CN109029959A - 一种变压器绕组的机械状态检测方法 - Google Patents
一种变压器绕组的机械状态检测方法 Download PDFInfo
- Publication number
- CN109029959A CN109029959A CN201810978508.7A CN201810978508A CN109029959A CN 109029959 A CN109029959 A CN 109029959A CN 201810978508 A CN201810978508 A CN 201810978508A CN 109029959 A CN109029959 A CN 109029959A
- Authority
- CN
- China
- Prior art keywords
- vibration signal
- frequency
- frequency spectrum
- signal
- transformer
- 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
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
Abstract
本发明公开了一种变压器绕组的机械状态检测方法,包括如下步骤:步骤S1,在变压器箱壁布置振动加速度传感器,以预定的采样频率采集变压器振动信号;步骤S2,将原始振动信号分解成多个固有模式函数之和;步骤S3,对振动信号的固有模式函数进行Hilbert变换得到振动信号的时频谱图;步骤S4,对振动信号时频谱图提取局部二值特征,构造振动信号特征向量;步骤S5,获得基准特征向量以及待测振动信号的特征向量,并计算两者的相似度;步骤S6,将所述相似度与一预定阈值进行比较,确定所述变压器绕组机械状态。实施本发明,可以通过在线监测变压器突发短路时变压器箱壁振动信号对绕组的工作状态进行判别。
Description
技术领域
本发明涉及电力设备状态检测方法,尤其是涉及一种变压器绕组的机械状态检测方法。
背景技术
变压器是电力系统最重要的设备之一,它的安全可靠运行影响着整个电力系统,因此,研究其状态在线监测方法是智能电网建设的重要课题,具有重要的经济效益和社会效益。统计数据表明,变压器的绕组是发生故障最多的部件之一,变压器出口短路事故时有发生,由冲击电流引起的强大电磁力作用在绕组上,引起绕组强烈振动,造成绕组机械结构损坏。传统的短路电抗法和频响分析法灵敏度不高,仅在变压器绕组发生严重变形时能够给出准确的判断。目前,针对变压器绕组故障的带电检测已有较多研究,如红外检测、局放检测等,这些方法在变压器在线监测方面各有优势,受到较多关注。但红外检测和局放检测主要针对电接触缺陷和绝缘缺陷,无法对机械故障进行有效诊断。近年来,振动法检测变压器绕组机械状态逐渐受到关注,一方面,对振动信号的采集简单方便易操作,非常适用于在线监测,广泛应用于大型机械故障诊断技术中;另一方面,振动信号包含大量能反映变压器机械状态的信息,因此振动分析法灵敏度高,能检测出变压器绕组的松动、微小变形等前期故障,及时对变压器进行检修。其原理本质,是因为变压器绕组不同状态时,其机械状态发生改变,必然会导致振动特性的不同,因此可以根据振动信号的特征,判断变压器绕组是否发生故障。
振动传感器非接触式信号采集方式不会对其正常工作造成影响,因此具有极好的应用前景。应用振动法对绕组状态检测,其重点和难点在于振动信号的分析方法以及状态判据,目前尚无统一标准。变压器短路冲击所产生的振动信号,具有强时变和非平稳性,信号特征不易提取,时域和频域特征难以表征信号更细致变化,无法灵敏反应变压器状态。近年来,非平稳信号分析方法快速发展,兼顾时域和频域特征的时频谱分析方法在振动信号处理领域取得了很多成果,如Hilbert-Huang变换、小波分析法以及一些改进算法都成功运用到变压器振动信号处理上,但这些算法也存在自适应性不够、时频分解结果不够准确等缺点。
发明内容
本发明所要解决的技术问题在于提供一种变压器绕组状态诊断方法,通过在线监测变压器突发短路时变压器箱壁振动信号对绕组的工作状态进行判别。
为了解决上述技术问题,本发明所采用的技术方案为,提供一种变压器绕组的机械状态检测方法,包括如下步骤:
步骤S1,在变压器箱壁布置振动加速度传感器,以预定的彩样频率采集变压器振动信号;
步骤S2,通过对振动信号傅里叶谱进行划分,构造自适应小波函数,得到具有紧支撑频率的窄带子信号,将原始振动信号分解成若干个固有模式函数之和;
步骤S3,对振动信号的固有模式函数进行Hilbert变换得到振动信号的时频谱图;
步骤S4,对振动信号时频谱图提取局部二值特征,构造振动信号特征向量;
步骤S5,根据上述步骤以绕组正常状态下的振动信号计算特征向量,记为基准特征向量;传感器安装位置不变,采集变压器突发短路时振动信号,根据上述步骤计算特征向量,作为待测振动信号的特征向量,根据所述基准特征向量和待测信号的特征向量,计算两者的相似度;
步骤S6,将所述相似度与一预定阈值进行比较,确定所述变压器绕组机械状态。
优选地,步骤S2具体包括如下步骤:
步骤S2a、使用傅里叶变换对振动信号x(t)处理,得到信号的频域表示X(w),并将频率范围归一化到[0,π];
步骤S2b、检测频域内的所有极大值点:
对频谱函数取导,得到一次导数X'(ω);
对一次导数取符号函数,当X'(ω)>0,X'(ω)=1,当X'(ω)<0,X'(ω)=-1,当X'(ω)=0,X'(ω)=0;
对符号函数取导,得到频谱函数二次导X”(ω),若X”(ω)=-2,则X(w+1)为极大值点。
步骤S2c、记为频谱函数范围内检测到的极大值点幅值,将其归一化到[0,1],并按递减规律排列(M1≥M2≥...MM);
步骤S2d、定义阈值为MM+α(M1-MM),比较极大值点幅值是否大于阈值,若大于,保留,否则删除,所保留的极值点个数记为N;
步骤S2e、分割傅里叶谱,划分边界为相邻极值点的中点,且规定0和π为第1条和最后一条划分边界,则每段频谱可表示为:
Λn=[ωn-1,ωn],n=1,2,L,N
式中,Λn为第n段频谱,U为并集符号,ωn-1,ωn为第n段频谱的边界;
步骤S2f、构造经验小波函数和经验尺度函数如下
式中:
β(x)=x4(35-84x+70x2-20x3)
式中,β为过渡函数,γ为频段系数;
步骤S2g、定义经验小波变换,构造细节系数为经验小波函数与信号的内积,构造近似系数为经验尺度函数与信号的内积:
式中,代表细节系数,代表近似系数,x(t)代表原信号,F-1代表逆傅立叶变换;
步骤S2h、根据经验小波变换构造固有模式函数:
经过上述步骤,原始振动信号x(t)被分解为若干个固有模式函数之和:
优选地,所述步骤S4进一步包括如下步骤:
步骤S4a、由于变压器振动信号主要频率在500Hz以下,所以关注时频谱图500Hz范围内;
步骤S4b、将时频谱时间轴均匀划分为m段,频率轴均匀划分为n段,得到m乘以n个网格,将每个网格内的时频幅值相加,记为hkj,时频谱网格记为H(k,j);
步骤S4c、不考虑H(k,j)边界元素,对每个非边界元素,以其为中心,取3x3大小窗口,以窗口中心点的幅值为阈值,对该中心点8个邻域幅值做二值化处理,即窗口内其它位置的幅值分别与窗口中心的幅值进行比较,当大于等于中心幅值时,其对应位置赋值为1,否则赋值为0;
步骤S4d、对领域赋值加权求和,作为中心元素的LBP值:
式中,Hc为所关注的时频谱网格元素的幅值,Hi为所关注元素邻域的幅值;
步骤S4e、统计时频网格的LBP特征,即统计每个LBP值的元素的个数,将统计结果按LBP值大小从小到大排列,形成一个16维的向量VLBP=[LBP0,LBP2,…,LBP15],其中LBPi表示在时频网格中,LBP值为i的网格的个数,对VLBP归一化,形成16维的特征向量V。
优选地,所述步骤S5进一步包括:根据下述公式计算所述基准特征向量和待测信号的特征向量的相似度d:
其中,V1表示基准振动信号的特征向量,V2表示待检测振动信号的特征向量。
优选地,在所述步骤S6中,若所述相似度d大于或等于预定阈值,则判定所述变压器绕组的机械状态为正常;若所述相似度d小于预定阈值,则判定所述变压器绕组的机械状态为异常。
优选地,所述预定阈值为0.8。
实施本发明实施例,具有如下的有益效果:
本发明提出一种结合经验小波分解和局部二值编码对变压器振动信号进行时频谱特征提取,在信号处理的自适应性和准确性方面做出了改进,提高了绕组机械状态检测结果的可靠性。
本发明的实施例,通过对变压器突发短路时的振动信号分析,可及时、有效检测绕组机械状态。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,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它的附图。
图1为本发明提供的一种变压器绕组的机械状态检测方法;
图2为本发明一个实施例中第一次突发短路时的振动波形;
图3为本发明一个实施例中最后一次突发短路时的振动波形;
图4显示了本实施例中第一次突发短路时的振动信号Hilbert谱图;
图5显示了本实施例中最后一次突发短路时的振动信号Hilbert谱图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,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的前提下所获得的所有其它实施例,都属于本发明保护的范围。
在此,还需要说明的是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
如图1所示,示出了本发明提供的一种变压器绕组的机械状态检测方法的主流程示意图。在本发明的一个实施例中,以某电力公司10kV配电变压器为试验对象进行短路冲击试验。试验中低压绕组短路,高压C相绕组加载电源,共进行8次短路冲击,记录每次短路冲击状态过程中的振动信号,一并结合图2至图5所示,其中,图2显示了第一次短路冲击时箱壁的振动波形,图3显示了最后一次短路冲击时箱壁的振动波形。具体地,本发明的主流程包括如下的步骤:
步骤S1,在变压器箱壁布置振动加速度传感器,以预定的彩样频率采集变压器振动信号x(t),在本实施例中,采样频率为10k,截取振动信号从开始至结束共0.6s时间;
步骤S2,通过对振动信号傅里叶谱进行划分,构造自适应小波函数,得到具有紧支撑频率的窄带子信号,将原始振动信号分解成若干个固有模式函数(Intrinsic ModeFunction,IMF)之和;
优选地,步骤S2具体包括如下步骤:
步骤S2a、使用傅里叶变换对振动信号x(t)处理,得到信号的频域表示X(w),并将频率范围归一化到[0,π];
步骤S2b、检测频域内的所有极大值点:
对频谱函数取导,得到一次导数X'(ω);
对一次导数取符号函数,当X'(ω)>0,X'(ω)=1,当X'(ω)<0,X'(ω)=-1,当X'(ω)=0,X'(ω)=0;
对符号函数取导,得到频谱函数二次导X”(ω),若X”(ω)=-2,则X(w+1)为极大值点。
步骤S2c、记为频谱函数范围内检测到的极大值点幅值,将其归一化到[0,1],并按递减规律排列(M1≥M2≥...MM);
步骤S2d、定义阈值为MM+α(M1-MM),比较极大值点幅值是否大于阈值,若大于,保留,否则删除,所保留的极值点个数记为N;
步骤S2e、分割傅里叶谱,划分边界为相邻极值点的中点,且规定0和π为第1条和最后一条划分边界,则每段频谱可表示为:
Λn=[ωn-1,ωn],n=1,2,L,N
式中,Λn为第n段频谱,U为并集符号,ωn-1,ωn为第n段频谱的边界;
步骤S2f、构造经验小波函数和经验尺度函数如下
式中:
β(x)=x4(35-84x+70x2-20x3)
式中,β为过渡函数,γ为频段系数;
步骤S2g、定义经验小波变换,构造细节系数为经验小波函数与信号的内积,构造近似系数为经验尺度函数与信号的内积:
式中,代表细节系数,代表近似系数,x(t)代表原信号,F-1代表逆傅立叶变换;
步骤S2h、根据经验小波变换构造固有模式函数:
经过上述步骤,原始振动信号x(t)被分解为若干个固有模式函数之和:
步骤S3,对分解所得的振动信号的固有模式函数进行Hilbert变换,得到振动信号的时频谱图H(ω,t);可以理解的是,Hilbert变换是信号处理领域常用方法,在此不再详细介绍;
步骤S4,对振动信号时频谱图提取局部二值(LBP)特征,构造振动信号特征向量;
优选地,所述步骤S4进一步包括如下步骤:
步骤S4a、由于变压器振动信号主要频率在500Hz以下,所以关注时频谱图500Hz范围内,时域0.6s范围;
步骤S4b、将时频谱时间轴均匀划分为m段,频率轴均匀划分为n段,得到m乘以n个网格,将每个网格内的时频幅值相加,记为hkj,时频谱网格记为H(k,j),在本实施例中,取m为60,n为50;
步骤S4c、不考虑H(k,j)边界元素,对每个非边界元素,以其为中心,取3x3大小窗口,以窗口中心点的幅值为阈值,对该中心点8个邻域幅值做二值化处理,即窗口内其它位置的幅值分别与窗口中心的幅值进行比较,当大于等于中心幅值时,其对应位置赋值为1,否则赋值为0;
步骤S4d、对领域赋值加权求和,作为中心元素的LBP值:
式中,Hc为所关注的时频谱网格元素的幅值,Hi为所关注元素邻域的幅值;
步骤S4e、统计时频网格的LBP特征,即统计每个LBP值的元素的个数,将统计结果按LBP值大小从小到大排列,形成一个16维的向量VLBP=[LBP0,LBP2,…,LBP15],其中LBPi表示在时频网格中,LBP值为i的网格的个数,对VLBP归一化,形成16维的特征向量V。可以理解的是,LBP特征描述了时频谱图的纹理特征,反应了振动信号时频分布的差异,进而可根据LBP特征向量诊断变压器绕组的状态。
步骤S5,根据上述步骤以绕组正常状态下的振动信号计算特征向量,记为基准特征向量;传感器安装位置不变,采集变压器突发短路时振动信号,根据上述步骤计算特征向量,作为待测振动信号的特征向量,根据所述基准特征向量和待测信号的特征向量,计算两者的相似度;其中,可以将
优选地,所述步骤S5进一步包括:根据下述公式计算所述基准特征向量和待测信号的特征向量的相似度d:
其中,V1表示基准振动信号的特征向量,V2表示待检测振动信号的特征向量。
更具体的,将变压器第一次短路冲击振动信号作为基准信号,计算特征向量,计算之后每一次短路冲击振动信号特征向量与基准信号特征向量的相似度,结果见表1所示:
表1信号特征向量相似度随短路次数的变化
短路冲击次数 | 特征向量相似度 |
1 | - |
2 | 0.931 |
3 | 0.881 |
4 | 0.871 |
5 | 0.852 |
6 | 0.727 |
7 | 0.426 |
8 | 0.411 |
可见随着短路冲击次数的增多,相似度呈现下降趋势。从图4、图5还可以看出,在变压器绕组正常时,振动信号100Hz分量为主,有少量基频的倍频分量,当变压器绕组出现故障时,有新的振动成分出现,并且非100Hz分量成分显著增加。在本实施例中,从第6次短路冲击开始,特征向量相似度已低于0.8,以及时频图中时频分布发生了明显变化,第7次开始,相似度迅速降低,这些都表明变压器绕组状态出现问题,需及时检修。
步骤S6,将所述相似度与一预定阈值进行比较,确定所述变压器绕组机械状态。
在所述步骤S6中,若所述相似度d大于或等于预定阈值,则判定所述变压器绕组的机械状态为正常;若所述相似度d小于预定阈值,则判定所述变压器绕组的机械状态为异常,说明待检振动信号相较于正常信号有较大差别,变压器绕组可能发生松动或变形,应及时检修。在本实施例中,所述预定阈值为0.8。
实施本发明的实施例,具有如下的有益效果:
本发明提出一种结合经验小波分解和局部二值编码对变压器振动信号进行时频谱特征提取,在信号处理的自适应性和准确性方面做出了改进,提高了绕组机械状态检测结果的可靠性。
本发明的实施例,通过对变压器突发短路时的振动信号分析,可及时、有效检测绕组机械状态。
要注意的是,以上列举的仅为本发明的具体实施例,显然本发明不限于以上实施例,随之有着许多的类似变化。本领域的技术人员如果从本发明公开的内容直接导出或联想到的所有变形,均应属于本发明的保护范围。
Claims (6)
1.一种变压器绕组的机械状态检测方法,其特征在于,包括如下步骤:
步骤S1,在变压器箱壁布置振动加速度传感器,以预定的采样频率采集变压器振动信号;
步骤S2,通过对振动信号傅里叶谱进行划分,构造自适应小波函数,得到具有紧支撑频率的窄带子信号,将原始振动信号分解成多个固有模式函数之和;
步骤S3,对振动信号的固有模式函数进行Hilbert变换得到振动信号的时频谱图;
步骤S4,对振动信号时频谱图提取局部二值特征,构造振动信号特征向量;
步骤S5,根据上述步骤以绕组正常状态下的振动信号的基准特征向量,以及获得变压器突发短路时振动信号对应的待测振动信号的特征向量,并计算所述基准特征向量和待测信号的特征向量相似度;
步骤S6,将所述相似度与一预定阈值进行比较,确定所述变压器绕组机械状态。
2.如权利要求1所述的方法,其特征在于,步骤S2具体包括如下步骤:
步骤S2a、使用傅里叶变换对振动信号x(t)处理,得到信号的频域表示X(w),并将频率范围归一化到[0,π];
步骤S2b、检测频域内的所有极大值点:
对频谱函数取导,得到一次导数X'(ω);
对一次导数取符号函数,当X'(ω)>0,X'(ω)=1,当X'(ω)<0,X'(ω)=-1,当X'(ω)=0,X'(ω)=0;
对符号函数取导,得到频谱函数二次导X”(ω),若X”(ω)=-2,则X(w+1)为极大值点。
步骤S2c、记为频谱函数范围内检测到的极大值点幅值,将其归一化到[0,1],并按递减规律排列(M1≥M2≥...MM);
步骤S2d、定义阈值为MM+α(M1-MM),比较极大值点幅值是否大于阈值,若大于,保留,否则删除,所保留的极值点个数记为N;
步骤S2e、分割傅里叶谱,划分边界为相邻极值点的中点,且规定0和π为第1条和最后一条划分边界,则每段频谱可表示为:
Λn=[ωn-1,ωn],n=1,2,L,N
式中,Λn为第n段频谱,U为并集符号,ωn-1,ωn为第n段频谱的边界;
步骤S2f、构造经验小波函数和经验尺度函数如下
式中:
β(x)=x4(35-84x+70x2-20x3)
式中,β为过渡函数,γ为频段系数;
步骤S2g、定义经验小波变换,构造细节系数为经验小波函数与信号的内积,构造近似系数为经验尺度函数与信号的内积:
式中,代表细节系数,代表近似系数,x(t)代表原信号,F-1代表逆傅立叶变换;
步骤S2h、根据经验小波变换构造固有模式函数:
经过上述步骤,原始振动信号x(t)被分解为若干个固有模式函数之和:
3.根据权利要求2所述的方法,其特征在于,所述步骤S4进一步包括如下步骤:
步骤S4a、由于变压器振动信号主要频率在500Hz以下,所以关注时频谱图500Hz范围内;
步骤S4b、将时频谱时间轴均匀划分为m段,频率轴均匀划分为n段,得到m乘以n个网格,将每个网格内的时频幅值相加,记为hkj,时频谱网格记为H(k,j);
步骤S4c、不考虑H(k,j)边界元素,对每个非边界元素,以其为中心,取3x3大小窗口,以窗口中心点的幅值为阈值,对该中心点8个邻域幅值做二值化处理,即窗口内其它位置的幅值分别与窗口中心的幅值进行比较,当大于等于中心幅值时,其对应位置赋值为1,否则赋值为0;
步骤S4d、对领域赋值加权求和,作为中心元素的LBP值:
式中,Hc为所关注的时频谱网格元素的幅值,Hi为所关注元素邻域的幅值;
步骤S4e、统计时频网格的LBP特征,即统计每个LBP值的元素的个数,将统计结果按LBP值大小从小到大排列,形成一个16维的向量VLBP=[LBP0,LBP2,…,LBP15],其中LBPi表示在时频网格中,LBP值为i的网格的个数,对VLBP归一化,形成16维的特征向量V。
4.如权利要求3所述的方法,其特征在于,所述步骤S5进一步包括:根据下述公式计算所述基准特征向量和待测信号的特征向量的相似度d:
其中,V1表示基准振动信号的特征向量,V2表示待检测振动信号的特征向量。
5.根据权利要求4所述的方法,其特征在于,在所述步骤S6中,若所述相似度d大于或等于预定阈值,则判定所述变压器绕组的机械状态为正常;若所述相似度d小于预定阈值,则判定所述变压器绕组的机械状态为异常。
6.根据权利要求5所述的方法,其特征在于,所述预定阈值为0.8。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810978508.7A CN109029959B (zh) | 2018-08-27 | 2018-08-27 | 一种变压器绕组的机械状态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810978508.7A CN109029959B (zh) | 2018-08-27 | 2018-08-27 | 一种变压器绕组的机械状态检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109029959A true CN109029959A (zh) | 2018-12-18 |
CN109029959B CN109029959B (zh) | 2020-08-21 |
Family
ID=64624582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810978508.7A Active CN109029959B (zh) | 2018-08-27 | 2018-08-27 | 一种变压器绕组的机械状态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109029959B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110221155A (zh) * | 2019-06-24 | 2019-09-10 | 广东石油化工学院 | 一种基于振声的变压器异常状态的检测方法和装置 |
CN110286292A (zh) * | 2019-07-18 | 2019-09-27 | 广东石油化工学院 | 一种基于排列模式的变压器运行状态振声检测方法和系统 |
CN110399911A (zh) * | 2019-07-12 | 2019-11-01 | 国网上海市电力公司 | 一种基于声场分布云图的变压器机械故障诊断方法 |
CN110632477A (zh) * | 2019-11-02 | 2019-12-31 | 广东石油化工学院 | 一种利用Hilbert空间因子的变压器运行状态振声检测方法和系统 |
CN112231624A (zh) * | 2020-09-16 | 2021-01-15 | 中电电气(江苏)变压器制造有限公司 | 基于物联网的多变压器绕组抗短路能力的实时评估系统 |
CN112763904A (zh) * | 2020-12-29 | 2021-05-07 | 广州航天海特系统工程有限公司 | 一种断路器检测方法、装置、设备及存储介质 |
CN113959553A (zh) * | 2021-10-29 | 2022-01-21 | 中大检测(湖南)股份有限公司 | 一种基于cpld的智能低频振动传感器 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0219712A1 (en) * | 1985-09-26 | 1987-04-29 | Oki Electric Industry Company, Limited | Method of and system for speech recognition |
CN102682303A (zh) * | 2012-03-13 | 2012-09-19 | 上海交通大学 | 基于lbp加权社会力模型的人群异常事件检测方法 |
CN103116111A (zh) * | 2013-01-21 | 2013-05-22 | 上海市电力公司 | 一种电力变压器绕组工作状态的诊断方法 |
-
2018
- 2018-08-27 CN CN201810978508.7A patent/CN109029959B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0219712A1 (en) * | 1985-09-26 | 1987-04-29 | Oki Electric Industry Company, Limited | Method of and system for speech recognition |
CN102682303A (zh) * | 2012-03-13 | 2012-09-19 | 上海交通大学 | 基于lbp加权社会力模型的人群异常事件检测方法 |
CN103116111A (zh) * | 2013-01-21 | 2013-05-22 | 上海市电力公司 | 一种电力变压器绕组工作状态的诊断方法 |
Non-Patent Citations (3)
Title |
---|
JÉRÔME GILLES: "Empirical Wavelet Transform", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 * |
RUOCHEN DUAN等: "Fault Diagnosis of On-Load Tap-Changer in Converter Transformer Based onTime–Frequency Vibration Analysis", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》 * |
岳应娟等: "内燃机变分模态Rihaczek 谱纹理特征识别诊断", 《仪器仪表学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110221155A (zh) * | 2019-06-24 | 2019-09-10 | 广东石油化工学院 | 一种基于振声的变压器异常状态的检测方法和装置 |
CN110399911A (zh) * | 2019-07-12 | 2019-11-01 | 国网上海市电力公司 | 一种基于声场分布云图的变压器机械故障诊断方法 |
CN110286292A (zh) * | 2019-07-18 | 2019-09-27 | 广东石油化工学院 | 一种基于排列模式的变压器运行状态振声检测方法和系统 |
CN110632477A (zh) * | 2019-11-02 | 2019-12-31 | 广东石油化工学院 | 一种利用Hilbert空间因子的变压器运行状态振声检测方法和系统 |
CN112231624A (zh) * | 2020-09-16 | 2021-01-15 | 中电电气(江苏)变压器制造有限公司 | 基于物联网的多变压器绕组抗短路能力的实时评估系统 |
CN112231624B (zh) * | 2020-09-16 | 2024-03-26 | 中电电气(江苏)变压器制造有限公司 | 基于物联网的多变压器绕组抗短路能力的实时评估系统 |
CN112763904A (zh) * | 2020-12-29 | 2021-05-07 | 广州航天海特系统工程有限公司 | 一种断路器检测方法、装置、设备及存储介质 |
CN113959553A (zh) * | 2021-10-29 | 2022-01-21 | 中大检测(湖南)股份有限公司 | 一种基于cpld的智能低频振动传感器 |
Also Published As
Publication number | Publication date |
---|---|
CN109029959B (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109029959A (zh) | 一种变压器绕组的机械状态检测方法 | |
CN110275094B (zh) | 一种高压电缆局部放电声光联合检测方法及系统 | |
Zhong et al. | Power quality disturbance recognition based on multiresolution S-transform and decision tree | |
Lin et al. | Detection and classification of multiple power-quality disturbances with wavelet multiclass SVM | |
Li et al. | On-line detection of localized defects in bearings by pattern recognition analysis | |
Huang et al. | High-impedance fault detection utilizing a Morlet wavelet transform approach | |
CN102341720B (zh) | 使用定子电流噪音消除的电动机缺陷检测用系统和方法 | |
Gaouda et al. | Application of multiresolution signal decomposition for monitoring short-duration variations in distribution systems | |
US20080088314A1 (en) | Methods and apparatus for analyzing partial discharge in electrical machinery | |
Li et al. | A generic waveform abnormality detection method for utility equipment condition monitoring | |
Liu et al. | A novel fault diagnosis approach for rolling bearing based on high-order synchrosqueezing transform and detrended fluctuation analysis | |
CN106441547A (zh) | 一种变压器振动监测方法及装置 | |
Deng et al. | Fault feature extraction of a rotor system based on local mean decomposition and Teager energy kurtosis | |
CN109375010A (zh) | 基于振动分布特征模型的电力变压器绕组故障诊断方法 | |
CN103968939A (zh) | 基于平均位移法的变压器绕组松动故障检测方法 | |
Lucas et al. | A new acoustic emission-based approach for supply disturbances evaluation in three-phase induction motors | |
CN107037314A (zh) | 一种电力变压器绕组变形故障在线诊断方法 | |
CN216848010U (zh) | 一种边缘计算的电缆局放在线监测装置 | |
Abidullah et al. | Real-time power quality disturbances detection and classification system | |
CN103135035A (zh) | 变压器绕组状态诊断方法 | |
Abdullah et al. | Power quality signals classification system using time-frequency distribution | |
CN108519526A (zh) | 一种判断变压器谐波负载运行状态的方法及系统 | |
CN117289087A (zh) | 一种基于czt变换的串联故障电弧检测方法 | |
CN116559643A (zh) | 一种基于特征相似性的gis局部放电故障判别方法 | |
CN109034028B (zh) | 一种基于符号化与tf-idf的机械设备故障特征提取方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |