CN108693469A - Gis设备的故障诊断方法及装置 - Google Patents
Gis设备的故障诊断方法及装置 Download PDFInfo
- Publication number
- CN108693469A CN108693469A CN201810606068.2A CN201810606068A CN108693469A CN 108693469 A CN108693469 A CN 108693469A CN 201810606068 A CN201810606068 A CN 201810606068A CN 108693469 A CN108693469 A CN 108693469A
- Authority
- CN
- China
- Prior art keywords
- current data
- approximate entropy
- measured
- data
- calculated
- 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.)
- Pending
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
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
- G01R31/3271—Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
- G01R31/3275—Fault detection or status indication
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Current Or Voltage (AREA)
Abstract
本发明提供了一种GIS设备的故障诊断方法及装置，该方法包括：获取基准动作电流数据和待测GIS设备的待测动作电流数据；对基准动作电流数据和待测动作电流数据进行标准化处理；采用动态互近似熵算法计算标准化后的基准动作电流数据与标准化后的待测动作电流数据之间的互近似熵，得到第一互近似熵曲线；基于第一互近似熵曲线和第二互近似熵曲线确定待测GIS设备是否存在隐患故障。该方法通过动态互近似熵算法挖掘动作电流数据间的相似性，具有更大的优势，能够发现更细节的信息，进而能准确的确定出待测GIS设备是否存在隐患故障，缓解了现有的基于阈值的故障诊断方法，在数据处理方面具有局限性，难以诊断得到隐患故障的技术问题。
Description
技术领域
本发明涉及故障诊断的技术领域，尤其是涉及一种GIS设备的故障诊断方法及装置。
背景技术
为了满足智能电网的建设乃至能源互联网的发展需要，进一步提高设备的智能化水平，显得尤其重要。电气设备的智能化不但提高了电气设备的集成程度，使得设备利用率大大提高，而且还能实时监测电气设备的运行状态。
一些典型的智能高压设备如GIS设备，在其智能化项目中如断路器机械系统的监测中，需要对相关状态特征值参量进行在线监测，GIS设备机械系统需要监测的特征参数很多，典型的特征参数有分合闸线圈电流。
典型分合闸线圈电流的波形如图1所示，从GIS设备典型分合闸曲线波形图中可以看出，其波形含有5个数学特征明显的特征点。分别为t0、第一个极大值t1(对应电流值为铁芯启动电流i1)、第一个极小值t2(对应电流值为铁芯停止电流i2)、第二个极大值t3(对应电流值为线圈最大工作电流i3)、零点t4。在对分合闸电流进行监测的过程中，主要对t1、t2、t3、及其对应时刻电流i等特征值进行分析，如(t1，i1)反映铁芯运动的起始状态，(t2，i2)反映电磁铁芯的运行速度，(t3，i3)反映线圈操作电压的大小。通过分析上述有关参数，以便为判定断路器机械操作系统运行状态提供重要的数据依据。参照特征值以及由特征值所衍生的关于断路器的运行参数，并结合断路器自身的参数范围(分闸时间下限值和上限值分别为21ms和30ms，分闸行程下限值和上限值分别是225mm和232mm，这些参考值是设备出厂预定的上下限值，如果在此范围内则属于正常状态，如果超出上下限值，则属于异常状态)，从而诊断操作机构是否存在故障问题。
虽然电气设备智能化在状态监测功能方面已经有了一定的突破，但当前关于电气设备电流电压等电气数据如分合闸线圈电流都是依靠阈值的简单判断方式，对数据的价值挖掘较少，不易发现阈值之内潜在有用的信息，具有一定的局限性。目前这种基于阈值的数据处理方法，有一定的局限性，当GIS设备机械系统出现微小故障且没有超过阈值时，在线监测是无法探测到的，虽说是微小故障，但是微小故障的积累也容易引发更大的运行事故，当在线监测真的已经检测到GIS设备机械系统内部的故障时，微小故障往往已经对设备造成了一定的破坏。
综上，现有的基于阈值的故障诊断方法，在数据处理方面具有局限性，难以诊断得到隐患故障。
发明内容
有鉴于此，本发明的目的在于提供一种GIS设备的故障诊断方法及装置，以缓解现有的基于阈值的故障诊断方法，在数据处理方面具有局限性，难以诊断得到隐患故障的技术问题。
第一方面，本发明实施例提供了一种GIS设备的故障诊断方法，所述方法包括：
分别获取正常GIS设备的一组基准动作电流数据和待测GIS设备的待测动作电流数据，其中，所述基准动作电流数据包括以下任一种：正常运行状态下的分闸电流数据，正常运行状态下的合闸电流数据，所述待测动作电流数据中的动作与所述基准动作电流数据中的动作相同；
对所述基准动作电流数据和所述待测动作电流数据进行标准化处理，得到标准化后的基准动作电流数据和标准化后的待测动作电流数据；
采用动态互近似熵算法计算所述标准化后的基准动作电流数据与所述标准化后的待测动作电流数据之间的互近似熵，得到第一互近似熵曲线；
基于所述第一互近似熵曲线和第二互近似熵曲线中对应值的大小确定所述待测GIS设备是否存在隐患故障，其中，所述第二互近似熵曲线为预先采用所述动态互近似熵算法对两组基准动作电流数据进行计算之后得到的互近似熵曲线。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，对所述基准动作电流数据和所述待测动作电流数据进行标准化处理，得到标准化后的基准动作电流数据和标准化后的待测动作电流数据包括：
采用标准化公式ai＝[ai原始-mean(ai原始)]/std(ai原始)和bj＝[bj原始-mean(bj原始)]/std(bj原始)分别对所述基准动作电流数据和所述待测动作电流数据进行标准化处理，得到所述标准化后的基准动作电流数据和所述标准化后的待测动作电流数据，其中，mean(ai原始)表示所述基准动作电流数据的均值，std(ai原始)表示所述基准动作电流数据的标准差，mean(bj原始)表示所述待测动作电流数据的均值，std(bj原始)表示所述待测动作电流数据的标准差。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，采用动态互近似熵算法计算所述标准化后的基准动作电流数据与所述标准化后的待测动作电流数据之间的互近似熵包括：
获取滑动窗口X和滑动步长Y，其中，所述滑动窗口X表示一次互近似熵的计算中所包含的数据点个数，所述滑动步长Y表示相邻两次互近似熵的计算中移动的数据点距离；
根据所述滑动窗口X和所述滑动步长Y分别在所述标准化后的基准动作电流数据和所述标准化后的待测动作电流数据中确定一组当前待计算数据，得到两组当前待计算数据；
采用互近似熵算法对所述两组当前待计算数据进行互近似熵计算，得到第一互近似熵，其中，所述第一互近似熵为所述第一互近似熵曲线中的一个值；
继续按照所述滑动窗口X和所述滑动步长Y分别在所述标准化后的基准动作电流数据和所述标准化后的待测动作电流数据中确定一组当前待计算数据，得到两组当前待计算数据，并返回执行采用互近似熵算法对所述两组当前待计算数据进行互近似熵计算的步骤，直至遍历所述标准化后的基准动作电流数据和所述标准化后的待测动作电流数据中所有数据为止。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，采用互近似熵算法对所述两组当前待计算数据进行互近似熵计算，得到第一互近似熵包括：
获取相似容限r，模式维数m和所述两组当前待计算数据，其中，一组当前待计算数据为A(i)＝[a(i),…,a(i+m-1)],i＝1,…,N-m+1，另一组当前待计算数据为B(j)＝[b(j),…,b(j+m-1)],j＝1,…,N-m+1，N表示数据点个数；
执行以下互相关程度的计算步骤：
对于每一个i值，确定A(i)与B(j),j＝1,…,N-m+1中对应元素的最大差值D(A(i),B(j))；
对于每一个i值，统计所述最大差值D(A(i),B(j))小于所述相似容限r的个数
对于每一个i值，基于所述个数计算所述两组当前待计算数据在所述相似容限r下接近的概率
基于所述概率和互相关程度计算算式计算所述两组当前待计算数据的互相关程度，其中，Tm,r(D(A(i),B(j))表示所述两组当前待计算数据的互相关程度；
更新所述模式维数为m+1，重复执行所述互相关程度的计算步骤，得到m+1维时的所述两组当前待计算数据的互相关程度Tm+1,r(D(A(i),B(j))；
结合m维时的所述两组当前待计算数据的互相关程度Tm,r(D(A(i),B(j))和m+1维时的所述两组当前待计算数据的互相关程度Tm+1,r(D(A(i),B(j))计算所述第一互近似熵。
结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，对于每一个i值，基于所述个数计算所述两组当前待计算数据在所述相似容限r下接近的概率包括：
根据概率计算算式计算所述两组当前待计算数据在所述相似容限r下接近的概率，其中，表示所述最大差值D(A(i),B(j))小于所述相似容限r的个数。
结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，结合m维时的所述两组当前待计算数据的互相关程度Tm,r(D(A(i),B(j))和m+1维时的所述两组当前待计算数据的互相关程度Tm+1,r(D(A(i),B(j))计算所述第一互近似熵包括：
根据互近似熵计算算式CApEn(m,r)＝Tm,r(D(A(i),B(j))-Tm+1,r(D(A(i),B(j))计算所述第一互近似熵，其中，CApEn(m,r)表示所述第一互近似熵，Tm,r(D(A(i),B(j))表示m维时的所述两组当前待计算数据的互相关程度，Tm+1,r(D(A(i),B(j))表示m+1维时的所述两组当前待计算数据的互相关程度。
结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，基于所述第一互近似熵曲线和第二互近似熵曲线中对应值的大小确定所述待测GIS设备是否存在隐患故障包括：
如果所述第一互近似熵曲线和所述第二互近似熵曲线中对应值之间的差值大于预设阈值，则确定所述待测GIS设备存在所述隐患故障。
第二方面，本发明实施例还提供了一种GIS设备的故障诊断装置，所述装置包括：
获取模块，用于分别获取正常GIS设备的一组基准动作电流数据和待测GIS设备的待测动作电流数据，其中，所述基准动作电流数据包括以下任一种：正常运行状态下的分闸电流数据，正常运行状态下的合闸电流数据，所述待测动作电流数据中的动作与所述基准动作电流数据中的动作相同；
标准化处理模块，用于对所述基准动作电流数据和所述待测动作电流数据进行标准化处理，得到标准化后的基准动作电流数据和标准化后的待测动作电流数据；
计算模块，用于采用动态互近似熵算法计算所述标准化后的基准动作电流数据与所述标准化后的待测动作电流数据之间的互近似熵，得到第一互近似熵曲线；
确定模块，用于基于所述第一互近似熵曲线和第二互近似熵曲线中对应值的大小确定所述待测GIS设备是否存在隐患故障，其中，所述第二互近似熵曲线为预先采用所述动态互近似熵算法对两组基准动作电流数据进行计算之后得到的互近似熵曲线。
结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述标准化处理模块包括：
标准化处理子模块，用于采用标准化公式ai＝[ai原始-mean(ai原始)]/std(ai原始)和bj＝[bj原始-mean(bj原始)]/std(bj原始)分别对所述基准动作电流数据和所述待测动作电流数据进行标准化处理，得到所述标准化后的基准动作电流数据和所述标准化后的待测动作电流数据，其中，mean(ai原始)表示所述基准动作电流数据的均值，std(ai原始)表示所述基准动作电流数据的标准差，mean(bj原始)表示所述待测动作电流数据的均值，std(bj原始)表示所述待测动作电流数据的标准差。
结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所述计算模块包括：
获取子模块，用于获取滑动窗口X和滑动步长Y，其中，所述滑动窗口X表示一次互近似熵的计算中所包含的数据点个数，所述滑动步长Y表示相邻两次互近似熵的计算中移动的数据点距离；
第一确定子模块，用于根据所述滑动窗口X和所述滑动步长Y分别在所述标准化后的基准动作电流数据和所述标准化后的待测动作电流数据中确定一组当前待计算数据，得到两组当前待计算数据；
计算子模块，用于采用互近似熵算法对所述两组当前待计算数据进行互近似熵计算，得到第一互近似熵，其中，所述第一互近似熵为所述第一互近似熵曲线中的一个值；
返回执行子模块，用于继续按照所述滑动窗口X和所述滑动步长Y分别在所述标准化后的基准动作电流数据和所述标准化后的待测动作电流数据中确定一组当前待计算数据，得到两组当前待计算数据，并返回执行采用互近似熵算法对所述两组当前待计算数据进行互近似熵计算的步骤，直至遍历所述标准化后的基准动作电流数据和所述标准化后的待测动作电流数据中所有数据为止。
本发明实施例带来了以下有益效果：
现有的基于阈值的故障诊断方法，在数据处理方面具有局限性，难以诊断得到隐患故障。与现有的故障诊断方法相比，本发明实施例的GIS设备的故障诊断方法中，先获取一组基准动作电流数据和待测动作电流数据，然后对基准电流数据和待测动作电流数据进行标准化处理，得到标准化后基准动作电流数据和标准化后的待测动作电流数据，进而采用动态互近似熵算法计算标准化后的基准动作电流数据与标准化后的待测动作电流数据之间的互近似熵，得到第一互近似熵曲线，最终，基于该第一互近似熵曲线和预先对两组基准动作电流数据计算后的第二互近似熵曲线中对应值的大小确定待测GIS设备是否存在隐患故障。该故障诊断方法通过动态互近似熵算法挖掘动作电流数据间的相似性，具有更大的优势，能够发现更细节的信息，进而能准确的确定出待测GIS设备是否存在隐患故障，为待测GIS设备的综合检修策略带来了更多的判据，缓解了现有的基于阈值的故障诊断方法，在数据处理方面具有局限性，难以诊断得到隐患故障的技术问题。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的分合闸线圈电流的波形示意图；
图2为本发明实施例提供的一种GIS设备的故障诊断方法的流程图；
图3为本发明实施例提供的采用动态互近似熵算法计算标准化后的基准动作电流数据与标准化后的待测动作电流数据之间的互近似熵的方法流程图；
图4为本发明实施例提供的采用互近似熵算法对两组当前待计算数据进行互近似熵计算的方法流程图；
图5为本发明实施例提供的一种GIS设备的故障诊断装置的功能模块图。
图标：
11-获取模块；12-标准化处理模块；13-计算模块；14-确定模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明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一部分实施例，而不是全部的实施例。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前提下所获得的所有其他实施例，都属于本发明保护的范围。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种GIS设备的故障诊断方法进行详细介绍。
实施例一：
一种GIS设备的故障诊断方法，参考图2，该方法包括：
S202、分别获取正常GIS设备的一组基准动作电流数据和待测GIS设备的待测动作电流数据，其中，基准动作电流数据包括以下任一种：正常运行状态下的分闸电流数据，正常运行状态下的合闸电流数据，待测动作电流数据中的动作与基准动作电流数据中的动作相同；
在本发明实施例中，动作电流数据的采样频率为10kHz，所有的数据均以COMTRADE格式存储。采样时，先要获取正常GIS设备的一组基准动作电流数据，具体的，该基准动作电流数据可以为正常运行状态下的分闸电流数据，也可以为正常运行状态下的合闸电流数据。同样，也要获取待测GIS设备的待测动作电流数据，其中，如果基准动作电流数据为正常运行状态下的分闸电流数据，那么对应的待测动作电流数据即为待测分闸电流数据，而如果基准动作电流数据为正常运行状态下的合闸电流数据，那么对应的待测动作电流数据即为待测合闸电流数据。
S204、对基准动作电流数据和待测动作电流数据进行标准化处理，得到标准化后的基准动作电流数据和标准化后的待测动作电流数据；
在得到基准动作电流数据和待测动作电流数据后，对两组数据分别进行标准化处理，得到标准化后的基准动作电流数据和标准化后的待测动作电流数据。标准化处理的过程将在下文中进行描述，在此不再赘述。
如果不进行标准化处理，两组数据间幅值相差较大，实际对其进行计算时互近似熵值都为零，无法确定得到两组数据之间真实的相似性，更无法用于后续的故障诊断，所以标准化处理的过程是必须的。
S206、采用动态互近似熵算法计算标准化后的基准动作电流数据与标准化后的待测动作电流数据之间的互近似熵，得到第一互近似熵曲线；
在得到标准化后的基准动作电流数据和标准化后的待测动作电流数据后，进一步采用动态互近似熵算法计算标准化后的基准动作电流数据与标准化后的待测动作电流数据之间的互近似熵，得到第一互近似熵曲线。具体内容将在下文中进行介绍，在此不再赘述。
S208、基于第一互近似熵曲线和第二互近似熵曲线中对应值的大小确定待测GIS设备是否存在隐患故障，其中，第二互近似熵曲线为预先采用动态互近似熵算法对两组基准动作电流数据进行计算之后得到的互近似熵曲线。
在得到第一互近似熵曲线后，基于第一互近似熵曲线和第二互近似熵曲线中对应值的大小确定待测GIS设备是否存在隐患故障。具体的，该第二互近似熵曲线为预先采用动态互近似熵算法对两组基准动作电流数据进行计算之后得到的互近似熵曲线。具体的确定过程将在下文中进行描述，在此不再赘述。
现有的基于阈值的故障诊断方法，在数据处理方面具有局限性，难以诊断得到隐患故障。与现有的故障诊断方法相比，本发明实施例的GIS设备的故障诊断方法中，先获取一组基准动作电流数据和待测动作电流数据，然后对基准电流数据和待测动作电流数据进行标准化处理，得到标准化后基准动作电流数据和标准化后的待测动作电流数据，进而采用动态互近似熵算法计算标准化后的基准动作电流数据与标准化后的待测动作电流数据之间的互近似熵，得到第一互近似熵曲线，最终，基于该第一互近似熵曲线和预先对两组基准动作电流数据计算后的第二互近似熵曲线中对应值的大小确定待测GIS设备是否存在隐患故障。该故障诊断方法通过动态互近似熵算法挖掘动作电流数据间的相似性，具有更大的优势，能够发现更细节的信息，进而能准确的确定出待测GIS设备是否存在隐患故障，为待测GIS设备的综合检修策略带来了更多的判据，缓解了现有的基于阈值的故障诊断方法，在数据处理方面具有局限性，难以诊断得到隐患故障的技术问题。
上述内容对GIS设备的故障诊断方法进行了简要介绍，下面对其中涉及到的具体内容进行详细描述。
在一个可选地实施方式中，对基准动作电流数据和待测动作电流数据进行标准化处理，得到标准化后的基准动作电流数据和标准化后的待测动作电流数据包括：
采用标准化公式ai＝[ai原始-mean(ai原始)]/std(ai原始)和bj＝[bj原始-mean(bj原始)]/std(bj原始)分别对基准动作电流数据和待测动作电流数据进行标准化处理，得到标准化后的基准动作电流数据和标准化后的待测动作电流数据，其中，mean(ai原始)表示基准动作电流数据的均值，std(ai原始)表示基准动作电流数据的标准差，mean(bj原始)表示待测动作电流数据的均值，std(bj原始)表示待测动作电流数据的标准差。
在本发明实施例中，标准化处理的过程是通过标准化公式实现的。具体的标准化公式为ai＝[ai原始-mean(ai原始)]/std(ai原始)和bj＝[bj原始-mean(bj原始)]/std(bj原始)。通过ai＝[ai原始-mean(ai原始)]/std(ai原始)对基准动作电流数据进行标准化处理，得到标准化后的基准动作电流数据。其中，ai表示标准化后的基准动作电流数据，ai原始表示基准动作电流数据，mean(ai原始)表示基准动作电流数据的均值，std(ai原始)表示基准动作电流数据的标准差。对待测动作电流数据的标准化处理过程与对基准动作电流数据的标准化处理过程相似，在此不再赘述。
可选地，参考图3，采用动态互近似熵算法计算标准化后的基准动作电流数据与标准化后的待测动作电流数据之间的互近似熵包括：
S301、获取滑动窗口X和滑动步长Y，其中，滑动窗口X表示一次互近似熵的计算中所包含的数据点个数，滑动步长Y表示相邻两次互近似熵的计算中移动的数据点距离；
在本发明实施例中，滑动窗口X取值为200，滑动步长Y取值为1。一般的，标准化后的基准动作电流数据和标准化后的待测动作电流数据中总的数据点个数分别为500。当然本发明实施例对上述数值不进行具体限制，也可以为其它数值。
S302、根据滑动窗口X和滑动步长Y分别在标准化后的基准动作电流数据和标准化后的待测动作电流数据中确定一组当前待计算数据，得到两组当前待计算数据；
当滑动窗口X取值为200，滑动步长Y取值为1时，在进行第一次互近似熵计算时，取的数据实际为标准化后的基准动作电流数据和标准化后的待测动作电流数据中的第1个数据点到第200个数据点；第二次互近似熵计算时，取的数据实际为标准化后的基准动作电流数据和标准化后的待测动作电流数据中的第2个数据点到第201个数据点；第三次互近似熵计算时，取的数据实际为标准化后的基准动作电流数据和标准化后的待测动作电流数据中的第3个数据点到第203个数据点，依此顺序进行下去。
S303、采用互近似熵算法对两组当前待计算数据进行互近似熵计算，得到第一互近似熵，其中，第一互近似熵为第一互近似熵曲线中的一个值；
在得到两组当前待计算数据后，采用互近似熵算法对两组当前待计算数据进行互近似熵计算，得到第一互近似熵。计算互近似熵的过程将在下文中进行描述，在此不再赘述。
S304、继续按照滑动窗口X和滑动步长Y分别在标准化后的基准动作电流数据和标准化后的待测动作电流数据中确定一组当前待计算数据，得到两组当前待计算数据，并返回执行采用互近似熵算法对两组当前待计算数据进行互近似熵计算的步骤，直至遍历标准化后的基准动作电流数据和标准化后的待测动作电流数据中所有数据为止。
比如，上一次确定的当前待计算数据为标准化后的基准动作电流数据和标准化后的待测动作电流数据中的第1个数据点到第200个数据点，那么按照滑动窗口X和滑动步长Y确定的当前待计算数据为标准化后的基准动作电流数据和标准化后的待测动作电流数据中的第2个数据点到第201个数据点。直至遍历标准化后的基准动作电流数据和标准化后的待测动作电流数据中所有数据为止。
下面对计算互近似熵的过程进行详细描述。
可选地，参考图4，采用互近似熵算法对两组当前待计算数据进行互近似熵计算，得到第一互近似熵包括：
S401、获取相似容限r，模式维数m和两组当前待计算数据，其中，一组当前待计算数据为A(i)＝[a(i),…,a(i+m-1)],i＝1,…,N-m+1，另一组当前待计算数据为B(j)＝[b(j),…,b(j+m-1)],j＝1,…,N-m+1，N表示数据点个数；
在本发明实施例中，相似容限r的值为0.2，模式维数m为2，如步骤S301所述，数据点个数N为200。当然，本发明实施例对这些数据不进行具体限制。
执行以下互相关程度的计算步骤：
S402、对于每一个i值，确定A(i)与B(j),j＝1,…,N-m+1中对应元素的最大差值D(A(i),B(j))；
具体的，比如当i＝1时，A(1)＝[a(1),a(2)]，那么A(1)与B(j),j＝1,…,N-m+1中对应元素的最大差值：D(A(1),B(1))＝max{[a(1)-b(1)],[a(2)-b(2)]}，D(A(1),B(2))＝max{[a(1)-b(2)],[a(2)-b(3)]}，D(A(1),B(3))＝max{[a(1)-b(3)],[a(2)-b(4)]}，D(A(1),B(4))＝max{[a(1)-b(4)],[a(2)-b(5)]}，D(A(1),B(5))＝max{[a(1)-b(5)],[a(2)-b(6)]}，直至遍历所有的j值为止。
同理，可以得到i＝2时，对应元素的最大差值D(A(2),B(j))；i＝3时，对应元素的最大差值D(A(3),B(j))；直至遍历所有的i的取值为止。
S403、对于每一个i值，统计最大差值D(A(i),B(j))小于相似容限r的个数
在得到D(A(i),B(j))后，当i＝1时，统计最大差值D(A(1),B(1))，D(A(1),B(2))，D(A(1),B(3))，D(A(1),B(4))，…，D(A(1),B(N-m+1))中小于相似容限r(即0.2)的个数
当i＝2时，统计最大差值D(A(2),B(1))，D(A(2),B(2))，D(A(2),B(3))，D(A(2),B(4))，…，D(A(2),B(N-m+1))中小于相似容限r(即0.2)的个数
直至遍历所有的i值为止。
S404、对于每一个i值，基于个数计算两组当前待计算数据在相似容限r下接近的概率
具体的，根据概率计算算式计算两组当前待计算数据在相似容限r下接近的概率，其中，表示最大差值D(A(i),B(j))小于相似容限r的个数。
其中，当i＝1时，计算两组当前待计算数据在相似容限r下接近的概率，表示最大差值D(A(1),B(j))小于相似容限r的个数，该个数已经在步骤S403中确定得到；
当i＝2时，计算两组当前待计算数据在相似容限r下接近的概率，表示最大差值D(A(2),B(j))小于相似容限r的个数，该个数也已经在步骤S403中确定得到；
直至遍历所有的i值为止。
S405、基于概率和互相关程度计算算式计算两组当前待计算数据的互相关程度，其中，Tm,r(D(A(i),B(j))表示两组当前待计算数据的互相关程度；
在得到概率后，根据互相关程度计算算式计算两组当前待计算数据的互相关程度。
具体的，该互相关程度为m维时的两组当前待计算数据的互相关程度。
S406、更新模式维数为m+1，重复执行S402至S405的步骤，得到m+1维时的两组当前待计算数据的互相关程度Tm+1,r(D(A(i),B(j))；
在得到m维时的两组当前待计算数据的互相关程度，更新模式维数为m+1，即此时为3，重复执行互相关程度的计算步骤，得到m+1维时的两组当前待计算数据的互相关程度Tm+1,r(D(A(i),B(j))。
具体过程与m维时的计算过程相似，只是每个当前待计算数据中包含3个数据点，比如：A(i)＝[a(i),a(i+1),a(i+2)]，在此将不再展开介绍，具体内容可以参考上述的描述过程。
S407、结合m维时的两组当前待计算数据的互相关程度Tm,r(D(A(i),B(j))和m+1维时的两组当前待计算数据的互相关程度Tm+1,r(D(A(i),B(j))计算第一互近似熵。
具体的，根据互近似熵计算算式CApEn(m,r)＝Tm,r(D(A(i),B(j))-Tm+1,r(D(A(i),B(j))计算第一互近似熵，其中，CApEn(m,r)表示第一互近似熵，Tm,r(D(A(i),B(j))表示m维时的两组当前待计算数据的互相关程度，Tm+1,r(D(A(i),B(j))表示m+1维时的两组当前待计算数据的互相关程度。
上述内容具体介绍了互近似熵的计算过程，下面对隐患故障的确定过程进行描述。
可选地，基于第一互近似熵曲线和第二互近似熵曲线中对应值的大小确定待测GIS设备是否存在隐患故障包括：
如果第一互近似熵曲线和第二互近似熵曲线中对应值之间的差值大于预设阈值，则确定待测GIS设备存在隐患故障。
对于不同的设备，该预设阈值的大小不同，所以该预设阈值可根据经验值得到，在此对其不进行具体限制。
相反，如果第一互近似熵曲线和第二互近似熵曲线中对应值之间的差值不大于预设阈值，则确定待测GIS设备机械状态良好。
实施例二：
一种GIS设备的故障诊断装置，参考图5，该装置包括：
获取模块11，用于分别获取正常GIS设备的一组基准动作电流数据和待测GIS设备的待测动作电流数据，其中，基准动作电流数据包括以下任一种：正常运行状态下的分闸电流数据，正常运行状态下的合闸电流数据，待测动作电流数据中的动作与基准动作电流数据中的动作相同；
标准化处理模块12，用于对基准动作电流数据和待测动作电流数据进行标准化处理，得到标准化后的基准动作电流数据和标准化后的待测动作电流数据；
计算模块13，用于采用动态互近似熵算法计算标准化后的基准动作电流数据与标准化后的待测动作电流数据之间的互近似熵，得到第一互近似熵曲线；
确定模块14，用于基于第一互近似熵曲线和第二互近似熵曲线中对应值的大小确定待测GIS设备是否存在隐患故障，其中，第二互近似熵曲线为预先采用动态互近似熵算法对两组基准动作电流数据进行计算之后得到的互近似熵曲线。
本发明实施例的GIS设备的故障诊断装置中，先获取一组基准动作电流数据和待测动作电流数据，然后对基准电流数据和待测动作电流数据进行标准化处理，得到标准化后基准动作电流数据和标准化后的待测动作电流数据，进而采用动态互近似熵算法计算标准化后的基准动作电流数据与标准化后的待测动作电流数据之间的互近似熵，得到第一互近似熵曲线，最终，基于该第一互近似熵曲线和预先对两组基准动作电流数据计算后的第二互近似熵曲线中对应值的大小确定待测GIS设备是否存在隐患故障。该故障诊断装置通过动态互近似熵算法挖掘动作电流数据间的相似性，具有更大的优势，能够发现更细节的信息，进而能准确的确定出待测GIS设备是否存在隐患故障，为待测GIS设备的综合检修策略带来了更多的判据，缓解了现有的基于阈值的故障诊断方法，在数据处理方面具有局限性，难以诊断得到隐患故障的技术问题。
可选地，标准化处理模块包括：
标准化处理子模块，用于采用标准化公式ai＝[ai原始-mean(ai原始)]/std(ai原始)和bj＝[bj原始-mean(bj原始)]/std(bj原始)分别对基准动作电流数据和待测动作电流数据进行标准化处理，得到标准化后的基准动作电流数据和标准化后的待测动作电流数据，其中，mean(ai原始)表示基准动作电流数据的均值，std(ai原始)表示基准动作电流数据的标准差，mean(bj原始)表示待测动作电流数据的均值，std(bj原始)表示待测动作电流数据的标准差。
可选地，计算模块包括：
获取子模块，用于获取滑动窗口X和滑动步长Y，其中，滑动窗口X表示一次互近似熵的计算中所包含的数据点个数，滑动步长Y表示相邻两次互近似熵的计算中移动的数据点距离；
第一确定子模块，用于根据滑动窗口X和滑动步长Y分别在标准化后的基准动作电流数据和标准化后的待测动作电流数据中确定一组当前待计算数据，得到两组当前待计算数据；
计算子模块，用于采用互近似熵算法对两组当前待计算数据进行互近似熵计算，得到第一互近似熵，其中，第一互近似熵为第一互近似熵曲线中的一个值；
返回执行子模块，用于继续按照滑动窗口X和滑动步长Y分别在标准化后的基准动作电流数据和标准化后的待测动作电流数据中确定一组当前待计算数据，得到两组当前待计算数据，并返回执行采用互近似熵算法对两组当前待计算数据进行互近似熵计算的步骤，直至遍历标准化后的基准动作电流数据和标准化后的待测动作电流数据中所有数据为止。
可选地，计算子模块包括：
获取单元，用于获取相似容限r，模式维数m和两组当前待计算数据，其中，一组当前待计算数据为A(i)＝[a(i),…,a(i+m-1)],i＝1,…,N-m+1，另一组当前待计算数据为B(j)＝[b(j),…,b(j+m-1)],j＝1,…,N-m+1，N表示数据点个数；
互相关程度计算单元，用于执行以下互相关程度的计算步骤：
对于每一个i值，确定A(i)与B(j),j＝1,…,N-m+1中对应元素的最大差值D(A(i),B(j))；
对于每一个i值，统计最大差值D(A(i),B(j))小于相似容限r的个数Nim(r)；
对于每一个i值，基于个数计算两组当前待计算数据在相似容限r下接近的概率
基于概率和互相关程度计算算式计算两组当前待计算数据的互相关程度，其中，Tm,r(D(A(i),B(j))表示两组当前待计算数据的互相关程度；
更新模式维数为m+1，重复执行互相关程度的计算步骤，得到m+1维时的两组当前待计算数据的互相关程度Tm+1,r(D(A(i),B(j))；
计算单元，用于结合m维时的两组当前待计算数据的互相关程度Tm,r(D(A(i),B(j))和m+1维时的两组当前待计算数据的互相关程度Tm+1,r(D(A(i),B(j))计算第一互近似熵。
可选地，互相关程度计算单元还用于：
根据概率计算算式计算两组当前待计算数据在相似容限r下接近的概率，其中，表示最大差值D(A(i),B(j))小于相似容限r的个数。
可选地，计算单元包括：
计算子单元，用于根据互近似熵计算算式CApEn(m,r)＝Tm,r(D(A(i),B(j))-Tm+1,r(D(A(i),B(j))计算第一互近似熵，其中，CApEn(m,r)表示第一互近似熵，Tm,r(D(A(i),B(j))表示m维时的两组当前待计算数据的互相关程度，Tm+1,r(D(A(i),B(j))表示m+1维时的两组当前待计算数据的互相关程度。
可选地，确定模块包括：
第二确定子模块，如果第一互近似熵曲线和第二互近似熵曲线中对应值之间的差值大于预设阈值，则确定待测GIS设备存在隐患故障。
该实施例二中的具体内容可以参考上述实施例一中的描述，在此不再赘述。
本发明实施例所提供的GIS设备的故障诊断方法及装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，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所述以权利要求的保护范围为准。
Claims (10)
1.一种GIS设备的故障诊断方法，其特征在于，所述方法包括：
分别获取正常GIS设备的一组基准动作电流数据和待测GIS设备的待测动作电流数据，其中，所述基准动作电流数据包括以下任一种：正常运行状态下的分闸电流数据，正常运行状态下的合闸电流数据，所述待测动作电流数据中的动作与所述基准动作电流数据中的动作相同；
对所述基准动作电流数据和所述待测动作电流数据进行标准化处理，得到标准化后的基准动作电流数据和标准化后的待测动作电流数据；
采用动态互近似熵算法计算所述标准化后的基准动作电流数据与所述标准化后的待测动作电流数据之间的互近似熵，得到第一互近似熵曲线；
基于所述第一互近似熵曲线和第二互近似熵曲线中对应值的大小确定所述待测GIS设备是否存在隐患故障，其中，所述第二互近似熵曲线为预先采用所述动态互近似熵算法对两组基准动作电流数据进行计算之后得到的互近似熵曲线。
2.根据权利要求1所述的方法，其特征在于，对所述基准动作电流数据和所述待测动作电流数据进行标准化处理，得到标准化后的基准动作电流数据和标准化后的待测动作电流数据包括：
采用标准化公式ai＝[ai原始-mean(ai原始)]/std(ai原始)和bj＝[bj原始-mean(bj原始)]/std(bj原始)分别对所述基准动作电流数据和所述待测动作电流数据进行标准化处理，得到所述标准化后的基准动作电流数据和所述标准化后的待测动作电流数据，其中，mean(ai原始)表示所述基准动作电流数据的均值，std(ai原始)表示所述基准动作电流数据的标准差，mean(bj原始)表示所述待测动作电流数据的均值，std(bj原始)表示所述待测动作电流数据的标准差。
3.根据权利要求1所述的方法，其特征在于，采用动态互近似熵算法计算所述标准化后的基准动作电流数据与所述标准化后的待测动作电流数据之间的互近似熵包括：
获取滑动窗口X和滑动步长Y，其中，所述滑动窗口X表示一次互近似熵的计算中所包含的数据点个数，所述滑动步长Y表示相邻两次互近似熵的计算中移动的数据点距离；
根据所述滑动窗口X和所述滑动步长Y分别在所述标准化后的基准动作电流数据和所述标准化后的待测动作电流数据中确定一组当前待计算数据，得到两组当前待计算数据；
采用互近似熵算法对所述两组当前待计算数据进行互近似熵计算，得到第一互近似熵，其中，所述第一互近似熵为所述第一互近似熵曲线中的一个值；
继续按照所述滑动窗口X和所述滑动步长Y分别在所述标准化后的基准动作电流数据和所述标准化后的待测动作电流数据中确定一组当前待计算数据，得到两组当前待计算数据，并返回执行采用互近似熵算法对所述两组当前待计算数据进行互近似熵计算的步骤，直至遍历所述标准化后的基准动作电流数据和所述标准化后的待测动作电流数据中所有数据为止。
4.根据权利要求3所述的方法，其特征在于，采用互近似熵算法对所述两组当前待计算数据进行互近似熵计算，得到第一互近似熵包括：
获取相似容限r，模式维数m和所述两组当前待计算数据，其中，一组当前待计算数据为A(i)＝[a(i),…,a(i+m-1)],i＝1,…,N-m+1，另一组当前待计算数据为B(j)＝[b(j),…,b(j+m-1)],j＝1,…,N-m+1，N表示数据点个数；
执行以下互相关程度的计算步骤：
对于每一个i值，确定A(i)与B(j),j＝1,…,N-m+1中对应元素的最大差值D(A(i),B(j))；
对于每一个i值，统计所述最大差值D(A(i),B(j))小于所述相似容限r的个数
对于每一个i值，基于所述个数计算所述两组当前待计算数据在所述相似容限r下接近的概率
基于所述概率和互相关程度计算算式计算所述两组当前待计算数据的互相关程度，其中，Tm,r(D(A(i),B(j))表示所述两组当前待计算数据的互相关程度；
更新所述模式维数为m+1，重复执行所述互相关程度的计算步骤，得到m+1维时的所述两组当前待计算数据的互相关程度Tm+1,r(D(A(i),B(j))；
结合m维时的所述两组当前待计算数据的互相关程度Tm,r(D(A(i),B(j))和m+1维时的所述两组当前待计算数据的互相关程度Tm+1,r(D(A(i),B(j))计算所述第一互近似熵。
5.根据权利要求4所述的方法，其特征在于，对于每一个i值，基于所述个数计算所述两组当前待计算数据在所述相似容限r下接近的概率包括：
根据概率计算算式计算所述两组当前待计算数据在所述相似容限r下接近的概率，其中，表示所述最大差值D(A(i),B(j))小于所述相似容限r的个数。
6.根据权利要求4所述的方法，其特征在于，结合m维时的所述两组当前待计算数据的互相关程度Tm,r(D(A(i),B(j))和m+1维时的所述两组当前待计算数据的互相关程度Tm+1,r(D(A(i),B(j))计算所述第一互近似熵包括：
根据互近似熵计算算式CApEn(m,r)＝Tm,r(D(A(i),B(j))-Tm+1,r(D(A(i),B(j))计算所述第一互近似熵，其中，CApEn(m,r)表示所述第一互近似熵，Tm,r(D(A(i),B(j))表示m维时的所述两组当前待计算数据的互相关程度，Tm+1,r(D(A(i),B(j))表示m+1维时的所述两组当前待计算数据的互相关程度。
7.根据权利要求1所述的方法，其特征在于，基于所述第一互近似熵曲线和第二互近似熵曲线中对应值的大小确定所述待测GIS设备是否存在隐患故障包括：
如果所述第一互近似熵曲线和所述第二互近似熵曲线中对应值之间的差值大于预设阈值，则确定所述待测GIS设备存在所述隐患故障。
8.一种GIS设备的故障诊断装置，其特征在于，所述装置包括：
获取模块，用于分别获取正常GIS设备的一组基准动作电流数据和待测GIS设备的待测动作电流数据，其中，所述基准动作电流数据包括以下任一种：正常运行状态下的分闸电流数据，正常运行状态下的合闸电流数据，所述待测动作电流数据中的动作与所述基准动作电流数据中的动作相同；
标准化处理模块，用于对所述基准动作电流数据和所述待测动作电流数据进行标准化处理，得到标准化后的基准动作电流数据和标准化后的待测动作电流数据；
计算模块，用于采用动态互近似熵算法计算所述标准化后的基准动作电流数据与所述标准化后的待测动作电流数据之间的互近似熵，得到第一互近似熵曲线；
确定模块，用于基于所述第一互近似熵曲线和第二互近似熵曲线中对应值的大小确定所述待测GIS设备是否存在隐患故障，其中，所述第二互近似熵曲线为预先采用所述动态互近似熵算法对两组基准动作电流数据进行计算之后得到的互近似熵曲线。
9.根据权利要求8所述的装置，其特征在于，所述标准化处理模块包括：
标准化处理子模块，用于采用标准化公式ai＝[ai原始-mean(ai原始)]/std(ai原始)和bj＝[bj原始-mean(bj原始)]/std(bj原始)分别对所述基准动作电流数据和所述待测动作电流数据进行标准化处理，得到所述标准化后的基准动作电流数据和所述标准化后的待测动作电流数据，其中，mean(ai原始)表示所述基准动作电流数据的均值，std(ai原始)表示所述基准动作电流数据的标准差，mean(bj原始)表示所述待测动作电流数据的均值，std(bj原始)表示所述待测动作电流数据的标准差。
10.根据权利要求8所述的装置，其特征在于，所述计算模块包括：
获取子模块，用于获取滑动窗口X和滑动步长Y，其中，所述滑动窗口X表示一次互近似熵的计算中所包含的数据点个数，所述滑动步长Y表示相邻两次互近似熵的计算中移动的数据点距离；
第一确定子模块，用于根据所述滑动窗口X和所述滑动步长Y分别在所述标准化后的基准动作电流数据和所述标准化后的待测动作电流数据中确定一组当前待计算数据，得到两组当前待计算数据；
计算子模块，用于采用互近似熵算法对所述两组当前待计算数据进行互近似熵计算，得到第一互近似熵，其中，所述第一互近似熵为所述第一互近似熵曲线中的一个值；
返回执行子模块，用于继续按照所述滑动窗口X和所述滑动步长Y分别在所述标准化后的基准动作电流数据和所述标准化后的待测动作电流数据中确定一组当前待计算数据，得到两组当前待计算数据，并返回执行采用互近似熵算法对所述两组当前待计算数据进行互近似熵计算的步骤，直至遍历所述标准化后的基准动作电流数据和所述标准化后的待测动作电流数据中所有数据为止。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810606068.2A CN108693469A (zh) | 2018-06-12 | 2018-06-12 | Gis设备的故障诊断方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810606068.2A CN108693469A (zh) | 2018-06-12 | 2018-06-12 | Gis设备的故障诊断方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108693469A true CN108693469A (zh) | 2018-10-23 |
Family
ID=63848236
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810606068.2A Pending CN108693469A (zh) | 2018-06-12 | 2018-06-12 | Gis设备的故障诊断方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108693469A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109828184A (zh) * | 2019-01-18 | 2019-05-31 | 东南大学 | 一种基于互近似熵的电压暂降源识别方法 |
| CN110849645A (zh) * | 2019-09-23 | 2020-02-28 | 红相股份有限公司 | 一种gis机械故障的初步诊断方法 |
| CN111563110A (zh) * | 2020-04-30 | 2020-08-21 | 中国直升机设计研究所 | 一种基于故障特征数据识别的飞参数据处理方法 |
| CN113283503A (zh) * | 2021-05-24 | 2021-08-20 | 平安国际融资租赁有限公司 | 基于特征相似度的设备状态检测方法、装置、设备和介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110133743A1 (en) * | 2010-04-30 | 2011-06-09 | Werner Barton | Fault detection device and method for detecting an electrical fault |
| CN104049221A (zh) * | 2014-07-08 | 2014-09-17 | 哈尔滨工业大学 | 基于滑动窗口和统计信息的电源电压故障诊断方法 |
| CN104392137A (zh) * | 2014-12-02 | 2015-03-04 | 北京海思敏医疗技术有限公司 | 基于熵的信号异常检测方法及装置 |
| CN104977488A (zh) * | 2015-06-30 | 2015-10-14 | 昆明理工大学 | 一种基于差动电流梯度角近似熵的变压器励磁涌流识别方法 |
| CN105572572A (zh) * | 2015-12-19 | 2016-05-11 | 渤海大学 | 基于wknn-lssvm的模拟电路故障诊断方法 |
| CN105703258A (zh) * | 2016-03-21 | 2016-06-22 | 广东电网有限责任公司东莞供电局 | Gis开关设备动作状态监测系统及其使用方法 |
| CN105718754A (zh) * | 2016-03-09 | 2016-06-29 | 中国石油大学(北京) | 一种炼化过程参数动态报警阈值的生成方法及装置 |
| CN105718958A (zh) * | 2016-01-27 | 2016-06-29 | 江苏省电力公司检修分公司 | 基于线性判别分析和支持向量机的断路器故障诊断方法 |
-
2018
- 2018-06-12 CN CN201810606068.2A patent/CN108693469A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110133743A1 (en) * | 2010-04-30 | 2011-06-09 | Werner Barton | Fault detection device and method for detecting an electrical fault |
| CN104049221A (zh) * | 2014-07-08 | 2014-09-17 | 哈尔滨工业大学 | 基于滑动窗口和统计信息的电源电压故障诊断方法 |
| CN104392137A (zh) * | 2014-12-02 | 2015-03-04 | 北京海思敏医疗技术有限公司 | 基于熵的信号异常检测方法及装置 |
| CN104977488A (zh) * | 2015-06-30 | 2015-10-14 | 昆明理工大学 | 一种基于差动电流梯度角近似熵的变压器励磁涌流识别方法 |
| CN105572572A (zh) * | 2015-12-19 | 2016-05-11 | 渤海大学 | 基于wknn-lssvm的模拟电路故障诊断方法 |
| CN105718958A (zh) * | 2016-01-27 | 2016-06-29 | 江苏省电力公司检修分公司 | 基于线性判别分析和支持向量机的断路器故障诊断方法 |
| CN105718754A (zh) * | 2016-03-09 | 2016-06-29 | 中国石油大学(北京) | 一种炼化过程参数动态报警阈值的生成方法及装置 |
| CN105703258A (zh) * | 2016-03-21 | 2016-06-22 | 广东电网有限责任公司东莞供电局 | Gis开关设备动作状态监测系统及其使用方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘柱揆 等: "基于波形相似度的小电流接地故障选线", 《电力系统保护与控制》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109828184A (zh) * | 2019-01-18 | 2019-05-31 | 东南大学 | 一种基于互近似熵的电压暂降源识别方法 |
| CN109828184B (zh) * | 2019-01-18 | 2020-11-03 | 东南大学 | 一种基于互近似熵的电压暂降源识别方法 |
| CN110849645A (zh) * | 2019-09-23 | 2020-02-28 | 红相股份有限公司 | 一种gis机械故障的初步诊断方法 |
| CN110849645B (zh) * | 2019-09-23 | 2021-04-23 | 红相股份有限公司 | 一种gis机械故障的初步诊断方法 |
| CN111563110A (zh) * | 2020-04-30 | 2020-08-21 | 中国直升机设计研究所 | 一种基于故障特征数据识别的飞参数据处理方法 |
| CN113283503A (zh) * | 2021-05-24 | 2021-08-20 | 平安国际融资租赁有限公司 | 基于特征相似度的设备状态检测方法、装置、设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108693469A (zh) | Gis设备的故障诊断方法及装置 | |
| CN106597231B (zh) | 基于多源信息融合和深度学习网络的gis故障检测系统及方法 | |
| CN112204631B (zh) | 管理智能警报的系统和方法 | |
| US10288667B2 (en) | Method and system for fault detection and faulted line identification in power systems using synchrophasors-based real-time state estimation | |
| US8200372B2 (en) | Methods and processes for managing distributed resources in electricity power generation and distribution networks | |
| CN104217110B (zh) | 一种利用基准态分析的gis状态评估方法及装置 | |
| CN108494747B (zh) | 数字化变电站流量异常检测方法、电子设备及计算机存储介质 | |
| CN109886475B (zh) | 基于ai的计量自动化系统的信息安全态势感知系统 | |
| KR101214765B1 (ko) | 전력설비 모니터링 시스템 및 방법 | |
| CN108199891B (zh) | 一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法 | |
| CN117310353B (zh) | 一种变电站一、二次回路通流加压故障测试方法及系统 | |
| CN103606109B (zh) | 一种基于评估对象的电网运行安全风险综合评估方法 | |
| CN114881808B (zh) | 基于大数据的电力窃电精准识别方法及防窃电系统 | |
| CN103337831A (zh) | 一种具有自适应功能的失步解列方法 | |
| CN105571638A (zh) | 一种机械设备故障组合预测系统及方法 | |
| US20230118175A1 (en) | Event analysis in an electric power system | |
| CN114252694A (zh) | 用于监测电气系统中的能量相关数据的系统和方法 | |
| CN108418304A (zh) | 变电站二次回路状态监测方法、装置及系统 | |
| WO2017208623A1 (ja) | システム監視装置及びプログラム | |
| CN103311960A (zh) | 一种强联系电网同调稳定区域划分方法 | |
| CN108072858A (zh) | 电能表质量管理方法、系统及终端设备 | |
| CN104317778A (zh) | 基于海量监测数据的变电设备故障诊断方法 | |
| Ma et al. | Fractal‐based autonomous partial discharge pattern recognition method for MV motors | |
| CN103529337B (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
| CN105046011A (zh) | 基于分布式电网拓扑计算的电气设备状态快速分析方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181023 |
|
| RJ01 | Rejection of invention patent application after publication |