CN109374270A - 一种gis异常振动分析及机械故障诊断装置及方法 - Google Patents
一种gis异常振动分析及机械故障诊断装置及方法 Download PDFInfo
- Publication number
- CN109374270A CN109374270A CN201811091350.8A CN201811091350A CN109374270A CN 109374270 A CN109374270 A CN 109374270A CN 201811091350 A CN201811091350 A CN 201811091350A CN 109374270 A CN109374270 A CN 109374270A
- Authority
- CN
- China
- Prior art keywords
- gis
- abnormal vibrations
- analysis
- signal
- fault diagnosis
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 36
- 238000004458 analytical method Methods 0.000 title claims abstract description 32
- 238000003745 diagnosis Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 14
- 230000001133 acceleration Effects 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 6
- 238000002405 diagnostic procedure Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000005484 gravity Effects 0.000 claims description 2
- 238000010338 mechanical breakdown Methods 0.000 claims 1
- 238000004088 simulation Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000007774 longterm Effects 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 10
- 238000011160 research Methods 0.000 description 5
- 238000007599 discharging Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000010358 mechanical oscillation Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
- G01H11/06—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means
- G01H11/08—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means using piezoelectric devices
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开一种GIS异常振动分析与故障诊断装置及方法。该装置包括：压电加速度传感器、本地数据异常振动分析和故障诊断服务器、通信网络、远程预警监控终端，本地数据异常振动分析和故障诊断服务器包括数据采集卡和工控机。压电加速度传感器经耦合剂附着在GIS外壳表面，将被测的振动物理量转换为电信号。由于GIS设备工作现场一般工况复杂，为了实现多GIS设备的长期在线无人值守异常振动监测及故障预警，技术或管理人员可通过远程预警监控终端接收振动数据和故障信息。
Description
技术领域
本发明涉及测控技术领域，特别是涉及一种GIS异常振动分析与故障诊断装置及方法。
背景技术
近年来，GIS(Gas Insulated Switchgear，气体绝缘开关设备)设备在电力系统中的应用越来越广泛。虽然GIS具有体积小，安全可靠性高等诸多优点，但由于其采用全封闭结构，一旦故障发生，很难迅速准确的排除相应故障，因而GIS设备振动故障的发生会给电网造成巨大的危害。因此分析GIS内部机械特性以及外壳振动信号的特性，有助于GIS机械故障检测与诊断的研究，也可以为放电性故障做参考，为变电站GIS设备的状态检修提供依据，提高GIS设备运行的安全稳定性。
从上世纪60年代GIS问世以来，国内外对于GIS设备故障的分析研究重点都是围绕局部放电故障，目前对GIS设备放电性故障的研究已经相对成熟，并且形成了较为成熟的检测评估体系和方法，比如交接阶段的交流耐压、冲击耐压、各类局部放电带电检测。国外关于GIS机械振动故障的研究则起源于上世纪90年代，国外有研究者通过检测GIS的振动信号进行其触头接触不良缺陷的检测，采用放置在触头外壳附近的振动加速度信号传感器进行振动信号的采集，研究了电流大小、电压高低对振动信号时域及频域波形的影响，在金属壳体上测量振动来进行触头异常情况的检测。
中国电科院上世纪80年代通过研究GIS外壳典型振动信号的频率特性来检测内部潜伏性故障，研究了GIS内自由导电粒子在电场中运动所引起的振动、固定杂质引起的局部放电导致的振动等。清华大学上世纪90年代初研究了GIS的壳体振动现象及其检测，其主要研究的也是放电性故障所产生的振动信号，其传感器接近超声级别，本质上来说是超声波检测。虽然国内学者提出了GIS内部故障引起外壳振动相关理论，但是都没有相关监测系统成功应用的成果展示。与发达国家先比，国内目前的GIS故障检测与诊断技术仍处于滞后阶段，对其在变电站GIS上的应用也并未达到普及状态，大部分对设备振动的监测以及发生故障时对设备的实时检测都停留在最原始的定期检测状态。
发明内容
本发明的目的是提供一种GIS异常振动分析与故障诊断装置及方法，实现振动信号的采集、分析处理以及故障诊断。
为实现上述目的，本发明提供了如下方案：
一种GIS异常振动信号检测装置，所述装置包括：压电加速度传感器、本地数据异常振动分析和故障诊断服务器、通信网络、远程预警监控终端；所述本地数据异常振动分析和故障诊断服务器包括数据采集板和工控机。
所述压电加速度传感器附着于GIS外壳表面，用于采集GIS的振动信号，所述压电加速度传感器的输出端连接所述数据采集卡的输入端。
所述数据采集卡插接于工控机的PCIe插槽。
所述工控机实现振动数据的存储、分析与故障诊断。
所述通信网络可将振动数据或故障信息发送至远程预警监控终端。
所述远程预警监控终端实时显示通信网络传输的振动数据或故障信息，为技术或管理人员提供相关的决策信息。
一种异常振动分析及机械故障诊断方法，所述方法包括：振动信号VMD(Variational Mode Decomposition，VMD)分解模块、振动信号特征向量构造模块、故障诊断模式识别模型。
所述振动信号VMD分解模块将数据采集卡采集到的振动信号x(t)经VMD分解后得到从高频到低频依次排列的K个模态分量u1，u2，…，uK。
所述振动信号特征向量构造模块用于构造GIS振动信号x(t)的特征向量。构造的特征向量包括振动信号x(t)的均方根值和VMD能量熵。VMD能量熵通过VMD的K个模态分量u1，u2，…，uK对应的能量值E1，E2，…，EK计算得到。
所述的故障诊断模式识别模型采用人工智能训练算法(深度神经网络)进行训练。训练故障诊断模式识别模型的训练样本集和测试集由振动信号特征向量组成。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
压电加速度传感器经耦合剂附着在GIS外壳表面，将被测的振动物理量转换为电信号。本地数据异常振动分析和故障诊断服务器中的数据采集卡将模拟电信号经AD(模数)采样转换为数字信号送入工控机。在工控机端采用异常振动分析及机械故障诊断方法识别异常振动，即首先对振动信号进行VMD分解得到各个模态分量，然后构造振动信号的特征向量：均方根值和VMD能量熵，最后故障诊断模式识别模型根据振动信号的特征向量识别故障种类。同时，在工控机端也可实现振动数据的存储、分类，并可将异常振动信息经通讯网络发送至远程预警监控终端。由于GIS设备工作现场一般工况复杂，为了实现多GIS设备的长期无人值守异常振动监测及故障预警，技术或管理人员可通过远程预警监控终端接收振动数据和故障信息。
远程监控终端可根据需要选择计算机服务器或个人手持设备，通信网络可根据具体环境选择有线网络(如光纤以太网)或无线网络(4G、WIFI等)。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明GIS异常振动分析与故障诊断装置的结构图。
图2为本发明异常振动分析及机械故障诊断方法的流程图。
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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明GIS异常振动分析与故障诊断装置的结构图。如图1所示，所述装置包括：压电加速度传感器101、本地数据异常振动分析和故障诊断服务器102、通信网络103、远程预警监控终端104，所述本地数据异常振动分析和故障诊断服务器包括数据采集卡S21和工控机S22。
所述压电加速度传感器101经耦合剂附着在GIS外壳表面，将被测的振动物理量转换为模拟电信号，所述压电加速度传感器101的输出端连接数据采集卡S21的信号输入端。
所述数据采集卡S21具有多个信号输入端，可同时连接N(N≥2)个所述压电加速度传感器101，所述数据采集卡S21通过PCIe插槽与所述工控机S22连接。
所述工控机S22执行异常振动分析及机械故障诊断程序，实现对振动数据的异常分析并诊断故障种类。同时，工控机S22也可存储振动数据、并通过所述通信网络103与远程预警监控终端104进行通信。
所述通信网络103负责所述工控机S22与远程预警监控终端104之间通信时的数据传输。可根据具体GIS设备的应用环境，选择有线通信网络(如光纤以太网)或无线网络(4G、WIFI等)。
所述远程预警监控终端104可根据具体应用需要选择计算机服务器或个人手持设备，可实现对远端GIS设备运行状况的查询或故障报警。
本发明所提供的实施例可同时拥有M(M≥2)个本地数据异常振动分析和故障诊断服务器102和多个压电加速度传感器101，并通过通信网络103实现对多个远端GIS设备的在线无人值守异常振动监测及故障预警。
图2为本发明异常振动分析及机械故障诊断方法的流程图。异常振动分析及机械故障诊断方法采用图1所示的GIS异常振动分析与故障诊断装置，具体装置的作用上述已经提及，此处不再赘述。如图2所示，所述方法包括：
步骤201：振动信号x(t)的VMD分解。VMD分解是一种新的非递归信号分解方法，其将模态的估计转变为变分问题，通过在频率内不断搜索约束变分模型的最优解实现将信号自适应分解为各模态及其中心频率，最后各模态经傅立叶逆变换到时域。首先将每个模态重新定义为调频-调幅信号，如式(1)所示：
uk(t)＝Ak(t)cos(φk(t)) (1)
其中，Ak(t)是uk(t)的瞬时幅值，ωk(t)是uk(t)的瞬时频率。假设每个模态分量uk(t)具有中心频率和有限带宽，约束条件为各模态之和等于输入信号x(t)，且每个模态分量的估计带宽之和最小，则对应的约束变分模型描述为如式(2)所示：
式中uk＝{u1,…,uK}代表分解得到的K个有限带宽模态分量，ωk＝{ω1,…,ωK}表示各模态分量的中心频率。为求取式(2)的最优解，引入扩展的Lagrange函数，将约束性变分问题变换为非约束性变分问题，其表达式如(3)所示。
式中，α为二次惩罚因子，用于保证信号的重构精度，λ为Lagrange乘子，使得约束条件保持严格性。
利用交替方向乘子算法求取上述Lagrange函数的鞍点，即约束变分模型的最优解，模态分量uk及中心频率ωk分别为：
式(5)中，ω＝ω-ωk。
步骤202：构造振动信号特征向量。当GIS机械状态出现变化时，对应的振动信号各频段内所含的信息一定会产生变化，即分解所得的各个模态分量uk将发生变化，并且故障信号的能量分布也会出现部分改变。构造的振动信号特征向量为VMD能量熵和振动信号的均方根值。
VMD能量熵定义为：
式中，HE是VMD能量熵，Pk表示第k个模态分量uk的能量在总能量中的比重。Ek为各分量的能量，E为K个分量的能量之和，Ek＝∑uk(t)2。
振动信号的均方根值xrms表示如下所示：
步骤203：故障诊断模式识别。在该步骤中采用人工智能训练算法(深度神经网络)训练故障诊断模式识别模型。训练故障诊断模式识别模块的训练样本集和测试集由振动信号特征向量组成。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (3)
1.一种GIS异常振动分析与故障诊断装置，其特征在于，所述装置包括：压电加速度传感器、本地数据异常振动分析和故障诊断服务器、通信网络、远程预警监控终端，本地数据异常振动分析和故障诊断服务器包括数据采集卡和工控机；
所述压电加速度传感器经耦合剂附着在GIS外壳表面，将被测的振动物理量转换为模拟电信号，所述压电加速度传感器的输出端连接数据采集卡的信号输入端；
所述数据采集卡插接于所述工控机PCIe插槽，并将所述压电加速度传感器输出的模拟电信号经AD采样转换为数字信号送入所述工控机；
所述工控机执行异常振动分析及机械故障诊断程序，实现对振动数据的异常分析并诊断故障种类；同时，工控机也可存储振动数据、并通过所述通信网络与远程预警监控终端进行通信；
所述通信网络负责所述工控机与远程预警监控终端之间通信时的数据传输；可根据具体GIS设备的应用环境，选择有线通信网络或无线网络；
所述远程预警监控终端可根据具体应用需要选择计算机服务器或个人手持设备，可实现对远端GIS设备运行状况的查询或故障报警。
2.一种异常振动分析及机械故障诊断方法，其特征在于：异常振动分析及机械故障诊断方法采用权利要求1所述的GIS异常振动分析与故障诊断装置；首先，利用VMD方法对振动信号进行分解，得到各个模态分量；其次，构造振动信号的特征向量，即VMD能量熵和振动信号的均方根值，VMD能量熵可由VMD分解的各个模态分量能量值计算得到；最后采用人工智能训练算法(深度神经网络)训练故障诊断模式识别模型；训练故障诊断模式识别模块的训练样本集和测试集由振动信号特征向量组成。
3.根据权利要求2所述的一种异常振动分析及机械故障诊断方法，其特征在于：所述方法包括：
步骤201：振动信号x(t)的VMD分解；VMD分解是一种新的非递归信号分解方法，其将模态的估计转变为变分问题，通过在频率内不断搜索约束变分模型的最优解实现将信号自适应分解为各模态及其中心频率，最后各模态经傅立叶逆变换到时域；首先将每个模态重新定义为调频-调幅信号，如式(1)所示：
uk(t)＝Ak(t)cos(φk(t)) (1)
其中，Ak(t)是uk(t)的瞬时幅值，ωk(t)是uk(t)的瞬时频率；假设每个模态分量uk(t)具有中心频率和有限带宽，约束条件为各模态之和等于输入信号x(t)，且每个模态分量的估计带宽之和最小，则对应的约束变分模型描述为如式(2)所示：
式中uk＝{u1,…,uK}代表分解得到的K个有限带宽模态分量，ωk＝{ω1,…,ωK}表示各模态分量的中心频率；为求取式(2)的最优解，引入扩展的Lagrange函数，将约束性变分问题变换为非约束性变分问题，其表达式如(3)所示；
式中，α为二次惩罚因子，用于保证信号的重构精度，λ为Lagrange乘子，使得约束条件保持严格性；
利用交替方向乘子算法求取上述Lagrange函数的鞍点，即约束变分模型的最优解，模态分量uk及中心频率ωk分别为：
式(5)中，ω＝ω-ωk；
步骤202：构造振动信号特征向量；当GIS机械状态出现变化时，对应的振动信号各频段内所含的信息一定会产生变化，即分解所得的各个模态分量uk将发生变化，并且故障信号的能量分布也会出现部分改变；构造的振动信号特征向量为VMD能量熵和振动信号的均方根值；
VMD能量熵定义为：
式中，HE是VMD能量熵，Pk表示第k个模态分量uk的能量在总能量中的比重；Ek为各分量的能量，E为K个分量的能量之和，Ek＝∑uk(t)2；
振动信号的均方根值xrms表示如下所示：
步骤203：故障诊断模式识别；在该步骤中采用人工智能训练算法(深度神经网络)训练故障诊断模式识别模型；训练故障诊断模式识别模块的训练样本集和测试集由振动信号特征向量组成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811091350.8A CN109374270A (zh) | 2018-09-19 | 2018-09-19 | 一种gis异常振动分析及机械故障诊断装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811091350.8A CN109374270A (zh) | 2018-09-19 | 2018-09-19 | 一种gis异常振动分析及机械故障诊断装置及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109374270A true CN109374270A (zh) | 2019-02-22 |
Family
ID=65405584
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811091350.8A Pending CN109374270A (zh) | 2018-09-19 | 2018-09-19 | 一种gis异常振动分析及机械故障诊断装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109374270A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109839263A (zh) * | 2019-02-26 | 2019-06-04 | 北京航空航天大学 | 一种基于振动信息的gis特征提取及机械缺陷诊断方法 |
| CN110082082A (zh) * | 2019-04-28 | 2019-08-02 | 国网四川省电力公司南充供电公司 | 一种基于振动信号主成分分析法的gis状态识别方法 |
| CN110780144A (zh) * | 2019-11-20 | 2020-02-11 | 四川赛康智能科技股份有限公司 | 一种用于电力主设备声纹及振动联合在线监测装置 |
| CN110824312A (zh) * | 2019-11-22 | 2020-02-21 | 重庆大学 | 一种gis设备缺陷模拟分析设备及方法 |
| 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 |
| CN111504385A (zh) * | 2020-05-13 | 2020-08-07 | 兰州工业学院 | 一种适用于机械设备异常状态多参数监测装置及方法 |
| CN112418407A (zh) * | 2020-12-10 | 2021-02-26 | 清研灵智信息咨询(北京)有限公司 | 一种基于神经网络的实时数据预警分析方法 |
| CN112710972A (zh) * | 2020-12-18 | 2021-04-27 | 云南电网有限责任公司丽江供电局 | Gis触头接触不良故障诊断方法、装置、系统及存储介质 |
| CN112816838A (zh) * | 2021-01-06 | 2021-05-18 | 国网重庆市电力公司电力科学研究院 | 基于fft、vmd和ls-svm的gis设备缺陷诊断装置及方法 |
| CN112904188A (zh) * | 2019-11-19 | 2021-06-04 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 基于声发射分析技术的gis设备异响振动缺陷识别方法 |
| CN113110386A (zh) * | 2021-04-19 | 2021-07-13 | 重庆大学 | Gis/gil设备机械振动状态在线监测及机械故障云诊断系统 |
| CN113191437A (zh) * | 2021-05-07 | 2021-07-30 | 国网山西省电力公司电力科学研究院 | 一种基于振动信号复合特征向量的变压器机械故障检测方法 |
| CN113280909A (zh) * | 2021-04-08 | 2021-08-20 | 上海大学 | 一种基于振动信号分析的选煤厂振动筛智能检测系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105928609A (zh) * | 2016-05-25 | 2016-09-07 | 国网宁夏电力公司固原供电公司 | Gis设备振动信号检测仪 |
| CN106226689A (zh) * | 2016-07-28 | 2016-12-14 | 国网江苏省电力公司常州供电公司 | Gis设备隔离开关异常振动在线监测系统 |
| CN107742922A (zh) * | 2017-09-15 | 2018-02-27 | 江苏京电电气股份有限公司 | 一种具有远程自诊断功能的gis系统和方法 |
-
2018
- 2018-09-19 CN CN201811091350.8A patent/CN109374270A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105928609A (zh) * | 2016-05-25 | 2016-09-07 | 国网宁夏电力公司固原供电公司 | Gis设备振动信号检测仪 |
| CN106226689A (zh) * | 2016-07-28 | 2016-12-14 | 国网江苏省电力公司常州供电公司 | Gis设备隔离开关异常振动在线监测系统 |
| CN107742922A (zh) * | 2017-09-15 | 2018-02-27 | 江苏京电电气股份有限公司 | 一种具有远程自诊断功能的gis系统和方法 |
Non-Patent Citations (2)
| Title |
|---|
| 侯焰: "基于异常振动分析的GIS机械故障诊断技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
| 张杏莉 等: "基于变分模态分解及能量熵的微震信号降噪方法", 《煤炭学报》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109839263A (zh) * | 2019-02-26 | 2019-06-04 | 北京航空航天大学 | 一种基于振动信息的gis特征提取及机械缺陷诊断方法 |
| CN110082082B (zh) * | 2019-04-28 | 2020-11-17 | 国网四川省电力公司南充供电公司 | 一种基于振动信号主成分分析法的gis状态识别方法 |
| CN110082082A (zh) * | 2019-04-28 | 2019-08-02 | 国网四川省电力公司南充供电公司 | 一种基于振动信号主成分分析法的gis状态识别方法 |
| 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 |
| 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 |
| CN112904188A (zh) * | 2019-11-19 | 2021-06-04 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 基于声发射分析技术的gis设备异响振动缺陷识别方法 |
| CN110780144A (zh) * | 2019-11-20 | 2020-02-11 | 四川赛康智能科技股份有限公司 | 一种用于电力主设备声纹及振动联合在线监测装置 |
| CN110824312A (zh) * | 2019-11-22 | 2020-02-21 | 重庆大学 | 一种gis设备缺陷模拟分析设备及方法 |
| CN111504385A (zh) * | 2020-05-13 | 2020-08-07 | 兰州工业学院 | 一种适用于机械设备异常状态多参数监测装置及方法 |
| CN111504385B (zh) * | 2020-05-13 | 2022-04-29 | 兰州工业学院 | 一种适用于机械设备异常状态多参数监测装置及方法 |
| CN112418407A (zh) * | 2020-12-10 | 2021-02-26 | 清研灵智信息咨询(北京)有限公司 | 一种基于神经网络的实时数据预警分析方法 |
| CN112710972A (zh) * | 2020-12-18 | 2021-04-27 | 云南电网有限责任公司丽江供电局 | Gis触头接触不良故障诊断方法、装置、系统及存储介质 |
| CN112816838A (zh) * | 2021-01-06 | 2021-05-18 | 国网重庆市电力公司电力科学研究院 | 基于fft、vmd和ls-svm的gis设备缺陷诊断装置及方法 |
| CN113280909A (zh) * | 2021-04-08 | 2021-08-20 | 上海大学 | 一种基于振动信号分析的选煤厂振动筛智能检测系统及方法 |
| CN113110386A (zh) * | 2021-04-19 | 2021-07-13 | 重庆大学 | Gis/gil设备机械振动状态在线监测及机械故障云诊断系统 |
| CN113191437A (zh) * | 2021-05-07 | 2021-07-30 | 国网山西省电力公司电力科学研究院 | 一种基于振动信号复合特征向量的变压器机械故障检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109374270A (zh) | 一种gis异常振动分析及机械故障诊断装置及方法 | |
| Li et al. | Condition monitoring and diagnosis of power equipment: review and prospective | |
| CN102103183B (zh) | 用于现场冲击电压下局部放电测量装置及其信号处理方法 | |
| US20150120218A1 (en) | Novel method for real time tests and diagnosis of partial discharge sources in high voltage equipment and installations, which are in service or out of service, and physical system for the practical use of the method | |
| CN104237727B (zh) | 一种变压器近区短路信号监测装置及短路录波分析方法 | |
| CN104655967B (zh) | 配电变压器绕组振动信号特征量提取方法 | |
| CN110647924B (zh) | 一种基于支持向量描述与k近邻算法的gis设备状态评估方法 | |
| CN107942210A (zh) | 变压器脉冲电流局部放电波形的分类和去噪方法及系统 | |
| CN108872852A (zh) | 一种风力发电机故障诊断系统及方法 | |
| CN105891684A (zh) | 一种气体绝缘组合电器绝缘状态评估指标体系构建方法 | |
| CN104931793A (zh) | 一种变电站接地网接地阻抗获取方法 | |
| CN103926494B (zh) | 一种干扰源的确定方法及装置 | |
| CN205539204U (zh) | 一种变频接地阻抗测量仪 | |
| CN208076016U (zh) | 一种基于振动信号支持向量机的gil故障在线监测系统 | |
| CN105203937A (zh) | 一种变压器内部放电模式识别方法及故障诊断系统 | |
| CN117420393A (zh) | 开关柜局部放电缺陷识别方法、系统、设备及存储介质 | |
| CN105629144B (zh) | 基于指纹库的高压开关设备局部放电诊断方法及系统 | |
| Chen et al. | Improved Interpretation of Impulse Frequency Response Analysis for Synchronous Machine Using Life long Learning Based on iCaRL | |
| Sun et al. | Jointed task of multi-scale CNN based power transformer fault diagnosis with vibration and sound signals | |
| Ramos et al. | Application of extended participation factors to detect voltage fluctuations in distributed generation systems | |
| Renforth et al. | Experiences from over 15 years of on-line partial discharge (OLPD) testing of in-service MV and HV cables, switchgear, transformers and rotating machines | |
| CN105182116B (zh) | 一种基于加权梯度结构相似度的变压器绕组工作状态检测方法 | |
| Oki et al. | Development of partial discharge monitoring technique using a neural network in a gas insulated substation | |
| Saponara et al. | A network of vibration measuring nodes with integrated signal processing for predictive maintenance of high power transformers | |
| Yang et al. | Detection method of turn to turn insulation short circuit fault of dry-type air-core reactor using vibration characteristics based on machine learning |
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: 20190222 |
|
| RJ01 | Rejection of invention patent application after publication |