CN108805415A - 基于历史信息挖掘的变压器本体关键评价指标选取方法 - Google Patents
基于历史信息挖掘的变压器本体关键评价指标选取方法 Download PDFInfo
- Publication number
- CN108805415A CN108805415A CN201810493261.XA CN201810493261A CN108805415A CN 108805415 A CN108805415 A CN 108805415A CN 201810493261 A CN201810493261 A CN 201810493261A CN 108805415 A CN108805415 A CN 108805415A
- Authority
- CN
- China
- Prior art keywords
- index
- transformer body
- historical information
- critical evaluation
- matrix
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000007547 defect Effects 0.000 claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 29
- 238000012098 association analyses Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims abstract description 10
- 238000010606 normalization Methods 0.000 claims abstract description 6
- HYBBIBNJHNGZAN-UHFFFAOYSA-N furfural Chemical compound O=CC1=CC=CO1 HYBBIBNJHNGZAN-UHFFFAOYSA-N 0.000 claims description 6
- 230000015556 catabolic process Effects 0.000 claims description 5
- 238000005336 cracking Methods 0.000 claims description 4
- 239000004215 Carbon black (E152) Substances 0.000 claims description 3
- 229930195733 hydrocarbon Natural products 0.000 claims description 3
- 150000002430 hydrocarbons Chemical class 0.000 claims description 3
- 239000001257 hydrogen Substances 0.000 claims description 3
- 229910052739 hydrogen Inorganic materials 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000004804 winding Methods 0.000 claims description 3
- HSFWRNGVRCDJHI-UHFFFAOYSA-N alpha-acetylene Natural products C#C HSFWRNGVRCDJHI-UHFFFAOYSA-N 0.000 claims description 2
- 125000002534 ethynyl group Chemical group [H]C#C* 0.000 claims description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims 1
- 239000007789 gas Substances 0.000 claims 1
- 238000005065 mining Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 150000001345 alkine derivatives Chemical class 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Complex Calculations (AREA)
Abstract
一种基于历史信息挖掘的变压器本体关键评价指标选取方法,所述方法包括以下统计变压器本体的缺陷记录和故障记录,利用关联分析形成指标置信度矩阵,数据矩阵标准化,计算相关系数矩阵的特征值与特征向量,计算特征值累计贡献率,获取主分量,利用主分量分析方法计算归一化指标权重,选择取值范围内的权重中元素值大于某数的元素对应的缺陷指标作为关键指标;本发明利用迅速发展的大数据技术,通过对设备历史运行数据的挖掘分析,可有效选取设备的关键评价指标,从而规避指标冗余和评价不准确。
Description
技术领域
本发明涉及变压器状态评估领域,尤其涉及了一种基于历史信息挖掘的变压器本体关键评价指标选取方法。
背景技术
目前,传统变压器健康状态评价方法主要依靠设备状态评价导则,然而电网设备的运检过程中,由于缺陷评价指标众多,很难界定关键的评价指标,容易导致评估结果不准确和决策失误。
随着电力大数据的快速发展,电力系统的数据呈爆炸式增长,而利用大数据挖掘技术对设备状态进行异常检测也得以实现。通过对设备历史运行数据的挖掘分析,可有效选取设备的关键评价指标,从而规避指标冗余和评价不准确。
发明内容
针对现有变压器本体健康状态评价中存在的问题,本发明提供一种基于历史信息挖掘的利用关联分析、主分量分析方法选取变压器本体的关键评价指标,快速有效的选取关键指标,规避了指标的繁琐复杂,提高了评价的准确性。
为了实现上述目的,本发明的技术方案为:
一种基于历史信息挖掘的变压器本体关键评价指标选取方法,所述方法包括以下步骤:步骤1:统计变压器本体的缺陷记录和故障记录;步骤2:利用关联分析形成指标置信度矩阵;步骤3:数据矩阵标准化;步骤4:计算相关系数矩阵的特征值与特征向量;步骤5:计算特征值累计贡献率,获取主分量;步骤6:利用主分量分析方法计算归一化指标权重,选择取值范围内的权重中元素值大于预设值的元素对应的缺陷指标作为关键指标。
进一步的,所述步骤1中统计变压器本体最近10年的缺陷记录和故障记录。
进一步的,收集分析区域内所有同类型变压器最近10年的本体缺陷记录,包括短路情况、过负荷、渗漏油、本体油位、噪声及振动、运行油温、红外测温、绕组介损、总烃、乙炔、氢气、油中糠醛含量、油介质损耗因数、油击穿电压、水分共15项缺陷指标。
进一步的,所述步骤2中利用关联分析形成指标置信度矩阵的表达式:
对于第i项缺陷指标,计算其第j年的置信度:
其中,Xi,j是第j年发生第i项缺陷指标裂化的次数,Yi,j是第j年由于第i项指标裂化引起的变压器本体故障次数。对每一项指标都进行置信度的计算,可以形成15行10列的置信度矩阵X0。
再进一步的,所述步骤4中根据步骤3对初始数据矩阵X0进行标准化得到标准矩阵Xst,计算相关系数矩阵R=XstXst T,求取R的特征值(λ1,λ2,…,λn从大到小排列)与特征向量(p1,p2,…,pn)。
进一步的,所述步骤5计算特征值累计贡献率的表达式为:
进一步的,获取主分量个数的判断方法为:当Cm大于85%,而Cm+1小于85%时,前m个分量作为主分量。
进一步的,所述步骤6中计算归一化指标权重,其中要计算各项指标的权重向量W0,表达式为:
W0=(w1,w2,...,w15)=(λ1p1,λ2p2,...,λmpm)T。
再进一步的,对权重W0进行线性变换,即所有元素w1-w15除以其中的最大值得到一个所有元素取值范围在[0,1]的向量W,每个元素对应了一种变压器的缺陷指标。
进一步的,选取变压器本体的关键评价指标方法为对于向量W,当元素值大于0.7时,选取元素对应的评价指标作为变压器本体的关键评价指标。
与现有技术相比,本发明的有益效果是:
本发明依托大数据提供的数据基础,利用关联分析的方法对缺陷类型和故障类型进行分类管理,分析缺陷类型与故障类型之间的相互关系,并建立相关状态的矩阵评估模型;在权重系数的确定方法上,通过主分量分析方法实现评估指标的权重系数的确定,解决了个人主观意见影响权重准确性的问题,能够有效避免常权重系数下单个故障类型不能准确反映变压器整体健康状况的缺陷;另外,本发明的方法对大数据相关分析计算简单,通过对设备历史运行数据的挖掘分析,可有效选取设备的关键评价指标,从而规避指标冗余和评价不准确,易于推广,评估结果全面、准确,并且状态评估和故障判断的准确率较高。
附图说明
附图1是本发明一种基于历史信息挖掘的变压器本体关键评价指标选取方法的流程图。
附图2是本发明一种基于历史信息挖掘的变压器本体关键评价指标选取方法中步骤1的统计表格。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下
面结合具体实施方式,进一步阐述本发明。
参照附图1,基于历史信息挖掘的变压器本体关键评价指标选取方法包括有:
步骤1:统计变压器本体的缺陷记录和故障记录;
步骤2:利用关联分析形成指标置信度矩阵;
步骤3:数据矩阵标准化;
步骤4:计算相关系数矩阵的特征值与特征向量;
步骤5:计算特征值累计贡献率,获取主分量;
步骤6:利用主分量分析方法计算归一化指标权重,选择取值范围内的权重中元素值大于某数的元素对应的缺陷指标作为关键指标。
具体的为:
步骤1、统计变压器本体最近10年的缺陷记录和故障记录。
收集分析区域内所有同类型变压器最近10年的本体缺陷记录,包括短路情况、过负荷、渗漏油、本体油位、噪声及振动、运行油温、红外测温、绕组介损、总烃、乙炔、氢气、油中糠醛含量、油介质损耗因数、油击穿电压、水分共15项缺陷指标,并统计这些变压器10年来的本体故障,见附图2。
步骤2、利用关联分析形成指标置信度矩阵。
对于第i项缺陷指标,计算其第j年的置信度:
其中,Xi,j是第j年发生第i项缺陷指标裂化的次数,Yi,j是第j年由于第i项指标裂化引起的变压器本体故障次数。对每一项指标都进行置信度的计算,可以形成15行10列的置信度矩阵X0。
步骤3、对初始数据矩阵X0进行标准化,得到标准矩阵Xst。
步骤4、计算相关系数矩阵R=XstXst T,求取R的特征值(λ1,λ2,…,λn从大到小排列)与特征向量(p1,p2,…,pn)。
步骤5、利用式(2)计算特征值累计贡献率Ci,确定主分量个数。当Cm大于85%而Cm+1小于时,前m个分量作为主分量。
步骤6、利用式(3)计算各项指标的权重向量W0。
W0=(w1,w2,...,w15)=(λ1p1,λ2p2,...,λmpm)T (3)
对权重W0进行线性变换,即所有元素w1-w15除以其中的最大值得到一个所有元素取值范围在[0,1]的向量W,每个元素对应了一种变压器的缺陷指标。对于向量W,当元素值大于0.7时,选取元素对应的评价指标作为变压器本体的关键评价指标。
本发明依托大数据提供的数据基础,利用关联分析的方法对缺陷类型和故障类型进行分类管理,分析缺陷类型与故障类型之间的相互关系,并建立相关状态的矩阵评估模型;在权重系数的确定方法上,通过主分量分析方法实现评估指标的权重系数的确定,解决了个人主观意见影响权重准确性的问题,能够有效避免常权重系数下单个故障类型不能准确反映变压器整体健康状况的缺陷;另外,本发明的方法对大数据相关分析计算简单,通过对设备历史运行数据的挖掘分析,可有效选取设备的关键评价指标,从而规避指标冗余和评价不准确,易于推广,评估结果全面、准确,并且状态评估和故障判断的准确率较高。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种基于历史信息挖掘的变压器本体关键评价指标选取方法,其特征在于,所述方法包括以下步骤:
步骤1:统计变压器本体的缺陷记录和故障记录;
步骤2:利用关联分析形成指标置信度矩阵;
步骤3:数据矩阵标准化;
步骤4:计算相关系数矩阵的特征值与特征向量;
步骤5:计算特征值累计贡献率,获取主分量;
步骤6:利用主分量分析方法计算归一化指标权重,选择取值范围内的权重中元素值大于预设值的元素对应的缺陷指标作为关键指标。
2.根据权利要求1所述的一种基于历史信息挖掘的变压器本体关键评价指标选取方法,其特征在于,所述步骤1中统计变压器本体最近10年的缺陷记录和故障记录。
3.根据权利要求2所述的一种基于历史信息挖掘的变压器本体关键评价指标选取方法,其特征在于,收集分析区域内所有同类型变压器最近10年的本体缺陷记录,包括短路情况、过负荷、渗漏油、本体油位、噪声及振动、运行油温、红外测温、绕组介损、总烃、乙炔、氢气、油中糠醛含量、油介质损耗因数、油击穿电压、水分共15项缺陷指标。
4.根据权利要求1所述的一种基于历史信息挖掘的变压器本体关键评价指标选取方法,其特征在于,所述步骤2中利用关联分析形成指标置信度矩阵的表达式:
对于第i项缺陷指标,计算其第j年的置信度:
其中,Xi,j是第j年发生第i项缺陷指标裂化的次数,Yi,j是第j年由于第i项指标裂化引起的变压器本体故障次数。对每一项指标都进行置信度的计算,可以形成15行10列的置信度矩阵X0。
5.根据权利要求1所述的一种基于历史信息挖掘的变压器本体关键评价指标选取方法,其特征在于,所述步骤4中根据步骤3对初始数据矩阵X0进行标准化得到标准矩阵Xst,计算相关系数矩阵R=XstXst T,求取R的特征值(λ1,λ2,…,λn从大到小排列)与特征向量(p1,p2,…,pn)。
6.根据权利要求1所述的一种基于历史信息挖掘的变压器本体关键评价指标选取方法,其特征在于,所述步骤5计算特征值累计贡献率的表达式为:
7.根据权利要求6所述的一种基于历史信息挖掘的变压器本体关键评价指标选取方法,其特征在于,获取主分量个数的判断方法为:当Cm大于85%,而Cm+1小于85%时,前m个分量作为主分量。
8.根据权利要求1所述的一种基于历史信息挖掘的变压器本体关键评价指标选取方法,其特征在于,所述步骤6中计算归一化指标权重,其中要计算各项指标的权重向量W0,表达式为:
W0=(w1,w2,...,w15)=(λ1p1,λ2p2,...,λmpm)T。
9.根据权利要求8所述的一种基于历史信息挖掘的变压器本体关键评价指标选取方法,其特征在于,对权重W0进行线性变换,即所有元素w1-w15除以其中的最大值得到一个所有元素取值范围在[0,1]的向量W,每个元素对应了一种变压器的缺陷指标。
10.根据权利要求9所述的一种基于历史信息挖掘的变压器本体关键评价指标选取方法,其特征在于,选取变压器本体的关键评价指标方法为对于向量W,当元素值大于0.7时,选取元素对应的评价指标作为变压器本体的关键评价指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810493261.XA CN108805415A (zh) | 2018-05-22 | 2018-05-22 | 基于历史信息挖掘的变压器本体关键评价指标选取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810493261.XA CN108805415A (zh) | 2018-05-22 | 2018-05-22 | 基于历史信息挖掘的变压器本体关键评价指标选取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108805415A true CN108805415A (zh) | 2018-11-13 |
Family
ID=64091317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810493261.XA Pending CN108805415A (zh) | 2018-05-22 | 2018-05-22 | 基于历史信息挖掘的变压器本体关键评价指标选取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108805415A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109508836A (zh) * | 2019-01-23 | 2019-03-22 | 上海闻泰信息技术有限公司 | 产品品质确定方法、装置、设备和存储介质 |
CN111401795A (zh) * | 2020-04-26 | 2020-07-10 | 新智数字科技有限公司 | 设备健康状态的评估方法、装置、可读介质及电子设备 |
CN111477333A (zh) * | 2020-04-13 | 2020-07-31 | 北京嘉和美康信息技术有限公司 | 一种数据挖掘方法和装置 |
CN111489099A (zh) * | 2020-04-23 | 2020-08-04 | 国网江西省电力有限公司电力科学研究院 | 一种变压器抗短路能力实地运行风险评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105117847A (zh) * | 2015-08-26 | 2015-12-02 | 国家电网公司 | 一种变压器故障重要度的评估方法 |
CN105550700A (zh) * | 2015-12-08 | 2016-05-04 | 国网山东省电力公司电力科学研究院 | 一种基于关联分析和主成分分析的时间序列数据清洗方法 |
CN106324405A (zh) * | 2016-09-07 | 2017-01-11 | 南京工程学院 | 一种基于改进主成分分析的变压器故障诊断方法 |
CN106447202A (zh) * | 2016-09-29 | 2017-02-22 | 国网山东省电力公司 | 基于数据挖掘和主成分分析的电力设备状态评估方法 |
CN107122590A (zh) * | 2017-03-28 | 2017-09-01 | 国网浙江省电力公司电力科学研究院 | 一种油浸式变压器故障相关指标筛选方法 |
-
2018
- 2018-05-22 CN CN201810493261.XA patent/CN108805415A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105117847A (zh) * | 2015-08-26 | 2015-12-02 | 国家电网公司 | 一种变压器故障重要度的评估方法 |
CN105550700A (zh) * | 2015-12-08 | 2016-05-04 | 国网山东省电力公司电力科学研究院 | 一种基于关联分析和主成分分析的时间序列数据清洗方法 |
CN106324405A (zh) * | 2016-09-07 | 2017-01-11 | 南京工程学院 | 一种基于改进主成分分析的变压器故障诊断方法 |
CN106447202A (zh) * | 2016-09-29 | 2017-02-22 | 国网山东省电力公司 | 基于数据挖掘和主成分分析的电力设备状态评估方法 |
CN107122590A (zh) * | 2017-03-28 | 2017-09-01 | 国网浙江省电力公司电力科学研究院 | 一种油浸式变压器故障相关指标筛选方法 |
Non-Patent Citations (3)
Title |
---|
严英杰 等: ""基于高维随机矩阵大数据分析模型的输变电设备关键性能评估方法"", 《中国电机工程学报》 * |
宋人杰 等: ""灰色定权聚类和变权模式在变压器状态评估中的应用研究"", 《电工电能新技术》 * |
谢龙君: ""大数据环境下变压器状态评估的关联集对分析方法研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109508836A (zh) * | 2019-01-23 | 2019-03-22 | 上海闻泰信息技术有限公司 | 产品品质确定方法、装置、设备和存储介质 |
CN111477333A (zh) * | 2020-04-13 | 2020-07-31 | 北京嘉和美康信息技术有限公司 | 一种数据挖掘方法和装置 |
CN111477333B (zh) * | 2020-04-13 | 2023-10-24 | 北京嘉和美康信息技术有限公司 | 一种数据挖掘方法和装置 |
CN111489099A (zh) * | 2020-04-23 | 2020-08-04 | 国网江西省电力有限公司电力科学研究院 | 一种变压器抗短路能力实地运行风险评估方法 |
CN111401795A (zh) * | 2020-04-26 | 2020-07-10 | 新智数字科技有限公司 | 设备健康状态的评估方法、装置、可读介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805415A (zh) | 基于历史信息挖掘的变压器本体关键评价指标选取方法 | |
CN106373025B (zh) | 基于离群点检测的用电信息采集系统实时防窃电监测方法 | |
Ashok et al. | Distribution transformer health monitoring using smart meter data | |
CN109816031B (zh) | 一种基于数据不均衡度量的变压器状态评估聚类分析方法 | |
CN104112239B (zh) | 一种利用基准态分析的变压器状态评估方法及装置 | |
CN106447212A (zh) | 一种基于ahp的智能电表软件质量评价方法 | |
CN105353256A (zh) | 一种输变电设备状态异常检测方法 | |
Li et al. | An integrated method of set pair analysis and association rule for fault diagnosis of power transformers | |
CN112598298A (zh) | 电力变压器健康管理系统及管理方法 | |
CN111598490A (zh) | 一种基于多状态量融合的光电复合海底电缆状态评估方法及系统 | |
Akhmetov et al. | A new diagnostic technique for reliable decision-making on transformer FRA data in interturn short-circuit condition | |
CN106651189A (zh) | 一种基于多层复合规则的变压器状态评价方法 | |
Guo et al. | Health index for power transformer condition assessment based on operation history and test data | |
CN110503305B (zh) | 一种变压器性能评估方法 | |
Wang et al. | Review on evolution of intelligent algorithms for transformer condition assessment | |
CN104123468A (zh) | 基于核心状态量集合的配电变压器状态评估方法 | |
CN110286303A (zh) | 一种基于bp神经网络的同轴电缆绝缘老化状态评估方法 | |
CN110298012A (zh) | 基于试验数据与运维信息的中低压xlpe电缆寿命评估方法 | |
CN106447144A (zh) | 一种目标对象的评估方法及装置 | |
CN105954615A (zh) | 一种变压器短路后的状态评估方法及评估系统 | |
CN106952029A (zh) | 一种用于对变电设备状态监测装置进行评价的方法及系统 | |
CN114167180A (zh) | 一种基于图注意力神经网络的充油电气设备故障诊断方法 | |
Behkam et al. | Condition monitoring of distribution transformers using frequency response traces and artificial neural network to detect the extent of windings axial displacements | |
CN110189031A (zh) | 一种基于因子回归分析的配电网诊断指标分类方法 | |
CN108845074A (zh) | 油浸式变压器状态评价方法 |
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: 20181113 |
|
RJ01 | Rejection of invention patent application after publication |