CN109615160A - Cvt电压异常数据分析方法 - Google Patents
Cvt电压异常数据分析方法 Download PDFInfo
- Publication number
- CN109615160A CN109615160A CN201811227175.0A CN201811227175A CN109615160A CN 109615160 A CN109615160 A CN 109615160A CN 201811227175 A CN201811227175 A CN 201811227175A CN 109615160 A CN109615160 A CN 109615160A
- Authority
- CN
- China
- Prior art keywords
- data
- phase
- curve
- fault
- period
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000001052 transient effect Effects 0.000 claims description 9
- 238000009413 insulation Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 230000015556 catabolic process Effects 0.000 claims description 3
- 230000002427 irreversible effect Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000007689 inspection Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 abstract description 2
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000032258 transport Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000007619 statistical method 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Locating Faults (AREA)
Abstract
CVT电压异常数据分析方法，该方法应用于线路或母线设备电压电气量，该方法包括如下步骤：第一步、统计线路、母线电压互感器电压，并记入创建的数据库。第二步、对统计出数组做平均数列，第三步、求三相偏离度；第四步、求周期偏离度曲线；第五步、求变化率数组；第六步、查找故障数据，判别故障相；其实现电压数据环比、同比、趋势分析等智能研判功能，均为国网系统内首创。通过拓展设备监测参数、搭建多系统数据智能分析模型、多维展示分析诊断结果，提升设备故障预警研判能力。实现设备安全管控关口前移，为智能运检管控中心建设提供了强有力的技术支撑。
Description
技术领域：本发明属于一种CVT电压异常数据分析方法。
背景技术：随着电网规模的快速增长，运维信息获取方式传统、来源单一，电网设备运行状态感知水平低、运维人员配置不满足快速发展要求等问题成为电网运检工作中的主要痛点，目前尚无任何组织/机构针对电网实时数据进行统计分析研判工作。
发明内容：
发明目的：
本发明提出一种CVT电压异常数据分析方法，根据现场经验及研究发现电力运行数据之间存在一定的逻辑关系及关联关系，对这些数据进行横向对比、纵向分析，并通过计算机软件技术揭示数据间的逻辑关系，对各数据进行关联、统计、分析，可以更客观反应电力设备实际运行状况并对电力设备的一些潜在故障进行提前预警。
技术方案：
一种CVT电压异常数据分析方法，其特征在于：该方法应用于线路或母线设备电压电气量，该方法包括如下步骤：
第一步、统计线路、母线电压互感器电压，并记入创建的数据库。
数据以5分钟为周期采样的历史30天(可选择判定范围，1天、7天、30天)的数据；
第二步、对统计出数组做平均数列，其采用如下公式：
平均数列＝[实际值(a相)+实际值(b相)+实际值(c相)]/3；
如图1，平均数组逻辑图；
第三步、求三相偏离度(可做同类设备同步计算，2台设备6相间偏离度)
A相偏离＝实际值(a相)-平均数列；
B相偏离＝实际值(b相)-平均数列；
C相偏离＝实际值(c相)-平均数列；
如图2三相偏离逻辑图所示；
如图3典型电力数据故障案例1-三相偏离曲线图所示；
第四步、求周期偏离度曲线(可选不同周期30min/1h/1day，用于过滤数据曲线中单一的偏差度较大的不正确值扰动)
用三相偏离数组以6/12/288行数据为一组求平均值，得出新数组，本方法是应用于轻微故障查找，数据是缓慢的一个变化过程，所以需要采用不同的周期去划分数据。
如图4所示为周期偏离逻辑图；
如图5所示为典型电力数据故障案例1-周期偏离曲线图；
第五步、求变化率数组：研究过程中发现如果单一以周期偏离度数组进行数据判定会查找出三相平衡度非常高的设备发生单相电压值的轻微变化，此变化量化概念为132kV到132.35kV是0.27％以内的变化，为正常波动不计入我们故障判定区域。这个0.27％的经验系数是我们统计并分析辽宁省500kV28座变电站上百台设备几十万条数据记录得出的。
如图6所示，求变化率数组逻辑图；
如图7所示，典型电力数据故障案例1-三相变化率曲线图；
第六步、查找故障数据，判别故障相：如案例一所示，正常电压值在134.5-135.5范围内波动
在425-455点C相电压值波动到132左右值，此值并不满足保护动作条件，但在电力系统运行过程中这种轻微扰动会体现出设备有可能存在的匝间短路或高、中压电容组击穿，绝缘介质老损等问题，此类情况是目前技术水平和设备本身保护措施无法考虑、监测到的问题。
第六步用三相偏离周期数组进行连续判定：
首先用周期偏离数组的每个相邻两组数据进行变化率计算，用此变化率与0.4％去比较，大于0.4的则进入数据预判过程。
(这个0.4％的经验系数是我们统计并分析辽宁省500kV28座变电站上百台设备几十万条数据记录得出的。)
再根据不同策略，如连续12组(6小时内连续12组)或判定整体时间段的三分之一为判定依据划分数据异常情况(瞬时/连续故障-瞬时故障指的是由突发情况引起的可以瞬时恢复的故障。例如绝缘层发生瞬时的绝缘不好的情况，但是自身可以在下一个时刻恢复绝缘等级、数据采样瞬时异常情况、系统冲击等情况，不影响运行的故障；连续故障指的是设备发生不可逆的损坏，哪怕是轻微的匝间短路或高、中压电容组击穿，如果故障满足连续12组则为连续故障，反之为瞬时故障)
如图8为查找故障相逻辑1图；
如图9为查找故障相逻辑2图；
如图10为典型故障案例图；
如图11为电压值无故障数据时幅值、三相偏离度图；
电压值无故障数据时幅值、三相偏离度：如果电压数据曲线在正常情况下，我们使用统计的三相偏离度曲线(三相偏离度曲线是对计算出的三相偏离度数组进行描点，数据原始曲线、三相偏离曲线、周期三相偏离曲线、变化率曲线有相同的x轴纵向排列一起对比)，周期偏离曲线，变化率曲线的三相波动变化会以一种高度拟合的趋势发展。
我们使用本方法发现了25次数据异常情况，并指导检修工作13回，经检修/解体设备发现设备绝缘老损，匝间短路轻微放电等情况6次。
优点效果：实现电压数据环比、同比、趋势分析等智能研判功能，均为国网系统内首创。通过拓展设备监测参数、搭建多系统数据智能分析模型、多维展示分析诊断结果，提升设备故障预警研判能力。实现设备安全管控关口前移，为智能运检管控中心建设提供了强有力的技术支撑。
附图说明：
图1是平均数组逻辑图；
图2是三相偏离逻辑图；
图3典型电力数据故障案例1-三相偏离曲线图；
图4所示为周期偏离逻辑图；
图5所示为典型电力数据故障案例1-周期偏离曲线图；
图6所示求变化率数组逻辑图；
图7所示为典型电力数据故障案例1-三相变化率曲线图；
图8为查找故障相逻辑1图；
图9为查找故障相逻辑2图；
图10为另一真实故障案例图；
图11为电压值无故障数据时幅值、三相偏离度图；
图12为典型电力数据故障案例1-数据原始值曲线图；
图13为逻辑总框图。
具体实施方式：
一种CVT电压异常数据分析方法，其特征在于：该方法应用于线路或母线设备电压电气量，该方法包括如下步骤：
第一步、统计线路、母线的电压互感器电压，并记入创建的数据库；数据源为每5分钟采样周期的历史的数据；
第二步、对统计出数组做平均数列，其采用如下公式：
平均数列＝[实际值(a相)+实际值(b相)+实际值(c相)]/3；
第三步、求三相偏离度:
A相偏离＝实际值(a相)-平均数列；
B相偏离＝实际值(b相)-平均数列；
C相偏离＝实际值(c相)-平均数列；
第四步、求周期偏离度曲线；
用三相偏离数组以6/12/288行数据为一组求平均值，得出新数组；
第五步、求变化率数组；如果单一以周期偏离度数组进行数据判定会查找出三相平衡度非常高的设备发生单相电压值的轻微变化，此变化量化概念为132kV到132.35kV是百分之0.27以内的变化，为正常波动不计入我们故障判定区域。
第六步、查找故障数据，判别故障相：
在425-455点C相电压值波动到132左右值，(每个设备存在不同的波动区间，这里以220kV母线的相电压为例，根据数据查询得知此电压为130.5-131.5/131.5-132.5等，也就是说会在1kV以内波动，此值是经验值)此值并不满足保护动作条件，但在电力系统运行过程中这种轻微扰动会体现出设备有可能存在的匝间短路，绝缘介质老损等问题，此类情况是目前技术水平和设备本身保护措施无法考虑、监测到的问题。
第六步用三相偏离周期数组进行连续判定：
首先用周期偏离数组的每个相邻两组数据进行变化率计算，用此变化率与百分之0.4去比较，大于0.4的则进入数据预判过程。
再根据不同策略，如连续12组或判定整体时间段的三分之一为判定依据划分数据异常情况。
所述连续12组为6小时内连续12组。
故障为瞬时故障和连续故障；瞬时故障指的是由突发情况引起的可以瞬时恢复的故障，如果绝缘层发生瞬时的绝缘不好的情况，但是自身可以在下一个时刻恢复绝缘等级、数据采样瞬时异常情况、系统冲击等情况，不影响运行的故障。连续故障指的是设备发生不可逆的损坏，哪怕是轻微的匝间短路或高、中压电容组击穿。如果故障满足连续12组则为连续故障，反之为瞬时故障。
电压值无故障数据时幅值、三相偏离度：如果电压数据曲线在正常情况下，我们使用统计的三相偏离度曲线，周期偏离曲线，变化率曲线的三相波动变化会以一种高度拟合的趋势发展。
三相偏离度曲线是对计算出的三相偏离度数组进行描点；数据原始曲线、三相偏离曲线、周期三相偏离曲线、变化率曲线有相同的x轴纵向排列一起对比。
第一步中：数据源为每5分钟采样周期的历史1天、7天或30天的数据；
第四步中求周期偏离度曲线，选不同周期：30min、1h或1day，用于过滤数据曲线中单一的偏差度较大的不正确值扰动。
第四步中求周期偏离度曲线可选不同周期30min/1h/1day，用于过滤数据曲线中单一的偏差度较大的不正确值扰动。
本发明的一种CVT电压异常数据分析方法，其特征在于：该方法应用于线路或母线设备电压电气量，该方法包括如下步骤：
第一步、统计线路、母线电压互感器电压，并记入创建的数据库
数据以5分钟为周期采样的历史30天(可选择判定范围，1天、7天、30天)的数据；
第二步、对统计出数组做平均数列，其采用如下公式：
平均数列＝[实际值(a相)+实际值(b相)+实际值(c相)]/3；
举简单例子
| 实际值(a相) | 实际值(b相) | 实际值(c相) | 平均数列 |
| 132.1 | 132 | 132.2 | 132.1 |
| 132.2 | 132.1 | 132.3 | 132.2 |
| 132.3 | 132.4 | 132.5 | 132.4 |
第三步、求三相偏离度(可做同类设备同步计算，2台设备6相间偏离度)
A相偏离＝实际值(a相)-平均数列；
B相偏离＝实际值(b相)-平均数列；
C相偏离＝实际值(c相)-平均数列；
如图2三相偏离逻辑图所示；
如图3典型电力数据故障案例1-三相偏离曲线图所示；
第四步、求周期偏离度曲线(可选不同周期30min/1h/1day，用于过滤数据曲线中单一的偏差度较大的不正确值扰动)
用三相偏离数组以6/12/288行数据为一组求平均值，得出新数组，本方法是应用于轻微故障查找，数据是缓慢的一个变化过程，所以需要采用不同的周期去划分数据。
如图4所示为周期偏离逻辑图；
如图5所示为典型电力数据故障案例1-周期偏离曲线图；
第五步、求变化率数组：研究过程中发现如果单一以周期偏离度数组进行数据判定会查找出三相平衡度非常高的设备发生单相电压值的轻微变化，此变化量化概念为132kV到132.35kV是0.27％以内的变化，为正常波动不计入我们故障判定区域。这个0.27％的经验系数是我们统计并分析辽宁省500kV26座变电站上百台设备几十万条数据记录得出的。
如图6所示，求变化率数组逻辑图；
如图7所示，典型电力数据故障案例1-三相变化率曲线图；
第六步、查找故障数据，判别故障相：如案例一所示，正常电压值在134.5-135.5范围(每个设备存在不同的波动区间，这里以220kV母线的相电压为例，根据数据查询得知此电压为130.5-131.5/131.5-132.5等，也就是说会在1kV以内波动，此值是经验值)内波动，在425-455点C相电压值波动到132左右值，此值并不满足保护动作条件，但在电力系统运行过程中这种轻微扰动会体现出设备有可能存在的匝间短路，绝缘介质老损等问题，此类情况是目前技术水平，和设备本身保护措施无法考虑到、监测到的问题。
第六步用三相偏离周期数组进行连续判定：
首先用周期偏离数组的每个相邻两组数据进行变化率计算，用此变化率与0.4％去比较，大于0.4的则进入数据预判过程。(这个0.4％的经验系数是我们统计并分析辽宁省500kV28座变电站上百台设备几十万条数据记录得出的。)
再根据不同策略，如连续12组(6小时内连续12组)或判定整体时间段的三分之一为判定依据划分数据异常情况(瞬时/连续故障——瞬时故障指的是由突发情况引起的可以瞬时恢复的故障，例如绝缘层发生瞬时的绝缘不好的情况，但是自身可以在下一个时刻恢复绝缘等级，不影响运行的故障；连续故障指的是设备发生不可逆的损坏，哪怕是轻微的匝间短路，如果故障满足连续12组则为连续，反之为瞬时故障)
如图8为查找故障相逻辑1图；
如图9为查找故障相逻辑2图；
如图10为另一真实故障案例图；
如图11为电压值无故障数据时幅值、三相偏离度图；
电压值无故障数据时幅值、三相偏离度：如果电压数据曲线在正常情况下，我们使用统计的三相偏离度曲线(三相偏离度曲线是对计算出的三相偏离度数组进行描点，数据原始曲线、三相偏离曲线、周期三相偏离曲线、变化率曲线有相同的x轴纵向排列一起对比)，周期偏离曲线，变化率曲线的三相波动变化会以一种高度拟合的趋势发展。
我们使用本方法发现了25次数据异常情况，并指导检修工作13回，经检修/解体设备发现设备绝缘老损，匝间短路轻微放电等情况6次。
Claims (9)
1.一种CVT电压异常数据分析方法，其特征在于：该方法应用于线路或母线设备电压电气量，该方法包括如下步骤：
第一步、统计线路、母线的电压互感器电压，并记入创建的数据库；数据源为每5分钟采样周期的历史的数据；
第二步、对统计出数组做平均数列，其采用如下公式：
平均数列＝[实际值(a相)+实际值(b相)+实际值(c相)]/3；
第三步、求三相偏离度:
A相偏离＝实际值(a相)-平均数列；
B相偏离＝实际值(b相)-平均数列；
C相偏离＝实际值(c相)-平均数列；
第四步、求周期偏离度曲线；
用三相偏离数组以6/12/288行数据为一组求平均值，得出新数组；
第五步、求变化率数组；如果单一以周期偏离度数组进行数据判定会查找出三相平衡度非常高的设备发生单相电压值的轻微变化，此变化量化概念为132kV到132.35kV是百分之0.27以内的变化，为正常波动不计入我们故障判定区域。
第六步、查找故障数据，判别故障相：
在425-455点C相电压值波动到132左右值，此值并不满足保护动作条件，但在电力系统运行过程中这种轻微扰动会体现出设备有可能存在的匝间短路，绝缘介质老损等问题，此类情况是目前技术水平和设备本身保护措施无法考虑、监测到的问题。
2.根据权利要求1所述的CVT电压异常数据分析方法，其特征在于：第六步用三相偏离周期数组进行连续判定：
首先用周期偏离数组的每个相邻两组数据进行变化率计算，用此变化率与百分之0.4去比较，大于0.4的则进入数据预判过程。
再根据不同策略，如连续12组或判定整体时间段的三分之一为判定依据划分数据异常情况。
3.根据权利要求2所述的CVT电压异常数据分析方法，其特征在于：所述连续12组为6小时内连续12组。
4.根据权利要求2所述的CVT电压异常数据分析方法，其特征在于：故障为瞬时故障和连续故障；瞬时故障指的是由突发情况引起的可以瞬时恢复的故障，如果绝缘层发生瞬时的绝缘不好的情况，但是自身可以在下一个时刻恢复绝缘等级、数据采样瞬时异常情况、系统冲击等情况，不影响运行的故障。连续故障指的是设备发生不可逆的损坏，哪怕是轻微的匝间短路或高、中压电容组击穿。如果故障满足连续12组则为连续故障，反之为瞬时故障。
5.根据权利要求1所述的CVT电压异常数据分析方法，其特征在于：电压值无故障数据时幅值、三相偏离度：如果电压数据曲线在正常情况下，我们使用统计的三相偏离度曲线，周期偏离曲线，变化率曲线的三相波动变化会以一种高度拟合的趋势发展。
6.根据权利要求5所述的CVT电压异常数据分析方法，其特征在于：三相偏离度曲线是对计算出的三相偏离度数组进行描点；数据原始曲线、三相偏离曲线、周期三相偏离曲线、变化率曲线有相同的x轴纵向排列一起对比。
7.根据权利要求1所述的CVT电压异常数据分析方法，其特征在于：第一步中：数据源为每5分钟采样周期的历史1天、7天或30天的数据。
8.根据权利要求1所述的CVT电压异常数据分析方法，其特征在于：第四步中求周期偏离度曲线，选不同周期：30min、1h或1day，用于过滤数据曲线中单一的偏差度较大的不正确值扰动。
9.根据权利要求1所述的CVT电压异常数据分析方法，其特征在于：第四步中求周期偏离度曲线可选不同周期30min/1h/1day，用于过滤数据曲线中单一的偏差度较大的不正确值扰动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811227175.0A CN109615160A (zh) | 2018-10-22 | 2018-10-22 | Cvt电压异常数据分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811227175.0A CN109615160A (zh) | 2018-10-22 | 2018-10-22 | Cvt电压异常数据分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109615160A true CN109615160A (zh) | 2019-04-12 |
Family
ID=66002880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811227175.0A Pending CN109615160A (zh) | 2018-10-22 | 2018-10-22 | Cvt电压异常数据分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109615160A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110895322A (zh) * | 2019-10-31 | 2020-03-20 | 中国大唐集团科学技术研究院有限公司火力发电技术研究院 | 一种固体绝缘电压互感器匝间短路诊断方法 |
| CN111044100A (zh) * | 2019-12-28 | 2020-04-21 | 国网山东省电力公司菏泽市定陶区供电公司 | 一种用于电力计量的传感器装置及控制方法 |
| CN111898656A (zh) * | 2020-07-14 | 2020-11-06 | 许继集团有限公司 | 一种量测平衡检测的异常数据辨识方法 |
| CN116186017A (zh) * | 2023-04-25 | 2023-05-30 | 蓝色火焰科技成都有限公司 | 一种大数据协同监管方法及平台 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077485A (zh) * | 2013-02-20 | 2013-05-01 | 华东电网有限公司 | 基于电网历史信息统计分析的多维度电压偏离度指标方法 |
| CN104242453A (zh) * | 2014-09-23 | 2014-12-24 | 北京科东电力控制系统有限责任公司 | 一种用于主电网母线的电压告警方法 |
| CN105629136A (zh) * | 2015-12-28 | 2016-06-01 | 国网甘肃省电力公司金昌供电公司 | 电缆绝缘状态在线自动监测与诊断系统 |
| CN109193615A (zh) * | 2018-07-17 | 2019-01-11 | 吴怀诚 | 电力数据分析方法 |
-
2018
- 2018-10-22 CN CN201811227175.0A patent/CN109615160A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077485A (zh) * | 2013-02-20 | 2013-05-01 | 华东电网有限公司 | 基于电网历史信息统计分析的多维度电压偏离度指标方法 |
| CN104242453A (zh) * | 2014-09-23 | 2014-12-24 | 北京科东电力控制系统有限责任公司 | 一种用于主电网母线的电压告警方法 |
| CN105629136A (zh) * | 2015-12-28 | 2016-06-01 | 国网甘肃省电力公司金昌供电公司 | 电缆绝缘状态在线自动监测与诊断系统 |
| CN109193615A (zh) * | 2018-07-17 | 2019-01-11 | 吴怀诚 | 电力数据分析方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110895322A (zh) * | 2019-10-31 | 2020-03-20 | 中国大唐集团科学技术研究院有限公司火力发电技术研究院 | 一种固体绝缘电压互感器匝间短路诊断方法 |
| CN111044100A (zh) * | 2019-12-28 | 2020-04-21 | 国网山东省电力公司菏泽市定陶区供电公司 | 一种用于电力计量的传感器装置及控制方法 |
| CN111898656A (zh) * | 2020-07-14 | 2020-11-06 | 许继集团有限公司 | 一种量测平衡检测的异常数据辨识方法 |
| CN111898656B (zh) * | 2020-07-14 | 2023-10-24 | 许继集团有限公司 | 一种量测平衡检测的异常数据辨识方法 |
| CN116186017A (zh) * | 2023-04-25 | 2023-05-30 | 蓝色火焰科技成都有限公司 | 一种大数据协同监管方法及平台 |
| CN116186017B (zh) * | 2023-04-25 | 2023-07-28 | 蓝色火焰科技成都有限公司 | 一种大数据协同监管方法及平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109615160A (zh) | Cvt电压异常数据分析方法 | |
| CN109193615A (zh) | 电力数据分析方法 | |
| CN106372735B (zh) | 一种继电保护状态评估方法 | |
| CN107843718B (zh) | 一种变压器绝缘油老化状态评估的方法 | |
| CN107831415B (zh) | 一种变压器绝缘纸老化状态评估的区间值模糊集方法 | |
| CN112561736A (zh) | 智能变电站继电器保护装置故障诊断系统和方法 | |
| CN111273196A (zh) | 一种应用于核电大型电力变压器的健康管理系统及方法 | |
| CN110647093B (zh) | 一种基于大数据分析的电力系统智能监控系统及监控方法 | |
| CN103729804A (zh) | 一种应对电能质量预警的在线决策支持方法 | |
| CN112861350A (zh) | 一种水冷式汽轮发电机定子绕组温度过热缺陷预警方法 | |
| CN113268590A (zh) | 一种基于设备画像和集成学习的电网设备运行状态评估方法 | |
| JP7273251B2 (ja) | 分布図を通じた機器の予知保全方法 | |
| CN112345865A (zh) | 一种电力电容器运行状态在线评估预警装置及方法 | |
| CN116805068A (zh) | 一种基于大数据的故障监测预警系统及方法 | |
| CN103675518A (zh) | 油浸式高压设备检修方法及装置 | |
| CN117150418A (zh) | 基于状态特征故障树的变压器运检周期制定方法和系统 | |
| WO2022074400A1 (en) | High-resolution electrical measurement data processing | |
| CN112001073A (zh) | 一种牵引供电系统的可靠性分析研究方法 | |
| CN105182228A (zh) | 断路器在线运行能力简易评价方法 | |
| CN111628574A (zh) | 一种基于距离相关系数的电网电压量测异常识别方法 | |
| Quiroga et al. | Sequence pattern discovery of events caused by ground fault trips in power distribution systems | |
| Sha et al. | Assessment of Oil Chromatography Sensor Failure for Transformer Based on Multi-dimensional Data-driven | |
| Jiafeng et al. | Research and Application of State Identification Technology for Live Operation of Distribution Lines | |
| Zhang et al. | Fault detection method and application of electric energy metering device based on customer profile data portrait | |
| Zhang et al. | The assess method of validity for DGA sensor based on multiple criterion |
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: 20190412 |
|
| RJ01 | Rejection of invention patent application after publication |