CN108761228B - 量测大数据下的电力变压器运行状态评估方法 - Google Patents
量测大数据下的电力变压器运行状态评估方法 Download PDFInfo
- Publication number
- CN108761228B CN108761228B CN201810294277.8A CN201810294277A CN108761228B CN 108761228 B CN108761228 B CN 108761228B CN 201810294277 A CN201810294277 A CN 201810294277A CN 108761228 B CN108761228 B CN 108761228B
- Authority
- CN
- China
- Prior art keywords
- transformer
- temperature
- winding
- load
- database
- 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.)
- Expired - Fee Related
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 20
- 238000005259 measurement Methods 0.000 title claims abstract description 17
- 238000004804 winding Methods 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000001816 cooling Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 14
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000013178 mathematical model Methods 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process 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
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Housings And Mounting Of Transformers (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
- Protection Of Transformers (AREA)
Abstract
本发明属于电力系统运行评估及监测领域，提供一种量测大数据下的电力变压器运行状态评估方法。该方法利用变压器状态运行参数及变压器输出负荷判断变压器温升，从而计算变压器绕组温度，再利用变压器绕组温度判断变压器是否处于故障运行状态。通过变压器数学模型计算得到变压器结构参数，进而判断出变压器问题原因。本发明可以有效的解决封闭式变压器的故障检修问题，可以实时的发现电力变压器故障，应用量测大数据，保证变压器正常运行并维护电力系统运行稳定。
Description
技术领域
本发明属于电力系统运行评估及监测领域，涉及变压器运行参数估计方法，特别涉及电力系统量测大数据拟合与分析方法。
背景技术
随着智能电网的发展以及SCADA和PMU等量测装置在电网中的普及应用，电力系统迎来了“大数据时代”。大数据，或称巨量数据、海量数据，是由数量巨大、结构复杂、类型众多数据构成的数据集合，是基于云计算的数据处理与应用模式，通过数据的集成共享，交叉复用形成的智力资源和知识服务能力。简而言之，从众多类型的海量数据中，快速深入挖掘并提取有价值的资源的能力，就是大数据技术。电力大数据的出现，也为变压器参数的运行监测提供了新的手段。
变压器内部存在多种传感器，可以测量油温、潮流等信息。如果将这些信息充分加以利用，便能实时观测变压器的参数，监测变压器的运行情况，计算得到变压器的实时运行参数，及时发现并解决变压器的潜在问题。
电力系统状态评估包括高压输电线路运行评估及监测与电力变压器的状态评估与监测。高压输电线路架设在开放环境中，其状态改变相对容易监测；而电力变压器长期运行在变压器油中，无法在外部对变压器运行进行监测，也不能随时对变压器各个结构参数进行量测。目前，变压器的状态监测的方法为瓦斯报警法，及变压器运行故障导致线路局部温升异常或变压器局部放电，从而导致变压器油分解变质，通过定期监测变压器油质，及检测变压器油中瓦斯含量，从而监测变压器是否处于故障运行状态。然而，变压器油质的改变是一个累积的过程，即当前的变压器监测无法达到实时监测的目的，无法对突发的电力变压器故障进行及时的预警。
现代电力系统量测设备日趋完善，量测数据日渐增多，越来越多的实时量测数据可供给电力系统运行监测使用，采用电力变压器实时运行参数进行变压器运行状态监测可以充分的利用电力大数据的优势并实现变压器的实时动态监测。
发明内容
针对现有技术存在的问题，本发明提供一种利用大数据及云计算技术进行电力变压器运行状态监测和估计的方法。该方法利用变压器状态运行参数及变压器输出负荷判断变压器温升，从而计算变压器绕组温度，再利用变压器绕组温度判断变压器是否处于故障运行状态。通过变压器数学模型计算得到变压器结构参数，进而判断出变压器问题原因。
为了达到上述目的，本发明的技术方案为：
一种量测大数据下的电力变压器运行状态评估方法，包括以下步骤：
第一步，采用变压器温升计算公式，计算出各个负荷值所对应的绕组温度，进而可以绘制出标准的负荷-温升曲线，计算各个可能负荷下的绕组温度得到标准状态下的基础对应数据库，作为后续温度比对的基准；在现场实际中，各个负荷所对应的实际绕组温度会与理论温度有一些差别，需要不断的对标准负荷-绕组温度曲线进行修正和更新；其中，温升计算中的基本关系，如下：
绕组对空气的温升＝油对空气的温升+绕组对油的温升；
绕组温度＝空气温度+油对空气的温升+绕组对油的温升。
对现场实际来说，变压器的工作负荷经常与额定负荷不相同，计算变压器绕组温度需要对温升进行修正。任意负荷下顶层油对空气的温升为：
式中，K为实际负荷与额定负荷之比；τt为额定负荷下，顶层油对空气的温升最大值；R为额定负荷下，短路损耗与空载损耗之比；x为计算油的温升指数，与变压器的冷却方式有关：对于自然油循环冷却变压器，x＝0.8；对于强迫油循环冷却变压器，x＝0.9～1.0。
变压器的冷却方式分为自然循环冷却和强迫循环冷却，两种冷却方式下绕组最热点温度计算方式如下所示：
1)自然油循环冷却ON
绕组最热点温度＝空气温度+顶层油对空气的温升+绕组最热点对顶层油的温升，即：
式中，θh为绕组最热点温度；θ0为空气(环境)温度；τbN额定负荷时，底层油对空气的温升；τgN为额定负荷时，绕组最热点对顶层油的温升；y为计算绕组最热点温升指数，与变压器冷却方式有关，一般取y＝x。
2)强迫油循环冷却OF
对于强迫油循环冷却和强迫油循环导向冷却，顶层油对空气的温升等于底层油温升加上油对空气的平均温升与底层油对空气的温升之差的2倍。额定负荷时绕组最热点温度为：
θh＝θ0+τbN+2(τavN-τbN)+τgN (3)
任意负荷时绕组最热点温度按下式计算，即:
式中，τbN额定负荷时，底层油对空气的温升；τavN为额定负荷时，油对空气的平均温升。
根据上述温升计算公式，建立出标准的负荷-绕组温度的对应关系。若没有数据库更新，则以该对应关系作为对比基准，由于变压器实际运行中，油质变化及变压器老化等原因，会造成负荷-绕组温度实际对应关系与计算对应标准有偏差，只有实时的，不断地更新数据库，使得负荷-绕组温度对应关系曲线十分贴近实际对应关系，并以此为评判标准，才能更好的对变压器进行故障预警。
通过第一步，建立变压器标准负荷-绕组温度数据库，是接下来变压器评估的基准，建立完基准数据库之后，开始启动变压器状态评估系统。第二步(正式状态评估的第一步)，为拟合数据库的更新，除了第一次评估之外，每进行一次系统的评估后，都会对数据库进行一次更新，若上一次变压器预判无故障，则将上次的实时负荷-实时变压器绕组温度以数据拟合的形式并入标准数据库中；若上一次变压器预判存在故障，则不对数据库进行改变。
第二步(正式状态评估的第一步)，为拟合数据库的更新，除了第一次评估之外，每进行一次系统的评估后，都会对数据库进行一次更新，若上一次变压器预判无故障，则将上次的实时负荷-实时变压器绕组温度以数据拟合的形式并入标准数据库中；若上一次变压器预判存在故障，则不对数据库进行改变。
第三步，采集变压器的实时运行数据(包括：高压侧注入有功功率，高压侧注入无功功率，中压侧输出有功功率，中压侧输出无功功率，高压侧和中压侧实时非标准变比，高压侧和中压侧的实时电压幅值等量测值)及变压器的温控数据(包括变压器绕组最热点温度)；通过变压器的实时运行数据确定变压器实时运行负荷值，在通过变压器实时运行负荷值，在数据库中寻找到该负荷值所对应的数据库绕组温度。
第四步，将实测变压器温控数据与数据库绕组温度进行对比，将其作差后取绝对值，并设定温度差阈值作为评判标准(阈值标准根据不同变压器类型进行确定，由于变压器处于封闭环境下，温度误差相对较小，因此一般取数据库绕组温度的5％作为阈值)，进而判断温差是否在阈值之内：若温差在阈值内，则可将实时对应数据以聚类的方法并入标准数据库中；若温差不在阈值内，则进行故障判断。
第五步，采用运行参数估计变压器结构参数，在得到不良数据预警后，可依据变压器端口量测量对变压器结构参数进行估计，从而确定故障类型。结构参数推导公式如下所示：
变压器等值电路如图3所示，其中，P1，Q1为高压侧注入有功功率和无功功率；P2，Q2为中压侧输出有功功率和无功功率；k1，k2为高压侧和中压侧非标准变比；R1，X1为高压侧待求电阻与电抗；R2，X2为中压侧待求电阻与电抗；U1，U2为高压侧和中压侧端电压幅值。
采用公式(5)，根据高压侧和中压侧的有功功率、无功功率、电压幅值、非标准变比，计算求得高压侧和中压侧的实时电阻和电抗参数。
第六步，将计算求得的实时电阻、电抗参数与静态电阻、电抗参数进行比较：若参数差异较大，则说明电力变压器结构参数发生异常，则变压器故障运行；若参数相差不大，则温度测量系统发生故障。
本发明的有益效果为：本发明可以有效的解决封闭式变压器的故障检修问题，可以实时的发现电力变压器故障，应用量测大数据，保证变压器正常运行并维护电力系统运行稳定。
附图说明
图1是三绕组变压器结构图；
图2是自耦变压器高中压侧结构简图；
图3是自耦变压器高中压侧等值电路图；
图4是电力变压器运行状态监测流程。
具体实施方式
以下结合具体实施例对本发明做进一步说明。
本发法应用于大连瓦房店500kv自耦变压器，采用图四所示监测与估计流程。首先通过大数据比较实测温度与预计温度，若发生较大温差，则对变压器结构参数进行估计，若发现结构数据异常，则向电力系统上级报警，进行变压器维修和维护。具体步骤如下：
第一步，采用变压器温升计算公式，绘制负荷-温升曲线，对各个可能负荷下的绕组温度进行计算，得到标准状态下的基础对应数据库，作为接下来温度比对的基准。其中，温升计算中的基本关系，如下：
绕组对空气的温升＝油对空气的温升+绕组对油的温升；
绕组温度＝空气温度+油对空气的温升+绕组对油的温升。
对现场实际来说，变压器的工作负荷经常与额定负荷不相同，计算变压器绕组温度需要对温升进行修正。任意负荷下顶层油对空气的温升如公式(1)所示。
变压器的冷却方式分为自然循环冷却和强迫循环冷却，两种冷却方式下绕组最热点温度计算方式如公式(2)、公式(3)、公式(4)所示。根据上述温升计算公式，建立出标准的负荷-绕组温度的对应关系。若没有数据库更新，则以该对应关系作为对比基准，由于变压器实际运行中，油质变化及变压器老化等原因，会造成负荷-绕组温度实际对应关系与计算对应标准有偏差，只有实时的，不断地更新数据库，使得负荷-绕组温度对应关系曲线十分贴近实际对应关系，并以此为评判标准，才能更好的对变压器进行故障预警。
第二步，为拟合数据库的更新，每一次状态预判都会对数据库进行一次更新，若预判出变压器无故障，则将实时负荷-实时变压器绕组温度，以数据拟合的形式并入标准数据库中。若预判出变压器存在故障，则不对数据库进行改变。
第三步，采集变压器的实时运行数据及变压器的温控数据，获取电力变压器的实时量测值。
第四步，将实测温度与数据库温度做对比，将其作差后取绝对值，并设定温度差阈值作为评判标准。进而判断温差是否在阈值之内，若温差在阈值内，则可将实时对应数据以聚类的方法并入标准数据库中；若温差不在阈值内，则进行故障判断。
第五步，采用运行参数估计变压器结构参数，在得到不良数据预警后，可依据变压器端口量测量对变压器结构参数进行估计，从而确定故障类型。结构参数推导如公式(5)所示。
变压器等值电路如图3所示，其中，P1，Q1为高压侧注入有功功率和无功功率；P2，Q2为中压侧输出有功功率和无功功率；k1，k2为高压侧和中压侧非标准变比；R1，X1为高压侧待求电阻与电抗；R2，X2为中压侧待求电阻与电抗；U1，U2为高压侧和中压侧端电压幅值。
采用如上计算公式，可以根据高压侧和中压侧的有功，无功，电压，变比，可以计算求得高压侧和中压侧电阻和电抗参数。
第六步，根据计算求得的实时电阻电抗参数与静态电阻电抗参数进行比较，若参数差异较大，则说明电力变压器结构参数发生异常，变压器故障运行。若实时计算参数与静态参数相差不大，则温度测量系统发生故障。
以上所述实施例仅表达了本发明的实施方式，但并不能因此而理解为对本发明专利的范围的限制，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。
Claims (3)
1.一种量测大数据下的电力变压器运行状态评估方法，其特征在于以下步骤：
第一步，采用变压器温升计算公式，绘制负荷-温升曲线，计算各个可能负荷下的绕组温度得到标准状态下的基础对应数据库，作为后续温度比对的基准；在现场实际，计算变压器绕组温度时需要对温升进行修正；
变压器的冷却方式分为自然循环冷却和强迫循环冷却，两种冷却方式下绕组最热点温度计算方式如下所示：
1)自然油循环冷却
绕组最热点温度＝空气温度+顶层油对空气的温升+绕组最热点对顶层油的温升，即：
式中，θh为绕组最热点温度；θ0为空气温度；τbN额定负荷时，底层油对空气的温升；τgN为额定负荷时，绕组最热点对顶层油的温升；y为计算绕组最热点温升指数，与变压器冷却方式有关，取y＝x；
2)强迫油循环冷却OF
对于强迫油循环冷却和强迫油循环导向冷却，顶层油对空气的温升等于底层油温升加上油对空气的平均温升与底层油对空气的温升之差的2倍；额定负荷时绕组最热点温度为：
θh＝θ0+τbN+2(τavN-τbN)+τgN (3)
任意负荷时绕组最热点温度按下式计算，即:
式中，τbN额定负荷时，底层油对空气的温升；τavN为额定负荷时，油对空气的平均温升；
根据上述温升计算公式，建立标准的负荷-绕组温度的对应关系；若没有数据库更新，则以该对应关系作为对比基准；变压器实际运行过程中，需实时更新数据库，使负荷-绕组温度对应关系曲线贴近实际对应关系，并以此为评判标准，对变压器进行故障预警；
第二步，为拟合数据库的更新，开始启动变压器状态评估，除了第一次评估之外，每进行一次系统的评估后，都会对数据库进行一次更新，上一次变压器预判无故障，则将上次的实时负荷-实时变压器绕组温度以数据拟合的形式并入标准数据库中；若上一次变压器预判存在故障，则不对数据库进行改变；
第三步，采集变压器的实时运行数据及变压器的温控数据，通过变压器的实时运行数据确定变压器实时运行负荷值，在通过变压器实时运行负荷值，在数据库中寻找到该负荷值所对应的数据库绕组温度；
第四步，将实测变压器温控数据与数据库绕组温度进行对比，将其作差后取绝对值，并设定温度差阈值作为评判标准，进而判断温差是否在阈值之内：若温差在阈值内，则将实时对应数据以聚类的方法并入标准数据库中；若温差不在阈值内，则进行故障判断；所述的阈值标准根据不同变压器类型进行确定；
第五步，采用运行参数估计变压器结构参数，在得到不良数据预警后，依据变压器端口量测量对变压器结构参数进行估计，从而确定故障类型；
结构参数推导公式如下所示：
其中，P1，Q1为高压侧注入有功功率和无功功率；P2，Q2为中压侧输出有功功率和无功功率；k1，k2为高压侧和中压侧非标准变比；R1，X1为高压侧待求电阻与电抗；R2，X2为中压侧待求电阻与电抗；U1，U2为高压侧和中压侧端电压幅值；
采用公式(5)，根据高压侧和中压侧的有功功率、无功功率、电压幅值、非标准变比，计算求得高压侧和中压侧的实时电阻和电抗参数；
第六步，将计算求得的实时电阻、电抗参数与静态电阻、电抗参数进行比较：若参数差异较大，则说明电力变压器结构参数发生异常，则变压器故障运行；若参数相差不大，则温度测量系统发生故障。
2.根据权利要求1所述的一种量测大数据下的电力变压器运行状态评估方法，其特征在于，对于自然油循环冷却变压器，x＝0.8；对于强迫油循环冷却变压器，x＝0.9～1.0。
3.根据权利要求1或2所述的一种量测大数据下的电力变压器运行状态评估方法，其特征在于，所述的第四步中取数据库绕组温度的5％作为阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810294277.8A CN108761228B (zh) | 2018-03-30 | 2018-03-30 | 量测大数据下的电力变压器运行状态评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810294277.8A CN108761228B (zh) | 2018-03-30 | 2018-03-30 | 量测大数据下的电力变压器运行状态评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108761228A CN108761228A (zh) | 2018-11-06 |
| CN108761228B true CN108761228B (zh) | 2020-05-19 |
Family
ID=63981200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810294277.8A Expired - Fee Related CN108761228B (zh) | 2018-03-30 | 2018-03-30 | 量测大数据下的电力变压器运行状态评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108761228B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109596926B (zh) * | 2018-12-30 | 2020-10-27 | 国网北京市电力公司 | 变压器试验温度的修正方法及装置 |
| CN109752113B (zh) * | 2019-01-22 | 2020-06-26 | 南京市计量监督检测院 | 薄片温度传感器及其应用中位置确定方法和电路设计方法 |
| CN109883573B (zh) * | 2019-03-21 | 2021-04-20 | 国家电网有限公司 | 一种基于电力通信的大数据温度检测系统 |
| CN111063529B (zh) * | 2020-01-09 | 2020-12-04 | 台州百瑞电子科技有限公司 | 一种变压器油温检测装置及其系统 |
| CN111638028B (zh) * | 2020-05-20 | 2022-05-10 | 国网河北省电力有限公司电力科学研究院 | 一种基于振动特征的高压并联电抗器机械状态评估方法 |
| CN111693569B (zh) * | 2020-06-15 | 2024-03-19 | 国网天津市电力公司电力科学研究院 | 一种变压器绕组导线接头焊接不良缺陷部位的查找方法 |
| CN112050970B (zh) * | 2020-08-14 | 2022-09-09 | 中国神华能源股份有限公司国华电力分公司 | 环境监测方法及装置 |
| CN111983404B (zh) * | 2020-08-25 | 2021-09-24 | 西南交通大学 | 一种轻量化车载牵引变压器的热点计算及定位方法 |
| CN113296041B (zh) * | 2021-04-30 | 2022-11-29 | 广东电网有限责任公司 | 一种监测电压传感器异常的方法及装置 |
| CN113866707A (zh) * | 2021-10-26 | 2021-12-31 | 铜川市计量测试所 | 一种智能电力测量仪表 |
| CN114123518B (zh) * | 2022-01-25 | 2022-04-22 | 山东和兑智能科技有限公司 | 变压器数字化智能检测方法与监测系统 |
| CN116131468B (zh) * | 2023-04-18 | 2023-07-28 | 国网浙江省电力有限公司宁波供电公司 | 一种基于物联网的电力系统实时动态监测方法及系统 |
| CN118260562A (zh) * | 2024-04-03 | 2024-06-28 | 陕西森茂溱业科技有限公司 | 工业互联网数据实时预测系统及方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102621421B (zh) * | 2012-03-29 | 2014-02-26 | 贵阳供电局 | 一种基于关联分析与变权重系数的变压器状态评估方法 |
| CN103543352B (zh) * | 2013-09-25 | 2016-05-18 | 国家电网公司 | 基于运行数据确定变压器动态过负荷曲线的方法 |
| CN103678765B (zh) * | 2013-10-31 | 2016-04-27 | 上海交通大学 | 基于在线监测的变压器运行状态综合评估方法 |
| EP3447778B1 (en) * | 2014-10-27 | 2023-08-30 | Landis+Gyr AG | Method, system and assembly for determining a reduction of remaining service lifetime of an electrical device based on a temperature dependent aging factor |
| CN106018995B (zh) * | 2016-05-09 | 2018-12-04 | 广东电网有限责任公司电力科学研究院 | 一种变压器运行状态在线监控方法和装置 |
| CN107843791B (zh) * | 2017-11-06 | 2020-08-18 | 西安交通大学 | 一种基于温升特性的变压器负荷能力评估方法 |
-
2018
- 2018-03-30 CN CN201810294277.8A patent/CN108761228B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN108761228A (zh) | 2018-11-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108761228B (zh) | 量测大数据下的电力变压器运行状态评估方法 | |
| CN105353256B (zh) | 一种输变电设备状态异常检测方法 | |
| CN112307435B (zh) | 一种基于模糊聚类和趋势判断筛查用电量异常的方法 | |
| CN107942255B (zh) | 一种基于数据融合技术的变电站蓄电池组状态评估方法 | |
| CN111210102B (zh) | 一种极端灾害条件下电网故障建模方法 | |
| CN109490726A (zh) | 基于云理论的电力变压器绝缘状态评估方法 | |
| CN111025097A (zh) | 一种测评老化后xlpe电缆泄漏电流差异因子的智能方法 | |
| CN117909906B (zh) | 基于预测模型的电力线路故障预测系统及方法 | |
| CN111608899A (zh) | 一种基于效能分析的水泵运行状态异常判别的方法 | |
| CN113884839A (zh) | 一种电容式电压互感器多参量绝缘状态评估方法及系统 | |
| CN107654342A (zh) | 一种考虑湍流的风电机组功率异常的检测方法 | |
| CN111209535B (zh) | 一种电力设备相继故障风险识别方法及系统 | |
| CN115600879A (zh) | 一种断路器异常预警方法、系统及相关装置 | |
| CN111025144A (zh) | 一种高压断路器健康水平预警方法 | |
| CN112666478A (zh) | 一种梯次利用动力电池健康状态监测方法 | |
| CN116147840A (zh) | 一种基于“电-热-气”信号融合的多工况漏液故障诊断方法 | |
| CN112240267A (zh) | 基于风速相关性与风功率曲线的风机监测方法 | |
| CN113376529A (zh) | 储能电池故障检测方法、装置、电子设备及存储介质 | |
| CN111766537A (zh) | 一种直流系统绝缘趋势分析方法 | |
| CN110376542A (zh) | 一种电能表状态评价系统及方法 | |
| CN118534311B (zh) | 一种断路器异常断路的及时监测预警方法 | |
| CN117977565B (zh) | 一种电网暂态稳定性评估方法及系统 | |
| Liu et al. | Evaluation Method for Insulation State of Cable Intermediate Joint based on Variable Weight and Set Pair Analysis | |
| CN211529012U (zh) | 一种高原环境模拟系统控制电路 | |
| CN118311343B (zh) | 一种电容器生产用质量监管系统 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200519 Termination date: 20210330 |