CN109061462A - 一种高压断路器触头烧蚀故障评估方法 - Google Patents
一种高压断路器触头烧蚀故障评估方法 Download PDFInfo
- Publication number
- CN109061462A CN109061462A CN201811075041.1A CN201811075041A CN109061462A CN 109061462 A CN109061462 A CN 109061462A CN 201811075041 A CN201811075041 A CN 201811075041A CN 109061462 A CN109061462 A CN 109061462A
- Authority
- CN
- China
- Prior art keywords
- support vector
- vector machines
- stroke
- parameter
- resistance
- 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)
- Arc-Extinguishing Devices That Are Switches (AREA)
Abstract
本发明涉及断路器诊断领域,具体公开了一种高压断路器触头烧蚀故障评估方法,包括:获取断路器的行程‑时间曲线;根据电阻‑时间曲线与行程‑时间曲线得到电阻‑行程曲线;根据每个电阻‑行程曲线获取断路器的触头烧蚀状态参数值;采用粒子群算法优化支持向量机的参数以获得最优参数,采用最优参数建立最优的非线性支持向量机;组建样本数据;利用样本数据对最优的非线性支持向量机进行训练,输入电阻‑行程曲线,输出对应的触头烧蚀状态参数值,以获得能够进行评估的非线性所述支持向量机;采用训练后的非线性支持向量机对待评估的断路器的电阻‑行程曲线进行预测。该方法能够对高压断路器触头烧蚀故障进行精准评估。
Description
技术领域
本发明属于高压断路器诊断领域,特别涉及一种高压断路器触头烧蚀故障评估方法。
背景技术
电器开关的触头经历的运动过程中产生的接触电阻或工作在振动环境中产生的接触电阻均体现为动态接触电阻,其特性是电器触头表面电接触状态的真实反映和体现,因此可以作为电器触头评估的主要依据。
高压断路器的触头对主要由主触头和弧触头并联而成,主触头承载额定工作电流,弧触头承受电弧烧损。弧触头状态是影响高压断路器电寿命最重要的因素。我国电力设备的检修正处于从计划检修到状态检修的过渡期,弧触头的状态检测是灭弧室状态检修的重要部分。弧触头的电侵蚀会造成灭弧室开断短路电流能力与绝缘能力的降低,极端情况下可能造成灭弧室开断电流失败造成爆炸,严重威胁了电力系统的可靠性。因此,基于对弧触头状态检测与电寿命预测的研究对提高电力系统稳定性具有重要理论意义和工程实用价值。
断路器在关合或开断过程中触头之间的接触电阻还可以理解为触头滑移行程的函数。通常高压断路器的触头闭合状态下的接触电阻在10~20uΩ量级,为使所测的接触压降信号免受干扰,并具有很好的鲁棒性,行业内规范规定施加的恒流源为直流,且幅值不少于1000A。通过对接触电阻的测试,可以评估触头烧蚀程度,实现断路器的状态检修。
如申请号为201710953217.8的专利文献公开了一种基于神经网络的断路器弧触头烧蚀状态评估方法,其公开了采用神经网络算法对弧触头烧蚀状态进行评估判断,但神经网络算法学习时间过长,效率不高,可能陷入局部极小值,以造成准确度不高等问题。
发明内容
本发明的目的在于提供一种高压断路器触头烧蚀故障评估方法,其结合优化后的支持向量机对高压断路器触头烧蚀故障进行精准评估。
为实现上述目的,本发明提供了一种高压断路器触头烧蚀故障评估方法,包括:
S101,将多个断路器分别在不同的电压电流下运行一段时间后,采集断路器的动弧触头的动态接触电阻信号,得到电阻-时间曲线;采集所述动弧触头发生动态接触电阻信号时的动态行程,得到行程-时间曲线;
S102,根据所述电阻-时间曲线与所述行程-时间曲线得到电阻-行程曲线;
S103,根据每个所述电阻-行程曲线获取每个断路器的触头烧蚀状态参数值;
S104,采用粒子群算法优化支持向量机的参数以获得最优参数,采用最优参数建立最优的非线性所述支持向量机;
S105,以每个断路器的电阻-行程曲线和对应的触头烧蚀状态参数值作为一组样本数据;
S106,利用多组样本数据对最优的非线性所述支持向量机进行训练,输入所述电阻-行程曲线,非线性所述支持向量机输出对应的触头烧蚀状态参数值,以获得可以对高压断路器触头烧蚀故障进行评估的非线性所述支持向量机;
S107,采用训练后的非线性所述支持向量机对待评估的断路器的电阻-行程曲线进行预测,根据输出的触头烧蚀状态参数值直接进行烧蚀状态评估。
优选的,上述技术方案中,步骤S104包括:
S201,设置所述支持向量机的参数:惩罚参数C,RBF核参数δ,损失函数ε参数;
S202,初始化粒子群的相关参数:设定种群数量,最大迭代次数,学习因子及惯性权重,并随机赋予每个粒子的初始位置和速度;
S203,确定适应度评估函数,根据适应度函数评价每个粒子的适应度;
S204,将各个粒子的适应度的极值存在pbest中,将所有的最优个体的适应度存在全局极值gbest中;
S205,对所有粒子执行如下操作:根据以下公式(1)、式(2)、更新粒子的位置与速度,如果粒子适应度优于pbest,将pbest设置为新位置;
vk+1=wvk+c1r1(pbestk-xk)+c2r2(gbestk-xk) (1)
xk+1=xk+vk+1 (2)
式中:vk与xk当前粒子的速度向量与位置;vk+1与xk+1更新后的粒子的速度向量与位置;pbestk表示粒子当前最优解位置,gbestk表示整个种群的最优解位置;w为惯性权重,w=0.8;c1和c2为学习因子;r1和r2为0到1之间的均匀分布的随机数。
S206,检验是否达到迭代次数或最小误差要求,如果是则停止迭代,并保存粒子群的整体最优位置值,否则转至S203继续计算;
S207,输出gbest,得到支持向量机的参数以建立最优的非线性所述支持向量机预测模型。
优选的,上述技术方案中,步骤S106具体包括:
S301,将样本数据分为训练样本集和测试样本集;
S302,对测试样本集和训练样本集的数据进行归一化;
S303,根据步骤S207选取的最优参数设置支持向量机的训练参数,对训练样本集进行训练学习,并用该支持向量机对测试样本进行训练;
S304,获取测试样本集的预测结果。
优选的,上述技术方案中,采用断路器动态接触电阻测试仪采集断路器的动态接触电阻信号。
优选的,上述技术方案中,采用行程传感器测量动弧触头的运动轨迹。
与现有的技术相比,本发明的高压断路器触头烧蚀故障评估方法,获取高压断路器触头烧蚀数据,应用粒子群算法PSO-SVM支持向量回归机建立非线性补偿模型,对不同的电压电流下测量高压断路器获取的触头烧蚀状态参数值进行精准预测。
附图说明
图1是根据本发明的高压断路器触头烧蚀故障评估方法的流程图。
图2是根据本发明的PSO-SVM算法流程图。
图3是根据本发明的测试断路器的A相的动态电阻与时间波形图。
图4是根据本发明的测试断路器的A相的动态电阻与动触头行程波形图。
图5是根据本发明的测试断路器的C相的动态电阻与时间波形图。
图6是根据本发明的测试断路器的C相的动态电阻与动触头行程波形图。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
如图1所示,该实施例中的高压断路器触头烧蚀故障评估方法,主要思路为:设采集的断路器的电阻-行程曲线为x,将触头烧蚀状态参数值作为目标参量y,显然y=f(x)为非线性关系,将电阻-行程曲线为x作为粒子群PSO-SVM支持向量机模型的输入样本,经粒子群PSO-SVM支持向量机模型处理后输出触头烧蚀状态参数值即为期望消除电压电流影响后的目标参量y,具体的,该方法具体包括以下步骤:
步骤S101,将多个断路器分别在不同的电压电流下运行一段时间后,采集断路器的动弧触头的动态接触电阻信号,得到电阻-时间曲线;采集所述动弧触头发生动态接触电阻信号时的动态行程,得到行程-时间曲线。
具体的,在高压断路器做采集动态电阻实验时,采用可调电压电流源,利用超级电容产生冲击电流,超级电容输出的冲击电流可以达到2500A,测量采用合分闸测试的方式,即设定时长250mS的合闸实验,然后做时长为250mS的分闸实验,通过电压电流即可获得电阻,具体DB-8016断路器动态接触电阻测试仪,通过采集到的接触电阻两侧的电压数据、电流数据,计算出接触电阻的电阻信号,然后根据电阻与时间的关系,绘制出电阻与时间的曲线;仪器可以绘制出电压与时间的曲线,电流与时间的曲线等。
步骤S102,根据电阻-时间曲线与行程-时间曲线得到电阻-行程曲线。
该步骤中,通过行程传感器测试仪可同时测量动弧触头的运动轨迹,并传输至DB-8016断路器动态接触电阻测试仪,可在液晶屏上绘制行程与时间的曲线。根据动态接触电阻与时间的曲线,行程与时间的曲线,推导出动态接触电阻与行程的关系,并可在液晶屏上绘制接触电阻与动弧触头行程的曲线。
步骤S103,根据每个电阻-行程曲线获取每个断路器的触头烧蚀状态参数值。
该步骤中,可根据专家调查法获取电阻-行程曲线与触头烧蚀状态参数值之间的关系,如触头烧蚀状态参数值为0-1之间的数值,分为五个区间段,即0-0.2,0.2-0.4,0.4-0.6,0.6-0.8,0.8-1.0;第一第二区间为正常,第三为待定,第四第五区间则为烧蚀严重,需进行更换。
步骤S104,采用粒子群算法优化支持向量机的参数以获得最优参数,采用最优参数建立最优的非线性所述支持向量机;
步骤S105,以每个断路器的电阻-行程曲线和对应的触头烧蚀状态参数值作为一组样本数据;
步骤S106,利用多组样本数据对最优的非线性支持向量机进行训练,输入电阻-行程曲线,非线性所述支持向量机输出对应的触头烧蚀状态参数值,以获得可以对高压断路器触头烧蚀故障进行评估的非线性所述支持向量机。
该步骤进行数据训练时:
子步骤S301,将样本数据分为训练样本集和测试样本集,随机抽取样本数据的前90%作为训练集,后10%为测试集;
子步骤S302,对测试样本集和训练样本集的数据进行归一化;
子步骤S303,根据选取的最优参数设置支持向量机的训练参数,对训练样本集进行训练学习,并用该支持向量机对测试样本进行训练;
子步骤S304,获取测试样本集的预测结果。
步骤S107,采用训练后的非线性支持向量机对待评估的断路器的电阻-行程曲线进行预测,根据输出的触头烧蚀状态参数值直接进行烧蚀状态评估,达到第四、第五区间的更换要求时,则进行更换。
继续参考图2,步骤S104包括:
步骤S201,设置所述支持向量机的参数范围:惩罚参数C范围为[1,100],RBF核参数δ的范围为[0.1,100],损失函数ε参数范围为[0.001,1]。
步骤S202,初始化粒子群的相关参数:设定种群数量,最大迭代次数,学习因子及惯性权重,并随机赋予每个粒子的初始位置和速度。
步骤S203,确定适应度评估函数,根据适应度函数评价每个粒子的适应度。
步骤S204,将各个粒子的适应度的极值存在pbest中,将所有的最优个体的适应度存在全局极值gbest中。
步骤S205,对所有粒子执行如下操作:根据以下公式(1)、式(2)、更新粒子的位置与速度,如果粒子适应度优于pbest,将pbest设置为新位置;
vk+1=wvk+c1r1(pbestk-xk)+c2r2(gbestk-xk) (1)
xk+1=xk+vk+1 (2)
式中:vk与xk当前粒子的速度向量与位置;vk+1与xk+1更新后的粒子的速度向量与位置;pbestk表示粒子当前最优解位置,gbestk表示整个种群的最优解位置;w为惯性权重,w=0.8;c1和c2为学习因子;r1和r2为0到1之间的均匀分布的随机数。
步骤S206,检验是否达到迭代次数或最小误差要求,如果是则停止迭代,并保存粒子群的整体最优位置值,否则转至S203继续计算。
步骤S207,输出gbest,得到支持向量机的参数以建立最优的非线性所述支持向量机预测模型,能够对数据进行较好的补偿。
进一步的,步骤S103中,根据每个电阻-行程曲线获取每个断路器的触头烧蚀状态参数值具体如下:
对某变电站对SF6高压断路器进行动态电阻实验,该断路器A相动态电阻与时间、行程的波形如图3、图4所示:
经过多次测量该波形比较稳定,后对断路器的B相进行动态电阻测试,B相的动态电阻与A相的波形相同。
在进行断路器C相动态电阻测试时,测出的动态电阻与时间、行程波形图如图5、图6所示:
该断路器合闸时间点100mS,断路器动触头稳定时间约在150mS。后多次对断路器C相动态电阻测试,波形均如图5、图6所示。
可见断路器在合闸超程阶段,动态接触电阻波动较大。相对图3、图4中的A相接触电阻光滑波形,推测断路器C相触头应存在较严重的烧蚀情况。
数据分析,通过动态电阻测试仪PC分析软件,提取A相和C相的动触头行程与接触电阻的数据,进行数据分析。
将上述A相和C相的电阻-行程数据做成数据曲线,通过对比A、C相数据曲线可知,A相动态电阻随着动触头的行程增大,动态电阻单调递减,可以推断出A相的动静触头接触良好,触头烧蚀状态参数值定位为区间0-0.2,不存在明显的烧蚀情况。C相动态电阻随着动触头的行程增大,动态电阻跳动较大,触头烧蚀状态参数值定位为区间0.8-1,可以推断出C相的动静触头存在明显的烧蚀情况,需要进行更换,最后,将多个断路器的电阻-行程曲线和触头烧蚀状态参数值输入优化后的PSO-SVM支持向量回归机进行训练即可。
综上所述,本发明的高压断路器触头烧蚀故障评估方法,获取高压断路器触头烧蚀数据,应用粒子群算法PSO-SVM支持向量回归机建立非线性补偿模型,对不同的电压电流下测量高压断路器获取的触头烧蚀状态参数值进行精准。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (5)
1.一种高压断路器触头烧蚀故障评估方法,其特征在于,包括:
S101,将多个断路器分别在不同的电压电流下运行一段时间后,采集断路器的动弧触头的动态接触电阻信号,得到电阻-时间曲线;采集所述动弧触头发生动态接触电阻信号时的动态行程,得到行程-时间曲线;
S102,根据所述电阻-时间曲线与所述行程-时间曲线得到电阻-行程曲线;
S103,根据每个所述电阻-行程曲线获取每个断路器的触头烧蚀状态参数值;
S104,采用粒子群算法优化支持向量机的参数以获得最优参数,采用最优参数建立最优的非线性所述支持向量机;
S105,以每个断路器的电阻-行程曲线和对应的触头烧蚀状态参数值作为一组样本数据;
S106,利用多组样本数据对最优的非线性所述支持向量机进行训练,输入所述电阻-行程曲线,非线性所述支持向量机输出对应的触头烧蚀状态参数值,以获得可以对高压断路器触头烧蚀故障进行评估的非线性所述支持向量机;
S107,采用训练后的非线性所述支持向量机对待评估的断路器的电阻-行程曲线进行预测,根据输出的触头烧蚀状态参数值直接进行烧蚀状态评估。
2.根据权利要求1所述的高压断路器触头烧蚀故障评估方法,其特征在于,步骤S104包括:
S201,设置所述支持向量机的参数:惩罚参数C,RBF核参数δ,损失函数ε参数;
S202,初始化粒子群的相关参数:设定种群数量,最大迭代次数,学习因子及惯性权重,并随机赋予每个粒子的初始位置和速度;
S203,确定适应度评估函数,根据适应度函数评价每个粒子的适应度;
S204,将各个粒子的适应度的极值存在pbest中,将所有的最优个体的适应度存在全局极值gbest中;
S205,对所有粒子执行如下操作:根据以下公式(1)、式(2)、更新粒子的位置与速度,如果粒子适应度优于pbest,将pbest设置为新位置;
vk+1=wvk+c1r1(pbestk-xk)+c2r2(gbestk-xk) (1)
xk+1=xk+vk+1 (2)
式中:vk与xk当前粒子的速度向量与位置;vk+1与xk+1更新后的粒子的速度向量与位置;pbestk表示粒子当前最优解位置,gbestk表示整个种群的最优解位置;w为惯性权重,w=0.8;c1和c2为学习因子;r1和r2为0到1之间的均匀分布的随机数。
S206,检验是否达到迭代次数或最小误差要求,如果是则停止迭代,并保存粒子群的整体最优位置值,否则转至S203继续计算;
S207,输出gbest,得到支持向量机的参数以建立最优的非线性所述支持向量机预测模型。
3.根据权利要求2所述的高压断路器触头烧蚀故障评估方法,其特征在于,步骤S106具体包括:
S301,将样本数据分为训练样本集和测试样本集;
S302,对测试样本集和训练样本集的数据进行归一化;
S303,根据步骤S207选取的最优参数设置支持向量机的训练参数,对训练样本集进行训练学习,并用该支持向量机对测试样本进行训练;
S304,获取测试样本集的预测结果。
4.根据权利要求1所述的高压断路器触头烧蚀故障评估方法,其特征在于,采用断路器动态接触电阻测试仪采集断路器的动态接触电阻信号。
5.根据权利要求1所述的高压断路器触头烧蚀故障评估方法,其特征在于,采用行程传感器测量动弧触头的运动轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811075041.1A CN109061462A (zh) | 2018-09-14 | 2018-09-14 | 一种高压断路器触头烧蚀故障评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811075041.1A CN109061462A (zh) | 2018-09-14 | 2018-09-14 | 一种高压断路器触头烧蚀故障评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109061462A true CN109061462A (zh) | 2018-12-21 |
Family
ID=64762575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811075041.1A Pending CN109061462A (zh) | 2018-09-14 | 2018-09-14 | 一种高压断路器触头烧蚀故障评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109061462A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110568348A (zh) * | 2019-08-15 | 2019-12-13 | 浙江正泰电器股份有限公司 | 断路器电校验质量判定方法 |
CN111505490A (zh) * | 2020-03-23 | 2020-08-07 | 温州大学乐清工业研究院 | 基于卷积神经网络回归的交流接触器烧蚀情况评估方法 |
CN112084662A (zh) * | 2020-09-11 | 2020-12-15 | 西安高压电器研究院有限责任公司 | 一种断路器电寿命的检测方法和装置 |
CN112698194A (zh) * | 2020-12-10 | 2021-04-23 | 云南电网有限责任公司保山供电局 | 一种断路器操作机构状态综合评估方法及系统 |
CN113567844A (zh) * | 2021-06-11 | 2021-10-29 | 国网浙江省电力有限公司嘉兴供电公司 | 一种高压断路器状态诊断方法及真空灭弧室结构 |
CN113627672A (zh) * | 2021-08-11 | 2021-11-09 | 青岛理工大学 | 基于偏最小二乘估计的断路器动态接触电阻预测方法 |
CN113687222A (zh) * | 2021-08-24 | 2021-11-23 | 青岛理工大学 | 一种sf6断路器弧触头状态评估方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6192317B1 (en) * | 1997-04-11 | 2001-02-20 | General Electric Company | Statistical pattern analysis methods of partial discharge measurements in high voltage insulation |
CN103323770A (zh) * | 2013-05-23 | 2013-09-25 | 国家电网公司 | 高压断路器机械特性检测与故障诊断装置 |
CN105467971A (zh) * | 2015-11-06 | 2016-04-06 | 国网山东省电力公司日照供电公司 | 一种电力二次设备监测系统及方法 |
CN105548867A (zh) * | 2015-12-01 | 2016-05-04 | 天津市电力科技发展公司 | 一种高压断路器触头状态诊断系统及方法 |
CN106019139A (zh) * | 2016-07-28 | 2016-10-12 | 山东泰开高压开关有限公司 | 一种灭弧室弧触头烧蚀程度测量装置及测量方法 |
CN106842013A (zh) * | 2017-02-10 | 2017-06-13 | 云南电网有限责任公司电力科学研究院 | 基于电磁波的断路器触头烧蚀程度的带电检测方法及装置 |
CN107067024A (zh) * | 2017-02-03 | 2017-08-18 | 国网江苏省电力公司电力科学研究院 | 高压断路器机械状态识别方法 |
CN107680835A (zh) * | 2017-10-13 | 2018-02-09 | 中国电力科学研究院 | 一种基于神经网络的断路器弧触头烧蚀状态评估方法 |
-
2018
- 2018-09-14 CN CN201811075041.1A patent/CN109061462A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6192317B1 (en) * | 1997-04-11 | 2001-02-20 | General Electric Company | Statistical pattern analysis methods of partial discharge measurements in high voltage insulation |
CN103323770A (zh) * | 2013-05-23 | 2013-09-25 | 国家电网公司 | 高压断路器机械特性检测与故障诊断装置 |
CN105467971A (zh) * | 2015-11-06 | 2016-04-06 | 国网山东省电力公司日照供电公司 | 一种电力二次设备监测系统及方法 |
CN105548867A (zh) * | 2015-12-01 | 2016-05-04 | 天津市电力科技发展公司 | 一种高压断路器触头状态诊断系统及方法 |
CN106019139A (zh) * | 2016-07-28 | 2016-10-12 | 山东泰开高压开关有限公司 | 一种灭弧室弧触头烧蚀程度测量装置及测量方法 |
CN107067024A (zh) * | 2017-02-03 | 2017-08-18 | 国网江苏省电力公司电力科学研究院 | 高压断路器机械状态识别方法 |
CN106842013A (zh) * | 2017-02-10 | 2017-06-13 | 云南电网有限责任公司电力科学研究院 | 基于电磁波的断路器触头烧蚀程度的带电检测方法及装置 |
CN107680835A (zh) * | 2017-10-13 | 2018-02-09 | 中国电力科学研究院 | 一种基于神经网络的断路器弧触头烧蚀状态评估方法 |
Non-Patent Citations (3)
Title |
---|
付超等: "基于支持向量机的高压断路器故障诊断方法的研究", 《河北工业大学学报》 * |
傅中等: "SF6断路器动态接触电阻测量方法及影响因素", 《高电压技术》 * |
梅飞等: "粒子群优化的KFCM及SVM诊断模型在", 《中国电机工程学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110568348A (zh) * | 2019-08-15 | 2019-12-13 | 浙江正泰电器股份有限公司 | 断路器电校验质量判定方法 |
CN111505490A (zh) * | 2020-03-23 | 2020-08-07 | 温州大学乐清工业研究院 | 基于卷积神经网络回归的交流接触器烧蚀情况评估方法 |
CN112084662A (zh) * | 2020-09-11 | 2020-12-15 | 西安高压电器研究院有限责任公司 | 一种断路器电寿命的检测方法和装置 |
CN112698194A (zh) * | 2020-12-10 | 2021-04-23 | 云南电网有限责任公司保山供电局 | 一种断路器操作机构状态综合评估方法及系统 |
CN113567844A (zh) * | 2021-06-11 | 2021-10-29 | 国网浙江省电力有限公司嘉兴供电公司 | 一种高压断路器状态诊断方法及真空灭弧室结构 |
CN113627672A (zh) * | 2021-08-11 | 2021-11-09 | 青岛理工大学 | 基于偏最小二乘估计的断路器动态接触电阻预测方法 |
CN113687222A (zh) * | 2021-08-24 | 2021-11-23 | 青岛理工大学 | 一种sf6断路器弧触头状态评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109061462A (zh) | 一种高压断路器触头烧蚀故障评估方法 | |
Qu et al. | Series arc fault detection of indoor power distribution system based on LVQ-NN and PSO-SVM | |
Arief et al. | Modeling of partial discharge mechanisms in solid dielectric material | |
US10281529B2 (en) | Apparatus for measuring cell internal resistance online and measurement method therefor | |
CN109271741A (zh) | 一种降压型dc-dc电源模块剩余使用寿命预测与健康评估方法 | |
CN102714101B (zh) | 用于确定接触元件的耗损的方法和装置 | |
CN1673767A (zh) | 真空断路器电寿命监测装置 | |
CN108226771A (zh) | 交流滤波器高压断路器分合闸时间在线监测方法 | |
CN101196506B (zh) | 一种测试电触头材料电侵蚀性的装置 | |
CN105842540A (zh) | 一种直流母线绝缘电阻检测方法 | |
CN105353302B (zh) | 开关设备燃弧时间的检测方法 | |
CN106443435A (zh) | 一种断路器分合闸动作模拟试验装置及试验方法 | |
CN109164382A (zh) | 一种高压断路器触头电侵蚀故障诊断方法 | |
JP4511162B2 (ja) | 燃料電池の評価装置 | |
CN1560645A (zh) | 基于模型参数识别的小电流接地选线方法 | |
CN206431254U (zh) | 一种断路器分合闸动作模拟试验装置 | |
CN103135057B (zh) | 一种电池自放电性能的快速测量方法 | |
CN110045273A (zh) | 一种sf6断路器触头烧蚀程度在线监测方法 | |
CN107664719B (zh) | 一种高压直流输电阻尼电容状态监测方法 | |
CN111007393A (zh) | 一种高压断路器回路电阻测试电路 | |
CN112083299A (zh) | 一种基于卡尔曼滤波的直流系统绝缘故障预测方法 | |
KR102429022B1 (ko) | 연료전지의 전압손실을 연산하는 방법 및 이를 수행하는 시스템 | |
CN1797014A (zh) | 避雷器阻性电流测试的检测方法 | |
CN114895180A (zh) | 一种直流断路器电寿命分析技术 | |
CN202057754U (zh) | 人机交互式熔断器寿命试验与评估系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181221 |
|
RJ01 | Rejection of invention patent application after publication |