CN105629144A - 基于指纹库的高压开关设备局部放电诊断方法及系统 - Google Patents
基于指纹库的高压开关设备局部放电诊断方法及系统 Download PDFInfo
- Publication number
- CN105629144A CN105629144A CN201610141457.3A CN201610141457A CN105629144A CN 105629144 A CN105629144 A CN 105629144A CN 201610141457 A CN201610141457 A CN 201610141457A CN 105629144 A CN105629144 A CN 105629144A
- Authority
- CN
- China
- Prior art keywords
- signal
- discharge
- fingerprint
- test data
- data
- 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
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
- G01R31/12—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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明提供了一种基于指纹库的高压开关设备局部放电诊断方法及系统,通过采集高压开关设备的不同局部放电类型和噪声类型的信号,将信号经过数据处理后提取指纹并构造指纹库,未知的信号通过数据处理后计算指纹,与指纹库中的指纹信息进行相似比较推理,从而识别该未知信号的类型。本发明构造了局部放电指纹库,利用指纹区分信号类型,能有效识别各类局部放电信号和噪声信号,为高压开关设备的绝缘状态评估提供了方便而可靠的诊断方法。
Description
技术领域
本发明涉及电力设备故障诊断领域,具体地,涉及一种基于指纹库的高压开关设备局部放电诊断方法及系统。
背景技术
目前高压电力设备数量越来越多,电压等级越来越高,电力设备的故障严重威胁着电力系统的安全运行。高压开关设备设备的绝缘能力是决定电力设备能够安全稳定运行的重要因素。高压开关设备的绝缘性能检测与故障诊断是实现设备状态检修的重要前提,是保证设备安全可靠运行的关键。局部放电检测是高压开关设备绝缘检测和诊断的有效方法。从局部放电位置和机理的角度可将高压开关设备局部放电的类型分为电晕放电、沿面放电、内部放电、悬浮电位放电和微粒放电等多种放电。现场干扰信号可分为电信号干扰和机械波干扰等。不同的局部放电类型对设备的绝缘性能影响严重程度不同,因此,为高压开关设备设备进行局部放电检测,判断局部放电类型,对维护设备安全和电力系统稳定运行有着十分重要的意义。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于指纹库的高压开关设备局部放电诊断方法及系统。
根据本发明提供的基于指纹库的高压开关设备局部放电诊断方法,包括如下步骤:
指纹库搭建步骤:通过采集高压开关设备运行时的各种局部放电信号和噪声信号,获得相应的测试数据,并对所述测试数据进行处理后得到指纹库;
测试数据处理步骤:采集现场高压开关设备需诊断的测试数据对需诊断的测试数据进行处理后,提取得到相对应的指纹;
信号诊断步骤:将从需诊断的测试数据中提取的指纹与指纹库中的指纹信息进行比对,得到诊断结果。
优选地,所述指纹库搭建步骤包括:
步骤A1:在实验室制作高压开关设备的多种局部放电模型,将多种局部放电模型分别放置在高压开关设备中,采集高压开关设备运行时多种局部放电模型的局部放电信号和噪声,并记录实验室条件下的测试数据;所述实验室条件下的测试数据即从多种局部放电信号和噪声信号中获得的多种局部放电数据、噪声数据;
步骤A2:利用局部放电检测设备,现场检测不同变电站下高压开关设备的多种局部放电信号和噪声,获得现场条件下的测试数据;所述现场条件下的测试数据即从多种局部放电信号和噪声信号中获得的各种局部放电数据、噪声数据;
步骤A3:将从步骤A2、A3获取的不同种类的局部放电数据和噪声数据,经过数据处理后,提取指纹,构造指纹库;
其中,所述局部放电数据种类包括:电晕放电、悬浮电位放电、微粒放电、内部放电以及沿面放电;所述噪声数据类型包括:通讯干扰、背景干扰、灯光干扰以及开关动作干扰。
优选地,所述步骤A3包括:
步骤A3.1:获取得到目标PRPS/PRPD信号,所述PRPS信号指相位-周期-放电幅值数据,表示各个周期上的放电幅值相位分布;所述PRPD信号指相位-放电幅值-放电次数数据,表示各个放电幅值区间上的放电次数的相位分布;
具体地,包括:
步骤A3.1.1:将采集到实验室条件下和现场条件下的测试数据的原始PRPS/PRPD信号经过去噪处理得到去噪后的PRPS/PRPD信号;
步骤A3.1.2:对去噪后的PRPS/PRPD信号进行相位校准后得到目标PRPS/PRPD信号;
步骤A3.2:提取指纹,即将目标PRPS/PRPD信号做统计特征提取,根据放电相位分布特征、放电周期分布特征和放电脉冲聚集特征,统计得到指纹参数,组成指纹;
步骤A3.3:构造指纹库,即将各种类局部放电数据和噪声数据提取到的指纹,按照设备类型、检测类型和信号类型,搭建指纹库。
优选地,测试数据处理步骤包括:
步骤B1:采集现场高压开关设备需诊断的测试数据;
步骤B2:将采集到的需诊断的测试数据的原始PRPS/PRPD信号经过去噪处理得到去噪后的PRPS/PRPD信号;
步骤B3:对需诊断的测试数据的去噪后的PRPS/PRPD信号进行相位校准后得到需诊断的测试数据的目标PRPS/PRPD信号;
步骤B4:提取指纹,即将需诊断的测试数据的目标PRPS/PRPD信号做统计特征提取,根据放电相位分布特征、放电周期分布特征和放电脉冲聚集特征,统计得到指纹参数,组成需诊断的测试数据的指纹。
优选地,所述信号诊断步骤包括:
步骤C1:将需诊断的测试数据中提取的指纹与指纹库中的指纹信息进行相似比较综合推理,即使用相关系数计算待诊断指纹和指纹库中的指纹的相似度cc,并统计与待诊断指纹最为相似的指纹数据,其中相似度cc的计算公式如下:
式中:X、Y分别表示不同的变量,N表示变量X的长度,且变量X的长度等于变量Y的长度,cc(X,Y)表示变量X和变量Y的相似度;
步骤C2:根据相似比较综合推理结论诊断该信号类型,相似比较综合推理结论即相似度cc的最大值。
优选地,局部放电模型包括电晕放电、悬浮电位放电、微粒放电、内部放电以及沿面放电模型。
根据本发明提供的基于指纹库的高压开关设备局部放电诊断系统,包括:指纹库搭建模块、测试数据处理模块、信号诊断模块;
所述指纹库搭建模块,用于采集高压开关设备运行时的各种局部放电信号和噪声信号,获得相应的测试数据,并对所述测试数据进行处理后得到指纹库;
所述测试数据处理模块,用于采集现场高压开关设备需诊断的测试数据对需诊断的测试数据进行处理后,提取得到相对应的指纹;
所述信号诊断模块,用于将从需诊断的测试数据中提取的指纹与指纹库中的指纹信息进行比对,得到诊断结果。
优选地,所述指纹库搭建模块包括:
子模块A1:在实验室制作高压开关设备的多种局部放电模型,将多种局部放电模型分别放置在高压开关设备中,采集高压开关设备运行时多种局部放电模型的局部放电信号和噪声,并记录实验室条件下的测试数据;所述实验室条件下的测试数据即从多种局部放电信号和噪声信号中获得的多种局部放电数据、噪声数据;
子模块A2:利用局部放电检测设备,现场检测不同变电站下高压开关设备的多种局部放电信号和噪声,获得现场条件下的测试数据;所述现场条件下的测试数据即从多种局部放电信号和噪声信号中获得的各种局部放电数据、噪声数据;
子模块A3:将从子模块A2、A3获取的不同种类的局部放电数据和噪声数据,经过数据处理后,提取指纹,构造指纹库;
其中,所述局部放电数据种类包括:电晕放电、悬浮电位放电、微粒放电、内部放电以及沿面放电;所述噪声数据类型包括:通讯干扰、背景干扰、灯光干扰以及开关动作干扰。
所述子模块A3包括:
获取得到目标PRPS/PRPD信号,所述PRPS信号指相位-周期-放电幅值数据,表示各个周期上的放电幅值相位分布;所述PRPD信号指相位-放电幅值-放电次数数据,表示各个放电幅值区间上的放电次数的相位分布;
具体地,包括:
去噪模块:将采集到实验室条件下和现场条件下的测试数据的原始PRPS/PRPD信号经过去噪处理得到去噪后的PRPS/PRPD信号;
相位校准模块:对去噪后的PRPS/PRPD信号进行相位校准后得到目标PRPS/PRPD信号;
提取指纹模块:即将目标PRPS/PRPD信号做统计特征提取,根据放电相位分布特征、放电周期分布特征和放电脉冲聚集特征,统计得到指纹参数,组成指纹;
指纹库构造模块:即将各种类局部放电数据和噪声数据提取到的指纹,按照设备类型、检测类型和信号类型,搭建指纹库。
优选地,测试数据处理模块包括:
子模块B1:采集现场高压开关设备需诊断的测试数据;
子模块B2:将采集到的需诊断的测试数据的原始PRPS/PRPD信号经过去噪处理得到去噪后的PRPS/PRPD信号;
子模块B3:对需诊断的测试数据的去噪后的PRPS/PRPD信号进行相位校准后得到需诊断的测试数据的目标PRPS/PRPD信号;
子模块B4:提取指纹,即将需诊断的测试数据的目标PRPS/PRPD信号做统计特征提取,根据放电相位分布特征、放电周期分布特征和放电脉冲聚集特征,统计得到指纹参数,组成需诊断的测试数据的指纹。
优选地,所述信号诊断模块包括:
子模块C1:将需诊断的测试数据中提取的指纹与指纹库中的指纹信息进行相似比较综合推理,即使用相关系数计算待诊断指纹和指纹库中的指纹的相似度cc,并统计与待诊断指纹最为相似的指纹数据,其中相似度cc的计算公式如下:
式中:X、Y分别表示不同的变量,N表示变量X的长度,且变量X的长度等于变量Y的长度,cc(X,Y)表示变量X和变量Y的相似度;
子模块C2:根据相似比较综合推理结论诊断该信号类型,相似比较综合推理结论即相似度cc的最大值。
与现有技术相比,本发明具有如下的有益效果:
1、本发明提供的基于指纹库的高压开关设备局部放电诊断方法中构造了局部放电指纹库,利用指纹区分信号类型,能有效识别各类局部放电信号和噪声信号,为高压开关设备的绝缘状态评估提供了方便而可靠的诊断方法。
2、本发明提供的基于指纹库的高压开关设备局部放电诊断方法可以有效提高现场测试效率和判断准确性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明提供的基于指纹库的高压开关设备局部放电诊断方法的总体流程示意图;
图2为本发明提供的测试数据的数据处理流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
高压开关设备因为由于设计、制造和安装工艺、操作运行和过电压作用等问题而不可避免的存在各种缺陷,这些缺陷都可能造成设备发生局部放电。不同的局部放电过程存在差异,可以通过各类局部放电的信号特征差异来判断局部放电类型。
具体地,本发明提出一种基于指纹库的高压开关设备局部放电诊断方法,包括如下步骤:
步骤S1:构造指纹库;
基于指纹库推理的基本思想,利用已有的数据来解决现有数据的问题,可以看做是从源数据到目标数据的类比推理。即将指纹库已经存在的数据称为源数据,将需要做诊断的数据称为目标数据。通过构建具有大量源数据的指纹库,为基于指纹库做局部放电诊断提供数据基础。
步骤S1.1:在实验室制作高压开关设备的各局部放电模型,构建测量系统,并采集测试数据;
其中,高压开关设备的局部放电模型包括:电晕放电、沿面放电、内部放电、悬浮电位放电和微粒放电等。具体地,在实验室制作放电模型,并将所述放电模型放置在高压开关设备内部,模拟高压开关设备运行环境,利用测量系统,采集放电模型的放电信号,并记录相应的实验室条件下的测试数据。
步骤S1.2:在现场对高压开关设备做局部放电测试,采集现场条件下的测试数据,利用局部放电检测设备,在多个变电站进行测试;
步骤S1.3:将不同类型的信号和噪声数据,经过数据处理后,提取指纹,构造指纹库;
步骤S1.3.1:得到目标PRPS/PRPD信号;
具体地,采集的测试数据分为时域波形信号和PRPS/PRPD信号两种。PRPS指相位-周期-放电幅值数据,表示各个周期上的放电幅值相位分布;PRPD指相位-放电幅值-放电次数数据,表示各个放电幅值区间上的放电次数的相位分布。采集的原始时域波形信号,经过去噪和提取脉冲后,统计PRPS/PRPD信号;采集的原始PRPS/PRPD信号经过去噪处理。继续对PRPS/PRPD信号进行相位校准,得到目标PRPS/PRPD信号。
步骤S1.3.2:提取指纹;
将目标PRPS/PRPD信号做统计特征提取,根据放电相位分布特征、放电周期分布特征和放电脉冲聚集特征,统计得到指纹参数,组成指纹;
步骤S1.3.3:构造指纹库;
将不同类型的信号和噪声数据提取到的指纹,按照设备类型、检测类型和信号类型,搭建指纹库。
步骤S2:利用指纹库做局部放电诊断;
步骤S2.1:采集需诊断的测试数据,经过数据处理后提取指纹。
步骤S2.2:将将需诊断的测试数据中提取的指纹与指纹库中的指纹信息进行相似比较综合推理,即使用相关系数计算待诊断指纹和指纹库中的指纹的相似度cc,并统计与待诊断指纹最为相似的指纹数据,其中相似度cc的计算公式如下:
式中:X表示变量X,Y表示变量Y,N表示变量X的长度,且变量X的长度等于变量Y的长度,cc(X,Y)表示变量X和变量Y的相似度;步骤C2:根据相似比较综合推理结论诊断该信号类型,即相似度cc的最大值;
步骤S2.3:根据相似比较综合推理结论诊断该信号类型。
高压开关设备局部放电的诊断方法,如果仅依赖专家经验形成的规则或机器学习的训练网络进行诊断,不利于对局部放电信号的全面判断,也不能较准确的判断现场实测信号。而利用基于指纹库的高压开关设备局部放电诊断方法,可以有效提高现场测试效率和判断准确性。通过构造指纹库和利用指纹库区分信号类型,能有效识别各类局部放电信号和噪声信号,为高压开关设备的绝缘状态评估提供了方便而可靠的诊断方法。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的系统及其各项装置可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于指纹库的高压开关设备局部放电诊断方法,其特征在于,包括如下步骤:
指纹库搭建步骤:通过采集高压开关设备运行时的各种局部放电信号和噪声信号,获得相应的测试数据,并对所述测试数据进行处理后得到指纹库;
测试数据处理步骤:采集现场高压开关设备需诊断的测试数据对需诊断的测试数据进行处理后,提取得到相对应的指纹;
信号诊断步骤:将从需诊断的测试数据中提取的指纹与指纹库中的指纹信息进行比对,得到诊断结果。
2.根据权利要求1所述的基于指纹库的高压开关设备局部放电诊断方法,其特征在于,所述指纹库搭建步骤包括:
步骤A1:在实验室制作高压开关设备的多种局部放电模型,将多种局部放电模型分别放置在高压开关设备中,采集高压开关设备运行时多种局部放电模型的局部放电信号和噪声,并记录实验室条件下的测试数据;所述实验室条件下的测试数据即从多种局部放电信号和噪声信号中获得的多种局部放电数据、噪声数据;
步骤A2:利用局部放电检测设备,现场检测不同变电站下高压开关设备的多种局部放电信号和噪声,获得现场条件下的测试数据;所述现场条件下的测试数据即从多种局部放电信号和噪声信号中获得的各种局部放电数据、噪声数据;
步骤A3:将从步骤A2、A3获取的不同种类的局部放电数据和噪声数据,经过数据处理后,提取指纹,构造指纹库;
其中,所述局部放电数据种类包括:电晕放电、悬浮电位放电、微粒放电、内部放电以及沿面放电;所述噪声数据类型包括:通讯干扰、背景干扰、灯光干扰以及开关动作干扰。
3.根据权利要求2所述的基于指纹库的高压开关设备局部放电诊断方法,其特征在于,所述步骤A3包括:
步骤A3.1:获取得到目标PRPS/PRPD信号,所述PRPS信号指相位-周期-放电幅值数据,表示各个周期上的放电幅值相位分布;所述PRPD信号指相位-放电幅值-放电次数数据,表示各个放电幅值区间上的放电次数相位分布;
具体地,包括:
步骤A3.1.1:将采集到实验室条件下和现场条件下的测试数据的原始PRPS/PRPD信号经过去噪处理得到去噪后的PRPS/PRPD信号;
步骤A3.1.2:对去噪后的PRPS/PRPD信号进行相位校准后得到目标PRPS/PRPD信号;
步骤A3.2:提取指纹,即将目标PRPS/PRPD信号做统计特征提取,根据放电相位分布特征、放电周期分布特征和放电脉冲聚集特征,统计得到指纹参数,组成指纹;
步骤A3.3:构造指纹库,即将各种类局部放电数据和噪声数据提取到的指纹,按照设备类型、检测类型和信号类型,搭建指纹库。
4.根据权利要求1所述的基于指纹库的高压开关设备局部放电诊断方法,其特征在于,测试数据处理步骤包括:
步骤B1:采集现场高压开关设备需诊断的测试数据;
步骤B2:将采集到的需诊断的测试数据的原始PRPS/PRPD信号经过去噪处理得到去噪后的PRPS/PRPD信号;
步骤B3:对需诊断的测试数据的去噪后的PRPS/PRPD信号进行相位校准后得到需诊断的测试数据的目标PRPS/PRPD信号;
步骤B4:提取指纹,即将需诊断的测试数据的目标PRPS/PRPD信号做统计特征提取,根据放电相位分布特征、放电周期分布特征和放电脉冲聚集特征,统计得到指纹参数,组成需诊断的测试数据的指纹。
5.根据权利要求1所述的基于指纹库的高压开关设备局部放电诊断方法,其特征在于,所述信号诊断步骤包括:
步骤C1:将需诊断的测试数据中提取的指纹与指纹库中的指纹信息进行相似比较综合推理,即使用相关系数计算待诊断指纹和指纹库中的指纹的相似度cc,并统计与待诊断指纹最为相似的指纹数据,其中相似度cc的计算公式如下:
式中:X、Y分别表示不同的变量,N表示变量X的长度,且变量X的长度等于变量Y的长度,cc(X,Y)表示变量X和变量Y的相似度;
步骤C2:根据相似比较综合推理结论诊断该信号类型,相似比较综合推理结论即相似度cc的最大值。
6.根据权利要求2所述的基于指纹库的高压开关设备局部放电诊断方法,其特征在于,局部放电模型包括电晕放电、悬浮电位放电、微粒放电、内部放电以及沿面放电模型。
7.一种基于指纹库的高压开关设备局部放电诊断系统,其特征在于,包括:指纹库搭建模块、测试数据处理模块、信号诊断模块;
所述指纹库搭建模块,用于采集高压开关设备运行时的各种局部放电信号和噪声信号,获得相应的测试数据,并对所述测试数据进行处理后得到指纹库;
所述测试数据处理模块,用于采集现场高压开关设备需诊断的测试数据对需诊断的测试数据进行处理后,提取得到相对应的指纹;
所述信号诊断模块,用于将从需诊断的测试数据中提取的指纹与指纹库中的指纹信息进行比对,得到诊断结果。
8.根据权利要求7所述的基于指纹库的高压开关设备局部放电诊断系统,其特征在于,所述指纹库搭建模块包括:
子模块A1:在实验室制作高压开关设备的多种局部放电模型,将多种局部放电模型分别放置在高压开关设备中,采集高压开关设备运行时多种局部放电模型的局部放电信号和噪声,并记录实验室条件下的测试数据;所述实验室条件下的测试数据即从多种局部放电信号和噪声信号中获得的多种局部放电数据、噪声数据;
子模块A2:利用局部放电检测设备,现场检测不同变电站下高压开关设备的多种局部放电信号和噪声,获得现场条件下的测试数据;所述现场条件下的测试数据即从多种局部放电信号和噪声信号中获得的各种局部放电数据、噪声数据;
子模块A3:将从子模块A2、A3获取的不同种类的局部放电数据和噪声数据,经过数据处理后,提取指纹,构造指纹库;
其中,所述局部放电数据种类包括:电晕放电、悬浮电位放电、微粒放电、内部放电以及沿面放电;所述噪声数据类型包括:通讯干扰、背景干扰、灯光干扰以及开关动作干扰;
所述子模块A3包括:
获取得到目标PRPS/PRPD信号,所述PRPS信号指相位-周期-放电幅值数据,表示各个周期上的放电幅值相位分布;所述PRPD信号指相位-放电幅值-放电次数数据,表示各个放电幅值区间上的放电次数的相位分布;
具体地,包括:
去噪模块:将采集到实验室条件下和现场条件下的测试数据的原始PRPS/PRPD信号经过去噪处理得到去噪后的PRPS/PRPD信号;
相位校准模块:对去噪后的PRPS/PRPD信号进行相位校准后得到目标PRPS/PRPD信号;
提取指纹模块:即将目标PRPS/PRPD信号做统计特征提取,根据放电相位分布特征、放电周期分布特征和放电脉冲聚集特征,统计得到指纹参数,组成指纹;
指纹库构造模块:即将各种类局部放电数据和噪声数据提取到的指纹,按照设备类型、检测类型和信号类型,搭建指纹库。
9.根据权利要求8所述的基于指纹库的高压开关设备局部放电诊断系统,其特征在于,测试数据处理模块包括:
子模块B1:采集现场高压开关设备需诊断的测试数据;
子模块B2:将采集到的需诊断的测试数据的原始PRPS/PRPD信号经过去噪处理得到去噪后的PRPS/PRPD信号;
子模块B3:对需诊断的测试数据的去噪后的PRPS/PRPD信号进行相位校准后得到需诊断的测试数据的目标PRPS/PRPD信号;
子模块B4:提取指纹,即将需诊断的测试数据的目标PRPS/PRPD信号做统计特征提取,根据放电相位分布特征、放电周期分布特征和放电脉冲聚集特征,统计得到指纹参数,组成需诊断的测试数据的指纹。
10.根据权利要求7所述的基于指纹库的高压开关设备局部放电诊断系统,其特征在于,所述信号诊断模块包括:
子模块C1:将需诊断的测试数据中提取的指纹与指纹库中的指纹信息进行相似比较综合推理,即使用相关系数计算待诊断指纹和指纹库中的指纹的相似度cc,并统计与待诊断指纹最为相似的指纹数据,其中相似度cc的计算公式如下:
式中:X、Y分别表示不同的变量,N表示变量X的长度,且变量X的长度等于变量Y的长度,cc(X,Y)表示变量X和变量Y的相似度;
子模块C2:根据相似比较综合推理结论诊断该信号类型,相似比较综合推理结论即相似度cc的最大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610141457.3A CN105629144B (zh) | 2016-03-11 | 2016-03-11 | 基于指纹库的高压开关设备局部放电诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610141457.3A CN105629144B (zh) | 2016-03-11 | 2016-03-11 | 基于指纹库的高压开关设备局部放电诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105629144A true CN105629144A (zh) | 2016-06-01 |
CN105629144B CN105629144B (zh) | 2018-12-04 |
Family
ID=56044264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610141457.3A Active CN105629144B (zh) | 2016-03-11 | 2016-03-11 | 基于指纹库的高压开关设备局部放电诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105629144B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106556781A (zh) * | 2016-11-10 | 2017-04-05 | 华乘电气科技(上海)股份有限公司 | 基于深度学习的局部放电缺陷图像诊断方法及系统 |
CN108919068A (zh) * | 2018-06-07 | 2018-11-30 | 国网宁夏电力有限公司电力科学研究院 | 电力设备间歇性缺陷信号识别方法 |
CN110412431A (zh) * | 2019-08-05 | 2019-11-05 | 国网湖南省电力有限公司 | 一种电力设备的局部放电缺陷类型的诊断方法及诊断系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243289A (zh) * | 2011-06-20 | 2011-11-16 | 国网电力科学研究院 | 采用硬件抗干扰的高压电力设备局部放电检测方法和装置 |
CN102707203A (zh) * | 2012-02-16 | 2012-10-03 | 安徽理工大学 | 变压器局部放电模式识别的测量方法 |
CN103197218A (zh) * | 2013-04-23 | 2013-07-10 | 国家电网公司 | 一种高压电缆绝缘缺陷局放带电检测诊断方法 |
CN103207358A (zh) * | 2013-04-15 | 2013-07-17 | 广东电网公司佛山供电局 | 高压电力电缆无损检测装置 |
JP5544639B2 (ja) * | 2010-11-19 | 2014-07-09 | 日信工業株式会社 | 鋳造品の熱処理方法および鋳造品の熱処理装置 |
-
2016
- 2016-03-11 CN CN201610141457.3A patent/CN105629144B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5544639B2 (ja) * | 2010-11-19 | 2014-07-09 | 日信工業株式会社 | 鋳造品の熱処理方法および鋳造品の熱処理装置 |
CN102243289A (zh) * | 2011-06-20 | 2011-11-16 | 国网电力科学研究院 | 采用硬件抗干扰的高压电力设备局部放电检测方法和装置 |
CN102707203A (zh) * | 2012-02-16 | 2012-10-03 | 安徽理工大学 | 变压器局部放电模式识别的测量方法 |
CN103207358A (zh) * | 2013-04-15 | 2013-07-17 | 广东电网公司佛山供电局 | 高压电力电缆无损检测装置 |
CN103197218A (zh) * | 2013-04-23 | 2013-07-10 | 国家电网公司 | 一种高压电缆绝缘缺陷局放带电检测诊断方法 |
Non-Patent Citations (2)
Title |
---|
周正 等: "220kVGIS局部放电在线监测系统方案", 《冶金动力》 * |
李传扬 等: "10kV三相异步电动机局部放电指纹库建立方法", 《电力系统及其自动化学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106556781A (zh) * | 2016-11-10 | 2017-04-05 | 华乘电气科技(上海)股份有限公司 | 基于深度学习的局部放电缺陷图像诊断方法及系统 |
CN108919068A (zh) * | 2018-06-07 | 2018-11-30 | 国网宁夏电力有限公司电力科学研究院 | 电力设备间歇性缺陷信号识别方法 |
CN108919068B (zh) * | 2018-06-07 | 2021-09-14 | 国网宁夏电力有限公司电力科学研究院 | 电力设备间歇性缺陷信号识别方法 |
CN110412431A (zh) * | 2019-08-05 | 2019-11-05 | 国网湖南省电力有限公司 | 一种电力设备的局部放电缺陷类型的诊断方法及诊断系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105629144B (zh) | 2018-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | ArcNet: Series AC arc fault detection based on raw current and convolutional neural network | |
US11489490B2 (en) | Arc fault detection method for photovoltaic system based on adaptive kernel function and instantaneous frequency estimation | |
Lee et al. | New fault diagnosis of circuit breakers | |
CN103913663B (zh) | 一种直流系统电弧故障在线检测方法和保护装置 | |
Rudd et al. | A generic knowledge-based approach to the analysis of partial discharge data | |
EP2579055A1 (en) | METHOD FOR THE CONTINUOUS MONITORING AND DIAGNOSIS OF SOURCES OF PARTIAL DISCHARGES (PDs) IN HIGH-VOLTAGE CABLES DURING CONNECTION TO, AND OPERATION IN THE POWER GRID, AND PHYSICAL SYSTEM FOR CARRYING OUT SAME | |
CN106324466B (zh) | 一种变流器igbt模块现场故障预诊断方法 | |
CN109029959B (zh) | 一种变压器绕组的机械状态检测方法 | |
CN108828406A (zh) | 非侵入式用户用电的故障识别方法及其系统 | |
CN103018629A (zh) | 一种基于马拉算法的电力系统故障录波数据分析方法 | |
CN105676088A (zh) | 一种故障电弧探测装置的测试设备和方法 | |
Sekar et al. | High impedance fault detection using wavelet transform | |
Yang et al. | Fault diagnosis of circuit breakers based on time–frequency and chaotic vibration analysis | |
CN105629144A (zh) | 基于指纹库的高压开关设备局部放电诊断方法及系统 | |
CN110673000B (zh) | 一种油浸式电流互感器局部放电在线监测方法及装置 | |
CN117192347A (zh) | 一种高压断路器在线监测与故障诊断系统及方法 | |
CN106443388A (zh) | 一种基于LabVIEW的电树枝通道局部放电分析系统 | |
JP2020187955A (ja) | 開閉装置の診断方法及び装置 | |
Faisal et al. | Prediction of incipient faults in underground power cables utilizing S-transform and support vector regression | |
CN112881879A (zh) | 一种高压电缆终端局部放电模式识别方法、装置及设备 | |
CN117420393A (zh) | 开关柜局部放电缺陷识别方法、系统、设备及存储介质 | |
JP2019045401A (ja) | 部分放電診断装置および部分放電診断方法 | |
KR20220043548A (ko) | 부분 방전 발생 탐지 방법 및 그 장치 | |
Chang et al. | Adaptive adjustment of threshold criterion in predicting failure for medium voltage power cable joints | |
CN109324268A (zh) | 基于贝叶斯推理的配电网早期故障检测方法及装置 |
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 |