CN106802384B - 基于红外和紫外光电传感融合的电气设备故障检测方法 - Google Patents
基于红外和紫外光电传感融合的电气设备故障检测方法 Download PDFInfo
- Publication number
- CN106802384B CN106802384B CN201611081256.5A CN201611081256A CN106802384B CN 106802384 B CN106802384 B CN 106802384B CN 201611081256 A CN201611081256 A CN 201611081256A CN 106802384 B CN106802384 B CN 106802384B
- Authority
- CN
- China
- Prior art keywords
- data
- quantity data
- infrared
- characteristic quantity
- ultraviolet photoelectric
- 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
Images
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
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明涉及一种基于红外和紫外光电传感融合的电气设备故障检测方法，该方法将紫外传感器得到的脉冲数据换算成放电量数据，并将红外传感器得到的温度特征量数据和紫外传感器获得的放电特征量数据进行融合，实现电气设备故障检测，得出检测状态结论并预测故障发展。与现有技术相比，本发明具有融合两个传感器数据信息、实现局部放电视在放电量的定量测量、预测故障发展等优点。
Description
技术领域
本发明涉及电气设备故障检测，尤其是涉及基于红外和紫外光电传感融合的电气设备故障检测方法。
背景技术
开关柜中常见的故障可分为：热故障、机械故障、开合故障、绝缘故障、载流故障、外力及其他故障，其中热故障是所有故障中发生频率最多的故障，且根据相关实践经验可知，开关柜在可能发生或已发生机械故障、开合故障、绝缘故障、载流故障时柜内都会存在局部(触头、接头处)发热的现象，因此可通过柜内发热检测实现开关柜的故障诊断工作。目前市面上已有的高压开关柜故障监测装置接触式测温装置导致柜内布线复杂，易遗留安全隐患，即使采用无线传输方式，采用电池供电不能持续不间断的提供稳定、可靠的电能，存在电池失效而失去监控的风险，而且还存在更换电池不方便等问题。
高压开关设备局部放电检测法中,采用直接提取放电脉冲信号的电测量法，受空间电磁干扰较大，因而人们一直在寻求新的表征局部放电的特征量。Hamamatsu公司生产的R2868型火焰传感器，体积小，灵敏度高，工作波段避开了日光的影响，受到了相关研究人员的青睐，然而目前采用此传感器的电弧检测系统对于放电量的判断还并不准确，只能进行定性判断。
目前开关柜故障监测系统将温度与局部放电独立考虑，忽略了故障发展的过程中温度与局部放电两特征量的变化关系，导致故障状态判断与预测准确性降低。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于红外和紫外光电传感融合的电气设备故障检测方法。
本发明的目的可以通过以下技术方案来实现：
一种基于红外和紫外光电传感融合的电气设备故障检测方法，该方法包括以下步骤：
S1、系统进行开机自检；
S2、系统通过自检后进入步骤S3，若未通过，则发出警报；
S3、红外温度传感器获得温度特征量数据并发送给计算机，紫外光电传感器获得放电特征量数据并发送给计算机；
S4、判断根据S3中的单一特征量数据是否得出立即安排检修的故障状态结论，若是，则发出警报并存储数据；若否，则继续进行步骤S5；
S5、对步骤S3中获得的放电特征量数据采用分位图法筛选，并将筛选后的放电特征量数据求取平均值得到平均放电量数据；
S6、将步骤S3中的温度特征量数据和步骤S5中的平均放电量数据输入神经网络进行融合故障判断，得出故障状态结论，若结论为立即安排检修，则发出警报并存储数据，若为其他结论则直接存储数据。
步骤S6所述的融合故障判断具体为：将步骤S3中的温度特征量数据和步骤S5中的平均放电量数据通过premnmx函数进行归一化处理，并输入神经网络进行判断，得出故障状态结论，神经网络输入输出关系如下：
式中，netj为隐含层第j个神经元节点值；
xi为输入层第i个数据，即温度特征量数据和平均放电量数据；
ωji为输入层第i个数据xi与隐含层第j个神经元节点的权值；
c为偏置量；
yk为神经网络输出值，即表示故障状态结论的值；
wkj为第k个输出yk与隐含层第j个神经元节点netj的权值。
所述的故障状态结论分为三个等级，包括：
a.状态良好；
b.优先安排检修；
c.立即安排检修。
所述的紫外光电传感器获得放电特征量数据的过程为：
通过紫外光电传感器获得脉冲数据并利用下面计算公式得到放电特征量数据，将放电特征量数据发送给计算机，计算公式为：
其中，Q为放电特征量数据；N为脉冲个数值；d为紫外光电传感器与测量点垂直距离。
所述的开机自检包括设备通信功能自检、红外温度传感器自检和紫外光电传感器自检。
该方法还包括预警步骤，即将步骤S3中的温度特征量数据和放电特征量数据预测下一时刻的温度特征量数据和放电特征量数据，并进行数据存储和预警。
所述的红外温度传感器、紫外光电传感器与直流电源、电平转换电路、电压比较器、单片机集成在一起构成检测终端，所述的检测终端通过无线传输方式与计算机连接。
所述的红外温度传感器型号为MLX90614ESF-DCI。
所述单片机设有与之相连的故障指示灯和扬声器。
与现有技术相比，本发明具有以下优点：
1)本系统将两种光电传感器数据综合考虑，能有效的将电气设备同一时间的温度与放电信息融合，充分发挥不同光源传感器的特点，尽可能获取电气设备较为全面的状态信息，便于后期的数据处理和准确判断。
2)本方案特征量的获取均采用非接触式的光电方式获得，与一次测电气设备隔离，有效的避免一次测的干扰，同时避免了对一次测设备的破坏。
3)本装置通过实验标定明确了紫外传感器驱动电路输出脉冲属性与局部放电放电量的定量关系，通过紫外传感器驱动电路输出脉冲在一定时间内的个数实现局部放电视在放电量的定量测量。
4)不降低被监测设备的安全等级，传感器和传输光纤绝缘、耐高压、防爬电、阻燃，适用各种环境可长期应用于高温、高湿及存在化学侵蚀等的恶劣环境，无漂移绝对量测量，远程传输距离可达数公里至数十公里，易于组网，维护简单。
附图说明
图1为检测系统硬件结构原理图；
图2为高压开关柜检测安装示意图；
图3为检测系统神经网络模型图；
图4为检测系统流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
实施例
该系统检测方法主要步骤为：(流程图如图4)
S1、系统进行开机自检；
S2、系统通过自检后进入步骤S3，若未通过，则发出警报；
S3、红外温度传感器获得温度特征量数据并发送给计算机，紫外光电传感器获得放电特征量数据并发送给计算机；
S4、判断根据S3中的单一特征量数据是否得出立即安排检修的故障状态结论，若是，则发出警报并存储数据；若否，则继续进行步骤S5；
S5、对步骤S3中获得的放电特征量数据采用分位图法筛选，并将筛选后的放电特征量数据求取平均值得到平均放电量数据；
S6、将步骤S3中的温度特征量数据和步骤S5中的平均放电量数据输入神经网络进行融合故障判断，得出故障状态结论，若结论为立即安排检修，则发出警报并存储数据，若为其他结论则直接存储数据。
通过红外传感器可直接获取电器设备温升参数，通过紫外传感器与局部放电测试仪共同进行实验测试，对紫外传感器测量的脉冲进行标定，通过大数据拟合，获取紫外传感器输出脉冲数与放电特征量准确数学关系式，并通过神经网络的融合，将红外传感器获得的温升参数和紫外传感器获得的放电量数据输入至神经网络，融合后获得代表设备状态的离散数据，从而得出设备状态。
系统具体设置为：
该方法所用系统包括：直流电源、红外温度传感器、电平转换电路、紫外光电传感器、电压比较器、高性能单片机模块和配套微机软件。所述直流电源、红外温度传感器、电平转换电路、紫外光电传感器、电压比较器、高性能单片机模块集成在一起构成检测终端，通过无线方式与计算机进行通信。
如图1所示，所述直流电源将输入的220V交流电经过全桥整流后滤波后输出300V直流，为紫外传感器供电；220V交流降压整流后经稳压芯片输出5V直流，为红外传感器、电压比较器和单片机供电。电源单独封装，电源金属外壳上有两个绿色电源指示灯，便于观察。
所述紫外传感器选择HAMAMATSU公司生产的UV TRON R2868型紫外探测器，传感器电路采用300V DC供电，输出尖脉冲信号采用屏蔽双绞线输入电压比较器；比较器芯片选用LM393；电压比较器采用5V供电，输出矩形脉冲信号采用屏蔽双绞线输入单片机外部中断引脚。所述红外传感器型号为MLX90614ESF-DCI，采用SMbus方式与单片机通信，红外传感器与单片机之间采用场效应管构成的电平转换电路相连接，连接线为4芯屏蔽线。
所述直流电源将输入的220V交流电经过全桥整流后滤波后输出300V直流，为紫外传感器供电；220V交流降压整流后经稳压芯片输出5V直流，为红外传感器、电压比较器和单片机供电。电源单独封装，电源金属外壳上有两个绿色电源指示灯，便于观察。所述直流电源转换器输入为220V AC，输出分别5V和3V。
系统运行具体步骤为：
所述系统需要进行开机自检，包括设备通信功能自检及传感器自检。
所述通信功能自检为设备通过传感器自检后向计算机发送一自检报文帧，计算机收到此报文帧后，界面中显示通信成功。
红外传感器自检包括读取传感器地址、发射率设置、环境温度数据。若通信自检通过，则计算机界面显示红外传感器状态正常。
紫外传感器自检方法为采用紫外传感器前部下方的一个辉光发生器瞬间发出短暂辉光，若同时测得紫外传感器输出脉冲与设定值相符合，则紫外传感器自检通过；若不符合，则紫外传感器自检失败，检测设备上的故障灯点亮。若通信自检通过，则计算机界面显示紫外传感器状态正常。
系统通过所有自检后进入检测状态。若系统未通过自检，则发出相应警报。
本诊断方法不仅将测得的温升数据及放电量数据直观显示，同时将故障状态分为三个等级，包括：
(A)状态良好：被测目标无明显温升异常及局部放电现象，设备正常运行；
(B)优先安排检修：电气设备存在轻微温升异常或微小局部放电，且短时间不存在扩大趋势；
(C)立即安排检修：电气设备存在严重的温升问题，或较强烈的局部放电。
判断系统可对单一特征量严重故障直接响应。
红外温度传感器自动记录测试设备所处环境温度，将得到的所有环境温度取平均值得到的环境温度作为比较环境温度。
红外温度传感器分别测得电气设备三相设备的表面温度，并将三者表面温度及与环境温度相比较得到的表面温升相互比较。
若三相设备表面温度值都超过90℃，或表面稳升值都超过75℃，则将电气设备故障状态判断为立即安排检修状态，立即发出警报，且提示信息显示三相设备过流。
若某一相设备表面温度超过90℃或者表面稳升超过75℃，同时此相设备相对另外两相设备表面温差超过55℃，则将电气设备故障状态判断为立即安排检修状态，立即发出警报，且提示信息显示一相设备过热，并标出过热设备相。
若有至少一相红外传感器测得电气设备表面温度超过75℃，或温升超过65℃或相对温差超过50℃，判定为严重热缺陷，且给出可能存在热缺陷的相，设备故障状态待定。
若有至少一相红外传感器测得电气设备表面温度超过50℃，或相对温差超过20℃，则判定为设备存在热隐患，且给出存在热隐患的相，设备故障状态待定。
紫外传感器测量输出脉冲与局部放电视在放电量的定量关系为下式，其中Q为视在放电量，单位为pC，N为脉冲个数值，d为紫外传感器与测量点垂直距离，单位为mm。
三个检测设备中紫外传感器测得到的局部放电特征量若不等，则将三个值从大到小排列，取中间值作为实际局部放电量。
若局部放电量超过150pC，则将电气设备判定为存在电晕放电异常，影响设备绝缘老化，但不会引起事故，需记录在案。
若局部放电量超过350pC，则将电气设备判定为电气设备电晕异常突出，加速设备老化，应有计划安排检修，消除缺陷。
若局部放电量超过500pC，则将电气设备判定为存在严重的放点故障，短期内可能造成事故，设备故障状态判定为立即安排检修状态，并发出警报。
若通过以上单一特征量得到故障状态为C状态，则跳过下面计算；若由单一变量无法得出故障状态为C状态，获得的放电特征量数据采用分位图法筛选，并将筛选后的放电特征量数据求取平均值得到平均放电量数据；将温度特征量数据和平均放电量数据输入神经网络进行融合故障判断，其中神经网络模型为图3所示，得出故障评定等级。
将温度特征量数据和平均放电量数据通过premnmx函数进行归一化处理，并采用神经网络进行特征级融合故障判断，得出故障状态结论，神经网络隐层数目为1，隐层的神经元数为5，由试验确定；输出有三个神经元，分别对应三种故障状态，且实际应用时将输出转化为离散数据，用[1 0 0]代表设备A状态，[0 1 0]代表设备B状态，[0 0 1]代表设备C状态，神经网络输入输出关系如下：
式中，netj为隐含层第j个神经元节点值；
xi为输入层第i个数据，即温度特征量数据和平均放电量数据；
ωji为输入层第i个数据xi与隐含层第j个神经元节点的权值；
c为偏置量；
yk为神经网络输出值，即表示故障状态结论的值；
wkj为第k个输出yk与隐含层第j个神经元节点netj的权值。
神经网络在使用之前通过不少于50组数据进行训练，训练数据包含所有可能输出状态。神经网络中每训练一次计算一次平方误差代价函数，通过梯度下降法更新权值，从而提高算法精度。
将存储的时间最近的10个温度历史数据作为样本集，输入温度预测的小波神经网络，得到下一时刻温度预测值；并将实际测得新温度值加于样本集尾，将11个温度数据作为小波神经网络训练样本对预测算法进行修订，之后，同时丢弃原样本集中最旧的温度值，并将新的样本集输入修订后的小波神经网络，预测下一时刻温度值；将存储的时间最近的10个放电量历史数据作为样本集，输入放电量预测的小波神经网络，得到下一时刻放电量预测值；并将实际测得新放电量值加于样本集尾，将11个放电数据作为放电量小波神经网络训练样本对预测算法进行修订，之后，同时丢弃原样本集中最旧的放电量值，并将新的样本集输入修订后的小波神经网络，预测下一时刻放电量值。
根据开关柜故障发展过程中温升与局部放电两特征量在故障发展不同阶段呈现出来的特定关系判断开关柜健康状态。当电器设备局部放电未发生或处于较微弱程度时，以温升作为故障诊断的唯一特征量；当电器设备局部放电发生后，将放电量与温升作为输入量，采用神经网络融合计算方法得到设备故障状态与检修方案。
图2是实施例中基于红外和紫外光电传感融合技术的电气设备故障监测系统开关柜故障检测系统安装图。安装位置应使红外传感器测量区域集中在母线排的连接处，检测路径上不存在不透明物体遮挡。图中检测终端A检测A相母排，B检测B相母排，C检测C相母排，得到三个温度数据及三个放电量数据。
此故障检测系统包括检测终端，专用电源，微型计算机。
检测终端包含红外传感器、紫外传感器、微型单片机和滤波电路，功能是获取目标的温度及局部放电量，并打包发送给计算机处理软件。
微型计算机中存储有预存的故障分析数据，计算机从检测终端发送的报文接收数据，根据传输协议解析出特征信息，根据特征信息以及已预存的故障分析数据确定与开关柜数据关联可能性最大的故障原因以及与此故障原因对应的解决方案。
其中，故障分析数据包括设备状态与设备状态对应的一组或多组故障原因数据、与每个故障原因数据对应的一个或多个解决方案，每组故障原因数据包括故障原因类型和故障发生时的温度与放电特征量量值。
计算机先将所有终端A、B、C中的紫外传感器局部放电量数据采用上述方法进行判断，若有需要将所有温度值数据与去躁后的放电量作为输入采用神经网络的方式进行故障判断，得出准确的故障结果。
检测终端还包括与单片机相连接的无线通信装置和计算机相连的无线通信装置，在以报文收发器故障时，检测终端还可以与计算机通过无线方式通信。
所述检测系统通过采用ZigBee模块无线方式组网，无线收发器另一侧与计算机USB口相连。
所属计算机软件由VB.net语言编写，运行于Windows系统。软件功能包括红外发射率设置，测量距离设置，更新频率设置，实时数据显示，故障状态报警，历史数据存储与报表查询。
为使检测系统能够对严重故障提醒，所以检检测终端还包括与单片机相连接的指示灯。计算机在单片机在判断出现故障时，屏幕显示故障状态，同时发送通信报文给单片机，单片机控制指示灯进行灯光提示。
为使检测系统能够对严重故障提醒，所以检检测终端还包括与单片机相连接的的扬声器。计算机在单片机在判断出现故障时，发送通信报文给单片机，单片机控制蜂鸣器进行声音提示。
所采用的三个检测终端通过无线方式组网，并通过CAN-232与同一台计算机串口相连。数据通过报文方式读入计算机处理软件，并存储于相应的数据库中，可通过给出特定条件进行历史数据读取。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，该方法包括以下步骤：
S1、系统进行开机自检；
S2、系统通过自检后进入步骤S3，若未通过，则发出警报；
S3、红外温度传感器获得温度特征量数据并发送给计算机，紫外光电传感器获得放电特征量数据并发送给计算机；
S4、判断根据S3中的单一特征量数据是否得出立即安排检修的故障状态结论，若是，则发出警报并存储数据；若否，则继续进行步骤S5；
S5、对步骤S3中获得的放电特征量数据采用分位图法筛选，并将筛选后的放电特征量数据求取平均值得到平均放电量数据；
S6、将步骤S3中的温度特征量数据和步骤S5中的平均放电量数据输入神经网络进行融合故障判断，得出故障状态结论，若结论为立即安排检修，则发出警报并存储数据，若为其他结论则直接存储数据；
步骤S6所述的融合故障判断具体为：将步骤S3中的温度特征量数据和步骤S5中的平均放电量数据通过premnmx函数进行归一化处理，并输入神经网络进行判断，得出故障状态结论，神经网络输入输出关系如下：
式中，netj为隐含层第j个神经元节点值；
xi为输入层第i个数据，即温度特征量数据和平均放电量数据；
ωji为输入层第i个数据xi与隐含层第j个神经元节点的权值；
c为偏置量；
yk为神经网络输出值，即表示故障状态结论的值；
wkj为第k个输出yk与隐含层第j个神经元节点netj的权值。
2.根据权利要求1所述的一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，所述的故障状态结论分为三个等级，包括：
a.状态良好；
b.优先安排检修；
c.立即安排检修。
3.根据权利要求1所述的一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，所述的紫外光电传感器获得放电特征量数据的过程为：
通过紫外光电传感器获得脉冲数据并利用下面计算公式得到放电特征量数据，将放电特征量数据发送给计算机，计算公式为：
其中，Q为放电特征量数据；N为脉冲个数值；d为紫外光电传感器与测量点垂直距离。
4.根据权利要求1所述的一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，所述的开机自检包括设备通信功能自检、红外温度传感器自检和紫外光电传感器自检。
5.根据权利要求1所述的一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，该方法还包括预警步骤，即根据步骤S3中的温度特征量数据和放电特征量数据预测下一时刻的温度特征量数据和放电特征量数据，并进行数据存储和预警。
6.根据权利要求1所述的一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，所述的红外温度传感器、紫外光电传感器与直流电源、电平转换电路、电压比较器、单片机集成在一起构成检测终端，其中，直流电源与红外温度传感器、紫外光电传感器、单片机、电压比较器分别连接，红外温度传感器与单片机之间通过电平转换电路连接，紫外光电传感器的输出连接电压比较器，电压比较器与单片机连接，单片机通过CAN-232与计算机连接。
7.根据权利要求1所述的一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，所述的红外温度传感器型号为MLX90614ESF-DCI。
8.根据权利要求6所述的一种基于红外和紫外光电传感融合的电气设备故障检测方法，其特征在于，所述单片机设有与之相连的故障指示灯和扬声器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611081256.5A CN106802384B (zh) | 2016-11-30 | 2016-11-30 | 基于红外和紫外光电传感融合的电气设备故障检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611081256.5A CN106802384B (zh) | 2016-11-30 | 2016-11-30 | 基于红外和紫外光电传感融合的电气设备故障检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106802384A CN106802384A (zh) | 2017-06-06 |
| CN106802384B true CN106802384B (zh) | 2020-01-31 |
Family
ID=58984841
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611081256.5A Active CN106802384B (zh) | 2016-11-30 | 2016-11-30 | 基于红外和紫外光电传感融合的电气设备故障检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106802384B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108333488B (zh) * | 2018-02-08 | 2020-11-24 | 南京视道信息技术有限公司 | 基于紫外、红外和光学图像相融合的燃弧检测方法 |
| CN110146793A (zh) * | 2019-05-21 | 2019-08-20 | 国网河北省电力有限公司衡水市桃城区供电分公司 | 一种输配电线路电打火发热类故障定位的方法 |
| CN110161387A (zh) * | 2019-06-03 | 2019-08-23 | 河海大学常州校区 | 一种基于改进梯度提升树的电力设备局放量预测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204479670U (zh) * | 2015-02-15 | 2015-07-15 | 马丹睿 | 一种电气设备故障检测系统 |
| CN204789880U (zh) * | 2015-06-05 | 2015-11-18 | 国网河南禹州市供电公司 | 一种配电变压器局部放电定位检测装置 |
| CN105738779A (zh) * | 2016-01-26 | 2016-07-06 | 国网上海市电力公司 | 一种基于多源图像融合的局部放电检测方法 |
-
2016
- 2016-11-30 CN CN201611081256.5A patent/CN106802384B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204479670U (zh) * | 2015-02-15 | 2015-07-15 | 马丹睿 | 一种电气设备故障检测系统 |
| CN204789880U (zh) * | 2015-06-05 | 2015-11-18 | 国网河南禹州市供电公司 | 一种配电变压器局部放电定位检测装置 |
| CN105738779A (zh) * | 2016-01-26 | 2016-07-06 | 国网上海市电力公司 | 一种基于多源图像融合的局部放电检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| Characterization of polymeric Insulators using Thermal and UV Imaging under Laboratory Conditions;Edson G. da Costa等;《IEEE Transactions on Dielectrics and Electrical Insulation》;20090831;第16卷(第4期);第985-992页 * |
| 基于紫外与红外检测技术的输变电设备状态检测与故障诊断;左文力等;《湖州师范学院学报》;20141231;第34卷;第92-96页 * |
| 基于红外、超声和紫外技术的局部放电联合检测方法研究;徐鹏等;《红外》;20160930;第37卷(第9期);第42-48页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106802384A (zh) | 2017-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106802384B (zh) | 基于红外和紫外光电传感融合的电气设备故障检测方法 | |
| CN101071521B (zh) | 用于监控火灾报警装置的信号线干扰的方法和设备 | |
| CN109781268A (zh) | 一种基于低成本红外热视技术的开关柜内重点部位温度监测系统 | |
| KR101520758B1 (ko) | 온도와 통전전류 분석방식의 이상 진단 기능을 구비한 배전반 | |
| CN102721891B (zh) | 非线性电阻型消谐器测试装置 | |
| CN204064509U (zh) | 一种高压开关柜温度在线监测系统 | |
| CN103377110A (zh) | 在状况监视中使用的方法和系统 | |
| KR100931992B1 (ko) | 절연 열화 및 이상 온도를 자기 진단하는 수배전반 시스템 및 방법 | |
| CN103854446A (zh) | 一种高压开关柜动态温升诊断报警方法和装置 | |
| CN107525996B (zh) | 一种串补装置限压器泄漏电流在线监测方法及系统 | |
| CN111458652A (zh) | 直流充电桩的故障确定方法、装置和设备 | |
| KR20200081088A (ko) | 배전반 감시 시스템 및 그것의 동작방법 | |
| CN109613426B (zh) | 一种高压断路器梅花触头老化诊断方法 | |
| CN111157939A (zh) | 电压互感器计量性能的带电监测装置及方法 | |
| KR20180070208A (ko) | 전력선 및 배전 설비의 이상 검출 시스템 | |
| JP7298127B2 (ja) | 保護継電器の試験システム及び試験方法 | |
| CN106054763B (zh) | 智能开关柜在线测控装置 | |
| KR101656697B1 (ko) | 휴대용 태양광모듈 노화 계측장치 및 그 계측방법 | |
| CN103630255B (zh) | 对运行中的不间断电源的电容温度进行在线监测的系统 | |
| KR20210034473A (ko) | 사물 인터넷 기반 피뢰침 시스템 | |
| KR101064673B1 (ko) | 가스절연개폐장치의 주회로 접촉저항 측정 장치 및 방법 | |
| JP2014089998A (ja) | 太陽光発電設備のモニタシステム | |
| CN106251557A (zh) | 一种多参数测温式电气火灾监控系统 | |
| KR101816896B1 (ko) | 배전선로 절연 성능 자동 진단 시스템 및 방법 | |
| CN205861834U (zh) | 故障测试仪 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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 |