CN109839263B - 一种基于振动信息的gis特征提取及机械缺陷诊断方法 - Google Patents
一种基于振动信息的gis特征提取及机械缺陷诊断方法 Download PDFInfo
- Publication number
- CN109839263B CN109839263B CN201910139550.4A CN201910139550A CN109839263B CN 109839263 B CN109839263 B CN 109839263B CN 201910139550 A CN201910139550 A CN 201910139550A CN 109839263 B CN109839263 B CN 109839263B
- Authority
- CN
- China
- Prior art keywords
- frequency
- vibration
- amplitude
- gis
- mechanical defects
- 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.)
- Active
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于振动信息的GIS特征提取及机械缺陷诊断方法,属于GIS机械缺陷诊断技术领域。所述方法首先采集多类GIS典型机械缺陷的振动数据样本;然后,对数据样本进行傅里叶变换,利用两两样本间相干性系数标定潜在共性特征频率点;接着统计并定义明确共性特征频率点,构建典型机械缺陷的幅‑频特征图谱;最后,根据GIS测试样本在各类典型缺陷特征图中频率点幅值的分散情况,诊断GIS机械缺陷,完成故障诊断过程。本发明有效地挖掘了数据的本质特征,进一步增加了强相关频点的普适性,消除异常样本对特征频率提取的影响,有效地提高了数据的抗噪能力,增加了机械缺陷诊断的鲁棒性。
Description
技术领域
本发明涉及GIS机械缺陷诊断技术领域,具体涉及一种基于振动信息的GIS特征提取及机械缺陷诊断方法。
背景技术
GIS(气体绝缘金属封闭开关设备)具有占地面积和空间小、安装快、受外界环境干扰小、运行安全可靠、检修周期长等优点,已经越来越广泛地被采用,特别是在高电压等级电网中,其优点更突出,装备量大,呈逐年快速增长趋势。提升GIS设备运行可靠性、及时发现GIS设备运行过程中存在的潜在缺陷隐患,对于保障电网运行安全至关重要。
在GIS内部绝缘状态检测(包括局部放电检测)、内部发热及材料性能检测、开断能力提升等领域,国内外研究人员已开展了大量工作,取得的成果已广泛应用于变电技术领域。然而,GIS异常振动、触头烧蚀等问题往往被研究人员忽略,由此引发的设备故障及开断失败问题并不鲜见。由于GIS是全封闭组合电力设备,一旦出现事故,造成的后果比分离式敞开设备严重的多,其故障修复尤为复杂,且其停电范围大,常涉及非故障元件。据统计,国内早期的GIS设备多是在20世纪80年代末和90年代初开始投入电网运行,目前已经运行了将近20年时间,已经到了一个事故的高发阶段,最近几年关于GIS的事故报道也是时有不断,因此深入研究GIS运行状态检测及其评估方法,对于保证GIS的安全可靠运行、诊断GIS可能存在的机械缺陷类型以及指导GIS的检修工作有着十分重要的意义。
所谓的机械故障是指当GIS内存在某些缺陷时,如开关触头接触异常、壳体对接不平衡、导杆轻微弯曲等时,虽然不会发生放电性故障,但由于导体中交流电流产生的交变电动力、互感器铁芯产生的电磁力等会导致的GIS产生机械性运动,由于机械缺陷的存在,其在正常振动之外会产生异常振动信号。GIS的异常振动会对绝缘子和绝缘柱造成损害,会影响外壳接地点的牢固,对GIS本体具有很大危害,长期振动可能使螺栓松动,造成气体泄露,压力降低,导致绝缘事故。以上说明基于振动信息的GIS机械缺陷诊断是切实可行的,也是必要的。深入研究GIS外壳振动信号的特点,分析其信号特征,可以对其机械性故障进行有效诊断,并配合放电性检测,可以更全面、细致地评估GIS运行性能及可靠性。
发明内容
本发明的目的在于:提供一种基于振动信息的GIS特征提取及机械缺陷诊断方法,该方法首先采集多类GIS典型机械缺陷的振动数据样本;然后,对数据样本进行傅里叶变换,利用两两样本间相干性系数标定强相干频率点;接着统计强相关频率点的出现频次,定义高频次、强相关频率点为机械缺陷的频率特征;再将各机械缺陷特征频率点的所有样本幅值排序,定义上下分界限值,获得典型机械缺陷的幅-频特征图谱;最后,根据GIS测试样本在各类典型缺陷特征图中频率点幅值的分散情况,诊断GIS机械缺陷的归属,完成故障诊断过程。
本发明采用的技术方案为:一种基于振动信息的GIS特征提取和机械缺陷诊断方法,该方法步骤如下:
步骤一:获取振动数据;
基于振动信息测量系统,采集多类典型机械缺陷等时间长度的振动数据,并进行傅里叶变换获得每类典型机械缺陷的振动数据的幅-频特性曲线;
步骤二:获得每类典型机械缺陷下的潜在共性特征频率点;
对于每类典型机械缺陷的振动频谱,两两排列组合进行相干性分析,设置强相关性阈值Rth,判断各频率点相干系数与强相关性阈值Rth的大小,将大于强相关性阈值的频率点定义为此机械缺陷下的潜在共性特征频率点;
步骤三:提取每类典型机械缺陷下的明确共性特征频率点;
统计每类典型机械缺陷下潜在共性特征频率点出现次数,设置高频次共性阈值Nth,判断步骤二中所有潜在共性特征频率点的出现次数与高频次共性阈值Nth的大小,将大于等于高频次共性阈值的频率点定义为此类机械缺陷的明确共性频率点,获得此类机械缺陷的振动频率特征空间;
步骤四:构建每类机械缺陷的幅-频特征图谱;
基于步骤三的分析结构,从小到大排序每类机械缺陷下所有样本频谱在明确共性特征频率点的振动幅值,定义第一十分位数和第九十分位数为明确共性特征频率点的振动幅值的上下限值,确定幅值包络,形成此类机械缺陷的幅-频特征图谱;
步骤五:基于机械缺陷的幅-频特征图谱的故障诊断;
不断重复步骤二、三、四形成多类典型机械缺陷的幅-频特征图谱,编号幅-频特征图谱和典型机械缺陷类型;将待测试的未知机械缺陷的振动数据进行傅里叶变换处理,按典型机械缺陷类型和幅-频特征图谱编号顺序分析判断待测试的振动数据的缺陷类型,即将待测试的振动数据的频谱与每类典型机械缺陷的所有明确共性特征频率点的幅值进行比较,判断所述频谱是否在该某类典型机械缺陷对应的幅-频特征图谱的振动幅值的上下限值以内。若是,则认为该待测试的振动数据发生此类典型机械缺陷;若不是,认为该待测试的振动数据没有发生此类典型机械缺陷。然后,依据编号顺次对各类典型机械缺陷的幅-频特征图谱进行判断,直至完成全部幅-频特征图谱的判断,得到测试数据可能发生的机械缺陷。
本发明与现有技术相比的优点在于:
1.本发明技术方案中,利用傅里叶变换获得了GIS振动信息的幅-频特性图谱,区别于传统幅-频特征提取方法,本发明利用样本间的相干性计算同类样本之间强相关性频率点,减小了频谱特征空间的维度,降低了特征空间维度诅咒概率,有效地挖掘了数据的本质特征。
2.本发明技术方案中,在获得强相关频率点基础上,统计各强相关性频率点的出现频次,选择高频次出现的强相关频率点作为振动特征,进一步增加了强相关频点的普适性,消除异常样本对特征频率提取的影响。
3.本发明技术方案中,在获得高频次、强相关特征频率点的基础上,排序所有样本特征频点的幅值,选择第一十分位数和第九十分位数作为振动特征频率点的幅值边界,形成典型缺陷的特征指纹图谱,针对外界未知干扰影响,有效地提高了数据的抗噪能力,增加了机械缺陷诊断的鲁棒性。
4.本发明技术方案中,基于典型缺陷特征图谱的诊断辨识方法具有简单、可解释性强的优势,同时,可以将典型缺陷特征图谱构建为表格,供现场检测人员查表进行缺陷诊断。
附图说明
下面结合附图对本发明进一步说明。
图1是:GIS典型机械缺陷振动频谱特征提取及诊断流程图;
图2是:某型号GIS正常运行情况下,两组振动信号相干函数结果示意图;
图3是:100个正常样本下,振动信号傅里叶频谱内强相关性频率点的频次统计图;
图4是:100个正常样本下,在明确共性特征频率点结果图;
图5是:100个正常样本下,在明确特征频率点1000Hz幅值上下限定义示意图;
图6是:某型号GIS四种运行工况下,振动信息幅-频特征图谱。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本发明一种用于GIS振动信息特征提取和机械缺陷诊断方法流程如图1所示,具体流程可总结为如下五步:
第一步:获取GIS多种典型机械缺陷的振动数据样本并进行傅里叶频谱分析。
使用振动信息采集系统在某型号GIS试验平台,采集并记录多组典型工况(典型工况包含正常运行情况和多种机械缺陷情况)的振动数据,并对其进行傅里叶变换获得振动数据频谱信息;在本实施例中GIS典型运行工况分为正常情况、隔离开关故障、地脚螺栓松动和法兰盘松动四个类别,并且每种GIS典型工况的采集样本数N=100个,采样频率10kHz,时间长度0.1s;
第二步:提取某典型机械缺陷下振动信息强相关的潜在共性特征频率点。
选择某类典型机械缺陷任意两个振动数据的频谱,计算两个频谱的相干性函数,如公式(1)所示。相干性函数可以描绘两个振动信号的频率共性,且不受绝对幅值影响,只是两个振动信号在相同频点的幅值相似特性的一种度量。
其中,x和y表示两个振动信号,f表示频率,γxy(f)表示振动信号x和振动信号y频谱的相干性函数,Pyy(f)表示振动信号y的功率谱密度函数,Pxx(f)表示振动信号x的功率谱密度函数,计算方法如公式(2)所示,Pxy(f)表示振动信号x和振动信号y的交叉功率谱密度函数,计算方法如公式(3)所示。
其中,T表示振动信号的时间长度,XT(f)表示时间长度为T的振动信号x(t)的傅里叶变换,XT *(f)表示XT(f)的共轭转置,YT(f)表示时间长度为T的振动信号y(t)的傅里叶变换,YT *(f)表示YT(f)的共轭转置。
判断两个振动信号的相干系数与设置强相关性阈值Rth的大小关系,若某频率点下相干系数大于等于Rth,认为在此频率点下两个振动信号表现出较强的一致性;若某频率点下相干函数值小于Rth,认为在此频点下两个振动信号的一致性不强,分散性随机性较大;显而易见的是强相关性阈值Rth选择越大,则要求在此频率点的相关性越大,要求幅值的一致性越好越严格;反之,则要求幅值的一致性越宽松。如此比较完成两个振动信号的所有频率点,可以获得两个振动信号中的全部强相关的潜在共性特征频率点。
在本实施例中,选择两组GIS处于正常情况时的振动数据,定义为x和y,如图2a所示,分别对两组数据进行傅里叶变换得到幅-频曲线,如图2b所示,利用公式(1)~(3)计算此两组信号的相干性函数γxy(f),如图2c所示,并在本实施例中定义强相关性阈值Rth=0.9,表示强相关性潜在特征频率点的判定阈值,可以获得正常情况下此两组振动信号强相干性频率点,如图2d所示。
第三步:提取高频出现的潜在共性特征频率点为明确共性频率点;
对GIS某类典型机械缺陷的所有样本进行两两排列组合,假设样本数为N,则排列组合数C2 N=0.5×N×(N-1),统计在排列组合数C2 N内每种组合的潜在共性特征频率点出现的频次No(f),如公式(4)(5)所示。
其中,i和j表示GIS某类采集振动样本的编号,且j>i,γi,j(f)表示第i个信号和第j个信号在频率点f的相干性函数值,Rth为设置的表示强相关性的阈值,ni,j(f)表示第i个信号和第j个信号在频率点f表示为强相关的标识,强相关为1,非强相关为0,No(f)表示组合数C2 N内每种组合的潜在共性特征频率点出现的频次。
判断某类工况下各频率点强相关性的统计频次与设置高频次共性阈值Nth的大小关系,若某频率点的强相关统计频次大于等于Nth,认为在此频率点这类工况的振动幅值表现出强相关性的概率很大,应该选作描述此类工况的特征频率点,作为明确共性频率点;若某频率点的强相关统计频数次小于Nth,认为在此频率点这类工况的振动幅值表现出强相关性的概率很小,随机性和分散性较大,不应该选作描述此类工况的特征频率点;显而易见的是高频次共性阈值Nth选择越大,则要求在此频率点的强相关性的出现概率越大,对幅值一致性要求越高;反之,则幅值的一致性要求越低。由此可以进一步降低分散性大的不确定频率特征的干扰和影响,获得表现一致性强的频率点为描述此工况的明确共性频率点,获得此类机械缺陷的振动频率特征空间。
在本实施例中,选择某类GI平台S处于正常情况时的振动数据,样本数量N=100,则两两排列组合的方式数有C2 100=4950次,根据步骤二的计算强相干频率的方法,结合公式(4)(5)可以得到统计结果如图3所示,在本实施例中定义Nth=α×C2 100,且α=50%,则可以获得正常情况的明确共性频率点,如图4所示。
第四步:形成GIS典型机械缺陷的幅-频振动特征图谱;
以第三步中GIS某类机械缺陷的明确共性频率点为标识,统计这类工况振动样本在各个明确共性频率点上幅值的分布情况,具体做法是从小到大排序每个明确共性频率点下采集数据的幅值,以某分位数划分第i个共性频率点fi幅值的上限Ufi和下限Lfi,认为样本第i个共性频点fi幅值Afi∈[Lfi,Ufi]为此类工况的合理样本,为奇异值样本,不断更新累加i值计算出此工况全部明确共性频率的幅值上、下限值,进而获得此类工况的幅-频振动特征图谱。显而易见的是,1)各共性频率点的分位数划分可以不同,用以表征对于采集样本在不同频域信息的置信权重;2)若分位数选择使得共性频率点fi幅值的上限Ufi变大或者下限Lfi变小,说明对于样本分散性的耐性度高,将在诊断过程中比较宽泛地接受测试样本表征为此类工况;反之,说明对于样本分散性的耐性度低,将在诊断过程中比较严苛地接受测试样本表征为此类工况。
在本实施例中,对各典型工况的明确共性频率点的分位数选择是一致的,都是选择十分位数,下限值为第一十分位数,上限值为第九十分位数,在统计正常工况下100个样本在明确共性频率点1000Hz的幅值,分位数划分过程如图5所示。基于步骤一、二、三、四步的过程可以计算得到本实施例四种工况(正常情况、隔离开关故障、地脚螺栓松动和法兰盘松动)的幅-频特征图谱,如图6所示。
第五步:设计基于典型机械缺陷特征图谱的机械缺陷诊断方法。
在GIS不同的典型运行机械缺陷下采集振动数据,不断重复第一、二、三、四步计算过程,形成GIS不同典型运行机械缺陷的幅-频特征图谱,并编号命名,编制用于诊断的特征辨识表。在进行基于振动信息的GIS机械缺陷诊断过程时,对采集的测试数据进行傅里叶变换,对比测试数据幅-频曲线与诊断辨识表中各典型机械缺陷共性幅-频特征的关系,完成GIS诊断过程。
在本实施例中,根据GIS四种不同的工况(正常情况、隔离开关故障、地脚螺栓松动和法兰盘松动)的各100组数据形成典型运行工况的幅-频特征图谱,如图6所示,并根据幅-频特征图谱形成的特征辨识表,如表1所示。再次采集振动数据,同样地每种工况的采集数据为100个,进行诊断验证。通过试验结果表明,本发明所述的GIS振动频谱特征提取,增强了同类典型缺陷频谱共性提取,降低了特征空间维度诅咒概率,有效地挖掘了数据的本质特征,振动幅-频特征图谱构建及诊断应用,简单有效地实现了GIS机械工况诊断。
表1本实施例中的用于GIS机械缺陷诊断的(部分)共性特征辨识表
说明:--表示该特征频率点不是此类故障的共性频率点。
最后应当说明的是:所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
Claims (4)
1.一种基于振动信息的GIS特征提取及机械缺陷诊断方法,其特征在于:所述方法包括如下步骤,
步骤一:获取振动数据;
采集多类典型机械缺陷等时间长度的振动数据,并进行傅里叶变换获得每类典型机械缺陷的振动数据的幅-频特性曲线;
步骤二:获得每类典型机械缺陷下的潜在共性特征频率点;
对于每类典型机械缺陷的振动频谱,两两排列组合进行相干性分析,设置强相关性阈值Rth,判断各频率点相干系数与强相关性阈值Rth的大小,将大于强相关性阈值的频率点定义为此机械缺陷下的潜在共性特征频率点;
步骤三:提取每类典型机械缺陷下的明确共性特征频率点;
统计每类典型机械缺陷下潜在共性特征频率点出现次数,设置高频次共性阈值Nth,判断步骤二中所有潜在共性特征频率点的出现次数与高频次共性阈值Nth的大小,将大于等于高频次共性阈值的频率点定义为此类机械缺陷的明确共性频率点,获得此类机械缺陷的振动频率特征空间;
步骤四:构建每类机械缺陷的幅-频特征图谱;
对于每类机械缺陷下,从小到大排序所有样本频谱在明确共性特征频率点的振动幅值,定义第一十分位数和第九十分位数为明确共性特征频率点的振动幅值的上下限值,确定幅值包络,形成每类机械缺陷的幅-频特征图谱;
步骤五:基于机械缺陷的幅-频特征图谱的故障诊断;
不断重复步骤二、三、四形成多类典型机械缺陷的幅-频特征图谱,编号幅-频特征图谱和典型机械缺陷类型;将待测试的未知机械缺陷的振动数据进行傅里叶变换处理,按典型机械缺陷类型和幅-频特征图谱编号顺序分析判断待测试的振动数据的缺陷类型,即将待测试的振动数据的频谱与每类典型机械缺陷的所有明确共性特征频率点的幅值进行比较,判断所述频谱是否在该某类典型机械缺陷对应的幅-频特征图谱的振动幅值的上下限值以内;若是,则认为该待测试的振动数据发生此类典型机械缺陷;若不是,认为该待测试的振动数据没有发生此类典型机械缺陷;然后,依据编号顺次对各类典型机械缺陷的幅-频特征图谱进行判断,直至完成全部幅-频特征图谱的判断,得到测试数据可能发生的机械缺陷。
2.根据权利要求1所述的一种基于振动信息的GIS特征提取及机械缺陷诊断方法,其特征在于:所述的多类典型机械缺陷分为隔离开关故障、地脚螺栓松动和法兰盘松动,并且每类典型机械缺陷的采集样本数N=100个,采样频率10kHz,时间长度0.1s。
3.根据权利要求1所述的一种基于振动信息的GIS特征提取及机械缺陷诊断方法,其特征在于:步骤二中所述的相干性分析,具体为,
选择每类典型机械缺陷任意两个振动数据的频谱,计算两个频谱的相干性函数,如公式(1)所示:
其中,x和y表示两个振动信号,f表示频率,γxy(f)表示振动信号x和振动信号y频谱的相干性函数,Pyy(f)表示振动信号y的功率谱密度函数,Pxx(f)表示振动信号x的功率谱密度函数,计算方法如公式(2)所示,Pxy(f)表示振动信号x和振动信号y的交叉功率谱密度函数,计算方法如公式(3)所示;
4.根据权利要求1所述的一种基于振动信息的GIS特征提取及机械缺陷诊断方法,其特征在于:步骤三中所述的潜在共性特征频率点的出现次数为No(f);
对GIS某类典型机械缺陷的所有样本进行两两排列组合,假设样本数为N,则排列组合数C2 N=0.5×N×(N-1),统计在排列组合数C2 N内每种组合的潜在共性特征频率点出现的频次,如公式(4)(5)所示;
其中,i和j表示GIS某类采集振动样本的编号,且j>i,γi,j(f)表示第i个信号和第j个信号在频率点f的相干性函数值,Rth为设置的表示强相关性的阈值,ni,j(f)表示第i个信号和第j个信号在频率点f表示为强相关的标识,强相关为1,非强相关为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910139550.4A CN109839263B (zh) | 2019-02-26 | 2019-02-26 | 一种基于振动信息的gis特征提取及机械缺陷诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910139550.4A CN109839263B (zh) | 2019-02-26 | 2019-02-26 | 一种基于振动信息的gis特征提取及机械缺陷诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109839263A CN109839263A (zh) | 2019-06-04 |
CN109839263B true CN109839263B (zh) | 2020-06-09 |
Family
ID=66884950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910139550.4A Active CN109839263B (zh) | 2019-02-26 | 2019-02-26 | 一种基于振动信息的gis特征提取及机械缺陷诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109839263B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112240278B (zh) * | 2019-07-17 | 2023-03-17 | 宇通客车股份有限公司 | 一种用于客车的消声方法及消声装置 |
CN110926778B (zh) * | 2019-11-29 | 2021-08-20 | 国网天津市电力公司电力科学研究院 | 基于异常振动的气体绝缘组合开关设备机械故障诊断方法 |
CN111239263B (zh) * | 2020-01-19 | 2022-10-28 | 国网宁夏电力有限公司电力科学研究院 | 一种gis设备内部的异物缺陷的检测方法及系统 |
CN111307430B (zh) * | 2020-02-21 | 2022-03-08 | 四川赛康智能科技股份有限公司 | 一种gis机械缺陷定位装置及其缺陷判定、定位方法 |
CN112100456A (zh) * | 2020-09-16 | 2020-12-18 | 广东电网有限责任公司电力科学研究院 | 一次设备共性缺陷或故障的判断方法、装置及终端设备 |
CN112307950B (zh) * | 2020-10-29 | 2024-04-23 | 重庆大学 | Gis振动缺陷辨识的细节特征量提取及智能分析方法 |
CN112526265B (zh) * | 2020-11-27 | 2022-02-22 | 广东电网有限责任公司佛山供电局 | 一种gis设备的试验方法 |
CN112816838B (zh) * | 2021-01-06 | 2023-03-21 | 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 |
CN112924090B (zh) * | 2021-01-28 | 2022-03-08 | 华中科技大学 | 一种基于电磁应力分析的电机气隙偏心故障检测方法及系统 |
CN113109705B (zh) * | 2021-04-14 | 2022-05-27 | 华北电力大学(保定) | 一种基于不同谐振点灵敏度分析的gis机械谐振谱分析方法 |
CN114114001B (zh) * | 2021-11-24 | 2023-10-31 | 国网安徽省电力有限公司电力科学研究院 | 一种gis设备隔离开关机械状态监测方法及系统 |
CN116383602B (zh) * | 2022-12-14 | 2024-05-03 | 国网安徽省电力有限公司电力科学研究院 | 考虑噪声与样本量的gis隔离开关机械缺陷辨识方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2914485B1 (fr) * | 2007-03-29 | 2009-04-24 | Schneider Electric Ind Sas | Dispositif de commande d'un appareil de protection electrique et appareil de protection electrique la comportant |
JP5827492B2 (ja) * | 2011-04-28 | 2015-12-02 | 株式会社日立製作所 | 振動特性測定装置および振動特性測定方法 |
CN106769040B (zh) * | 2016-12-14 | 2019-02-26 | 上海工程技术大学 | 一种轴承振动信号稀疏重构的方法 |
CN106683002A (zh) * | 2016-12-15 | 2017-05-17 | 广州供电局有限公司 | Gis组合电器全生命周期成本计算模型 |
CN107702908A (zh) * | 2017-10-12 | 2018-02-16 | 国网山东省电力公司莱芜供电公司 | 基于vmd自适应形态学的gis机械振动信号时频分析方法 |
CN107907324A (zh) * | 2017-10-17 | 2018-04-13 | 北京信息科技大学 | 一种基于dtcwt及阶次谱的齿轮箱故障诊断方法 |
CN108507785B (zh) * | 2018-04-10 | 2019-12-24 | 西安交通大学 | 一种主轴回转状态下的动态特性测试装置及方法 |
CN108694277A (zh) * | 2018-05-06 | 2018-10-23 | 北京工业大学 | 基于多平台联合仿真的风力发电机动力响应分析方法 |
CN109374270A (zh) * | 2018-09-19 | 2019-02-22 | 国网甘肃省电力公司电力科学研究院 | 一种gis异常振动分析及机械故障诊断装置及方法 |
-
2019
- 2019-02-26 CN CN201910139550.4A patent/CN109839263B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109839263A (zh) | 2019-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109839263B (zh) | 一种基于振动信息的gis特征提取及机械缺陷诊断方法 | |
CN103645425B (zh) | 一种高压电缆绝缘缺陷局部放电在线监测诊断方法 | |
Kim et al. | Fault diagnosis of a power transformer using an improved frequency-response analysis | |
CN109029960B (zh) | 一种断路器机械状态检测方法 | |
CN106841949B (zh) | 三相异步交流电机定子绝缘在线监测方法和装置 | |
CN206114822U (zh) | 一种电力变压器绕组形变状态多信息检测装置 | |
CN109581270B (zh) | 基于小波多尺度变换快速辨识cvt故障的方法 | |
Yang et al. | Chaotic analysis and feature extraction of vibration signals from power circuit breakers | |
CN104198898A (zh) | 基于脉冲序列分析的局部放电发展过程诊断方法 | |
CN110926778A (zh) | 基于异常振动的气体绝缘组合开关设备机械故障诊断方法 | |
CN110954354B (zh) | 设备故障诊断方法及装置 | |
CN110849645B (zh) | 一种gis机械故障的初步诊断方法 | |
CN110991481B (zh) | 一种基于交叉小波变换的高压并联电抗器内部松动故障诊断方法 | |
CN112069930A (zh) | 提升gis设备故障诊断准确率的振动信号处理方法及装置 | |
CN110703078A (zh) | 基于频谱能量分析与自组织竞争算法的gis故障诊断方法 | |
CN110703076A (zh) | 一种基于振动信号频域能量比的gis故障诊断方法 | |
CN106443315B (zh) | 一种基于多信息融合的电力变压器绕组变形诊断方法 | |
CN110647924A (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 | |
CN114397569A (zh) | 基于vmd参数优化、样本熵的断路器故障电弧检测方法 | |
CN113391244A (zh) | 一种基于vmd的变压器合闸振动信号特征频率计算方法 | |
JP2019045401A (ja) | 部分放電診断装置および部分放電診断方法 | |
CN110929673A (zh) | 一种基于itd排列熵和cgwo-svm的变压器绕组振动信号识别方法 | |
CN112834975B (zh) | 一种特高频局部放电传感器的综合校验方法及系统 | |
Sung-min et al. | The estimation of insulation on MV cables using the VLF tanδ diagnostic measurement | |
CN111521913A (zh) | 基于频段能量分析与随机森林的gis诊断系统及方法 |
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 |