CN108169583A - 中性点经电容接地的自耦变压器直流偏磁判别方法及系统 - Google Patents
中性点经电容接地的自耦变压器直流偏磁判别方法及系统 Download PDFInfo
- Publication number
- CN108169583A CN108169583A CN201711148587.0A CN201711148587A CN108169583A CN 108169583 A CN108169583 A CN 108169583A CN 201711148587 A CN201711148587 A CN 201711148587A CN 108169583 A CN108169583 A CN 108169583A
- Authority
- CN
- China
- Prior art keywords
- transformer
- auto
- magnetic biasing
- neutral point
- vibration signal
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
- Housings And Mounting Of Transformers (AREA)
Abstract
本发明公开了一种中性点经电容接地的自耦变压器直流偏磁判别方法及系统,方法实施步骤包括针对中性点经电容接地的待检测自耦变压器检测振动信号;对待检测自耦变压器的振动信号进行频谱分析,提取振动信号2kHz范围内50Hz及其谐波频率的信号幅值并计算直流偏磁振动特征参数;将直流偏磁振动特征参数输入预先训练好的机器学习分类模型,得到待检测自耦变压器当前的直流偏磁状态,机器学习分类模型通过训练包含检测自耦变压器的直流偏磁振动特征参数、是否发生直流偏磁状态之间的分类映射关系。本发明能够有效判别中性点经电容接地后的自耦变压器的直流偏磁状态,具有不受外界环境干扰、无需与设备带电部位接触、检测安全性与效率高的优点。
Description
技术领域
本发明涉及自耦变压器直流偏磁状态检测领域,具体涉及一种中性点经电容接地的自耦变压器直流偏磁判别方法及系统。
背景技术
当特高压直流输电系统以单极大地回路方式或双极不平衡方式运行时,大量直流电流在流经的大地路径上产生电位差,如果交流变压器在附近运行,直流电流将通过变压器中性接地点及输电线路组成的通路流经变压器绕组,产生直流偏磁现象。直流偏磁涉及的变压器数量众多,容易引起变压器噪声与振动加剧、铁心夹件松动、绕组松动与变形、绝缘受损、抗短路冲击能力下降以及局部过热等一系列问题,严重影响变压器的安全与稳定运行。
一般情况下,主要通过中性点电流检测判断变压器是否存在直流偏磁问题。然而,由于自耦变压器绕组结构的特殊性,以500kV自耦变压器为例,其高压侧与低压侧共用一段绕组,偏磁电流在220kV与500kV网络之间传递,即使采取中性点电容隔直措施仍无法完全消除直流偏磁对500kV自耦变压器的影响,而且此时直流偏磁无法通过中性点电流进行检测。
除了变压器中性点直流,噪声与振动也是变压器直流偏磁状态检测的重要特征量,二者与偏磁电流大小具有相同的变化趋势,且整个检测过程不与带电部位直接接触,安装传感器时无需改变中性点接地状态,对于工作人员与设备的安全性更高。然而,噪声信号检测的不确定性较高,测试结果容易受到外界环境因素的干扰。相比而言,振动检测的技术优势突出,能够诊断出自耦变压器的直流偏磁状态。
发明内容
本发明要解决的技术问题:针对现有技术的上述问题,提供一种能够有效判别中性点经电容接地后的自耦变压器的直流偏磁状态,抗干扰性好、安全性高的中性点经电容接地的自耦变压器直流偏磁判别方法及系统,本发明能够在自耦变压器中性点经电容隔离直流接地后取代电流检测方法,有效检测出变压器的直流偏磁问题,具有不受外界环境干扰、无需与设备带电部位接触、检测安全性与效率高的优点。
为了解决上述技术问题,本发明采用的技术方案为:
本发明提供一种中性点经电容接地的自耦变压器直流偏磁判别方法,实施步骤包括:
1)针对中性点经电容接地的待检测自耦变压器,检测待检测自耦变压器的振动信号;
2)对待检测自耦变压器的振动信号进行频谱分析,提取振动信号2kHz范围内50Hz及其谐波频率的信号幅值,根据提取得到的2kHz范围内50Hz及其谐波频率的信号幅值计算直流偏磁振动特征参数;
3)将待检测自耦变压器的直流偏磁振动特征参数输入预先训练好的机器学习分类模型,得到待检测自耦变压器当前的直流偏磁状态;所述机器学习分类模型通过训练包含检测自耦变压器的直流偏磁振动特征参数、是否发生直流偏磁状态之间的分类映射关系。
优选地,步骤1)中检测待检测自耦变压器的振动信号时,振动信号测点位置位于待检测自耦变压器的表面平面位置。
优选地,步骤2)中计算直流偏磁振动特征参数的详细步骤包括:
2.1)计算振动信号2kHz范围内50Hz及其奇次谐波频率振动信号能量与50Hz及其偶次谐波频率振动信号能量的比值Roe;
2.2)计算振动信号2kHz频谱范围内50Hz及其谐波频率的频谱复杂度H;
2.3)计算振动信号2kHz频谱范围内700Hz以上50Hz谐波频率的能量比重R700Hz;
2.4)采用主成分分析方法对比值Roe、频谱复杂度H、能量比重R700Hz三者进行去相关处理,得到待检测自耦变压器的直流偏磁振动特征参数。
优选地,步骤2.1)中比值Roe的计算函数表达式如式(1)所示;
式(1)中,A2i为信号50Hz偶次谐波幅值,A2i-1为信号50Hz奇次谐波幅值,N为2kHz范围内信号50Hz谐频数量。
优选地,步骤2.2)中频谱复杂度H的计算函数表达式如式(2)所示;
式(2)中,Ri为50Hz第i次谐频振动幅值比重。
优选地,50Hz第i次谐频振动幅值比重Ri的计算函数表达式如式(3)所示;
式(3)中,Ai为50Hz第i次谐波幅值,Aj为50Hz第j次谐波幅值,N为2kHz范围内信号50Hz谐频数量。
优选地,步骤2.3)中能量比重R700Hz的计算函数表达式如式(4)所示;
式(4)中,Ai为50Hz第i次谐波幅值,Aj为50Hz第j次谐波幅值,N为2kHz范围内信号50Hz谐频数量。
优选地,步骤3)中的机器学习分类模型为基于最小二乘支持向量机的分类器。
优选地,所述机器学习分类模型的训练步骤包括:
S1)针对样本自耦变压器选择样本自耦变压器,针对样本自耦变压器,分别采集未发生直流偏磁时的振动信号x1i、以及发生直流偏磁期间中性点电容投入后的振动信号x2i;
S2)对样本自耦变压器的未发生直流偏磁时的振动信号x1i、以及发生直流偏磁期间中性点电容投入后的振动信号x2i进行频谱分析,提取2kHz范围内50Hz及其谐波频率的信号幅值,根据提取得到的2kHz范围内50Hz及其谐波频率的信号幅值计算直流偏磁振动特征参数;
S3)根据采集振动信号时样本自耦变压器是否发生直流偏磁对样本自耦变压器的直流偏磁振动特征参数进行分类,未发生直流偏磁时的直流偏磁振动特征参数类别为“1”,发生直流偏磁期间的直流偏磁振动特征参数类别为“-1”;
S4)将分类后的直流偏磁振动特征参数、及其参数类别组成训练样本,采用最小二乘支持向量机方法进行训练,得到包含检测自耦变压器的直流偏磁振动特征参数、是否发生直流偏磁状态之间的分类映射关系的机器学习分类模型。
本发明还提供一种中性点经电容接地的自耦变压器直流偏磁判别系统,包括计算机系统,所述计算机系统被编程以执行本发明前述中性点经电容接地的自耦变压器直流偏磁判别方法的步骤。
本发明中性点经电容接地的自耦变压器直流偏磁判别方法具有下述优点:
1、本发明在自耦变压器中性点电容隔直后、常用电流检测方法无法开展时,能够有效检测出变压器的直流偏磁状态;
2、相对于基于噪声的直流偏磁检测方法,本发明检测过程不易受到变电站周围自然与社会环境噪声的影响,检测结果更为准确可靠;
3、本发明与带电设备不存在电接触,测试过程中无需改变设备运行状态,安全性与检测效率更高。
本发明中性点经电容接地的自耦变压器直流偏磁判别系统为本发明中性点经电容接地的自耦变压器直流偏磁判别方法对应的系统,同样也具有本发明中性点经电容接地的自耦变压器直流偏磁判别方法的前述优点,故在此不再赘述。
附图说明
图1是本发明实施例方法的实现流程示意图。
图2是本发明实施例中未发生直流偏磁时自耦变压器的正常振动频谱。
图3是本发明实施例中发生直流偏磁时自耦变压器的振动频谱。
图4是本发明实施例中样本自耦变压器直流偏磁状态分类器。
图5是本发明实施例中待预测自耦变压器直流偏磁状态的分类判别结果。
具体实施方式
参见图1,本实施例中性点经电容接地的自耦变压器直流偏磁判别方法的实施步骤包括:
1)针对中性点经电容接地的待检测自耦变压器,检测待检测自耦变压器的振动信号;
2)对待检测自耦变压器的振动信号进行频谱分析,提取振动信号2kHz范围内50Hz及其谐波频率的信号幅值,根据提取得到的2kHz范围内50Hz及其谐波频率的信号幅值计算直流偏磁振动特征参数;
3)将待检测自耦变压器的直流偏磁振动特征参数输入预先训练好的机器学习分类模型,得到待检测自耦变压器当前的直流偏磁状态;所述机器学习分类模型通过训练包含检测自耦变压器的直流偏磁振动特征参数、是否发生直流偏磁状态之间的分类映射关系。
本实施例中性点经电容接地的自耦变压器直流偏磁判别方法能够在自耦变压器中性点经电容隔离直流接地后取代电流检测方法,有效检测出变压器的直流偏磁问题,具有不受外界环境干扰、无需与设备带电部位接触、检测安全性与效率高的优点。
本实施例中,步骤1)中检测待检测自耦变压器的振动信号时,振动信号测点位置位于待检测自耦变压器的表面平面位置,可提高变压器振动信号测试的准确性,有效反映变压器本体的真实振动情况。此外,测试过程中应避免变压器附件连接松动造成的异常振动情况。
变压器振动主要来源于铁心磁致伸缩以及绕组电动力。在电源频率为50Hz的条件下,变压器振动信号频谱基本位于2kHz范围内,而且主要集中在50Hz及其谐波频率上。经过分析发现,利用傅里叶变换方法对186组振动样本信号进行频谱分析,从中提取2kHz范围内50Hz及其谐波频率的信号幅值构成频谱序列,可有效滤除非变压器本体振动信号干扰。基于该频域序列,可计算样本自耦变压器的直流偏磁振动特征参数。因此,本实施例步骤2)中对待检测自耦变压器的振动信号进行频谱分析,提取振动信号2kHz范围内50Hz及其谐波频率的信号幅值,根据提取得到的2kHz范围内50Hz及其谐波频率的信号幅值计算直流偏磁振动特征参数,能够确保有效滤除非变压器本体振动信号干扰。
本实施例中,步骤2)中计算直流偏磁振动特征参数的详细步骤包括:
2.1)计算振动信号2kHz范围内50Hz及其奇次谐波频率振动信号能量与50Hz及其偶次谐波频率振动信号能量的比值Roe;
2.2)计算振动信号2kHz频谱范围内50Hz及其谐波频率的频谱复杂度H;
2.3)计算振动信号2kHz频谱范围内700Hz以上50Hz谐波频率的能量比重R700Hz;
2.4)采用主成分分析方法对比值Roe、频谱复杂度H、能量比重R700Hz三者进行去相关处理,得到待检测自耦变压器的直流偏磁振动特征参数。
本实施例中,步骤2.1)中比值Roe的计算函数表达式如式(1)所示;
式(1)中,A2i为信号50Hz偶次谐波幅值,A2i-1为信号50Hz奇次谐波幅值,N为2kHz范围内信号50Hz谐频数量。
本实施例中,步骤2.2)中频谱复杂度H的计算函数表达式如式(2)所示;
式(2)中,Ri为50Hz第i次谐频振动幅值比重。
本实施例中,50Hz第i次谐频振动幅值比重Ri的计算函数表达式如式(3)所示;
式(3)中,Ai为50Hz第i次谐波幅值,Aj为50Hz第j次谐波幅值,N为2kHz范围内信号50Hz谐频数量。
本实施例中,步骤2.3)中能量比重R700Hz的计算函数表达式如式(4)所示;
式(4)中,Ai为50Hz第i次谐波幅值,Aj为50Hz第j次谐波幅值,N为2kHz范围内信号50Hz谐频数量。
如图2所示,未发生直流偏磁时,自耦变压器振动加速度a频谱主要集中在1kHz范围内,变压器振动信号能量主要集中在100Hz、200Hz、400Hz以及700Hz等50Hz偶数倍频率上,比值Roe、频谱复杂度H、能量比重R700Hz数值相对较小,分别为0.1868、0.022、2.2334。如图3所示,发生直流偏磁后,变压器振动信号幅值较正常条件下增大约16倍,振动信号频谱分布较正常情况发生了显著变化,出现了较多的700Hz以上高次谐波,振动信号频谱分布范围增加至2kHz,且包含较多的50Hz奇数倍谐波频率,比值Roe、频谱复杂度H、能量比重R700Hz为0.8255、0.1757、3.3832。由图2与图3对比可见,比值Roe、频谱复杂度H、能量比重R700Hz在直流偏磁前后发生显著变化。比值Roe表征频谱中奇次谐波含量变化,频谱复杂度H表征频谱中频率成分的复杂程度,该值越低表明频谱在某些特征频率上能量越集中,越高则振动频谱能量越分散,能量比重R700Hz表征频谱中高次谐波含量变化。本实施例将比值Roe、频谱复杂度H、能量比重R700Hz三个特征参数互相补充,共同构成直流偏磁特征参数。由于三个特征参数之间可能存在相互关联,因此,采用主成分分析方法对特征参数Roe、H、R700Hz进行去相关处理,从而进一步降低特征数量,最终的变压器直流偏磁特征参数仅为两个,分别为“特征参数1”与“特征参数2”。
本实施例中,步骤3)中的机器学习分类模型为基于最小二乘支持向量机的分类器。需要说明的是,本实施例中的机器学习分类模型并不局限于采用基于最小二乘支持向量机的分类器这一种特例,此外还可以根据需要采用其他机器学习分类模型。
本实施例中,机器学习分类模型的训练步骤包括:
S1)针对样本自耦变压器选择样本自耦变压器,针对样本自耦变压器,分别采集未发生直流偏磁时的振动信号x1i、以及发生直流偏磁期间中性点电容投入后的振动信号x2i;本实施例中,未发生直流偏磁时自耦变压器振动信号样本数量为65,直流偏磁发生后,样本自耦变压器振动信号样本为121,样本数量共计186个。如图4所示,将变压器直流偏磁振动特征参数与参数类别组成186个训练样本,利用最小二乘支持向量机方法进行训练,所得出的样本自耦变压器直流偏磁状态分类器能够对变压器正常状态与直流偏磁状态进行正确分类。
S2)对样本自耦变压器的未发生直流偏磁时的振动信号x1i、以及发生直流偏磁期间中性点电容投入后的振动信号x2i进行频谱分析,提取2kHz范围内50Hz及其谐波频率的信号幅值,根据提取得到的2kHz范围内50Hz及其谐波频率的信号幅值计算直流偏磁振动特征参数;
S3)根据采集振动信号时样本自耦变压器是否发生直流偏磁对样本自耦变压器的直流偏磁振动特征参数进行分类,未发生直流偏磁时的直流偏磁振动特征参数类别为“1”,发生直流偏磁期间的直流偏磁振动特征参数类别为“-1”;
S4)将分类后的直流偏磁振动特征参数、及其参数类别组成训练样本,采用最小二乘支持向量机方法进行训练,得到包含检测自耦变压器的直流偏磁振动特征参数、是否发生直流偏磁状态之间的分类映射关系的机器学习分类模型。
本实施例中,对14组待预测自耦变压器振动信号样本进行检测,其中12组为正常状态样本,2组为直流偏磁状态样本。假设14组待预测自耦变压器振动信号样本分类未知,对其进行频谱分析,计算最终的待预测自耦变压器的直流偏磁振动特征参数。如图5所示,采用最小二乘支持向量机方法,利用样本自耦变压器的直流偏磁状态分类器对14组待预测自耦变压器的最终直流偏磁振动特征参数进行分类判别,其中11组被判别为正常状态,3组被判别为直流偏磁状态,判别的准确率约为93%,满足实际应用要求。通过提高训练样本数量可进一步提高判别准确率。
此外,本实施例还提供一种中性点经电容接地的自耦变压器直流偏磁判别系统,包括计算机系统,所述计算机系统被编程以执行本实施例前述中性点经电容接地的自耦变压器直流偏磁判别方法的步骤,具体在此不再赘述。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种中性点经电容接地的自耦变压器直流偏磁判别方法,其特征在于实施步骤包括:
1)针对中性点经电容接地的待检测自耦变压器,检测待检测自耦变压器的振动信号;
2)对待检测自耦变压器的振动信号进行频谱分析,提取振动信号2kHz范围内50Hz及其谐波频率的信号幅值,根据提取得到的2kHz范围内50Hz及其谐波频率的信号幅值计算直流偏磁振动特征参数;
3)将待检测自耦变压器的直流偏磁振动特征参数输入预先训练好的机器学习分类模型,得到待检测自耦变压器当前的直流偏磁状态;所述机器学习分类模型通过训练包含检测自耦变压器的直流偏磁振动特征参数、是否发生直流偏磁状态之间的分类映射关系。
2.根据权利要求1所述的中性点经电容接地的自耦变压器直流偏磁判别方法,其特征在于,步骤1)中检测待检测自耦变压器的振动信号时,振动信号测点位置位于待检测自耦变压器的表面平面位置。
3.根据权利要求1所述的中性点经电容接地的自耦变压器直流偏磁判别方法,其特征在于,步骤2)中计算直流偏磁振动特征参数的详细步骤包括:
2.1)计算振动信号2kHz范围内50Hz及其奇次谐波频率振动信号能量与50Hz及其偶次谐波频率振动信号能量的比值Roe;
2.2)计算振动信号2kHz频谱范围内50Hz及其谐波频率的频谱复杂度H;
2.3)计算振动信号2kHz频谱范围内700Hz以上50Hz谐波频率的能量比重R700Hz;
2.4)采用主成分分析方法对比值Roe、频谱复杂度H、能量比重R700Hz三者进行去相关处理,得到待检测自耦变压器的直流偏磁振动特征参数。
4.根据权利要求3所述的中性点经电容接地的自耦变压器直流偏磁判别方法,其特征在于,步骤2.1)中比值Roe的计算函数表达式如式(1)所示;
式(1)中,A2i为信号50Hz偶次谐波幅值,A2i-1为信号50Hz奇次谐波幅值,N为2kHz范围内信号50Hz谐频数量。
5.根据权利要求3所述的中性点经电容接地的自耦变压器直流偏磁判别方法,其特征在于,步骤2.2)中频谱复杂度H的计算函数表达式如式(2)所示;
式(2)中,Ri为50Hz第i次谐频振动幅值比重。
6.根据权利要求5所述的中性点经电容接地的自耦变压器直流偏磁判别方法,其特征在于,50Hz第i次谐频振动幅值比重Ri的计算函数表达式如式(3)所示;
式(3)中,Ai为50Hz第i次谐波幅值,Aj为50Hz第j次谐波幅值,N为2kHz范围内信号50Hz谐频数量。
7.根据权利要求3所述的中性点经电容接地的自耦变压器直流偏磁判别方法,其特征在于,步骤2.3)中能量比重R700Hz的计算函数表达式如式(4)所示;
式(4)中,Ai为50Hz第i次谐波幅值,Aj为50Hz第j次谐波幅值,N为2kHz范围内信号50Hz谐频数量。
8.根据权利要求1所述的中性点经电容接地的自耦变压器直流偏磁判别方法,其特征在于,步骤3)中的机器学习分类模型为基于最小二乘支持向量机的分类器。
9.根据权利要求8所述的中性点经电容接地的自耦变压器直流偏磁判别方法,其特征在于,所述机器学习分类模型的训练步骤包括:
S1)针对样本自耦变压器选择样本自耦变压器,针对样本自耦变压器,分别采集未发生直流偏磁时的振动信号x1i、以及发生直流偏磁期间中性点电容投入后的振动信号x2i;
S2)对样本自耦变压器的未发生直流偏磁时的振动信号x1i、以及发生直流偏磁期间中性点电容投入后的振动信号x2i进行频谱分析,提取2kHz范围内50Hz及其谐波频率的信号幅值,根据提取得到的2kHz范围内50Hz及其谐波频率的信号幅值计算直流偏磁振动特征参数;
S3)根据采集振动信号时样本自耦变压器是否发生直流偏磁对样本自耦变压器的直流偏磁振动特征参数进行分类,未发生直流偏磁时的直流偏磁振动特征参数类别为“1”,发生直流偏磁期间的直流偏磁振动特征参数类别为“-1”;
S4)将分类后的直流偏磁振动特征参数、及其参数类别组成训练样本,采用最小二乘支持向量机方法进行训练,得到包含检测自耦变压器的直流偏磁振动特征参数、是否发生直流偏磁状态之间的分类映射关系的机器学习分类模型。
10.一种中性点经电容接地的自耦变压器直流偏磁判别系统,包括计算机系统,其特征在于:所述计算机系统被编程以执行权利要求1~9中任意一项所述中性点经电容接地的自耦变压器直流偏磁判别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711148587.0A CN108169583B (zh) | 2017-11-17 | 2017-11-17 | 中性点经电容接地的自耦变压器直流偏磁判别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711148587.0A CN108169583B (zh) | 2017-11-17 | 2017-11-17 | 中性点经电容接地的自耦变压器直流偏磁判别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108169583A true CN108169583A (zh) | 2018-06-15 |
CN108169583B CN108169583B (zh) | 2020-11-20 |
Family
ID=62527559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711148587.0A Active CN108169583B (zh) | 2017-11-17 | 2017-11-17 | 中性点经电容接地的自耦变压器直流偏磁判别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108169583B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109212369A (zh) * | 2018-11-14 | 2019-01-15 | 国网河北省电力有限公司电力科学研究院 | 一种变压器铁心直流偏磁的检测方法及装置 |
CN110006527A (zh) * | 2019-04-12 | 2019-07-12 | 国网湖南省电力有限公司 | 高压开关柜结构及其不合理设计异常噪声诊断方法、系统及介质 |
CN111579056A (zh) * | 2020-05-19 | 2020-08-25 | 北京快鱼电子股份公司 | 变压器直流偏磁预测方法及系统 |
CN113701684A (zh) * | 2021-08-05 | 2021-11-26 | 西安交通大学 | 变压器绕组状态检测方法、装置、设备及存储介质 |
CN113740721A (zh) * | 2021-07-14 | 2021-12-03 | 国网江苏省电力有限公司电力科学研究院 | 一种非接触式的gis振动故障诊断方法及装置 |
CN114036676A (zh) * | 2021-11-15 | 2022-02-11 | 东北电力大学 | 一种变压器不平衡运行状态下的绕组振动特性分析方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246043A (zh) * | 2008-03-28 | 2008-08-20 | 清华大学 | 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 |
CN102520240A (zh) * | 2012-01-05 | 2012-06-27 | 山东电力研究院 | 大型变压器偏磁电流监测预警系统 |
CN103472343A (zh) * | 2013-09-29 | 2013-12-25 | 国家电网公司 | 一种高电压设备状态预测方法 |
US9404957B2 (en) * | 2012-06-13 | 2016-08-02 | Jiangsu Nanjing Power Supply Company | Fault diagnosis and preliminary location system and method for transformer core looseness |
CN106443259A (zh) * | 2016-09-29 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 基于欧式聚类和spo‑svm的变压器故障诊断新方法 |
-
2017
- 2017-11-17 CN CN201711148587.0A patent/CN108169583B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246043A (zh) * | 2008-03-28 | 2008-08-20 | 清华大学 | 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 |
CN102520240A (zh) * | 2012-01-05 | 2012-06-27 | 山东电力研究院 | 大型变压器偏磁电流监测预警系统 |
US9404957B2 (en) * | 2012-06-13 | 2016-08-02 | Jiangsu Nanjing Power Supply Company | Fault diagnosis and preliminary location system and method for transformer core looseness |
CN103472343A (zh) * | 2013-09-29 | 2013-12-25 | 国家电网公司 | 一种高电压设备状态预测方法 |
CN106443259A (zh) * | 2016-09-29 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 基于欧式聚类和spo‑svm的变压器故障诊断新方法 |
Non-Patent Citations (4)
Title |
---|
吴晓文等: "城市轨道交通引起的变压器直流偏磁噪声与振动特性", 《电测与仪表》 * |
郭洁等: "500kV电力变压器偏磁振动分析", 《电网技术》 * |
钱国超等: "振动频谱特征值在诊断变压器故障中的应用研究", 《电测与仪表》 * |
马海等: "基于直流偏磁影响下变压器本体振动与噪声的在线监测", 《电气技术》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109212369A (zh) * | 2018-11-14 | 2019-01-15 | 国网河北省电力有限公司电力科学研究院 | 一种变压器铁心直流偏磁的检测方法及装置 |
CN109212369B (zh) * | 2018-11-14 | 2020-10-09 | 国网河北省电力有限公司电力科学研究院 | 一种变压器铁心直流偏磁的检测方法及装置 |
CN110006527A (zh) * | 2019-04-12 | 2019-07-12 | 国网湖南省电力有限公司 | 高压开关柜结构及其不合理设计异常噪声诊断方法、系统及介质 |
CN111579056A (zh) * | 2020-05-19 | 2020-08-25 | 北京快鱼电子股份公司 | 变压器直流偏磁预测方法及系统 |
CN113740721A (zh) * | 2021-07-14 | 2021-12-03 | 国网江苏省电力有限公司电力科学研究院 | 一种非接触式的gis振动故障诊断方法及装置 |
CN113701684A (zh) * | 2021-08-05 | 2021-11-26 | 西安交通大学 | 变压器绕组状态检测方法、装置、设备及存储介质 |
CN114036676A (zh) * | 2021-11-15 | 2022-02-11 | 东北电力大学 | 一种变压器不平衡运行状态下的绕组振动特性分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108169583B (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108169583A (zh) | 中性点经电容接地的自耦变压器直流偏磁判别方法及系统 | |
US4897607A (en) | Method and device for detecting and localizing faults in electrical installations | |
CN108120895A (zh) | 一种振荡波检测变压器绕组变形回路及方法 | |
CN103840437A (zh) | 配电网铁磁谐振与单相接地故障的快速诊断与处理方法 | |
WO2016065959A1 (zh) | 中性点不接地的10kV系统中铁磁谐振的诊断方法 | |
CN108693437A (zh) | 一种判断变压器绕组变形的方法及系统 | |
CN109034277A (zh) | 基于多特征融合的电能质量扰动分类方法及系统 | |
Chen et al. | Contactless islanding detection method using electric field sensors | |
CN110031677A (zh) | 干式空心电抗器现场阻抗测量电路及检测方法 | |
CN104967097B (zh) | 基于支持向量分类机的励磁涌流识别方法 | |
Hui et al. | A method to improve the interharmonic grouping scheme adopted by IEC standard 61000-4-7 | |
Wei et al. | Wideband synchronous measurement-based detection and location of high impedance fault for resonant distribution systems with integration of DERs | |
Musa et al. | Linear regression index‐based method for fault detection and classification in power transmission line | |
Abasi et al. | Broken conductor fault location in power transmission lines using GMDH function and single-terminal data independent of line parameters | |
CN103823158B (zh) | 采用不变矩的谐振接地系统故障选线方法 | |
CN108181512A (zh) | 一种基于变压器自激振荡的绕组入口电容测试方法 | |
Roy et al. | Application of Signal Processing Tools and Artificial Neural Network in Diagnosis of Power System Faults | |
Izadi et al. | A synchronized Lissajous-based approach to achieve situational awareness using synchronized waveform measurements | |
CN108508318B (zh) | 一种判断变压器不平衡负载运行状态的方法及系统 | |
Wu et al. | Quantifying harmonic responsibilities based on kurtosis detection principle of amplitude fluctuations | |
Hamzah et al. | Harmonic source location at the point of common coupling based on voltage magnitude | |
CN115343579B (zh) | 一种电网故障分析方法、装置及电子设备 | |
Artale et al. | DC series arc faults in PV systems. Detection methods and experimental characterization | |
CN115469182A (zh) | 基于高频波形特性的直流微电网高阻故障检测方法及装置 | |
Zhou et al. | A Fault Line Selection Method for Small Current Grounding Systems Based on Zero-Mode Transient Information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |