指定功能/操作的基于专用硬件的系统或者用专用硬件和计算机指令的组合来实现流程图中的框图和/或每个方框及其组合。
一般地，在权利要求中使用的所有术语应根据其在技术领域中的普通意义来解释，除非在本文中另外明确地定义。对“一/一个/该/所述[元件、设备、部件、装置、步骤等]”的所有参考将被开放地解释为参考所述元件、设备、部件、装置、单元、步骤等的至少一个实例，而不排除多个此类设备、部件、装置、单元、步骤等，除非另外明确地说明。此外，如本文所使用的不定冠词“一/一个”不排除多个此类步骤、单元、模块、设备以及对象等。
为了更好地理解本公开，将通过以变压器为例来对本公开的实施例进行以下描述。然而，正如本领域的技术人员可以认识到的，可以将本公开应用于任何其它适当的电力设备。
首先，将参考图1来描述本公开的示例性系统架构，以给出在本公开中提出的解决方案的概观。如图1中所示，在线测量数据101来自用于感测电力设备的各种部件的多个传感器，并且被输入到数据处理模块110中。在数据处理模块110中，将基于预定严重性标准来处理测量数据，并且然后输出对应于一个或多个监视指标的严重性。在本文中所使用的术语“严重性”意指监视指标的值接近于将以非常高的概率导致缺陷的阈值的程度，所述概率可以例如用百分比值来表示。
另一方面，指标权重确定模块120将基于关于也是预先确定的指标有效性的信息，来确定针对一个或多个监视指标的权重。输出的权重和严重性将被提供给缺陷概率估计模块130，其将估计某一个部件可能具有一个或多个缺陷的概率并且然后输出所述概率。
在本公开的实施例中，来自缺陷概率估计模块130的输出缺陷概率可以被进一步传输给检验/修改模块180，其中可以基于缺陷概率来检验所述严重性标准和所述指标有效性，和/或在必要时相应地进行调整。
在本公开的另一实施例中，来自数据处理模块110的输出权重和关于监视指标有效性的信息也可以被提供给缺陷置信度估计模块140，并且缺陷置信度估计模块140可以基于该有效性和权重来估计部件可能具有一个或多个缺陷中的每个缺陷的缺陷置信度。然后，从缺陷概率估计模块130输出的估计缺陷置信度和缺陷概率可以被进一步提供给缺陷部件概率估计模块150，其将基于输入的缺陷概率和缺陷置信度来确定电力设备部件中的至少一个部件有缺陷的缺陷部件概率。
此外，针对电力设备部件中的至少一个部件的缺陷部件概率也可以被进一步提供给设备可靠性估计模块160，其中将基于针对电力设备部件中的至少一个部件的缺陷部件概率来估计电力设备的可靠性。另外，缺陷概率、缺陷部件概率和输出的设备可靠性中的一个或多个可以被提供给提示/命令发生模块170，以使得其可生成提示和/或命令，以便采取相应措施。
接下来，将参考图2A至图5来描述在本公开中提供的方法的详细操作。
如图2A中所示，首先在步骤S201，将基于预定严重性标准来处理关于电力设备的一个或多个部件的一个或多个测量数据，以获得与所述一个或多个部件的一个或多个缺陷有关的一个或多个监视指标的一个或多个严重性。
所述一个或多个测量数据是可以从多个传感器接收到的在线测量数据，所述多个传感器被布置成在线地或实时地测量用于电力设备的各种设备参数。以电力变压器为例，测量数据可以包括但不限于油中溶解气体的含量(例如，以ppm为单位的H2、CH4、C2H6,C2H4、C2H2、CO、CO2中的一个或多个等)，其可以反映由于加热或放电而引起的变压器的温度、预定时间段中的局部放电的振幅和相位及局部放电次数、套管介电损耗因数tan(δ)、绕组的频率响应、磁芯的接地电流等。
根据测量数据，可以确定与一个或多个缺陷有关的一个或多个监视指标。在本文中使用的术语“监视指标”是与缺陷有关且因此可以用来估计缺陷的参数。监视指标可以是诸如电流、电压等操作参数，或者是在借助于监视技术或分析方法来分析电力设备的参数之后所获得的值。在下文中，也可以将监视指标称为监视数据，或者可以将监视数据理解为监视指标的值。监视指标可以是例如套管介电损耗因数tan(δ)、溶解气体分析(DGA)、局部放电(PD)、频率响应分析(FRA)、接地电流或可以反映电力设备中的潜在问题的任何其它适当数据。
测量数据本身可以按照一对一关系对应于监视指标。现在，传感器变得越来越智能，并且他们能够感测一个或多个参数并提供针对电力设备的监视数据。另外，测量数据还可以按照多对一关系对应于监视指标。例如，多个传感器可以将其测量数据传输至本公开的系统，并且基于这些测量数据，该系统可以计算或确定相应监视指标的值。因此，可以根据相应测量数据来确定监视指标的值，并且在测量数据本身可以表示监视指标的情况下，也可以省略此步骤。
基于这些监视数据，可以基于严重性标准来获得一个或多个严重性，其可以用例如以下等式来表示：
Sijk＝f(xijk) (等式1)
其中，i表示电力设备的部件的索引，其中，i＝1，...,I，且I是电力设备中的需要监视的部件的总数；j表示部件的缺陷的索引，其中，j＝1，…，J且J是与部件有关的缺陷的总数；k表示传感器(或监视指标确定模块)的或针对一个缺陷的监视指标的的索引，其中，k＝1、...、K；且K是监视指标的总数；xijk表示来自电力设备的第i部件的第j缺陷的第k传感器或监视指标确定模块的监视数据(监视指标的值)，Sijk表示电力设备的第i部件的第j缺陷的第k监视指标的严重性；并且f()表示严重性与监视数据之间的关系，即预定严重性标准。
预定严重性标准可以是曲线、表格的形式，或者是可以给出严重性与监视数据之间的关系的任何其它形式。定义f()的一种方式是对状况评定规范进行解释，以形成严重性标准。也就是说，状况评定规范一般地由客户保持，并且如果其可以从客户获得，则可以由此导出严重性标准。
图3A是根据本公开的实施例的示例性状况评定规范。在图3A中，横轴示出了tan(δ)的值，其反应电力设备的套管介电损耗因数；竖轴示出扣除，即如果介电损耗因数tan(δ)达到预定值将被扣除的分数。根据图3A显而易见的是，对于范围从0.6至2的tan(δ)而言，将会扣除范围从零的最小值至30的最大值的难度分数。例如，对于0.6的tan(δ)而言，相应扣除值是零；对于1的tan(δ)而言，将扣除15；对于等于2的tan(δ)而言，将扣除30。
在本公开的实施例中，可以根据状况评定规范来确定预定严重性标准。对应于2或更高的tan(δ)的最大扣除值30可以对应于100％严重性，并且对应于0.6或更小的tan(δ)的最小扣除值0可以对应于0％严重性等等。这样，可以获得套管介电损耗因数tan(δ)的严重性标准，其在图3B中示出。从图3B可以看到，严重性标准具有与状况评定规范的曲线变化和横轴类似的曲线变化(结尽管并不是必需的)和横轴，但是竖轴已从“扣除”改变成“严重性(％)”。
可以用来定义f()的另一方式是基于历史数据统计来执行离线处理。可以认识到的是，状况评定规范并不总是可用的。因此，在这种情况下，由于离线处理独立于任何现有规范，因而可能是优选的。例如，可以通过将事件记录的历史数据的统计组合来获得严重性曲线。首先，可以从记录事件获取用于监视指标的值，并且计算其累积概率，这将得到如图4中所示的阶梯状的线所指示的图。然后，可以确定数据的韦布尔(Weibull)分布，并且因此可以得到如在图4中用粗实线所示的曲线。结果得到的曲线可以被用作预定严重性标准。在定义f()时，可以使用数据挖掘技术来促进处理。此外，可以由对能够通过在线监视或离线测试而捕捉的缺陷具有足够专业知识的专家或技术人员对该曲线进行进一步调整或修改。
请注意，还可以用另一其它适当方式或者借助于任何其它适当技术来获得严重性标准，并且其并不局限于本文所述的方式。例如，可以用任何其它适当分布而不是韦布尔分布来确定结果得到的曲线。另外，很明显，严重性标准从形式上看并不限于绘图或曲线。实际上，可以用包括用于监视指标的不同值的不同严重性值的表格或特征曲线(profile)来表示。
在已经获得此类简档或表格之后，可以通过在表格中检索或者在曲线中搜索，来针对监视指标中的每一个获得相应的严重性值。
然后，在步骤S202处，将基于针对一个或多个缺陷的一个或多个监视指标的有效性，来确定一个或多个监视指标相对于一个或多个缺陷的一个或多个权重。
在本公开的实施例中，一个或多个权重的确定可以用例如下式来表示：
(等式2)
其中，Wijk表示第i部件的第j缺陷的第k监视指标的加权因数，并且上标“0”表示该加权因数是初始权重；Eijk表示第i部件的第j缺陷的第k监视指标的有效性；并且logical(Eijk)表示Eijk的逻辑值。在本公开的实施例中，logical(Eijk)在Eijk为零时等于0，且logical(Eijk)在Eijk高于0时等于1。然而，显而易见的是,也可以在Eijk高于任何其它适当值时，确定logical(Eijk)等于1。
针对缺陷的监视指标的有效性是指，在使用监视指标来估计缺陷的情况下估计结果接近于事实的程度。图5示意性地示出针对套管缺陷的监视指标的示例性有效性。可以例如借助于数据挖掘技术基于历史数据通过离线处理来建立表格。如图5中所示，针对套管，存在例如五个缺陷，即指示套管污染的CB1和CB2、指示套管的介电缺陷的DB1、指示套管的机械缺陷的MB1以及指示套管的热缺陷的TB1。在表格中，还列出了多个监视指标，诸如DGA、PD、Tan Delta(即tan(δ))、FRA接地电流等。
从该表格可以看出，不同的监视指标针对不同的缺陷具有不同的有效性。以介电损耗因数tan(δ)为例，其针对CB1、CB2和DB3具有为5的有效性，针对TB1具有为4的有效性，以及针对MB1具有为零的有效性(在此表格中，有效性的最大值是6)。那意味着介电损耗因数tan(δ)在评估CB1、CB2和DB3中具有非常高的有效性，在评估TB1中具有高有效性，并且与MB1毫无关系。
此外，可能虽然有效性的最大值被设定为6，但本公开不限于此。例如，可以将有效性的最大值确定为诸如10之类的另一适当值。或者替换地，有效性的值可以是百分比值，并且可以基于该百分比值来确定logical(Eijk)。在这种情况下，在有效值等于或高于预定百分比(诸如0％，或任何其它百分比)时，logical(Eijk)等于1。
借助于有效性表格，可以通过查找有效性表格来容易地确定监视指标针对缺陷的有效性，并且随后基于等式2来确定监视指标的权重。
在本公开的另一实施例中，为了进一步缓解误报和漏报的风险，可以基于相应监视指标的严重性来进一步调整权重或加权因数，以获得适应性权重。此类调整可以使得具有较高严重性的指标具有较大权重。可以例如根据下式来执行调整：
(等式3)
其中，Wijk表示第j部件的第j缺陷的第k监视指标的加权因数；K是监视指标的总数；Sijk是第i部件的第j缺陷的第k指标的严重性，并且α是小于1的系数(默认数值可以是例如0.5)。然而，应注意的是，可以根据任何其它适当等式来调整权重，并且其不限于如本文所述的等式。
然后，在步骤S203处，基于一个或多个严重性和一个或多个权重来估计一个或多个部件中的至少一个具有一个或多个缺陷中的至少一个中的每一个的缺陷概率。
也就是说，可以基于与缺陷有关的多个监视指标，来估计部件具有缺陷的概率。一般地，关于缺陷，即潜在故障，可能具有可以被传感器捕捉到的一个或多个征兆。对来自多个传感器的数据的融合可以产生许多优点，诸如减轻传感器故障的风险，检验来自多个传感器的这些数据，对这些数据相互进行支持。
用多个传感器，可以例如将第i部件具有第j缺陷的概率计算为：
(等式4)
其中，
PoDij是对于第i部件的第j缺陷的概率；
Wijk是第i部件的第j缺陷的第k监视指标的加权因数，以及；
Sijk是第i部件的第j缺陷的第k监视指标的严重性(％)(k＝1…K，K表示监视指标的数目)，并且0≤Sijk≤1。
以这种方式，可以确定特定部件可以具有相应缺陷的概率并将其作为估计结果输出。
然而，在本公开的其它实施例中，可以执行进一步处理，以提供更多估计结果，其将参考图2B来描述。
如图2B中所示，在步骤S204处，可以基于一个或多个监视指标的权重和有效性，来估计一个或多个部件中的至少一个具有一个或多个缺陷中的所述至少一个中的每一个的缺陷置信度。
可以根据例如以下等式来确定缺陷置信度，但显而易见的是也可以使用任何其它适当方式来确定：
(等式4)
其中
DCoDij是第i部件具有第j缺陷的缺陷置信度；
Wijk是第i部件的第j缺陷的第k监视指标的加权因数；
Eijk表示第i部件的第j缺陷的第k监视指标的有效性；以及
logical(Eijk)表示Eijk的逻辑值。
Eijk和logical(Eijk)可以按照与参考等式2所述方式类似的方式来确定，因此此处将不再进行赘述。所确定的缺陷置信度可以作为估计结果连同缺陷概率一起被输出，以示出相应置信度。替换地或另外，可以进一步在步骤S205处，基于缺陷概率和缺陷置信度来估计所述一个或多个部件中的所述至少一个是缺陷部件的缺陷部件概率。
对于电力设备的部件而言，可能具有可以被传感器捕捉的一个或多个主要缺陷。利用部件可能具有各种缺陷的缺陷概率，可以将缺陷部件概率例如确定为：
PoCij＝max(PoDij*DCoDij) (等式5)
其中
PoCi是第i部件有缺陷的概率。
PoDij是第i部件的第j缺陷的概率，并且0≤PoDij≤1；
DCoDij是第i部件具有第j缺陷的缺陷置信度；以及
max()表示求解算最大值的函数。
也就是说，对于第i部件而言，所有缺陷概率被分别地乘以相应缺陷置信度，并且然后选择乘积的最大值作为该部件是缺陷部件的缺陷部件概率。这是合理的，因为部件是否是有缺陷通常取决于具有最高缺陷概率的缺陷。
另外，可以在步骤S206处，进一步基于所确定缺陷部件概率来进一步估计电力设备的可靠性或健康状况。
可以认识到的是，电力设备可以具有多个内含部件，所述内含部件的故障将引起电力设备的整体健康状况降低。基于针对预定时间间隔确定的缺陷部件概率，可以例如通过下式来获得目标有缺陷变压器的健康状况或可靠性：
RoPD＝1-max(PoCj) (等式6)
其中
RoPD表示电力设备的可靠性或健康状况；
PoCi是第i部件有缺陷的概率；以及
表示求解算最大值的函数。
根据等式6，可以看到，电力设备的可靠性取决于电力设备中具有最大缺陷部件概率的部件。
此外，在步骤S207处，可以响应于估计缺陷概率、缺陷部件概率和可靠性中的至少一个，向客户提供提示和/或命令，从而提示或命令客户采取相应措施。此操作可以尤其是在与缺陷有关的任一概率相对较高(例如高于预定阈值)时执行。例如，可以发出警告以指示电力设备具有低可靠性，并建议对电力设备执行维护，建议使用备用电力设备或者任何其它适当措施。
此外，其可以基于所述一个或多个部件中的至少一个具有一个或多个缺陷中的至少一个缺陷的缺陷概率和与缺陷概率相关联的事件，来检验和/或修改预定严重性标准和一个或多个监视指标的有效性中的至少一个。以tan(δ)作为监视指标的示例，如果对于针对CB1的监视指标为40％的严重性而言，其导致CB1缺陷的概率比其应当导致该缺陷的概率高得多，则可以将相应严重性调整至较高值，例如42％或更高；另一方面，如果CB1缺陷以低得多的概率发生，则可以将相应严重性减小至较低值，例如38％或以下。可以以类似方式调整监视指标的有效性。以这种方式，严重性标准或有效性将更加准确，并且因此可以实现更可靠的估计。
利用本公开的实施例，可以将电力设备故障机制与在线监视技术组合，并且因此可以实现更可靠的缺陷概率估计；并且在其它实施例中，可以进一步估计缺陷部件概率和/或电力设备健康状况。基于这些可靠信息，可以促进在缺陷演变成故障之前安排维护并评定电力设备操作和控制的风险，从而改善电力设备的可靠性。
在本公开中，还提供了一种用于电力设备的缺陷预警的装置，该装置将在下面参考图6中所示的实施例进行描述。
如图6中所示，装置600可以包括测量数据处理单元610；指标权重确定单元620和缺陷概率估计单元630。测量数据处理单元610可以被配置成基于预定严重性标准来处理关于电力设备的一个或多个部件的一个或多个测量数据，以获得与一个或多个部件的一个或多个缺陷有关的一个或多个监视指标的一个或多个严重性。指标权重确定单元620可以被配置成基于针对一个或多个缺陷的一个或多个监视指标的有效性，来确定一个或多个监视指标相对于一个或多个缺陷的一个或多个权重。缺陷概率估计单元630可以被配置成基于一个或多个严重性和一个或多个权重，来确定一个或多个部件中的至少一个部件具有一个或多个缺陷中的至少一个缺陷中的每个缺陷的缺陷概率。
在本公开的实施例中，装置600可以进一步包括缺陷置信度估计单元640。缺陷置信度估计单元640可以被配置成基于来自指标权重确定单元620的一个或多个权重和一个或多个监视指标的有效性来估计一个或多个部件中的所述至少一个具有一个或多个缺陷中的至少一个缺陷中的每个缺陷的缺陷置信度。
在本公开的另一实施例中，装置600可以进一步包括缺陷部件概率估计单元650。缺陷部件概率估计单元650可以被配置成基于分别地来自缺陷概率估计单元630和缺陷置信度估计单元640的缺陷概率和缺陷置信度，来估计一个或多个部件中的至少一个部件是缺陷部件的缺陷部件概率。
在本公开的另一实施例中，装置600可以进一步包括设备可靠性估计单元660。设备可靠性估计单元660可以被配置成基于一个或多个部件中的至少一个部件是缺陷部件的缺陷部件概率，来估计所述电力设备的可靠性。
在本公开的另一实施例中，装置600可以进一步包括指标权重调整单元625。指标权重调整单元625可以被配置成基于一个或多个监视指标的一个或多个严重性来调整一个或多个监视指标相对于一个或多个缺陷的一个或多个权重。
在本公开的另一实施例中，测量数据处理单元610可以被配置成根据一个或多个测量数据来确定与一个或多个部件的一个或多个缺陷有关的一个或多个监视指标；并且基于预定严重性标准来确定与用于一个或多个部件的一个或多个缺陷有关的一个或多个监视指标的一个或多个严重性。
在本公开的另一实施例中，装置600可以进一步包括提示/命令提供单元670。提示/命令提供单元670可以被配置成响应于缺陷概率、缺陷部件概率和可靠性中的至少一个，来提供提示和/或命令，以便采取相应措施。
在本公开的另一实施例中，装置600可以进一步包括检验/修改单元680。检验/修改单元680可以被配置成基于一个或多个部件中的至少一个具有一个或多个缺陷中的至少一个的缺陷概率和与缺陷概率相关联的事件，来检验和/或修改预定严重性标准和一个或多个监视指标的有效性中的至少一个。
应注意的是，装置600可以被配置成实现参考图1至图5所述的功能。因此，针对关于这些装置中的模块的操作的细节，可以参考结合图1至5相对于方法的各个步骤所作出的那些描述。
进一步注意到的是，可以用硬件、软件、固件和/或其任何组合来具体实现装置600的部件。例如，装置600的部件可以分别地由电路、处理器或具有足够数据处理能力的任何其它适当设备来实现。本领域的技术人员将认识到，上述示例仅仅用于举例说明而不是限制。
在本公开的某些实施例中，装置600可以包含至少一个处理器。适合于用于本公开的实施例的所述至少一个处理器可以举例来说包括现在已知或将来开发的通用和专用处理器两者。装置600可以进一步包括至少一个存储器。所述至少一个存储器可以包括例如半导体存储器件，例如RAM、ROM、EPROM、以及闪速存储器件。所述至少一个存储器可以用来存储计算机可执行指令的程序。该程序可以用任何高级和/或低级可编译或可解释编程语言来编写。根据实施例，可以利用所述至少一个处理器将计算机可执行指令配置成促使装置600至少根据如参考图1至5所讨论的方法来执行操作。
应认识到的是，本公开相当适合于变压器，尤其是电力变压器，更尤其是高压(HV)电力变压器，但并不限于此。本公开也可以应用于诸如断路器、电力开关、自动开关等任何其它适当部件。
还应认识到的是，在描述本发明的实施例时，给出许多特定等式、表格、绘图、自动开关参数值等；然而本发明不限于此，其可以使用任何其它适当的等式、表格、绘图参数值等。
另外，基于以上描述，本领域的技术人员将认识到的是，可以用装置、方法或计算机程序产品来体现本公开。一般地，可以用硬件或专用电路、软件、逻辑或其任何组合来实现各种示例性实施例。例如，可以用硬件来实现某些方面，同时可以用可以被控制器、微处理器或其它计算设备执行的固件或软件来实现其它方面，但本公开不限于此。虽然已经作为框图、流程图或者使用某个其它图示表示来示出并描述了本公开的示例性实施例的各种方面，但应很好地理解的是，作为非限制性示例，可以用硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其它计算设备或其某种组合来实现本文所述的这些方框、装置、系统、技术或方法。
可以将附图中所示的各种方框视为方法步骤和/或作为由计算机程序代码的操作得到的操作和/或作为被构造成执行(一个或多个)关联功能的多个耦合逻辑电路元件。可以用诸如集成电路芯片和模块之类的各种部件来实施本公开的示例性实施例的至少某些方面，并且可以在被具体实现为可被配置成根据本公开的示例性实施例进行操作的集成电路、FPGA或ASIC的装置中，来实现本公开的示例性实施例。
虽然本说明书包含许多特定实施方式细节，但不应将这些理解为对任何公开或所要求保护的范围的限制，而是作为可以为特定公开的特定实施例所特有的特征加以描述。在本说明书中在分开的实施例的背景下描述的某些特征也可以组合地在单个实施例中实现。相反地，在单个实施例的背景下描述的各种特征也可以单独地或以任何适当的子组合在多个实施例中实现。此外，虽然上文将特征描述为以某些组合的方式作用，甚至最初按照这样要求保护，但在某些情况下，可以从该组合去除来自要求保护的组合中的一个或多个特征，并且要求保护的组合可以是对子组合或子组合的变化。
同样地，虽然在图中按照特定顺序描绘了各操作，但不应将其理解为要求按照所示的特定顺序或按照连续顺序来执行此类操作，或者执行所有的所示操作以实现期望的结果。在某些情况下，多重任务和并行处理可以是有利的。此外，不应将上述实施例中的各种系统部件的分离理解为在所有实施例中都要求此类分离，并且应理解的是，所述程序部件和系统一般地可以在单个软件产品中被集成在一起，或者被封装到多个软件产品中。
当结合附图来阅读时，鉴于前文的描述，对本公开的前述示例性实施例的各种修改、适应可以变得对于本领域的技术人员而言是显而易见。所有的任何修改仍落在本公开的非限制性和示例性实施例的范围内。此外，受益于在前面具体实施方式和附图中给出的教导内容的本公开的这些实施例所属领域的技术人员将想到在本文中阐述的本公开的其它实施例。
因此，将理解的是，本公开的实施例不限于公开的特定实施例，并且修改及其它实施例意在被包括在所附权利要求书的范围内。虽然在本文中使用特定术语，但其仅仅是在一般且描述性意义上使用而不是用于限制目的。

Claims (14)

1.一种用于电力设备的缺陷预警的方法，包括：
基于预定严重性标准来处理关于所述电力设备的一个或多个部件的一个或多个测量数据，以获得与所述一个或多个部件的一个或多个缺陷有关的一个或多个监视指标的一个或多个严重性；
基于针对所述一个或多个缺陷的一个或多个监视指标的有效性，确定所述一个或多个监视指标相对于所述一个或多个缺陷的一个或多个权重；
基于所述一个或多个严重性和所述一个或多个权重，估计所述一个或多个部件中的至少一个部件具有所述一个或多个缺陷中的至少一个缺陷中的每个缺陷的缺陷概率；
基于所述一个或多个监视指标的有效性和所述一个或多个权重，估计所述一个或多个部件中的至少一个部件具有所述一个或多个缺陷中的至少一个缺陷中的每个缺陷的缺陷置信度；以及
基于所述缺陷概率和所述缺陷置信度，来估计所述一个或多个部件中的至少一个部件是缺陷部件的缺陷部件概率。
2.根据权利要求1所述的方法，进一步包括：
基于所述缺陷部件概率来估计所述电力设备的可靠性。
3.根据权利要求1或2所述的方法，进一步包括：
基于所述一个或多个监视指标的所述一个或多个严重性，调整所述一个或多个监视指标相对于所述一个或多个缺陷的一个或多个权重。
4.根据权利要求1或2所述的方法，其中所述处理关于所述电力设备的一个或多个部件的一个或多个测量数据包括：
根据所述一个或多个测量数据来确定与所述一个或多个部件的一个或多个缺陷有关的所述一个或多个监视指标；以及
基于所述预定严重性标准来确定针对与所述一个或多个部件的一个或多个缺陷有关的所述一个或多个监视指标的一个或多个严重性。
5.根据权利要求2所述的方法，进一步包括：
响应于所述缺陷概率、所述缺陷部件概率和所述可靠性中的至少一个来提供提示和/或命令，以便采取相应措施。
6.根据权利要求1或2所述的方法，其中所述预定严重性标准和/或针对所述一个或多个缺陷的所述一个或多个监视指标的有效性是通过基于历史数据统计的离线处理而获得的。
7.根据权利要求1或2所述的方法，进一步包括：
基于所述缺陷概率和与所述缺陷概率相关联的事件，检验和/或修改所述预定严重性标准和所述一个或多个监视指标的有效性中的至少一个。
8.根据权利要求1或2所述的方法，其中所述电力设备包括变压器。
9.一种用于电力设备的缺陷预警的装置，包括：
测量数据处理单元，其被配置成基于预定严重性标准来处理关于电力设备的一个或多个部件的一个或多个测量数据，以获得与所述一个或多个部件的一个或多个缺陷有关的一个或多个监视指标的一个或多个严重性；
指标权重确定单元，其被配置成基于针对所述一个或多个缺陷的一个或多个监视指标的有效性，确定所述一个或多个监视指标相对于所述一个或多个缺陷的一个或多个权重；以及
缺陷概率估计单元，其被配置成基于所述一个或多个严重性和所述一个或多个权重，估计所述一个或多个部件中的至少一个部件具有所述一个或多个缺陷中的至少一个缺陷中的每个缺陷的缺陷概率；
缺陷置信度估计单元，其被配置成基于所述一个或多个监视指标的有效性和所述一个或多个权重，估计所述一个或多个部件中的至少一个部件具有所述一个或多个缺陷中的至少一个缺陷中的每个缺陷的缺陷置信度；以及
缺陷部件概率估计单元，其被配置成基于所述缺陷概率和所述缺陷置信度来估计所述一个或多个部件中的至少一个部件是缺陷部件的缺陷部件概率。
10.根据权利要求9所述的装置，进一步包括：
设备可靠性估计单元，其被配置成基于所述缺陷部件概率来估计所述电力设备的可靠性。
11.根据权利要求9或10所述的装置，进一步包括：
指标权重调整单元，其被配置成基于所述一个或多个监视指标的一个或多个严重性，调整所述一个或多个监视指标相对于所述一个或多个缺陷的一个或多个权重。
12.根据权利要求9或10所述的装置，其中所述测量数据处理单元被配置成：
根据所述一个或多个测量数据来确定与所述一个或多个部件的一个或多个缺陷有关的所述一个或多个监视指标；以及
基于所述预定严重性标准来确定针对与所述一个或多个部件的一个或多个缺陷有关的所述一个或多个监视指标的一个或多个严重性。
13.根据权利要求10所述的装置，进一步包括：
提示/命令提供单元，其被配置成响应于所述缺陷概率、所述缺陷部件概率和所述可靠性中的至少一个来提供提示和/或命令，以便采取相应措施。
14.根据权利要求9或10所述的装置，进一步包括：
检验/修改单元，其被配置成基于所述缺陷概率和与所述缺陷概率相关联的事件来检验和/或修改所述预定严重性标准和所述一个或多个监视指标的有效性中的至少一个。
CN201380077633.6A 2013-04-22 2013-04-22 用于电力设备的缺陷预警的方法和装置 Active CN105324900B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2013/074528 WO2014172838A1 (en) 2013-04-22 2013-04-22 Method and apparatus for defect pre-warning of power device

Publications (2)

Publication Number Publication Date
CN105324900A CN105324900A (zh) 2016-02-10
CN105324900B true CN105324900B (zh) 2018-02-06

Family

ID=51790971

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380077633.6A Active CN105324900B (zh) 2013-04-22 2013-04-22 用于电力设备的缺陷预警的方法和装置

Country Status (4)

Country Link
US (1) US10613153B2 (zh)
EP (1) EP2989705B1 (zh)
CN (1) CN105324900B (zh)
WO (1) WO2014172838A1 (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104360194A (zh) * 2014-11-17 2015-02-18 国网河南省电力公司 一种智能电网故障诊断方法
CN106199414B (zh) * 2016-06-29 2019-01-11 温州大学 断路器保护特性测试过程中回路阻抗的自适应识别方法
CN106529696B (zh) * 2016-09-22 2020-08-04 国网山西省电力公司晋城供电公司 一种电网中设备预警方法及预警装置
CN107103425B (zh) * 2017-04-26 2020-08-07 哈尔滨电机厂有限责任公司 发电设备运行状态计算机智能量化评价系统
WO2018232558A1 (en) * 2017-06-19 2018-12-27 Abb Schweiz Ag CIRCUIT BREAKER MONITORING METHOD AND APPARATUS AND INTERNET THEREOF
CN109031014B (zh) * 2017-12-28 2020-08-14 国网湖北省电力公司宜昌供电公司 一种基于运行数据的变压器综合可靠性评估及预测方法
EP3740670A4 (en) 2018-01-18 2021-09-22 ABB Schweiz AG METHOD, DEVICE AND SYSTEM FOR WIND INVERTER MANAGEMENT
CN109239516A (zh) * 2018-09-05 2019-01-18 国网山西省电力公司检修分公司 融合多种智能诊断模型的变压器故障分层诊断方法
CN109376877B (zh) * 2018-10-11 2021-01-26 华自科技股份有限公司 设备运维预警方法、装置、计算机设备和存储介质
CN109740797B (zh) * 2018-12-07 2022-08-23 国网江苏省电力有限公司南京供电分公司 一种基于条件概率的电力设备缺陷事件预警方法
CN110411891A (zh) * 2019-09-04 2019-11-05 上海乐研电气有限公司 实现气体密度继电器免维护的现场检测装置、系统及方法
CN115267591A (zh) * 2021-04-30 2022-11-01 台达电子企业管理（上海）有限公司 电源工作状态检测方法以及检测装置
CN113297967B (zh) * 2021-05-24 2023-05-23 扬州大学 一种基于特征置信范围的内置式芦苇收割机安全评估方法

Citations (6)

* Cited by examiner, † Cited by third party
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
CA2666894A1 (en) * 2009-05-27 2010-11-27 Hydro Quebec System for condition-based maintenance of complex equipment and structures
CN201898519U (zh) * 2010-09-01 2011-07-13 燕山大学 带有风险控制的设备维修预警装置
CN102981108A (zh) * 2012-11-29 2013-03-20 重庆大学 一种基于多特征信息融合技术的变压器内绝缘老化诊断方法
US8405339B2 (en) * 2010-07-01 2013-03-26 Eaton Corporation System and method for detecting fault in an AC machine
CN103018618A (zh) * 2011-09-19 2013-04-03 通用电气公司 用于监控部件的方法、装置和系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6494617B1 (en) * 1999-04-30 2002-12-17 General Electric Company Status detection apparatus and method for fluid-filled electrical equipment
US6446027B1 (en) * 1999-09-17 2002-09-03 General Electric Company Intelligent analysis system and method for fluid-filled electrical equipment
US6928861B1 (en) * 2000-03-17 2005-08-16 Norman Rice Method for a reliability assessment, failure prediction and operating condition determination of electric equipment
US7773774B2 (en) * 2004-06-28 2010-08-10 Xerox Corporation Dynamic test pattern composition for image-analysis based automatic machine diagnostics
US7647202B2 (en) * 2006-07-05 2010-01-12 Arizona Public Service Company Method for exception-based notification of the condition of an apparatus
CN101692113B (zh) 2009-10-12 2012-05-23 天津大学 基于区间数学理论的电力变压器故障诊断方法
US8484150B2 (en) * 2010-02-26 2013-07-09 General Electric Company Systems and methods for asset condition monitoring in electric power substation equipment
CN202034166U (zh) 2010-12-15 2011-11-09 中国西电电气股份有限公司 一种高压变压器冷却设备监测与通信模块
CN102221651B (zh) 2011-03-11 2015-05-27 太原理工大学 一种矿用隔爆型干式变压器故障在线诊断及预警方法
CN102253304B (zh) 2011-04-26 2013-05-22 云南电力试验研究院(集团)有限公司 电力变压器动稳定状态故障诊断方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
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
CA2666894A1 (en) * 2009-05-27 2010-11-27 Hydro Quebec System for condition-based maintenance of complex equipment and structures
US8405339B2 (en) * 2010-07-01 2013-03-26 Eaton Corporation System and method for detecting fault in an AC machine
CN201898519U (zh) * 2010-09-01 2011-07-13 燕山大学 带有风险控制的设备维修预警装置
CN103018618A (zh) * 2011-09-19 2013-04-03 通用电气公司 用于监控部件的方法、装置和系统
CN102981108A (zh) * 2012-11-29 2013-03-20 重庆大学 一种基于多特征信息融合技术的变压器内绝缘老化诊断方法

Also Published As

Publication number Publication date
EP2989705A1 (en) 2016-03-02
US10613153B2 (en) 2020-04-07
CN105324900A (zh) 2016-02-10
EP2989705A4 (en) 2017-01-25
US20160077163A1 (en) 2016-03-17
WO2014172838A1 (en) 2014-10-30
EP2989705B1 (en) 2021-12-22

Similar Documents

Publication Publication Date Title
CN105324900B (zh) 用于电力设备的缺陷预警的方法和装置
CN108604360B (zh) 设施异常监测方法及其系统
EP3422518B1 (en) A method for recognizing contingencies in a power supply network
CN105759201B (zh) 基于异常样本识别的高压断路器自诊断方法
CN107219457A (zh) 基于操作附件电流的框架式断路器故障诊断及程度评估方法
Lennox et al. Application of multivariate statistical process control to batch operations
EP3422517B1 (en) A method for recognizing contingencies in a power supply network
CN110121682A (zh) 发现时间系列中的预兆子序列的方法和系统
CN116893336B (zh) 高低压开关设备及其方法
TW201830186A (zh) 不良原因推定裝置以及不良原因推定方法
CN105954615A (zh) 一种变压器短路后的状态评估方法及评估系统
Bejaoui et al. A data-driven prognostics technique and rul prediction of rotating machines using an exponential degradation model
Karpilow et al. Detection of bad PMU data using machine learning techniques
JP6135192B2 (ja) 時系列データの異常監視装置、異常監視方法及びプログラム
CN117350548B (zh) 一种配电设备安全隐患排查方法
CN110968703A (zh) 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统
Nagpal et al. Neural network based transformer incipient fault detection
Guo et al. Intelligent outlier detection for HVAC system fault detection
US11125043B2 (en) Model-based monitoring and useful life estimation for blowout preventer annulars
CN115310693A (zh) 一种综合能源数据清洗方法、系统、设备和介质
Jensen et al. Remaining useful life estimation of stator insulation using particle filter
Du et al. Fault diagnosis method of automation equipment in independent and controllable substation based on deep reinforcement learning
CN117743815B (zh) 一种断路器多路振动传感器信号优选方法及系统
WO2022133825A1 (zh) 元件、功能模块和系统的剩余寿命评估方法、装置和系统
JP6213655B2 (ja) 時系列データの異常監視装置、異常監視方法及びプログラム

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
TR01 Transfer of patent right

Effective date of registration: 20180511

Address after: Baden, Switzerland

Patentee after: ABB Switzerland Co.,Ltd.

Address before: Zurich

Patentee before: ABB TECHNOLOGY Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210525

Address after: Baden, Switzerland

Patentee after: ABB grid Switzerland AG

Address before: Baden, Switzerland

Patentee before: ABB Switzerland Co.,Ltd.

CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Swiss Baden

Patentee after: Hitachi energy Switzerland AG

Address before: Swiss Baden

Patentee before: ABB grid Switzerland AG

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240111

Address after: Zurich, SUI

Patentee after: Hitachi Energy Co.,Ltd.

Address before: Swiss Baden

Patentee before: Hitachi energy Switzerland AG