CN107037338A - 一种gis振荡冲击耐压试验用缺陷类型识别方法 - Google Patents
一种gis振荡冲击耐压试验用缺陷类型识别方法 Download PDFInfo
- Publication number
- CN107037338A CN107037338A CN201710282557.2A CN201710282557A CN107037338A CN 107037338 A CN107037338 A CN 107037338A CN 201710282557 A CN201710282557 A CN 201710282557A CN 107037338 A CN107037338 A CN 107037338A
- Authority
- CN
- China
- Prior art keywords
- gis
- discharge
- electric discharge
- oscillatory
- impulse waveform
- 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
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
- Testing Relating To Insulation (AREA)
Abstract
一种GIS振荡冲击耐压试验用缺陷类型识别方法,利用自定义的脉冲提取窗对局部放电数据提取单个脉冲时域波形和对应放电时刻,形成脉冲波形‑时间序列,利用等效周期折叠算法根据脉冲波形‑时间序列形成等效相位‑峰值分布图,利用统计算子对等效相位‑峰值分布图提取特征参数形成放电指纹,将不同放电缺陷的放电指纹处理形成放电指纹库,利用BP神经网络对放电指纹库训练形成判别函数F,利用判别函数F对待判别的缺陷GIS试品的放电指纹进行计算,识别缺陷的类型。本发明可以有效地对振荡冲击电压下局部放电的缺陷类型进行识别,可靠性和实用性都很高。
Description
技术领域
本发明涉及一种GIS振荡冲击耐压试验用缺陷类型识别方法。
背景技术
气体绝缘金属全封闭式开关电器(GIS)在电网中得到越来越广泛的应用,随着电网的大规模建设,因GIS绝缘故障而造成的停电事故越来越多,为了提高GIS运行的可靠性,相关标准推荐对GIS设备进行现场冲击电压耐受试验。IEC60060-3推荐采用高效率的振荡型冲击电压作为现场耐压试验电压波形。在冲击耐压试验的同时进行局部放电测量,可获得GIS设备整体绝缘强度和局部绝缘状态,从而对设备绝缘进行全面的评价。目前,针对振荡冲击电压下局部放电检测与绝缘评价的研究不多,谱图构造和识别方法在冲击电压下的局部放电类型的相关报导也较少。
发明内容
本发明提供一种GIS振荡冲击耐压试验用缺陷类型识别方法,可以有效地对振荡冲击电压下局部放电的缺陷类型进行识别,可靠性和实用性都很高。
为了达到上述目的,本发明提供一种GIS振荡冲击耐压试验用缺陷类型识别方法,包含以下步骤:
步骤S1、利用GIS振荡冲击耐压试验用信号检测系统分别对具有不同放电缺陷的GIS试品进行重复多次试验,获取振荡冲击电压波形下的局部放电数据;
步骤S2、主控显示装置利用自定义的脉冲提取窗对局部放电数据提取单个脉冲时域波形和对应放电时刻,形成脉冲波形-时间序列;
步骤S3、主控显示装置利用等效周期折叠算法根据脉冲波形-时间序列形成等效相位-峰值分布图;
步骤S4、主控显示装置利用统计算子对等效相位-峰值分布图提取特征参数形成放电指纹;
步骤S5、主控显示装置将不同放电缺陷的放电指纹处理形成放电指纹库;
步骤S6、主控显示装置利用BP神经网络对放电指纹库训练形成判别函数F;
步骤S7、通过步骤S1~步骤S4获得待判别的缺陷GIS试品的放电指纹,主控显示装置利用判别函数F对该放电指纹进行计算,识别缺陷的类型。
所述的放电缺陷包含:导杆毛刺放电、壳体毛刺放电、悬浮物放电、绝缘子污秽放电、绝缘子内部气隙放电。
所述的局部放电数据包含:局部放电脉冲电流信号、局部放电电磁波信号和试验电压波形数据。
所述的步骤S2中,所述的自定义的脉冲提取窗方法包含:
以振荡冲击电压下的局部放电数据长度为最大循环值,当前数据的绝对值大于等于脉冲提取设置的阈值时,取当前一定数据长度(k)的局部放电数据组成脉冲波形,并以当前数据对应的时刻作为提前脉冲波形对应的时刻;
所述的脉冲波形-时间序列P(tj)定义如下:
式中:j是第j个脉冲波形;tj是第j个脉冲波形出现时间;k是每个脉冲波形由k个点组成;pi是脉冲波形第i个点对应的幅值;Δt(i-1)是脉冲波形第i个点对应的时间,Δt为采样时间间隔。
所述的步骤S3中,所述的等效周期折叠算法包含以下步骤:
步骤S3.1、对振荡冲击电压波形进行划分,形成多个周期;
步骤S3.2、将脉冲波形-时间序列中的脉冲序列的放电时间tj转换成相位
步骤S3.3、计算脉冲序列的峰值Up(j);
步骤S3.4、形成等效相位-峰值分布图:(Up(j),)。
所述的步骤S4中,所述的统计算子包含:中值Mv、偏斜度Sk、突出度Ku、局部峰个数Pk、放电不对称度Asy和互相关因子Cc。
所述的各统计算子定义如下:
中值Mυ=∑xi×Pi (2)
式中:xi和Pi分别为离散值和xi出现的概率,Pi=yj/∑yj;
偏斜度Sk=∑(xi-μ)3×Pi/σ3 (3)
式中:σ为标准偏差(σ2=∑(xi-μ)2×Pi);
Sk=0表示谱图完全对称,Sk<0表示偏向右侧,而Sk>0则表示偏向左侧;
突出度Ku=∑(xi-μ)4×Pi/σ4 (4)
Ku=0表示突出程度符合正态分布,Ku<0表示比正态分布缓和,而Ku>0则表示比正态分布峰更陡;
局部峰个数Pk=∑Peak(xi) (5)
当满足dyi-1/dxi-1>0且dyi+1/dxi+1<0时,认为Peak(xi)=1;
放电不对称度
式中:∑Hq(Δt)为谱图分布值总和;
互相关因子
所述的步骤S6中,形成判别函数F的步骤包含:
其中BP神经网络由输入层、隐含层和输出层组成3-3-1神经网络,由互修正的权值互连形成网络:
选择双极S形函数作为网络的非线性输出,从而形成BP神经网络的判别函数Fj=f(netj)。
本发明可以有效地对振荡冲击电压下局部放电的缺陷类型进行识别,可靠性和实用性都很高。
附图说明
图1是本发明提供的一种GIS振荡冲击耐压试验用信号检测系统的电路框图。
图2是本发明的提供一种GIS振荡冲击耐压试验用缺陷类型识别方法的流程图。
图3是试品放电缺陷的示意图。
图4是局部放电数据的示意图。
图5是等效周期折叠算法与等效相位-峰值分布示意图。
具体实施方式
以下根据图1~图5,具体说明本发明的较佳实施例。
如图1所示,本发明提供一种GIS振荡冲击耐压试验用信号检测系统,包含:
电性连接GIS试品7的振荡冲击高压电源3;
电性连接振荡冲击高压电源3的冲击高压控制单元2;
电性连接振荡冲击高压电源3和GIS试品7的电容分压器4;
电性连接GIS试品7的电流检测模块6;
电性连接GIS试品7的特高频传感器8;
电性连接电容分压器4、电流检测模块6和特高频传感器8的采集存储装置5;
电性连接冲击高压控制单元2和采集存储装置5的主控显示装置1。
所述的电容分压器4的一端电性连接GIS试品7,另一端接地,该电容分压器4包含串联的第一电容C1和第二电容C2,第一电容C1和第二电容C2组成的电容分压器的响应带宽需达到ns级,从而不会畸变振荡冲击电压的时域波形。
所述的电流检测模块6的一端电性连接GIS试品7,另一端接地,该电流检测模块6可以采用检测阻抗Zm,检测阻抗Zm的响应带宽需达到ns级,从而不会畸变局部放电脉冲电流的时域波形,该电流检测模块6还可以采用高频电流传感器,或GIS的电容介质窗等传感耦合装置。
所述的特高频传感器8的模拟带宽为300MHz~1500MHz。
所述的采集存储装置5可以采用高速示波器或者高速采集装置,该采集存储装置5的采样率:局部放电脉冲电流信号在100MS/s及以上,模拟带宽50M及以上,局部放电特高频信号在3GS/s及以上,模拟带宽1500M及以上,振荡冲击电压波形信号在100MS/s及以上,模拟带宽50M及以上。
主控显示装置1发送指令给冲击高压控制单元2,控制振荡冲击高压电源3产生符合标准IEC60060-3或GB/T16927.3的振荡冲击电压波形,作用于有缺陷的GIS试品7,第一电容C1和第二电容C2组成的电容分压器4对大幅值振荡冲击电压进行分压,将低压臂电压波形信号传送至采集存储装置5,电流检测模块6获取振荡冲击电压下GIS试品产生的局部放电脉冲电流信号,传送至采集存储装置5,特高频传感器8采集GIS试品7产生的局部放电电磁波信号,传送至采集存储装置5,从而完成振荡冲击电压下的局部放电数据检测,采集存储装置5将检测到的数据传送至主控显示装置1,主控显示装置1进行缺陷类型识别。
如图2所示,本发明提供一种GIS振荡冲击耐压试验用缺陷类型识别方法,包含以下步骤:
步骤S1、基于GIS振荡冲击耐压试验用信号检测系统,分别对具有不同放电缺陷的GIS试品进行重复多次试验,获取振荡冲击电压波形下的局部放电数据;
如图3所示,所述的放电缺陷包含:导杆毛刺放电、壳体毛刺放电、悬浮物放电、绝缘子污秽放电、绝缘子内部气隙放电;
如图4所示,所述的局部放电数据包含:局部放电脉冲电流信号、局部放电电磁波信号和试验电压波形数据;
步骤S2、主控显示装置利用自定义的脉冲提取窗对局部放电数据提取单个脉冲时域波形和对应放电时刻,形成脉冲波形-时间序列;
步骤S3、主控显示装置利用等效周期折叠算法根据脉冲波形-时间序列形成等效相位-峰值分布图;
步骤S4、主控显示装置利用统计算子对等效相位-峰值分布图提取特征参数形成放电指纹;
所述的统计算子包含:中值Mv、偏斜度Sk、突出度Ku、局部峰个数Pk、放电不对称度Asy和互相关因子Cc;
步骤S5、主控显示装置将不同放电缺陷的放电指纹处理形成放电指纹库;
步骤S6、主控显示装置利用BP神经网络对放电指纹库训练形成判别函数F,其中BP神经网络由输入层、隐含层和输出层组成3-3-1神经网络,由互修正的权值互连形成网络:
选择双极S形函数作为网络的非线性输出,从而形成BP神经网络的判别函数Fj=f(netj);
步骤S7、通过步骤S1~步骤S4获得待判别的缺陷GIS试品的放电指纹,主控显示装置利用判别函数F对该放电指纹进行计算,识别缺陷的类型。
所述的步骤S2中,所述的自定义的脉冲提取窗方法包含:以振荡冲击电压下的局部放电数据长度为最大循环值,当前数据的绝对值大于等于脉冲提取设置的阈值时,取当前一定数据长度(k)的局部放电数据组成脉冲波形,并以当前数据对应的时刻作为提前脉冲波形对应的时刻;
所述的脉冲波形-时间序列P(tj)定义如下:
式中:j是第j个脉冲波形;tj是第j个脉冲波形出现时间(μs,采集时刻);k是每个脉冲波形由k个点组成;pi是脉冲波形第i个点对应的幅值(mV);Δt(i-1)是脉冲波形第i个点对应的时间(ns,Δt为采样时间间隔)。
如图5所示,所述的步骤S3中,所述的等效周期折叠算法包含以下步骤:
步骤S3.1、对振荡冲击电压波形进行划分,形成T1、T2、T3和T4共计4个周期;本实施例中是采用4个周期,也可以采用2个周期或3个周期;
步骤S3.2、将脉冲波形-时间序列中的脉冲序列的放电时间tj转换成相位本实施例中,存在4个脉冲P1、P2、P3和P4及其对应的放电时间;
步骤S3.3、计算脉冲序列的峰值Up(j);
步骤S3.4、形成等效相位-峰值分布图:(Up(j),)。
所述的步骤S4中,振荡冲击电压下不同缺陷类型的等效相位-峰值分布图表现出来的形状各有差异,基于各种放电谱图提供的信息,能区分不同缺陷类型的放电模式。但这种区别仅仅是定性的,只能依靠丰富的经验才能分辨出来。为此,将各等效相位-峰值分布图用统计算子进行操作,获取放电指纹。统计算子是对各种分布进行统计分析,用定量的参数来描述某种分布的形状特征,其通常包括中值Mv、偏斜度Sk、突出度Ku、局部峰个数Pk、放电不对称度Asy和互相关因子Cc形成放电指纹等。
各统计算子定义如下:
中值Mυ=∑xi×Pi (2)
式中:xi和Pi分别为离散值和xi出现的概率,Pi=yj/∑yj。
偏斜度Sk=∑(xi-μ)3×Pi/σ3 (3)
式中:σ为标准偏差(σ2=∑(xi-μ)2×Pi);
Sk=0表示谱图完全对称,Sk<0表示偏向右侧,而Sk>0则表示偏向左侧。
突出度Ku=∑(xi-μ)4×Pi/σ4 (4)
Ku=0表示突出程度符合正态分布,Ku<0表示比正态分布缓和,而Ku>0则表示比正态分布峰更陡。
局部峰个数Pk=∑Peak(xi) (5)
当满足dyi-1/dxi-1>0且dyi+1/dxi+1<0时,认为Peak(xi)=1。
放电不对称度
式中:∑Hq(Δt)为谱图分布值总和。
互相关因子
本发明可以有效地对振荡冲击电压下局部放电的缺陷类型进行识别,可靠性和实用性都很高。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (8)
1.一种GIS振荡冲击耐压试验用缺陷类型识别方法,其特征在于,包含以下步骤:
步骤S1、利用GIS振荡冲击耐压试验用信号检测系统分别对具有不同放电缺陷的GIS试品进行重复多次试验,获取振荡冲击电压波形下的局部放电数据;
步骤S2、主控显示装置利用自定义的脉冲提取窗对局部放电数据提取单个脉冲时域波形和对应放电时刻,形成脉冲波形-时间序列;
步骤S3、主控显示装置利用等效周期折叠算法根据脉冲波形-时间序列形成等效相位-峰值分布图;
步骤S4、主控显示装置利用统计算子对等效相位-峰值分布图提取特征参数形成放电指纹;
步骤S5、主控显示装置将不同放电缺陷的放电指纹处理形成放电指纹库;
步骤S6、主控显示装置利用BP神经网络对放电指纹库训练形成判别函数F;
步骤S7、通过步骤S1~步骤S4获得待判别的缺陷GIS试品的放电指纹,主控显示装置利用判别函数F对该放电指纹进行计算,识别缺陷的类型。
2.如权利要求1所述的GIS振荡冲击耐压试验用缺陷类型识别方法,其特征在于,所述的放电缺陷包含:导杆毛刺放电、壳体毛刺放电、悬浮物放电、绝缘子污秽放电、绝缘子内部气隙放电。
3.如权利要求2所述的GIS振荡冲击耐压试验用缺陷类型识别方法,其特征在于,所述的局部放电数据包含:局部放电脉冲电流信号、局部放电电磁波信号和试验电压波形数据。
4.如权利要求3所述的GIS振荡冲击耐压试验用缺陷类型识别方法,其特征在于,所述的步骤S2中,所述的自定义的脉冲提取窗方法包含:
以振荡冲击电压下的局部放电数据长度为最大循环值,当前数据的绝对值大于等于脉冲提取设置的阈值时,取当前一定数据长度(k)的局部放电数据组成脉冲波形,并以当前数据对应的时刻作为提前脉冲波形对应的时刻;
所述的脉冲波形-时间序列P(tj)定义如下:
式中:j是第j个脉冲波形;tj是第j个脉冲波形出现时间;k是每个脉冲波形由k个点组成;pi是脉冲波形第i个点对应的幅值;Δt(i-1)是脉冲波形第i个点对应的时间,Δt为采样时间间隔。
5.如权利要求4所述的GIS振荡冲击耐压试验用缺陷类型识别方法,其特征在于,所述的步骤S3中,所述的等效周期折叠算法包含以下步骤:
步骤S3.1、对振荡冲击电压波形进行划分,形成多个周期;
步骤S3.2、将脉冲波形-时间序列中的脉冲序列的放电时间tj转换成相位
步骤S3.3、计算脉冲序列的峰值Up(j);
步骤S3.4、形成等效相位-峰值分布图:
6.如权利要求5所述的GIS振荡冲击耐压试验用缺陷类型识别方法,其特征在于,所述的步骤S4中,所述的统计算子包含:中值Mv、偏斜度Sk、突出度Ku、局部峰个数Pk、放电不对称度Asy和互相关因子Cc。
7.如权利要求6所述的GIS振荡冲击耐压试验用缺陷类型识别方法,其特征在于,所述的各统计算子定义如下:
中值Mυ=∑xi×Pi (2)
式中:xi和Pi分别为离散值和xi出现的概率,Pi=yj/∑yj;
偏斜度Sk=∑(xi-μ)3×Pi/σ3 (3)
式中:σ为标准偏差(σ2=∑(xi-μ)2×Pi);
Sk=0表示谱图完全对称,Sk<0表示偏向右侧,而Sk>0则表示偏向左侧;
突出度Ku=∑(xi-μ)4×Pi/σ4 (4)
Ku=0表示突出程度符合正态分布,Ku<0表示比正态分布缓和,而Ku>0则表示比正态分布峰更陡;
局部峰个数Pk=∑Peak(xi) (5)
当满足dyi-1/dxi-1>0且dyi+1/dxi+1<0时,认为Peak(xi)=1;
放电不对称度
式中:∑Hq(Δt)为谱图分布值总和;
互相关因子
8.如权利要求7所述的GIS振荡冲击耐压试验用缺陷类型识别方法,其特征在于,所述的步骤S6中,形成判别函数F的步骤包含:
其中BP神经网络由输入层、隐含层和输出层组成3-3-1神经网络,由互修正的权值互连形成网络:
选择双极S形函数作为网络的非线性输出,从而形成BP神经网络的判别函数Fj=f(netj)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710282557.2A CN107037338B (zh) | 2017-04-26 | 2017-04-26 | 一种gis振荡冲击耐压试验用缺陷类型识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710282557.2A CN107037338B (zh) | 2017-04-26 | 2017-04-26 | 一种gis振荡冲击耐压试验用缺陷类型识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107037338A true CN107037338A (zh) | 2017-08-11 |
CN107037338B CN107037338B (zh) | 2019-08-27 |
Family
ID=59535102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710282557.2A Active CN107037338B (zh) | 2017-04-26 | 2017-04-26 | 一种gis振荡冲击耐压试验用缺陷类型识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107037338B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107942210A (zh) * | 2017-11-14 | 2018-04-20 | 国网上海市电力公司 | 变压器脉冲电流局部放电波形的分类和去噪方法及系统 |
CN108501003A (zh) * | 2018-05-08 | 2018-09-07 | 国网安徽省电力有限公司芜湖供电公司 | 一种应用于变电站智能巡检机器人的声音识别系统和方法 |
CN108548996A (zh) * | 2018-04-09 | 2018-09-18 | 国网天津市电力公司电力科学研究院 | 一种基于暂态地电压和特高频的检测开关柜缺陷的方法 |
CN109116191A (zh) * | 2018-11-02 | 2019-01-01 | 国网山西省电力公司电力科学研究院 | 一种电缆缺陷高次谐波试验与检测系统 |
CN109917245A (zh) * | 2019-03-27 | 2019-06-21 | 国网上海市电力公司 | 考虑相位差的超声检测局部放电信号模式识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102735999A (zh) * | 2012-07-02 | 2012-10-17 | 山东电力集团公司电力科学研究院 | Gis局部放电在线监测系统及其故障模式识别方法 |
CN104808107A (zh) * | 2015-04-16 | 2015-07-29 | 国家电网公司 | 一种xlpe电缆局部放电缺陷类型识别方法 |
CN104977515A (zh) * | 2015-07-17 | 2015-10-14 | 许继集团有限公司 | 一种三相共筒gis局部放电监测中放电类型的识别方法 |
CN105044567A (zh) * | 2015-06-29 | 2015-11-11 | 许继集团有限公司 | 一种gis局部放电在线监测模式识别方法及系统 |
-
2017
- 2017-04-26 CN CN201710282557.2A patent/CN107037338B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102735999A (zh) * | 2012-07-02 | 2012-10-17 | 山东电力集团公司电力科学研究院 | Gis局部放电在线监测系统及其故障模式识别方法 |
CN104808107A (zh) * | 2015-04-16 | 2015-07-29 | 国家电网公司 | 一种xlpe电缆局部放电缺陷类型识别方法 |
CN105044567A (zh) * | 2015-06-29 | 2015-11-11 | 许继集团有限公司 | 一种gis局部放电在线监测模式识别方法及系统 |
CN104977515A (zh) * | 2015-07-17 | 2015-10-14 | 许继集团有限公司 | 一种三相共筒gis局部放电监测中放电类型的识别方法 |
Non-Patent Citations (2)
Title |
---|
司文荣等: "局部放电脉冲群的实用快速分类技术及应用", 《西安交通大学学报》 * |
杨丽君等: "油纸绝缘的局部放电特征量分析及危险等级评估方法研究", 《中国电机工程学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107942210A (zh) * | 2017-11-14 | 2018-04-20 | 国网上海市电力公司 | 变压器脉冲电流局部放电波形的分类和去噪方法及系统 |
CN108548996A (zh) * | 2018-04-09 | 2018-09-18 | 国网天津市电力公司电力科学研究院 | 一种基于暂态地电压和特高频的检测开关柜缺陷的方法 |
CN108548996B (zh) * | 2018-04-09 | 2020-07-28 | 国网天津市电力公司电力科学研究院 | 一种基于暂态地电压和特高频的检测开关柜缺陷的方法 |
CN108501003A (zh) * | 2018-05-08 | 2018-09-07 | 国网安徽省电力有限公司芜湖供电公司 | 一种应用于变电站智能巡检机器人的声音识别系统和方法 |
CN109116191A (zh) * | 2018-11-02 | 2019-01-01 | 国网山西省电力公司电力科学研究院 | 一种电缆缺陷高次谐波试验与检测系统 |
CN109917245A (zh) * | 2019-03-27 | 2019-06-21 | 国网上海市电力公司 | 考虑相位差的超声检测局部放电信号模式识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107037338B (zh) | 2019-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107037338A (zh) | 一种gis振荡冲击耐压试验用缺陷类型识别方法 | |
CN106896306B (zh) | 一种gis振荡冲击耐压试验用信号去噪方法 | |
James et al. | Development of computer-based measurements and their application to PD pattern analysis | |
Cavallini et al. | A new approach to the diagnosis of solid insulation systems based on PD signal inference | |
US10408873B2 (en) | Partial discharge signal processing method and apparatus employing neural network | |
CN104849685B (zh) | 局部放电检测仪性能评估方法 | |
Contin et al. | Classification and separation of partial discharge signals by means of their auto-correlation function evaluation | |
CN105548832A (zh) | 高压电力电缆故障识别方法 | |
CN102792173B (zh) | 用于检测部分放电的仪器和方法 | |
CN112149549A (zh) | 一种基于深度残差网络的gis局部放电类型识别方法 | |
CN104849686B (zh) | 局部放电检测仪性能评估系统 | |
CN107942210A (zh) | 变压器脉冲电流局部放电波形的分类和去噪方法及系统 | |
Banno et al. | Partial discharge source classification for switchgears with transient earth voltage sensor using convolutional neural network | |
CN107728014A (zh) | 基于多传感器信号特征识别设备绝缘缺陷的方法及系统 | |
CN109116196A (zh) | 一种电力电缆故障放电声智能识别方法 | |
JP2019132823A (ja) | 特徴量取得装置、放電監視システム、放電監視装置、及び放電監視方法 | |
Kranz et al. | Partial discharge diagnosis using statistical optimization on a PC-based system | |
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 | |
CN104931793A (zh) | 一种变电站接地网接地阻抗获取方法 | |
Romano et al. | A new technique for partial discharges measurement under DC periodic stress | |
CN115993511A (zh) | 一种局部放电类型高精度检测识别装置、方法和设备 | |
JPH08271573A (ja) | 部分放電検出方法 | |
Kumar et al. | Classification of PD faults using features extraction and K-means clustering techniques | |
CN111781411A (zh) | 一种局部放电脉冲序列生成方法和装置 | |
CN109917245B (zh) | 考虑相位差的超声检测局部放电信号模式识别方法 |
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 |