CN105973621B - 一种基于异常振动分析的gis机械故障诊断方法和系统 - Google Patents
一种基于异常振动分析的gis机械故障诊断方法和系统 Download PDFInfo
- Publication number
- CN105973621B CN105973621B CN201610282834.5A CN201610282834A CN105973621B CN 105973621 B CN105973621 B CN 105973621B CN 201610282834 A CN201610282834 A CN 201610282834A CN 105973621 B CN105973621 B CN 105973621B
- Authority
- CN
- China
- Prior art keywords
- gis
- power
- signal
- vibration
- working condition
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000003745 diagnosis Methods 0.000 title claims abstract description 31
- 230000002159 abnormal effect Effects 0.000 title abstract description 24
- 238000004458 analytical method Methods 0.000 title abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 51
- 238000001228 spectrum Methods 0.000 claims abstract description 20
- 238000012360 testing method Methods 0.000 claims abstract description 19
- 230000003595 spectral effect Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 21
- 238000000354 decomposition reaction Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 13
- 102100024210 CD166 antigen Human genes 0.000 claims description 9
- 101000980840 Homo sapiens CD166 antigen Proteins 0.000 claims description 9
- DYAHQFWOVKZOOW-UHFFFAOYSA-N Sarin Chemical compound CC(C)OP(C)(F)=O DYAHQFWOVKZOOW-UHFFFAOYSA-N 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 230000003750 conditioning effect Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 5
- 239000007822 coupling agent Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 14
- 238000012423 maintenance Methods 0.000 description 13
- 239000002245 particle Substances 0.000 description 13
- 230000001133 acceleration Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 230000005520 electrodynamics Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000004804 winding Methods 0.000 description 6
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 5
- 230000005684 electric field Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 239000002923 metal particle Substances 0.000 description 4
- 229910000976 Electrical steel Inorganic materials 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000004020 conductor Substances 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- BAVYZALUXZFZLV-UHFFFAOYSA-N Methylamine Chemical compound NC BAVYZALUXZFZLV-UHFFFAOYSA-N 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 239000012212 insulator Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
- G01H11/06—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means
- G01H11/08—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means using piezoelectric devices
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于异常振动分析的GIS机械故障诊断方法和系统,该GIS机械故障诊断方法包括:对GIS设备上的振动信号进行采集的步骤;利用阀值去噪方法对采集的信号进行去噪处理的步骤;利用窄带噪声辅助多元EMD方法提取信号中包含的各种特征信息的步骤;利用功率谱密度函数提取其功率特征,计算各通道所有IMF的功率谱最大幅值,以构成所测工况下的功率特征矩阵的步骤;以及将通过试验获得的正常工况下的功率特征矩阵和/或各种故障工况下的功率特征矩阵,作为故障判据的步骤。与传统方法相比,本发明对整个电力系统的正常运行无任何影响,能够安全、可靠地监测GIS的运行状态,适宜各电压等级GIS变电站装配。
Description
技术领域
本发明涉及一种基于异常振动分析的GIS机械故障诊断方法和系统。
背景技术
目前,GIS(Gas Insulated Switchgear,气体绝缘开关设备)的异常机械振动在运行变电站时有发生,异常振动会对GIS运行状态产生不利影响,并可能造成噪声超标,影响运行人员及变电站附近人员工作及生活。同时,异常振动会对现场GIS局部放电超声波检测造成干扰,影响了对GIS运行状态的准确评估。
GIS状态监测为实现由计划检修到状态检修的转变创造了条件。长期以来的计划检修、盲目解体拆卸,浪费了大量的人力、物力和财力,同时也造成了停电损失和设备寿命的降低。
目前,电力系统各个运行单位正致力于GIS由计划检修到状态检修的转变,不再以投入年限和动作次数作为衡量标准,而是以设备的实际状态为维修依据。近年来,人们己经发现,依靠设备的在线监测与诊断技术,实现设备的状态检修,预期可达到电力系统的下述要求:
(1)产品的质量问题使运行可靠性受到影响,采用在线监测可以在运行中及时发现发展中的事故隐患,防患于未然。
(2)逐步采用在线监测代替停电试验,减少设备停电时间,节约试验费用。
(3)对老化设备或已知有缺陷、有隐患的设备,用在线监测随时监视其运行情况,一旦发现问题及时退出,最大限度地利用其剩余寿命。
针对GIS的故障监测技术,目前国内外仍主要采用离线的定期维修方式或是部分带电检测离线检修方式,比较完善的在线监测和诊断系统在生产实际中的应用还非常少见,且很不成熟。
发明内容
本发明的目的在于提供一种基于异常振动分析的GIS机械故障诊断方法,本发明的目的还在于提供一种基于异常振动分析的GIS机械故障诊断装置,以有效地监测GIS的运行状态。
为此,本发明提供了一种GIS机械故障诊断方法,包括以下步骤:对GIS设备上的振动信号进行采集的步骤一;利用阀值去噪方法对采集的信号进行去噪处理的步骤二;利用窄带噪声辅助多元EMD方法提取信号中包含的各种特征信息的步骤三;利用功率谱密度函数提取其功率特征,计算各通道所有IMF的功率谱最大幅值,以构成所测工况下的功率特征矩阵的步骤四;以及将通过试验获得的正常工况下的功率特征矩阵和/或各种故障工况下的功率特征矩阵,作为故障判据的步骤五。
进一步地,上述步骤三包括:首先对原始多通道信号增加若干通道高斯白噪声,然后对复合信号再应用MEMD分解,并将噪声通道的IMF剔除,即得到原始信号的分解结果。
进一步地,上述步骤五还包括:引入功率特征矩阵的相似度,当功率特征矩阵相似度大于预定值时判定为相同工况。
进一步地,当所测工况的功率特征矩阵与正常工况下的功率特征矩阵的相似度大于0.9时,判定GIS设备正常运行,当相似度小于0.7时,判定GIS发生振动故障。
进一步地,上述在步骤一和步骤二之间还包括:通过不同频带的滤波器,将频率较高的局部放电信号和频率较低的机械振动信号区分开的步骤。
根据本发明的另一方面提供了一种GIS机械故障诊断系统,包括振动信号检测模块、信号调理模块、数据采集模块、以及信号处理模块,信号处理模块利用阀值去噪方法对采集的信号进行去噪处理,之后利用窄带噪声辅助多元EMD方法提取信号中包含的各种特征信息,并利用功率谱密度函数提取其功率特征,计算各通道所有IMF的功率谱最大幅值,以构成所测工况下的功率特征矩阵,将所测工况下的功率特征矩阵与通过试验获得的正常工况下的功率特征矩阵和/或各种故障工况下的功率特征矩阵相比较,以判定GIS设备是否发生故障。
进一步地,上述振动信号检测模块为CA-YD-103型压电式传感器。
进一步地,上述压电式传感器使用耦合剂固定在GIS设备的壳体表面,其中,GIS设备的测量点包括窥视孔、操作机构和气室中部。
进一步地,上述数据采集模块为USB-1902型数据采集卡。
进一步地,上述信号调理模块为YE5853A型电荷放大器。
与传统方法相比,振动法与整个电力系统没有电气连接,对整个电力系统的正常运行无任何影响,具有较强的抗干扰能力和灵敏度,能够安全、可靠地监测GIS的运行状态,整套软硬件设备适合GIS的在线检测,适宜各电压等级GIS变电站装配。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明一实施例的GIS机械故障诊断系统的结构框图;
图2是根据本发明一实施例的GIS机械故障诊断方法的流程图;
图3是根据本发明另一实施例的GIS机械故障诊断方法的流程图;
图4和图5是根据本发明的利用阀值去噪方法对现场测试的两种不同的振动冲击信号进行分析处理的对比图;以及
图6是根据本发明的四个振动传感器测量点的经过降噪处理后的振动信号及利用NNA-MEMD方法进行分解所得各IMF的对比图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
针对当前GIS机械状态在线监测与故障诊断技术的研究现状和存在的问题,本发明提供了一种GIS机械状态在线监测与故障诊断方法,并针对实际工程应用,提出一整套智能化的GIS机械状态在线监测和故障诊断系统。
根据本发明的GIS机械故障诊断系统,如图1所示,包括振动信号检测模块11、信号调理模块12、数据采集模块13、以及信号处理模块14,信号处理模块14利用阀值去噪方法对采集的信号进行去噪处理,之后利用窄带噪声辅助多元EMD方法提取信号中包含的各种特征信息,并利用功率谱密度函数提取其功率特征,计算各通道所有IMF的功率谱最大幅值,以构成所测工况下的功率特征矩阵,将所测工况下的功率特征矩阵与通过试验获得的正常工况下的功率特征矩阵和/或各种故障工况下的功率特征矩阵相比较,以判定GIS设备是否发生故障。
本发明的GIS机械故障诊断方法,如图2所示,包括:对GIS设备上的振动信号进行采集的步骤S10;利用阀值去噪方法对采集的信号进行去噪处理的步骤S12;利用窄带噪声辅助多元EMD方法提取信号中包含的各种特征信息的步骤S14;利用功率谱密度函数提取其功率特征,计算各通道所有IMF的功率谱最大幅值,以构成所测工况下的功率特征矩阵的步骤S16;以及将通过试验获得的正常工况下的功率特征矩阵和/或各种故障工况下的功率特征矩阵,作为故障判据的步骤S18。
优选地,上述方法还包括位于步骤S10和步骤S12之间的步骤S11:通过不同频带的滤波器,将频率较高的局部放电信号和频率较低的机械振动信号区分开。
下面对本发明的各方面进行说明。
本发明研究工作主要集中在以下几个方面:
1)对GIS运行中的正常和故障振动信号产生机理进行理论分析和数值计算及仿真研究。
2)不同机械故障类型的GIS外壳振动信号特性研究。
3)根据理论分析,选择合适的传感器,进行GIS振动带电检测系统的研制。
4)开展GIS振动特性的现场测试,明确正常运行GIS的振动特性和机械故障类型的GIS的振动信号之间的差异,明确故障GIS振动信号的频谱分布规律和特点,结合实验室研究,形成故障分析和判断的判据。
5)研制综合式GIS机械缺陷在线监测与诊断系统。应用虚拟仪器技术,采用图形化编程语言LabVIEW作为软件系统开发平台,构建在线监测和故障诊断的综合分析系统。
一、关于造成GIS设备振动或异响的原因
GIS设备在运行的过程中,其导体和外壳都有自身的振动频率,在正常情况下,其自身的振动和声音都在正常的范围内,当GIS内部有缺陷时,就会导致异常振动或异音的出现,如果缺陷不消除,可能会导致GIS内部附件脱落或出现悬浮电位引起GIS内部放电,甚至GIS爆炸的发生。经过摸索,本发明人发现:GIS可能造成振动或异响的原因主要有以下几项:
①设备内部存在局部放电现象。
②断路器的操作过程对应着一系列的机构动作和碰撞过程,能够产生连续的振动信号。
③GIS异响处筒体紧固螺栓、支撑紧固螺栓等未完全紧固,存在振动现象。
④GIS筒体接地线未牢固连接,通过入地电流时接地线振动产生异响。
⑤异响部位内部零部件松动,振动产生异响。
⑥异响部位导电杆结构在电动力的激励下产生共振现象,造成异响。
⑦相邻部位设备内部存在零部件松动或振动现象,振动产生的声响在气体腔内产生共鸣。
机械故障是GIS的主要故障类型,它可能损坏隔离开关、断路器、互感器和电力变压器,影响电力设备和系统的正常安全运行并造成严重后果。运行经验表明,GIS中机械缺陷占总故障的90%。
其它电气性能故障如局部放电等,也往往是由于操作机构失灵、切换不到位、振幅过大等机械故障引起的。因此对GIS运行中的机械性能进行监测,以预知其故障可能性和判别其故障类型,对电力系统安全运行具有重要的现实意义和良好的应用前景。
在对监测数据进行分析和处理的基础上,确定GIS的实际运行状态,便于合理安排维修周期,控制过剩维修而造成的费用增加,防止不足维修而导致的故障发生,对防止预伏性故障和保证电力系统的安全、经济与可靠运行,具有重要意义。
二、关于常见异常振动信号分析
由于GIS中断路器、隔离开关、互感器、母线等输电设备,其外壳的振动信号也就主要是有这些输电设备的振动传导过来的,因而在外壳上的振动信号就具有这些设备振动信号的振动特征。
异物(颗粒或是导线)在交变电场作用下会发生运动,当电压升高到足以使杂质所受到的电场力超过自身重力和摩擦力(由于异物比起壳体来太小,可以忽略摩擦力的作用)之和时,异物开始漂浮,在二电极之间运动,撞击金属外壳引起振动;同样,金属颗粒或其他缺陷在电场作用下会造成局部电场集中而发生放电,也可引起外壳振动,这些振动具有典型的频率特性,振动主频率在5~30KHz之间。
GIS中由于电极表面不平整出现毛刺,或由于绝缘子中有气穴存在,在电场作用下造成局部放电集中而发生放电,这种放电产生的电磁波引起外壳振动加速度一般为10-5~10-3个重力加速度,这种振动加速度出现在电源电压的固定相位上,该相位几乎与局部放电的电讯号出现的相位相同。振动的频率主要20KHz~60KHz之间。
引起互感器铁心和绕组振动的内在原因主要有:①硅钢片的接缝处和叠片之间存在漏磁,产生电磁吸引力,引起铁心振动。②硅钢片在电磁场作用下产生磁致伸缩引起铁心振动。③电流通过绕组时,在线匝间、线饼间、绕组间产生动态电磁力,引起绕组振动。
空载情况下,互感器的振动主要由铁心的磁致伸缩引起的;而短路情况下,互感器的振动主要由绕组在电动力的激励下产生的;在负载情况下,互感器的振动可以看作两者的叠加。磁致伸缩较电动力引发的振动在100Hz处比较相近,但在高频(300Hz)以上电动力引发的振动非常微弱,而铁心的磁致伸缩引发的振动仍然非常强烈,互感器的高频信号大都由铁心振动(磁致伸缩)引起的。
由电动力引发的振动信号主要集中在100Hz附近,200Hz,300Hz信号都比较微弱,300Hz以上的谐波基本上就衰减到零,振动幅值一般为5×10-3~10-1个重力加速度。相比于电动力引发的振动信号,磁致伸缩引发的信号幅值偏小,一般为5×10-4~10-2个重力加速度,但其振动信号成分明显复杂,600Hz信号依然很强烈。
GIS内部的振动源除了以上几种外,还有由于开关操作等引起的外壳振动。
这种机械振动的频率比较低,一般在几百Hz范围内,振动强度则超过上述几种振动强度数倍甚至数十倍。GIS母线的安装结构是支持绝缘子通过金属窝头套在导电杆来起支撑作用,但由于长时间负荷电流的振动影响,导电杆逐渐松动,与金属窝头之间的间隙逐渐增大,放电随之明显,最终导致对地短路,从而出现异响和较大振动,幅值可达几十甚至上百重力加速度。由于母线的振动是导体中交流电流产生的交变电动力所产生的,所以其振动频率主要为100Hz。
三、振动信号的采集处理过程
振动信号经GIS筒体管道衰减、传递到外壳表面。将传感器可靠安装在筒体表面对振动信号进行采集,通过不同频带的滤波器,将频率较高的局部放电信号和频率较低的机械振动信号区分开,再结合小波降噪算法和改进后的希尔伯特-黄变换对振动信号处理,并对其进行频谱分析,进而及时发现故障隐患,从而降低GIS发生严重故障的概率。
根据本发明GIS机械故障诊断系统的一实施例,振动信号检测模块选择为压电式传感器,信号调理模块选择为电荷放大器,数据采集模块选择为数据采集卡,数据处理模块选择为计算机。
在本发明中,传感器安装在能反映结构整体动态特性位置上,其安装位置避开可能产生局部共振的部件,优选地,传感器固定于GIS壳体表面,取窥视孔、操作机构、气室中部等几个位置作为测量点。为了增强测试效果,传感器的固定方式优选使用耦合剂。
此外,压电加速度传感器的电缆在使用时由于张紧、弯曲等机械运动会引起电容、电荷变化产生噪声,在低频段尤其明显,本发明除采用低噪声电缆外还应尽可能固定电缆。
鉴于压电式传感器产生的电信号都非常的微弱,但是传感器自身的电阻值却特别的大,所以往往需要配接电荷放大器,在选用时除了需要考虑传感器的测量上限、测量频率范围、线性度范围等主要指标外,还需要考虑其使用环境和尺寸等问题。综合考虑上述条件后,本发明选用CA-YD-103型压电式传感器,满足于本发明的振动测试要求。考虑到与振动传感器的参数匹配及安装需要,本发明选用YE5853A型电荷放大器。
数据采集模块由模拟多路开关、采样/保持器、A/D转换器、定时器以及逻辑控制电路等组成,本发明选用凌华公司生产的USB-1902数据采集卡,能够准确反映GIS振动信息。信号处理模块选用计算机。
将以上各硬件部分通过合理的方式连接成一个整体,便构成了基于异常振动分析的GIS机械故障诊断硬件系统。安装时,测试传感器与电荷放大器可通过低噪电缆连接,传感器须置于GIS筒体表面。其采集的振动信号可通过BNC电缆传输给数据采集卡进行A/D转换。数据采集卡与计算机PCI卡槽相连,计算机可置于中控室中,完成噪声信号的分析处理、数据存储以及产生控制信号等工作。
下面对振动信号的分析处理过程进行说明。
阀值去噪方法是一种实现简单、结果较好的小波降噪方法。阀值去噪方法就是对小波分解后的各层系数中模大于和小于某阀值的系数分别处理,然后对处理完的小波系数进行反变换,重构经去噪的信号。
在实现情况下,有用的信号通常是低频信号,而噪声信号通常是高频信号,在去噪的过程中,通常对小波分解的高频系数进行阀值化后重构信号。
使用阀值去噪方法对现场测试的两种不同的振动冲击信号进行分析处理,结果分别如图4和图5所示。其中,图4和图5的上侧波形为原始数据波形,下侧波形为经过小波降噪后的波形,从图形显示结果可以看出,经小波降噪后,滤除了噪声干扰信号,各激励响应信号更加明显,这对于后期的信号分析处理奠定了良好基础。
去噪后的振动信号处理
经验模态分解(Empirical Mode Decomposition,EMD)算法(即EMD算法)可将复杂信号分解为只包含单一频率的固有模态函数(Intrinsic Mode Function,IMF),从而可以轻松提取信号中包含的各种信息。但该方法对多维信号的处理显得捉襟见肘,于是EMD的多元扩展方法不断被提出,例如二元EMD、三元EMD以及多元EMD。本发明主要对多元EMD方法进行改进以适应GIS振动信号的分析。
(1)多元EMD算法
多元EMD(Multivariate EMD,MEMD)将多元信号进行同步联合分析,获得不同通道的共同模式,从而确保了IMF分量在数量和尺度上的匹配,并解决了多通道信号的模式校准问题,同时大大降低了运算复杂度。
(2)窄带噪声辅助MEMD
尽管MEMD可以在一定程度上抑制传统EMD过程中的模式混叠现象,但由于GIS振动信号具有瞬时性,其瞬时幅度和频率的变化同样会引起模式混叠。本发明提出了窄带噪声辅助多元EMD(Narrowband Noise Assisted MEMD,NNA-MEMD)方法,以期消除MEMD过程中的模式混叠现象。
与EEMD思想类似,NNA-MEMD方法利用其在高斯白噪声分解中的准二值滤波器特性来抑制模式混叠。即首先对原始多通道信号增加若干通道高斯白噪声,然后对复合信号再应用MEMD分解,并将噪声通道的IMF剔除,即得到原始信号的分解结果。由于本研究针对GIS振动信号进行分析,其振动频率范围能够大致确定,因此可添加相应频段的窄带噪声。相比于EEMD添加噪声的随机性,窄带噪声使得振动信号主频率部分得到集中加强与放大,因此其分解准确性也进一步提高。其基本步骤为:
1)创建m通道不相关的窄带高斯噪声信号,其长度与原始信号相等,且噪声中心频率与正常振动时的主频率保持一致。
2)将m通道噪声增加到n通道原始信号,构成(m+n)通道多元复合信号。
3)对该复合信号应用MEMD分解得到(m+n)组IMF。
4)在所得的IMF中剔除与m通道噪声对应的IMF,所剩即为n通道原始信号分解结果。
由于该方法可以很好地抑制模态混叠现象,并能够准确提取振动主频带内的特征,因此可以较好地应用于GIS振动信号的分析中。
(3)功率特征矩阵
当GIS机械状态发生改变时,其振动信号各频段内所包含的信息必将产生变化,即分解所得各个IMF将发生变化。为准确识别和量化各IMF所包含的信息,本发明利用功率谱密度函数提取其功率特征。即通过计算每个IMF分量功率谱最大幅值所对应的频率附近区间的功率谱密度积分值,并将该值与所有IMF功率谱积分之和的比值作为特征值,定义为区间最大功率特征(Interval Maximum Power Feature,IMPF),即
式中,fmax为功率谱最大幅值所对应的频率;p(f)为功率谱密度函数,[a,b]为fmax附近区间,其范围由实验数据所得,当a=b=0时,则IMPF即为功率谱最大幅值。
计算各通道所有IMF的IMPF值,即构成该工况下的功率特征矩阵。由于该矩阵可以准确反映GIS振动信号的本质特征,因此可以作为其机械状态的检测依据。
首先对正常工况下GIS运行过程振动信号进行分析,图6为四个振动传感器测量点的经过降噪处理后的振动信号及利用NNA-MEMD方法进行分解所得各IMF(限于篇幅,仅给出IMF4~6波形)。同样选取窄带噪声通道数为2。整个过程变电站GIS运行稳定,无异常声响,且振动信号均呈现强时变与非平稳的特征。而NNA-MEMD方法有效抑制了可能出现的模式混叠现象,使得振动信号包含的各窄带频率成分能够较为独立地分布在各IMF中。且由图可知,IMF6中所包含的分量幅值已经较小,因此将IMF1~6作为分析对象,即包含了GIS绝大部分的振动特征,进而根据(3)式分别计算各通道各IMF的IMPF,所得功率特征矩阵即为正常工况下的振动特征,如表1所示:
表1正常工况下功率特征矩阵
为更加准确地比较不同功率特征矩阵的差异,从而对GIS各机械状态进行检测,本发明依据向量空间模型定义了功率矩阵相似度d为:
式中,xi,yi(1≤i≤n)为两功率矩阵的各个元素,且有0≤d≤1,d值越大,说明两矩阵越相似,反之则不相似。对于本研究而言,当d>0.9时,可认为两矩阵较为相似,而当d<0.7时,则认为两矩阵不相似。
鉴于GIS筒体结构的复杂性,实验室条件下,通过模拟GIS筒体的一段,构造简单的微粒振动缺陷和螺丝松动故障,采集故障信号,计算出多次测量下的,基于两种故障类型的功率矩阵相似度d,以检测上述振动分析方法的可靠性。
本发明使用GIS模拟实验段,该器材是实际GIS箱体按各部件同等比例缩小制得。使用不锈钢材料,导体外半径20mm,外壳内半径60mm,选取1mm直径的金属微粒模拟GIS筒体自由金属颗粒缺陷,通过拧松装置底座一根或多根螺丝来模拟松动故障。实验室条件下,通过给GIS模拟试验段进行加压处理,腔内金属微粒跳动,撞击模拟壳体表面,通过吸附在壳体表面的传感器进行振动信号的监测。使用压电式传感器采集振动信号,采用带宽100MHz,采样频率2GHz的示波器记录信号,使用放大倍数为5000的功率放大器对试验GIS段进行加压。为此构筑的实验室仿真平台包括示波器、信号发生器、传感器、前置放大器、GIS试验段和功率放大器。
表2正常与自由微粒振动信号功率特征矩阵相似度
表3正常与螺丝松动信号功率特征矩阵相似度
表2为三种电压波下,GIS筒体微粒三种状态下的功率矩阵特征相似度值。由表可知,三种电压形式下,微粒贯穿性跳动功率特征矩阵相似度平均值为0.2842,与正常波形相似度最低,表明,电压等级越高,微粒振动危害越大。表3为三种电压等级下的单根、双根、多根螺丝松动下的功率特征矩阵相似度,电压等级越高,矩阵相似度越低,故障威胁越大,螺丝松动程度同样影响振动信号波形分布。
分别计算两表中各元素的平均值,得到d微粒振动=0.2948,d螺丝松动=0.6137。由此可以看出,微粒振动时振动特征与正常工况之间的差异,要大于螺丝松动所引起的差异。这是由于螺丝松动紧紧是GIS外部振动,这种振动对GIS内部结构没有损害,紧紧增大了振动的幅值,通过螺丝拧紧等处理可以有效的减小这类振动的损害。而微粒振动是GIS内部引起的振动,这类振动早期幅值可能不会太大,但容易引发局部放电,产生高频信号因此振动信号会有明显差异。而螺丝作为受迫振动部件,不直接产生振动,它的松动紧改变振动传播幅值,因此对振动信号的影响较小。
在实际应用时,可以通过比较振动信号功率矩阵相似度,实现对GIS机械状态的检测。若某换流变用GIS振动信号功率矩阵与正常工况矩阵的相似度d大于0.9时,说明其运行正常。而当其相似度d小于0.7时,说明有可能发生了故障,值得关注。具体来说,当d较小时,有可能是振源结构本身发生了变化,如微粒振动;而当d较大时,则有可能为螺丝或其他附属部件松动故障。
显然,当诸如此类的两种或两种以上故障同时发生时,其与正常工况下功率矩阵相似度将会较单一故障下变得更小。而本研究证实了该方法用于检测GIS机械故障隐患的有效性,进而为采取进一步的维修策略提供依据。
下面对本发明的振动信号测试与分析过程进行描述:
首先需要对数据采集卡初始化,根据硬件的使用要求,设定两路输入的范围设为±10V,连接方式为伪差分方式,由于本系统主要针对GIS振动信号进行降噪,根据采样定理,采样频率至少设为1kHz,但为了更好的还原有用振动信号特点,本发明采样频率设定为10kHz。完成对数据采集卡的初始化后,创建虚拟通道,并设置其缓存大小和定时,然后开始采集任务,从虚拟通道中读取采集到的信号。通过小波算法将原始采集信号分离出噪声信号后,将有用信号发送给数据采集卡,完成对数据采集卡的初始化后,同样需要创建虚拟通道,然后将待输出的信号写入虚拟通道。在进行信号分析时,从信号时域、频域和幅值域三方面进行分析,便于对比。通过波形分析来推断被测对象的振动过程,从而掌握信号的变化规律,进一步得到代表被测对象的状态与故障的各种特征。
根据本发明的GIS异常振动在线监测与故障诊断系统,得到了以下技术结论:
(1)GIS正常运行状态下的振动信号主要集中于100Hz以下,以二倍基频为主。外部螺丝松动等故障对振动信号的频率分布影响较小,会引发振动信号的大幅提升,这种故障可以通过定期的加固GIS筒体螺栓的方式减小影响。但是诸如GIS筒体内部微粒振动,互感器硅钢片磁致伸缩和绕组变形等故障会影响振动信号频率组成,更有甚者会引发局部放电,导致GIS筒体解体,这类故障应该通过定期的带电监测,及时发现,及早去除。
(2)将小波降噪算法引入原始振动信号的处理中,对带有噪声的信号加以处理,方便后续对信号的诊断分析。此方法可以有效降低实现对原始振动信号的去噪。
(3)对去噪后的信号引入窄带噪声辅助MEMD算法,实现多振动信号的多层分解,定义了功率矩阵相似度判据。基于实验室条件,搭建GIS测试平台,通过模拟微粒振动和螺丝松动两类常见故障,实验发现,计算所得功率特征矩阵与正常工况下相比较的矩阵相似度d大于0.9,说明该工况下GIS运行良好;而当矩阵相似度d小于0.7时,说明该工况下振动特征发生了较大变化,可能存在机械故障。此外,可进一步从矩阵相似度的大小判断是GIS切换过程中的振动源特性发生了改变(如微粒振动)还是其它附件的状态发生了改变(如螺丝松动)。
与传统方法相比,根据本发明的诊断方法,与整个电力系统没有电气连接,对整个电力系统的正常运行无任何影响,具有较强的抗干扰能力和灵敏度,能够安全、可靠地监测GIS的运行状态,整套软硬件设备适合GIS的在线检测,适宜各电压等级GIS变电站装配。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种GIS机械故障诊断方法,其特征在于,包括以下步骤:
对GIS设备上的振动信号进行采集的步骤一;
利用阀值去噪方法对采集的信号进行去噪处理的步骤二;
利用窄带噪声辅助多元EMD方法提取所述信号中包含的各种特征信息的步骤三;
利用功率谱密度函数提取其功率特征,计算各通道所有IMF的功率谱最大幅值,以构成所测工况下的功率特征矩阵的步骤四;以及
将通过试验获得的正常工况下的功率特征矩阵和各种故障工况下的功率特征矩阵,作为故障判据的步骤五,所述步骤五还包括:引入所述功率特征矩阵的相似度,当功率特征矩阵相似度大于预定值时判定为相同工况,
2.根据权利要求1所述的GIS机械故障诊断方法,其特征在于,所述步骤三包括:首先对原始多通道信号增加若干通道高斯白噪声,然后对复合信号再应用MEMD分解,并将噪声通道的IMF剔除,即得到原始信号的分解结果。
3.根据权利要求1所述的GIS机械故障诊断方法,其特征在于,当所测工况的功率特征矩阵与正常工况下的功率特征矩阵的相似度大于0.9时,判定GIS设备正常运行,当相似度小于0.7时,判定GIS发生振动故障。
4.根据权利要求1所述的GIS机械故障诊断方法,其特征在于,在步骤一和步骤二之间还包括:通过不同频带的滤波器,将频率较高的局部放电信号和频率较低的机械振动信号区分开的步骤。
5.一种GIS机械故障诊断系统,包括振动信号检测模块、信号调理模块、数据采集模块、以及信号处理模块,其特征在于,所述信号处理模块利用阀值去噪方法对采集的信号进行去噪处理,之后利用窄带噪声辅助多元EMD方法提取所述信号中包含的各种特征信息,并利用功率谱密度函数提取其功率特征,计算各通道所有IMF的功率谱最大幅值,以构成所测工况下的功率特征矩阵,将所测工况下的功率特征矩阵与通过试验获得的正常工况下的功率特征矩阵和各种故障工况下的功率特征矩阵相比较,以判定GIS设备是否发生故障,其中,引入所述功率特征矩阵的相似度,当功率特征矩阵相似度大于预定值时判定为相同工况,其中,计算每个IMF分量功率谱最大幅值所对应的频率附近区间的功率谱密度积分值,并将该值与所有IMF功率谱积分之和的比值作为特征值,定义为区间最大功率特征IMPF,即上式中,fmax为功率谱最大幅值所对应的频率;p(f)为功率谱密度函数,[a,b]为fmax附近区间,其范围由实验数据所得,当a=b=0时,则IMPF即为功率谱最大幅值。
6.根据权利要求5所述的GIS机械故障诊断系统,其特征在于,所述振动信号检测模块为CA-YD-103型压电式传感器。
7.根据权利要求6所述的GIS机械故障诊断系统,其特征在于,所述压电式传感器使用耦合剂固定在GIS设备的壳体表面,其中,GIS设备的测量点包括窥视孔、操作机构和气室中部。
8.根据权利要求5所述的GIS机械故障诊断系统,其特征在于,所述数据采集模块为USB-1902型数据采集卡。
9.根据权利要求5所述的GIS机械故障诊断系统,其特征在于,所述信号调理模块为YE5853A型电荷放大器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610282834.5A CN105973621B (zh) | 2016-05-02 | 2016-05-02 | 一种基于异常振动分析的gis机械故障诊断方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610282834.5A CN105973621B (zh) | 2016-05-02 | 2016-05-02 | 一种基于异常振动分析的gis机械故障诊断方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105973621A CN105973621A (zh) | 2016-09-28 |
CN105973621B true CN105973621B (zh) | 2020-11-03 |
Family
ID=56994468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610282834.5A Active CN105973621B (zh) | 2016-05-02 | 2016-05-02 | 一种基于异常振动分析的gis机械故障诊断方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105973621B (zh) |
Families Citing this family (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106680675B (zh) * | 2016-12-20 | 2019-07-02 | 国网浙江省电力公司湖州供电公司 | 气体绝缘组合电器超声波检测异常信号的诊断方法 |
CN106840637B (zh) * | 2017-03-24 | 2019-11-12 | 国网山东省电力公司莱芜供电公司 | 基于改进hht算法的gis机械振动信号时频分析方法 |
CN107238480B (zh) * | 2017-06-20 | 2019-02-12 | 西北工业大学 | 基于工作模态分析的铣削过程阻尼标定方法 |
CN107340049A (zh) * | 2017-07-14 | 2017-11-10 | 河海大学 | 一种基于振动法判断gis密封圈松动的方法及测试装置 |
CN107741554B (zh) * | 2017-09-30 | 2019-12-13 | 北京华电智成电气设备有限公司 | 一种空域噪声合成同步联合降噪方法 |
CN107677941B (zh) * | 2017-09-30 | 2019-12-13 | 北京华电智成电气设备有限公司 | 一种高频噪声合成同步共模降噪方法 |
WO2019075612A1 (en) | 2017-10-16 | 2019-04-25 | Abb Schweiz Ag | CIRCUIT BREAKER MONITORING METHOD AND APPARATUS AND INTERNET OF OBJECTS USING THE SAME |
CN108920733B (zh) * | 2018-04-16 | 2022-09-09 | 中国南方电网有限责任公司超高压输电公司曲靖局 | 一种gil三支柱绝缘子及金属焊点松动故障仿真检测方法 |
CN108445364A (zh) * | 2018-04-19 | 2018-08-24 | 江苏方天电力技术有限公司 | 基于振动信号的电厂开关柜局部放电故障诊断方法及系统 |
CN108896850B (zh) * | 2018-07-20 | 2023-04-07 | 浙江浙能常山天然气发电有限公司 | 一种基于三轴振动技术的六氟化硫封闭式组合电器的检测方法 |
CN109444587B (zh) * | 2018-11-15 | 2020-10-16 | 国网江苏省电力有限公司电力科学研究院 | 基于频数分布的不停电检测技术可靠性计算方法及系统 |
CN109813417A (zh) * | 2019-01-18 | 2019-05-28 | 国网江苏省电力有限公司检修分公司 | 一种基于改进emd的并联电抗器故障诊断方法 |
CN109883747A (zh) * | 2019-03-25 | 2019-06-14 | 国网宁夏电力有限公司电力科学研究院 | 基于声强云图的gis故障诊断方法 |
CN110017892B (zh) * | 2019-05-10 | 2021-06-11 | 广东石油化工学院 | 一种变压器的异常状态振声的检测方法和装置 |
CN110017894B (zh) * | 2019-05-14 | 2021-06-18 | 广东石油化工学院 | 变压器运行状态振声检测中随机噪声的滤除方法和装置 |
CN110031089B (zh) * | 2019-05-15 | 2021-06-11 | 广东石油化工学院 | 一种变压器运行状态振声检测信号的滤波方法和装置 |
CN110132404A (zh) * | 2019-05-29 | 2019-08-16 | 国网江苏省电力有限公司南京供电分公司 | 一种变压器有载分接开关机械故障在线监测方法 |
CN110081968B (zh) * | 2019-05-31 | 2021-06-11 | 广东石油化工学院 | 一种变压器振动信号的模拟方法和装置 |
CN110514441A (zh) * | 2019-08-28 | 2019-11-29 | 湘潭大学 | 一种基于振动信号去噪和包络分析的滚动轴承故障诊断方法 |
CN110514294A (zh) * | 2019-08-30 | 2019-11-29 | 鞍钢矿业爆破有限公司 | 一种基于emd与vmd的爆破振动信号降噪方法 |
CN110514295B (zh) * | 2019-08-31 | 2021-04-06 | 广东石油化工学院 | 一种利用svd分解的变压器运行状态振声检测信号滤波方法和系统 |
CN110657881B (zh) * | 2019-09-14 | 2021-04-06 | 广东石油化工学院 | 一种利用稀疏反演的变压器振声信号滤波方法和系统 |
CN110702215B (zh) * | 2019-10-19 | 2021-04-06 | 广东石油化工学院 | 一种利用回归树的变压器运行状态振声检测方法和系统 |
CN110991481B (zh) * | 2019-10-31 | 2022-08-19 | 河海大学 | 一种基于交叉小波变换的高压并联电抗器内部松动故障诊断方法 |
CN110829388B (zh) * | 2019-11-14 | 2021-10-26 | 国网湖南省电力有限公司 | 双馈风电场的单相接地故障判定方法及其重合闸方法 |
CN110987396B (zh) * | 2019-12-13 | 2021-07-30 | 三一重型装备有限公司 | 一种用于采煤机摇臂的智能故障诊断及寿命预测方法 |
CN113447977A (zh) * | 2020-03-24 | 2021-09-28 | 华龙国际核电技术有限公司 | 松动部件探测方法、系统及可读存储介质 |
CN111503816B (zh) * | 2020-04-29 | 2021-10-26 | 广东美的制冷设备有限公司 | 化霜音的抑制方法、存储介质、抑制装置和空调器 |
CN111638047A (zh) * | 2020-05-25 | 2020-09-08 | 国网河北省电力有限公司电力科学研究院 | 一种gis设备机械故障诊断系统及方法 |
CN111505466A (zh) * | 2020-06-09 | 2020-08-07 | 国网天津市电力公司电力科学研究院 | 一种组合电器局部放电振动检测方法 |
CN112378834B (zh) * | 2020-10-23 | 2023-06-02 | 国网江苏省电力有限公司检修分公司 | 一种利用振动/声学信号监测gil中金属颗粒的方法 |
CN112285561A (zh) * | 2020-11-13 | 2021-01-29 | 烟台杰瑞石油装备技术有限公司 | 电机故障监测装置、驱动电机系统和电机故障监测方法 |
CN112304592A (zh) * | 2020-11-17 | 2021-02-02 | 国网宁夏电力有限公司电力科学研究院 | Gis设备的机械状态检测方法、gis设备机械状态检测装置及gis设备 |
CN112782574A (zh) * | 2020-12-25 | 2021-05-11 | 深圳供电局有限公司 | 断路器的运行监控系统及方法 |
CN113049953B (zh) * | 2021-02-25 | 2024-01-30 | 国网新源控股有限公司 | 通过噪声进行故障定位的方法、装置、介质和设备 |
CN113110386A (zh) * | 2021-04-19 | 2021-07-13 | 重庆大学 | Gis/gil设备机械振动状态在线监测及机械故障云诊断系统 |
CN113670428B (zh) * | 2021-07-19 | 2023-12-22 | 国网四川省电力公司电力科学研究院 | 一种变压器振动在线异常检测方法 |
CN114264945B (zh) * | 2021-12-13 | 2023-08-04 | 广东电网有限责任公司 | 一种设备状态的检测方法及装置 |
CN113988143B (zh) * | 2021-12-27 | 2022-05-10 | 北京航空航天大学杭州创新研究院 | 基于光泵磁强计测量脑磁的坏道自动识别方法 |
CN114353936B (zh) * | 2022-01-04 | 2023-05-30 | 中工创智信息科技(江苏)有限公司 | 一种基于互联网的工业设备安全分析装置 |
CN116484263B (zh) * | 2023-05-10 | 2024-01-05 | 江苏圣骏智能科技有限公司 | 一种智能化自助机故障检测系统及方法 |
CN116699329B (zh) * | 2023-06-05 | 2024-07-26 | 国网江苏省电力有限公司南通供电分公司 | 一种变电站空间声纹可视化成像方法 |
CN117743836B (zh) * | 2024-02-21 | 2024-05-03 | 聊城市产品质量监督检验所 | 一种轴承异常振动监测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101732047B (zh) * | 2009-12-16 | 2011-06-08 | 天津大学 | 复合下肢想象动作脑电的能量特征提取方法 |
US20140275827A1 (en) * | 2013-03-14 | 2014-09-18 | Pacesetter, Inc. | Method and system for deriving effectiveness of medical treatment of a patient |
CN104776908A (zh) * | 2015-04-17 | 2015-07-15 | 南京理工大学 | 基于emd广义能量的轮轨振动信号故障特征提取方法 |
CN104932425B (zh) * | 2015-06-04 | 2017-10-20 | 中国人民解放军61599部队计算所 | 一种磨机负荷参数软测量方法 |
-
2016
- 2016-05-02 CN CN201610282834.5A patent/CN105973621B/zh active Active
Non-Patent Citations (1)
Title |
---|
Bearing diagnosis based on power spectral density basis transform;Han Li等;《journal of vibration and control》;20151231;第21卷;第2417-2432页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105973621A (zh) | 2016-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105973621B (zh) | 一种基于异常振动分析的gis机械故障诊断方法和系统 | |
CN105629100B (zh) | 基于异常振动分析的gis机械缺陷诊断系统及方法 | |
US9404957B2 (en) | Fault diagnosis and preliminary location system and method for transformer core looseness | |
Judd et al. | Partial discharge monitoring of power transformers using UHF sensors. Part I: sensors and signal interpretation | |
CN105628419A (zh) | 基于独立分量分析去噪的gis机械缺陷诊断系统及方法 | |
CN101246043B (zh) | 受直流偏磁影响交流电力变压器振动与噪声在线监测方法 | |
CN107907320B (zh) | 变压器有载分接开关的机械状态特征的诊断方法及装置 | |
CN111856224A (zh) | 一种高压开关柜的局部放电多源融合检测系统和方法 | |
CN202421420U (zh) | 基于超高频和脉冲电流的gis局放在线监测装置 | |
Kweon et al. | The analysis of ultrasonic signals by partial discharge and noise from the transformer | |
CN106771929A (zh) | 一种gis设备取消例行停电试验的状态试验方法 | |
CN110320467A (zh) | 一种低压直流断路器故障诊断方法 | |
CN110703076A (zh) | 一种基于振动信号频域能量比的gis故障诊断方法 | |
Chen et al. | Analysis of the partial discharge of ultrasonic signals in large motor based on Hilbert-Huang transform | |
Refaat et al. | A review of partial discharge detection techniques in power transformers | |
CN114924157A (zh) | 一种基于5g传输的并联电抗器状态监测方法及系统 | |
Sun et al. | Detection and analysis based on the abnormal mechanical vibration signal of GIS | |
JPH09127181A (ja) | 電力設備のコロナ放電検出装置 | |
Li et al. | Partial discharge monitoring system for PD characteristics of typical defects in GIS using UHF method | |
Zhang et al. | Study on diagnosis of power transformer winding deformation through vibration signal | |
CN115828144A (zh) | 一种信号稀疏表示与融合检测方法、存储介质及电子装置 | |
Reid et al. | Frequency distribution of RF energy from PD sources and its application in combined RF and IEC60270 measurements | |
Shang et al. | Mechanical fault diagnosis system based on acoustic feature analysis in gas insulated switchgear | |
Fan et al. | Study on PD detection for GIS based on autocorrelation coefficient and similar Wavelet soft threshold | |
Schichler et al. | Experience with UHF PD detection in GIS substations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |