CN108333443B - 电力设备间歇性缺陷的报警方法 - Google Patents
电力设备间歇性缺陷的报警方法 Download PDFInfo
- Publication number
- CN108333443B CN108333443B CN201711403338.1A CN201711403338A CN108333443B CN 108333443 B CN108333443 B CN 108333443B CN 201711403338 A CN201711403338 A CN 201711403338A CN 108333443 B CN108333443 B CN 108333443B
- Authority
- CN
- China
- Prior art keywords
- signal
- value
- average value
- average
- power equipment
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 26
- 102100025142 Beta-microseminoprotein Human genes 0.000 claims abstract description 25
- 101000576812 Homo sapiens Beta-microseminoprotein Proteins 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000010219 correlation analysis Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 18
- 239000006185 dispersion Substances 0.000 claims description 12
- 238000009825 accumulation Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
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
-
- 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
本发明涉及一种电力设备间歇性缺陷的报警方法。其特点是，包括如下步骤：步骤1，检测电力设备的间歇性局部放电信号，获得PRPS/PRPD图谱；步骤2，对得到的PRPS/PRPD图谱进行处理，得到信号特征参数；步骤3，统计信号特征参数的变化趋势；步骤4，通过对信号特征参数趋势分析和传感器关联分析，判断电力设备的报警状态。与现有技术相比，本发明具有如下的有益效果：1、本发明提供的电力设备间歇性缺陷的报警方法通过对局部放电PRPS/PRPD数据做多种特征参数计算以及各类趋势统计，能够全面的反映间歇性信号的变化特征，有效提高报警的可靠性。
Description
技术领域
本发明涉及一种电力设备间歇性缺陷的报警方法。
背景技术
电力设备如变压器、GIS、互感器等受设备结构、运行状态、外部环境等因素影响，经常出现间歇性缺陷。由于间歇性缺陷存在缺陷信号发生时间不确定性、缺陷特征表现不确定性，通过带电检测方式定期跟踪缺陷不仅耗费大量的人力、时间，检测的有效性也无法保证；而通过在线监测方式对间歇性缺陷做长期监测，也存在资源投入大、不能准确地对缺陷做诊断和定位的问题。
发明内容
本发明的目的是提供一种电力设备间歇性缺陷的报警方法，能够全面的反映间歇性信号的变化特征，有效提高报警的可靠性，实现报警的自动定位。
一种电力设备间歇性缺陷的报警方法，其特别之处在于，包括如下步骤：
步骤1，检测电力设备的间歇性局部放电信号，获得PRPS/PRPD图谱；
步骤2，对得到的PRPS/PRPD图谱进行处理，得到信号特征参数；
步骤3，统计信号特征参数的变化趋势；
步骤4，通过对信号特征参数趋势分析和传感器关联分析，判断电力设备的报警状态。
步骤1具体是使用基于多技术检测的电力设备间歇性缺陷检测仪器的接地电流、高频、特高频和超声检测传感器，检测电力设备的间歇性局部放电信号，记录PRPS/PRPD图谱。
步骤2中信号特征参数用于描述信号的特征表现，包含信号的最大幅值、平均幅值、脉冲次数、局部放电类型和放电指纹；所述放电指纹包含信号的偏斜度、突出度、不对称度、相关系数、脉冲集中度和分散度。
步骤3中统计信号特征参数的变化趋势，具体包括时均统计和日均统计；
其中时均统计指各参数的每小时数值的统计值，包括信号的最大幅值的小时平均值、平均幅值的小时平均值、脉冲次数的小时平均值、局部放电类型信号的小时累积值和放电指纹的小时平均值；所属放电指纹的小时平均值包括信号的偏斜度的小时平均值、突出度的小时平均值、不对称度的小时平均值、相关系数的小时平均值、脉冲集中度的小时平均值和分散度的小时平均值；
其中日均统计指各参数的每日数值的统计值，包括信号的最大幅值的日平均值、平均幅值的日平均值、脉冲次数的日平均值、局部放电类型信号的日累积值和放电指纹的日平均值；所述放电指纹的日平均值包含信号的偏斜度的日平均值、突出度的日平均值、不对称度的日平均值、相关系数的日平均值、脉冲集中度的日平均值和分散度的日平均值；所述日均统计还包括对信号的7天日均统计、15天日均统计和30天日均统计。
其中信号趋势分析包括信号最大幅值的统计值变化、平均幅值的统计值变化、脉冲次数的统计值变化、局部放电类型信号的统计值变化，所述统计值变化包含时均统计值和日均统计值的变化；
将参数值与设定阈值进行比较，当参数值超出设定阈值时，判断该传感器的信号产生报警，报警的信号类型为所有数据中出现次数最多的局部放电类型；
其中传感器关联分析包括通过分析产生报警的传感器之间的参数的关联性，定位报警信号。
其中定位报警信号具体包括计算各时均统计参数、日均统计参数的相关系数；计算各个统计期间内同一时刻各报警传感器的PRPS/PRPD数据的放电指纹的相关系数，并统计平均值；判断当两个传感器的各相关系数的加权累积值大于设定值时，该两个传感器为同源的报警信号，取信号幅值统计值较大者为距离放电源较近者；当信号幅值统计值近似时，对同信号类型的报警，取脉冲次数的统计值较大者为距离放电源较近者，从而定位报警信号。
与现有技术相比，本发明具有如下的有益效果：
1、本发明提供的电力设备间歇性缺陷的报警方法通过对局部放电PRPS/PRPD数据做多种特征参数计算以及各类趋势统计，能够全面的反映间歇性信号的变化特征，有效提高报警的可靠性。
2、本发明提供的电力设备间歇性缺陷的报警方法能够简便准确的提供报警的信号类型、报警关联信息，实现报警的自动定位，为电力设备安全运行提供保障。
附图说明
附图1为本发明的流程图。
具体实施方式
针对现有技术中的不足，本发明提供了一种电力设备间歇性缺陷的报警方法。
本发明提供了一种电力设备间歇性缺陷的报警方法，包括步骤1：检测电力设备的间歇性局部放电信号，获得PRPS/PRPD图谱；步骤2：对PRPS/PRPD数据进行处理，得到信号特征参数；步骤3：统计信号特征参数的变化趋势；步骤4：通过信号趋势分析和传感器关联分析，判断得到电力设备的报警状态。本发明通过对电力设备的局部放电信号做连续监测，利用信号趋势分析和传感器关联分析方法，可准确有效地诊断电力设备的间歇性缺陷。
根据本发明提供的电力设备间歇性缺陷的报警方法，包括如下步骤：
步骤1：检测电力设备的间歇性局部放电信号，获得PRPS/PRPD图谱；
步骤2：对PRPS/PRPD数据进行处理，得到信号特征参数；
步骤3：统计信号特征参数的变化趋势；
步骤4：通过信号趋势分析和传感器关联分析，判断得到电力设备的报警状态。
优选地，所述步骤1包括：通过基于多技术检测的电力设备间歇性缺陷检测仪器采集电力设备的局部放电信号，具体地，使用基于多技术检测的电力设备间歇性缺陷检测仪器的接地电流、高频、特高频和超声检测传感器，检测电力设备的间歇性局部放电信号，记录PRPS/PRPD图谱。
优选地，所述步骤2包括：对PRPS/PRPD数据进行处理，得到信号特征参数。
所述信号特征参数用于描述信号的特征表现，包含信号的最大幅值、平均幅值、脉冲次数、局部放电类型和放电指纹；所述放电指纹包含信号的偏斜度、突出度、不对称度、相关系数、脉冲集中度和分散度。
优选地，所述步骤3包括：统计信号特征参数的变化趋势，含时均统计、日均统计。
所述时均统计，指各参数的每小时数值的统计值，包含信号的最大幅值的小时平均值、平均幅值的小时平均值、脉冲次数的小时平均值、局部放电类型信号的小时累积值和放电指纹的小时平均值。所属放电指纹的小时平均值包含信号的偏斜度的小时平均值、突出度的小时平均值、不对称度的小时平均值、相关系数的小时平均值、脉冲集中度的小时平均值和分散度的小时平均值。
所述日均统计，指各参数的每日数值的统计值，包含信号的最大幅值的日平均值、平均幅值的日平均值、脉冲次数的日平均值、局部放电类型信号的日累积值和放电指纹的日平均值。所属放电指纹的日平均值包含信号的偏斜度的日平均值、突出度的日平均值、不对称度的日平均值、相关系数的日平均值、脉冲集中度的日平均值和分散度的日平均值。
所述日均统计，包含对信号的7天日均统计、15天日均统计和30天日均统计。
优选地，所述步骤4包括：通过信号趋势分析和传感器关联分析，判断得到电力设备的报警状态。
所述信号趋势分析，包括信号最大幅值的统计值变化、平均幅值的统计值变化、脉冲次数的统计值变化、局部放电类型信号的统计值变化。所述统计值变化包含时均统计值和日均统计值的变化。将参数值与设定阈值进行比较，当参数值超出设定阈值时，判断该传感器的信号产生报警，报警的信号类型为所有数据中出现次数最多的局部放电类型。
所述传感器关联分析，通过分析产生报警的传感器之间的参数的关联性，定位报警信号。
具体的，计算各时均统计参数、日均统计参数的相关系数，如下所示：
其中，n表示共n个统计值点，i表示从0到n-1，xi表示报警传感器x的第i个统计值，yi表示传感器y的第i个统计值。
具体的，计算各个统计期间内同一时刻各报警传感器的PRPS/PRPD数据的放电指纹的相关系数，并统计平均值。
判断当两个传感器的各相关系数的加权累积值大于设定值时，该两个传感器为同源的报警信号，取信号幅值统计值较大者为距离放电源较近者；当信号幅值统计值近似时，对同信号类型的报警，取脉冲次数的统计值较大者为距离放电源较近者；从而定位报警信号。
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。
实施例1：
根据本发明提供的一种电力设备间歇性缺陷的报警方法，包括如下步骤：
步骤1：检测电力设备的间歇性局部放电信号，获得PRPS/PRPD图谱；
步骤2：对PRPS/PRPD数据进行处理，得到信号特征参数；
步骤3：统计信号特征参数的变化趋势；
步骤4：通过信号趋势分析和传感器关联分析，判断得到电力设备的报警状态。
所述步骤1包括：通过基于多技术检测的电力设备间歇性缺陷检测仪器采集电力设备的局部放电信号，具体地，使用基于多技术检测的电力设备间歇性缺陷检测仪器的接地电流、高频、特高频和超声检测传感器，检测电力设备的间歇性局部放电信号，记录PRPS/PRPD图谱。
所述步骤2包括：对PRPS/PRPD数据进行处理，得到信号特征参数。
所述信号特征参数用于描述信号的特征表现，包含信号的最大幅值、平均幅值、脉冲次数、局部放电类型和放电指纹；所述放电指纹包含信号的偏斜度、突出度、不对称度、相关系数、脉冲集中度和分散度。
所述步骤3包括：统计信号特征参数的变化趋势，含时均统计、日均统计。
所述时均统计，指各参数的每小时数值的统计值，包含信号的最大幅值的小时平均值、平均幅值的小时平均值、脉冲次数的小时平均值、局部放电类型信号的小时累积值和放电指纹的小时平均值。所属放电指纹的小时平均值包含信号的偏斜度的小时平均值、突出度的小时平均值、不对称度的小时平均值、相关系数的小时平均值、脉冲集中度的小时平均值和分散度的小时平均值。
所述日均统计，指各参数的每日数值的统计值，包含信号的最大幅值的日平均值、平均幅值的日平均值、脉冲次数的日平均值、局部放电类型信号的日累积值和放电指纹的日平均值。所属放电指纹的日平均值包含信号的偏斜度的日平均值、突出度的日平均值、不对称度的日平均值、相关系数的日平均值、脉冲集中度的日平均值和分散度的日平均值。
所述日均统计，包含对信号的7天日均统计、15天日均统计和30天日均统计。
所述步骤4包括：通过信号趋势分析和传感器关联分析，判断得到电力设备的报警状态，例如哪个电力设备、具体是何种报警信号。
所述信号趋势分析，包括信号最大幅值的统计值变化、平均幅值的统计值变化、脉冲次数的统计值变化、局部放电类型信号的统计值变化。所述统计值变化包含时均统计值和日均统计值的变化。将参数值与设定阈值进行比较，当参数值超出设定阈值时，判断该传感器的信号产生报警，报警的信号类型为所有数据中出现次数最多的局部放电类型。
所述传感器关联分析，通过分析产生报警的传感器之间的参数的关联性，定位报警信号。
具体的，计算各时均统计参数、日均统计参数的相关系数，如下所示：
其中，n表示共n个统计值点，i表示从0到n-1，xi表示报警传感器x的第i个统计值，yi表示传感器y的第i个统计值。
具体的，计算各个统计期间内同一时刻各报警传感器的PRPS/PRPD数据的放电指纹的相关系数，并统计平均值。
判断当两个传感器的各相关系数的加权累积值大于设定值时，该两个传感器为同源的报警信号，取信号幅值统计值较大者为距离放电源较近者；当信号幅值统计值近似时，对同信号类型的报警，取脉冲次数的统计值较大者为距离放电源较近者；从而定位报警信号。
本发明通过对局部放电PRPS/PRPD数据做多种特征参数计算以及各类趋势统计，能够全面的反映间歇性信号的变化特征，有效提高报警的可靠性，并能够简便准确的提供报警的信号类型、报警关联信息，实现报警的自动定位，为电力设备安全运行提供保障。
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 (4)
1.一种电力设备间歇性缺陷的报警方法，其特征在于，包括如下步骤：
步骤1，检测电力设备的间歇性局部放电信号，获得PRPS/PRPD图谱；
步骤2，对得到的PRPS/PRPD图谱进行处理，得到信号特征参数；
步骤3，统计信号特征参数的变化趋势；
步骤4，通过对信号特征参数趋势分析和传感器关联分析，判断电力设备的报警状态；
其中信号趋势分析包括信号最大幅值的统计值变化、平均幅值的统计值变化、脉冲次数的统计值变化、局部放电类型信号的统计值变化，所述统计值变化包含时均统计值和日均统计值的变化；
将参数值与设定阈值进行比较，当参数值超出设定阈值时，判断该传感器的信号产生报警，报警的信号类型为所有数据中出现次数最多的局部放电类型；
其中传感器关联分析包括通过分析产生报警的传感器之间的参数的关联性，定位报警信号；
其中定位报警信号具体包括计算各时均统计参数、日均统计参数的相关系数；计算各个统计期间内同一时刻各报警传感器的PRPS/PRPD数据的放电指纹的相关系数，并统计平均值；判断当两个传感器的各相关系数的加权累积值大于设定值时，该两个传感器为同源的报警信号，取信号幅值统计值较大者为距离放电源较近者；当信号幅值统计值近似时，对同信号类型的报警，取脉冲次数的统计值较大者为距离放电源较近者，从而定位报警信号。
2.如权利要求1所述的电力设备间歇性缺陷的报警方法，其特征在于：步骤1具体是使用基于多技术检测的电力设备间歇性缺陷检测仪器的接地电流、高频、特高频和超声检测传感器，检测电力设备的间歇性局部放电信号，记录PRPS/PRPD图谱。
3.如权利要求1所述的电力设备间歇性缺陷的报警方法，其特征在于：步骤2中信号特征参数用于描述信号的特征表现，包含信号的最大幅值、平均幅值、脉冲次数、局部放电类型和放电指纹；所述放电指纹包含信号的偏斜度、突出度、不对称度、相关系数、脉冲集中度和分散度。
4.如权利要求1所述的电力设备间歇性缺陷的报警方法，其特征在于：步骤3中统计信号特征参数的变化趋势，具体包括时均统计和日均统计；
其中时均统计指各参数的每小时数值的统计值，包括信号的最大幅值的小时平均值、平均幅值的小时平均值、脉冲次数的小时平均值、局部放电类型信号的小时累积值和放电指纹的小时平均值；所属放电指纹的小时平均值包括信号的偏斜度的小时平均值、突出度的小时平均值、不对称度的小时平均值、相关系数的小时平均值、脉冲集中度的小时平均值和分散度的小时平均值；
其中日均统计指各参数的每日数值的统计值，包括信号的最大幅值的日平均值、平均幅值的日平均值、脉冲次数的日平均值、局部放电类型信号的日累积值和放电指纹的日平均值；所述放电指纹的日平均值包含信号的偏斜度的日平均值、突出度的日平均值、不对称度的日平均值、相关系数的日平均值、脉冲集中度的日平均值和分散度的日平均值；所述日均统计还包括对信号的7天日均统计、15天日均统计和30天日均统计。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711403338.1A CN108333443B (zh) | 2017-12-22 | 2017-12-22 | 电力设备间歇性缺陷的报警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711403338.1A CN108333443B (zh) | 2017-12-22 | 2017-12-22 | 电力设备间歇性缺陷的报警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108333443A CN108333443A (zh) | 2018-07-27 |
| CN108333443B true CN108333443B (zh) | 2020-08-25 |
Family
ID=62923386
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711403338.1A Active CN108333443B (zh) | 2017-12-22 | 2017-12-22 | 电力设备间歇性缺陷的报警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108333443B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109238728B (zh) * | 2018-09-12 | 2020-06-02 | 温州大学 | 一种车用发动机上零部件故障诊断的方法及系统 |
| CN113514743B (zh) * | 2021-08-03 | 2024-01-30 | 广东电网有限责任公司 | 一种基于多维特征的gis局部放电模式识别系统构建方法 |
| CN117335578B (zh) * | 2023-12-01 | 2024-02-06 | 成都天合一成科技服务有限公司 | 一种用于低压配电的合环转电的检测与调控系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100427961C (zh) * | 2006-09-20 | 2008-10-22 | 重庆大学 | 基于虚拟仪器技术的气体绝缘组合电器在线监测方法 |
| KR101051099B1 (ko) * | 2008-09-30 | 2011-07-21 | 한국전력공사 | 고전압 전력 기기의 극 초단파 부분 방전 및 방전위치 측정장치 |
| CN102103175A (zh) * | 2009-12-21 | 2011-06-22 | 上海莫克电子技术有限公司 | 一种gis在线监测系统 |
| CN101865969B (zh) * | 2010-05-26 | 2012-05-30 | 四川电力试验研究院 | 一种气体绝缘组合电器局部放电的在线监测定位方法 |
| CN105606977B (zh) * | 2016-03-11 | 2019-04-19 | 华乘电气科技（上海）股份有限公司 | 基于分层规则推理的局部放电prps图谱识别方法及系统 |
-
2017
- 2017-12-22 CN CN201711403338.1A patent/CN108333443B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN108333443A (zh) | 2018-07-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113518011B (zh) | 异常检测方法和装置、电子设备及计算机可读存储介质 | |
| US10704982B2 (en) | Sensor recording analysis apparatus and method | |
| CN105606977B (zh) | 基于分层规则推理的局部放电prps图谱识别方法及系统 | |
| CN108333443B (zh) | 电力设备间歇性缺陷的报警方法 | |
| CN109255395B (zh) | 一种滚珠丝杠副的寿命预测方法 | |
| US7343267B1 (en) | Methods and systems for statistical based monitoring and power management | |
| CN112486097A (zh) | 一种基于模型算法的切割平台磨损状态监测方法、系统及可读存储介质 | |
| US20070055476A1 (en) | Optimizing bandwidth and power in wireless networks of smart sensors | |
| US11620539B2 (en) | Method and device for monitoring a process of generating metric data for predicting anomalies | |
| CN117439827B (zh) | 一种网络流量大数据分析方法 | |
| CN117235653B (zh) | 一种电源连接器故障实时监测方法及系统 | |
| CN117668684A (zh) | 基于大数据分析的电网电能数据异常检测方法 | |
| CN110988624B (zh) | 一种间歇性局部放电信号的检测方法及系统 | |
| CN110858072A (zh) | 设备运行状态的确定方法及装置 | |
| US11248981B2 (en) | Methods and apparatus to detect leaks based on temperature data | |
| CN112882898A (zh) | 基于大数据日志分析的异常检测方法、系统、设备及介质 | |
| CN117668427A (zh) | 一种基于数据分析的用电信息系统温度监控预测方法及设备 | |
| US8140282B2 (en) | Determining a total length for conductive whiskers in computer systems | |
| CN117172601A (zh) | 一种基于残差全卷积神经网络的非侵入式负荷监测方法 | |
| CN116593829A (zh) | 基于数据分析的输电线路隐患在线监测系统 | |
| US7155365B1 (en) | Optimal bandwidth and power utilization for ad hoc networks of wireless smart sensors | |
| CN115392380A (zh) | 一种识别局放在线监测异常数据的方法、装置及存储介质 | |
| Zhang et al. | A Fault Detection Method for Analog Circuits Based on the Wavelet Features and One-class KNN | |
| Vujnovic et al. | Acoustic contamination detection using QQ-plot based decision scheme | |
| CN118470877B (zh) | 一种基于多源传感感知的电缆通道防侵入预警方法及装置 |
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 |