CN110132404A - 一种变压器有载分接开关机械故障在线监测方法 - Google Patents
一种变压器有载分接开关机械故障在线监测方法 Download PDFInfo
- Publication number
- CN110132404A CN110132404A CN201910454969.9A CN201910454969A CN110132404A CN 110132404 A CN110132404 A CN 110132404A CN 201910454969 A CN201910454969 A CN 201910454969A CN 110132404 A CN110132404 A CN 110132404A
- Authority
- CN
- China
- Prior art keywords
- imf
- oltc
- frequency
- signal
- load tap
- 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 40
- 238000010338 mechanical breakdown Methods 0.000 title claims abstract description 23
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 22
- 238000003745 diagnosis Methods 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims abstract description 6
- 230000009471 action Effects 0.000 claims abstract description 4
- DYAHQFWOVKZOOW-UHFFFAOYSA-N Sarin Chemical compound CC(C)OP(C)(F)=O DYAHQFWOVKZOOW-UHFFFAOYSA-N 0.000 claims description 9
- 230000010355 oscillation Effects 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000005299 abrasion Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract 1
- 239000000463 material Substances 0.000 abstract 1
- 239000002699 waste material Substances 0.000 abstract 1
- 241001269238 Data Species 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
一种变压器有载分接开关机械故障在线监测的方法,其步骤如下:将三个振动传感器贴敷在有载分接开关的箱壁顶端上,采集有载分接开关动作过程中产生的振动信号;将采集到信号进行经验模态分解(EMD),通过分解出来的固有模态函数(IMF)计算出改进的掩膜信号;将改进的掩膜信号加入原始采集到的振动信号,然后再进行经验模态分解;根据区间最大功率特征公式计算固有模态函数的功率特征矩阵,比较不同工况下的OLTC的功率特征矩阵,对OLTC进行故障诊断。本发明可实时监测变压器有载分接开关的工作状态,满足变压器有载分接开关实时故障诊断的要求。为有目的的检修提供数据支撑和理论依据,避免浪费人力,物力和时间。
Description
技术领域
本发明属于电力设备信号监测方法,尤其涉及一种变压器有载分接开关机械故障在线监测方法。
背景技术
有载分接开关(OLTC)是电力变压器的一个重要组成部分,其运行状况直接关系到变压器及系统的稳定与安全。OLTC是变压器故障率最高部件之一。其故障不但直接影响变压器运行,而且影响电网质量与电网运行。根据沟内资料统计,由OLTC故障引起的事故约占变压器总事故的28%左右且故障类型基本为机械故障,例如触头松动、触头脱落、机构卡涩、滑档、拒动等。机械故障会直接损坏OLTC和变压器本身,进而引起其它更严重的电气故障,以致造成严重的后果。因此,对运行中的OLTC的机械性能进行监测,及早发现其故障隐患,对变压器及电力系统的安全运行有着十分重大的意义。
以往人们对分接开关典型故障认识不够,这主要是过去分接开关动作次数很少,故障率相对较低,因此,其研究不够深入,到目前为止,对有载分接开关已进行较深入的研究,并也取得重要的研究成果,但仍有不少问题还有待解决。因此,为了确保分接开关安全可靠地运行,开展分接开关状态监测和故障诊断刻不容缓。
发明内容
针对现有技术中存在的以上问题,为了能及时发现有载分接开关运行过程中的潜伏性故障,提高有载分接开关可靠性,本发明提供了一种变压器有载分接开关机械故障在线监测的方法。
为了解决上述技术问题,本发明具体采用以下技术方案。
一种变压器有载分接开关机械故障在线监测方法,其特征在于,所述机械故障在线监测方法包括以下步骤:
步骤1:将三个振动传感器贴敷在有载分接开关OLTC的箱壁顶端上,采集有载分接开关动作过程中产生的振动信号;步骤2:将采集到振动信号进行经验模态分解EMD,通过分解出来的固有模态函数IMF计算出改进的掩膜信号;
步骤3:将改进的掩膜信号加入到原始采集到的振动信号中,然后再进行经验模态分解;
步骤4:根据区间最大功率特征公式计算固有模态函数的功率特征矩阵,比较正常工况下和故障下的OLTC的功率特征矩阵,对OLTC进行故障诊断。
本发明进一步包括以下优选方案:
所述步骤1中,将振动传感器放置于OLTC的垂直顶端。
在所述步骤2中,将步骤1所采集到的振动信号x(t)进行经验模态分解EMD得到若干个固有经验模态函数IMF即ui(t);然后再对ui(t)进行Hilbert变换,得到vi(t),即:
构造解析信号:
于是得到幅值函数:
和相位函数:
进一步可求出瞬时频率:
振动信号x(t)被分解后的若干个简谐振动信号即固有经验模态函数IMF按照频率从高到低逐次得到,其中,IMF1的频率最高,IMFm为大于设定频率阈值的最小频率固有经验模态函数;
按照下式计算改进的掩膜信号s(t):
s(t)=A0sin(2πf*tf) (7)
其中,f为振动信号的采样频率,A0为信号幅值,f*代表的IMF1和IMFm在k个采样点上的平均瞬时频率:
其中f为信号的采样频率,a1为IMF1的Hilbert包络幅值,f1(i)为Hilbert瞬频估计法计算出的IMF1的瞬时频率;am为IMFm的Hilbert包络幅值,fm(i)为Hilbert瞬频估计法计算出的IMFm的瞬时频率,k为采样点。
所述设定频率阈值为0,即IMFm为频率最接近0的频率最小的固有经验模态函数。
所述信号幅值A0优选为IMF1至IMFm这m个分量平均幅值的1.6倍。
在所述步骤3中,将步骤2构造出来的掩膜信号加入到原始振动信号中,然后重新进行经验模态分解,得到新的固有模态函数IMF。
其中,步骤3中重新进行经验模态分解的得到IMF的层数f优选为5。
在所述步骤4中,根据步骤3所得到的新的固有模态函数IMF,通过下式计算区间最大功率特征IMPF,即
式中w为采集信号的通道数,W为采集信号的最大通道数,j为步骤(3)中重新进行经验模态分解的得到IMF的层数,J为IMF的层数的最大值,fmax为功率谱最大幅值对应的频率,P(f)为功率谱密度,a、b值为根据实验具体数据所确定积分区间,计算所有通道的IMPF值,即可以构成区间最大功率特征矩阵。
所述积分区间a,b优选为a=10,b=150。
采集信号的最大通道数W为3,即振动传感器个数p=3;计算三个振动传感器所采集的振动信号根据步骤2和步骤3进行经验模态分解后的每个固有模态函数IMF的区间最大功率特征IMPF,形成5×3的功率矩阵,然后根据cosine相识度公式T(x,y)来计算不同工况下功率特征矩阵差异:
式中,xi和yi(1≤i≤n)为不同工况下功率特征矩阵的各个元素。
当0≤T≤0.3说明OLTC发生触头松动故障;
当0.3<T≤0.5说明OLTC发生触头烧毁故障;
当0.5<T≤0.9说明OLTC发生触头磨损故障;
当0.9<T≤1说明OLTC工作正常。
其中,T为正常工况下和故障下的OLTC的功率特征矩阵的功率矩阵差异。
本发明相对于现有技术,具有以下有益的技术效果:
1)所提出的改进掩膜信号法有效的抑制了EMD分解过程中的模态混叠现象,从而能准确有效的提取OLTC切换过程中振动信号特征。
2)通过计算OLTC的正常状态下与故障状态下区间最大功率特征矩阵进行比较,如果0.9<T≤1说明OLTC运行状态正常,如果T≤0.5说明OLTC可能发生了故障。可以进一步根据T的大小来确定具体发生了何种故障,例如T比较小发生了触头松动故障,T比较大时发生了触头烧毁故障,本发明识别故障类别准确率高,实用性强。
3)本发明根据OLTC为研究对象所提OLTC机械故障诊断方法准确率较高,应用性良好,为OLTC故障诊断和为其他工程领域的研究提供参考。
附图说明
图1为本发明的流程图;
图2为OLTC切换过程中原始振动信号;
图3基于改进掩膜信号优化的EMD分解后的IMF。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
本发明提供了一种变压器有载分接开关机械故障在线监测的方法,具体流程见图1,所述方法包括以下步骤:步骤1:将p个振动传感器贴敷在有载分接开关OLTC的箱壁顶端上,采集有载分接开关动作过程中产生的振动信号;
在本申请的优选实施例中,p=3,即将3个振动传感器贴敷在有载分接开关OLTC的箱壁顶端上。
将振动传感器置于OLTC的垂直顶端,因为触头机构和顶端直接有刚性连接所有采集到的振动信号能包含所有的特征量。
步骤2:将采集到振动信号进行经验模态分解EMD,通过分解出来的固有模态函数IMF计算出改进的掩膜信号;
将步骤1所采集到的振动信号x(t)如图2所示进行经验模态分解EMD得到若干个固有经验模态函数IMF即ui(t);然后再对ui(t)进行Hilbert变换,得到vi(t),即:
构造解析信号:
于是得到幅值函数:
和相位函数:
进一步可求出瞬时频率:
对振动信号u(t)进行经验模态分解后,振动信号u(t)被分解成若干个简谐振动信号即固有经验模态函数IMF和余量,所述若干个简谐振动信号按照频率从高到低逐次得到,然后对每个简谐振动信号进行频谱分析绘出频谱图,可以从频谱图中我们可以清楚的看到必定存在第m+1个IMF的频率为零,则第m个IMF得到的虚假分量中频率最高的那一部分按照下式计算每个IMF的幅值和频率构建改进的掩膜信号s(t):
其中,f为振动信号的采样频率,A0为信号IMF1幅值的1.6倍;f*代表的IMF1和IMFm在k个采样点上的平均瞬时频率。
其中f为信号的采样频率,am为IMFm的Hilbert包络幅值,fm(i)为Hilbert瞬频估计法计算出的IMFm的瞬时频率,K为采样点。
步骤3:将改进的掩膜信号加入原始采集到的振动信号,然后再进行经验模态分解;
在所述步骤3中,将步骤2构造出来的掩膜信号加入原始振动信号,然后重新进行经验模态分解,得到新的固有模态函数IMF如图3所示。
在本申请的优选实施例中,重新进行经验模态分解的得到IMF的层数f优选为5。
步骤4:根据区间最大功率特征公式计算固有模态函数的功率特征矩阵,比较不同工况下的OLTC的功率特征矩阵,对OLTC进行故障诊断。
根据步骤3所得到的新的固有模态函数IMF通过计算每个IMF分量功率谱最大幅值所对应的频率区间功率谱积分值所有通道的IMF分量分量谱积分值的比值义为区间最大功率特征IMPF,即
式中w为采集信号的通道数,j为信号分解的得到IMF的层数,fmax为功率谱最大幅值对应的频率,P(f)为功率谱密度,a,b值为实验具体数据测得可确定积分区间,如果a,b同时为0,表明功率谱最大幅值为特征。计算所有通道的IMPF值,即可以构成区间最大功率特征矩阵。在本申请的优选实施例中,积分区间a,b选选为a=10,b=150。
计算三个振动传感器每个采集点的振动信号根据步骤2和步骤3进行经验模态分解后的每个固有模态函数IMF的区间最大功率特征IMPF,形成5×3的功率矩阵(即进行5层经验模态分解),然后根据cosine相识度公式T(x,y)来计算不同工况下功率矩阵差异:
式中,xi和yi(1≤i≤n)为不同工况下功率矩阵的各个元素。
当0≤T≤0.3说明OLTC发生触头松动故障;
当0.3<T≤0.5说明OLTC发生触头烧毁故障;
当0.5<T≤0.9说明OLTC发生触头磨损故障;
当0.9<T≤1说明OLTC工作正常。
本发明实施例选用上海华明电力有限公司生产的CMⅢ-500-63B-10193W型有载分解开关作为研究对象,实验重点模拟OLTC切换过程中触头类故障。首先对OLTC切换过程中正常工况下的振动信号进行分析,图2为OLTC切换过程中原始振动信号,图3基于改进掩膜信号优化的EMD分解后的IMF(由于文章篇幅限制,本申请实施例仅给出三个采集点中一个采集点的IMF2~IMF5)。然后计算正常工况下的功率特征矩阵,表1为正常工况下的特征矩阵。
表1正常工况下功率特征矩阵
表2是在OLTC正常工况下档位切换时采集的40组振动信号数据中随机选取的6组数据,然后计算出振动信号的区间最大功率特征矩阵进行比较的结果。
表2正常切换时振动信号区间最大功率特征矩阵相识度
由表2可知随机选取的6数据的区间最大功率特征矩阵相识度T都≥0.9,说明这6组数据区间最大功率特征矩阵相似度非常高,从而验证OLTC在同一种工况下振动信号具有很好的重复性。
表3是OLTC在正常工况下和在触头烧毁工况下各自随机在40组振动数据中选取的3组数据的区间最大功率特征矩阵的相识度比较结果情况。和表4是OLTC在正常工况下和在触头松动工况下各自随机在40组振动数据中选取的3组数据的区间最大功率特征矩阵的相识度比较结果。
表3正常与触头烧毁振动信号功率特征矩阵相识度
表4正常与触头松动振动信号功率特征矩阵相识度
从表3和表4可知OLTC发生故障工况时的功率特征矩阵和正常工况下的功率特征矩阵相似度T都≤0.5,这充分说明了触头烧毁和触头松动工况下振动信号的异常,从而可以说明机械故障是存在的。从表3可知触头发生烧毁故障时0.3<T≤0.5和当触头发生松动故障时0≤T≤0.3,符合上面所述结论。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (11)
1.一种变压器有载分接开关机械故障在线监测方法,其特征在于,所述机械故障在线监测方法包括以下步骤:
步骤1:将p个振动传感器贴敷在有载分接开关OLTC的箱壁顶端上,采集有载分接开关动作过程中产生的振动信号;
步骤2:将采集到振动信号进行经验模态分解EMD,通过分解出来的固有模态函数IMF计算出改进的掩膜信号;
步骤3:将改进的掩膜信号加入到原始采集到的振动信号中,然后再进行经验模态分解;
步骤4:根据区间最大功率特征公式计算固有模态函数的功率特征矩阵,比较不同工况下的OLTC的功率特征矩阵,对OLTC进行故障诊断。
2.根据权利要求1所述的变压器有载分接开关机械故障在线监测方法,其特征在于:
所述步骤1中,将振动传感器放置于OLTC的垂直顶端。
3.根据权利要求1所述的变压器有载分接开关机械故障在线监测方法,其特征在于:
在所述步骤2中,将步骤1所采集到的振动信号x(t)进行经验模态分解EMD得到若干个固有经验模态函数IMF即ui(t);然后再对ui(t)进行Hilbert变换,得到vi(t),即:
构造解析信号:
于是得到幅值函数:
和相位函数:
进一步可求出瞬时频率:
振动信号x(t)被分解后的若干个简谐振动信号即固有经验模态函数IMF按照频率从高到低逐次得到,其中,IMF1的频率最高,IMFm为大于设定频率阈值的最小频率固有经验模态函数;
按照下式计算改进的掩膜信号s(t):
s(t)=A0sin(2πf*tf) (7)
其中,f为振动信号的采样频率,A0为信号幅值,f*代表的IMF1和IMFm在k个采样点上的平均瞬时频率:
其中f为信号的采样频率,a1为IMF1的Hilbert包络幅值,f1(i)为Hilbert瞬频估计法计算出的IMF1的瞬时频率;am为IMFm的Hilbert包络幅值,fm(i)为Hilbert瞬频估计法计算出的IMFm的瞬时频率,k为采样点。
4.根据权利要求3所述的变压器有载分接开关机械故障在线监测方法,其特征在于:
所述设定频率阈值为0,即IMFm为频率最接近0的频率最小的固有经验模态函数。
5.根据权利要求4所述的变压器有载分接开关机械故障在线监测方法,其特征在于:
所述信号幅值A0优选为IMF1至IMFm这m个分量平均幅值的1.6倍。
6.根据权利要求1或5所述的变压器有载分接开关机械故障在线监测方法,其特征在于:
在所述步骤3中,将步骤2构造出来的掩膜信号加入到原始振动信号中,然后重新进行经验模态分解,得到新的固有模态函数IMF。
7.根据权利要求6所述的变压器有载分接开关机械故障在线监测方法,其特征在于:
其中,步骤3中重新进行经验模态分解的得到IMF的层数f优选为5。
8.根据权利要求7所述的变压器有载分接开关机械故障在线监测方法,其特征在于:
在所述步骤4中,根据步骤3所得到的新的固有模态函数IMF,通过下式计算区间最大功率特征IMPF,即
式中w为采集信号的通道数,W为采集信号的最大通道数,j为步骤3中重新进行经验模态分解得到IMF的层数,J为IMF的层数的最大值,fmax为功率谱最大幅值对应的频率,P(f)为功率谱密度,a、b值为根据实验具体数据所确定的积分区间,计算所有通道的IMPF值,即可以构成区间最大功率特征矩阵。
9.根据权利要求8所述的变压器有载分接开关机械故障在线监测方法,其特征在于:
所述积分区间a,b优选为a=10,b=150。
10.根据权利要求7-9任一权利要求所述的变压器有载分接开关机械故障在线监测方法,其特征在于:
采集信号的最大通道数W为3,即振动传感器个数p=3;计算三个振动传感器所采集的振动信号根据步骤2和步骤3进行经验模态分解后的每个固有模态函数IMF的区间最大功率特征IMPF,形成5×3的功率矩阵,然后根据cosine相识度公式T(x,y)来计算不同工况下功率特征矩阵差异:
式中,xi和yi(1≤i≤n)为不同工况下功率特征矩阵的各个元素,其中n表示功率特征矩阵中的n个数据。
11.根据权利要求1或10所述的变压器有载分接开关机械故障在线监测方法,其特征在于:
当0≤T≤0.3说明OLTC发生触头松动故障;
当0.3<T≤0.5说明OLTC发生触头烧毁故障;
当0.5<T≤0.9说明OLTC发生触头磨损故障;
当0.9<T≤1说明OLTC工作正常。
其中,T为正常工况下和故障下的OLTC的功率特征矩阵的功率矩阵差异。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910454969.9A CN110132404A (zh) | 2019-05-29 | 2019-05-29 | 一种变压器有载分接开关机械故障在线监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910454969.9A CN110132404A (zh) | 2019-05-29 | 2019-05-29 | 一种变压器有载分接开关机械故障在线监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110132404A true CN110132404A (zh) | 2019-08-16 |
Family
ID=67582478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910454969.9A Pending CN110132404A (zh) | 2019-05-29 | 2019-05-29 | 一种变压器有载分接开关机械故障在线监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110132404A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110632596A (zh) * | 2019-10-09 | 2019-12-31 | 上海无线电设备研究所 | 一种太赫兹sar多频振动误差补偿方法 |
CN110837046A (zh) * | 2019-10-30 | 2020-02-25 | 南京理工大学 | 基于机械振动信号的变流器开关管故障检测与诊断方法 |
CN112857287A (zh) * | 2021-01-05 | 2021-05-28 | 国网安徽省电力有限公司电力科学研究院 | 基于振动烈度的有载分接开关非电量保护方法及系统 |
CN113514783A (zh) * | 2021-03-16 | 2021-10-19 | 国网江苏省电力有限公司南京供电分公司 | 空载合闸下的变压器绕组机械状态检测判断方法 |
CN113551895A (zh) * | 2021-07-16 | 2021-10-26 | 山东电工电气集团有限公司 | 一种有载分接开关机械故障综合智能诊断方法 |
CN115238560A (zh) * | 2022-09-21 | 2022-10-25 | 广东电网有限责任公司佛山供电局 | 基于有限元仿真的变压器有载开关故障识别方法及系统 |
CN116660639A (zh) * | 2023-03-10 | 2023-08-29 | 国网宁夏电力有限公司电力科学研究院 | 一种基于ccgoa-svdd的变压器故障诊断方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140088891A1 (en) * | 2012-09-21 | 2014-03-27 | National Central University | Method for determining the precision of gears |
CN105973621A (zh) * | 2016-05-02 | 2016-09-28 | 国家电网公司 | 一种基于异常振动分析的gis机械故障诊断方法和系统 |
CN108845250A (zh) * | 2018-06-01 | 2018-11-20 | 国网江苏省电力有限公司南京供电分公司 | 基于振动信号特征提取的有载分接开关故障识别方法 |
CN109813417A (zh) * | 2019-01-18 | 2019-05-28 | 国网江苏省电力有限公司检修分公司 | 一种基于改进emd的并联电抗器故障诊断方法 |
-
2019
- 2019-05-29 CN CN201910454969.9A patent/CN110132404A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140088891A1 (en) * | 2012-09-21 | 2014-03-27 | National Central University | Method for determining the precision of gears |
CN105973621A (zh) * | 2016-05-02 | 2016-09-28 | 国家电网公司 | 一种基于异常振动分析的gis机械故障诊断方法和系统 |
CN108845250A (zh) * | 2018-06-01 | 2018-11-20 | 国网江苏省电力有限公司南京供电分公司 | 基于振动信号特征提取的有载分接开关故障识别方法 |
CN109813417A (zh) * | 2019-01-18 | 2019-05-28 | 国网江苏省电力有限公司检修分公司 | 一种基于改进emd的并联电抗器故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
李勇: "基于能量掩膜信号法的连采机振动信号特征提取研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
段若晨 等: "利用窄带噪声辅助多元经验模态分解算法检测换流变压器用有载分接开关机械状态", 《电工技术学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110632596A (zh) * | 2019-10-09 | 2019-12-31 | 上海无线电设备研究所 | 一种太赫兹sar多频振动误差补偿方法 |
CN110837046A (zh) * | 2019-10-30 | 2020-02-25 | 南京理工大学 | 基于机械振动信号的变流器开关管故障检测与诊断方法 |
CN112857287A (zh) * | 2021-01-05 | 2021-05-28 | 国网安徽省电力有限公司电力科学研究院 | 基于振动烈度的有载分接开关非电量保护方法及系统 |
CN113514783A (zh) * | 2021-03-16 | 2021-10-19 | 国网江苏省电力有限公司南京供电分公司 | 空载合闸下的变压器绕组机械状态检测判断方法 |
CN113514783B (zh) * | 2021-03-16 | 2023-12-15 | 国网江苏省电力有限公司南京供电分公司 | 空载合闸下的变压器绕组机械状态检测判断方法 |
CN113551895A (zh) * | 2021-07-16 | 2021-10-26 | 山东电工电气集团有限公司 | 一种有载分接开关机械故障综合智能诊断方法 |
CN115238560A (zh) * | 2022-09-21 | 2022-10-25 | 广东电网有限责任公司佛山供电局 | 基于有限元仿真的变压器有载开关故障识别方法及系统 |
CN116660639A (zh) * | 2023-03-10 | 2023-08-29 | 国网宁夏电力有限公司电力科学研究院 | 一种基于ccgoa-svdd的变压器故障诊断方法及系统 |
CN116660639B (zh) * | 2023-03-10 | 2024-05-03 | 国网宁夏电力有限公司电力科学研究院 | 一种基于ccgoa-svdd的变压器故障诊断方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110132404A (zh) | 一种变压器有载分接开关机械故障在线监测方法 | |
CN110146269A (zh) | 基于eemd的多尺度模糊熵的oltc故障诊断方法 | |
CN109633368B (zh) | 基于vmd和dfa的含分布式电源配电网电能质量扰动检测方法 | |
DE60221149T2 (de) | System und verfahren zur identifikation des vorhandenseins von defekten in einer vibrierenden maschine | |
CN110132565A (zh) | 一种基于小波包和神经网络结合的oltc故障诊断方法 | |
CN103115789B (zh) | 金属结构损伤剩余寿命的第二代小波支持向量机评估方法 | |
CN1180272C (zh) | 电力系统小电流接地故障选线、分段方法 | |
CN108510005A (zh) | 一种基于卷积神经网络的配电网高阻接地故障识别方法 | |
CN112484843B (zh) | 变电站的状态分析方法及装置、电子设备 | |
US20210278464A1 (en) | Condition assessment method and device for an outdoor post-mounted vacuum switch | |
CN106324490A (zh) | 变压器有载分接开关机械故障诊断方法 | |
CN107367673A (zh) | 一种避雷器阀片电阻运行状态诊断方法 | |
CN106556758A (zh) | 一种开关柜运行监测评估系统 | |
CN103884935A (zh) | 结合分布式雷电流监测的输电线路防雷性能评估方法 | |
CN112398092A (zh) | 一种变压器瓦斯气体在线监测与保护方法 | |
CN109443717A (zh) | 一种有载分接开关机械故障在线监测方法 | |
CN101846717A (zh) | 一种小电流接地故障选线装置 | |
CN103344911B (zh) | 一种高压直流开关开断全过程状态辨识方法 | |
CN112505510A (zh) | 基于电介质累积效应的电力设备绝缘状态评估预警方法 | |
CN109946597A (zh) | 基于机电信号的分接开关运行状态评估方法 | |
CN116131214B (zh) | 数字化消谐装置的网络管理系统及使用方法 | |
CN110132567A (zh) | 一种基于lcd和排列熵的oltc故障诊断方法 | |
CN108562828A (zh) | 基于小波检测提高电网低电压穿越能力的方法 | |
CN110132566A (zh) | 一种基于模糊聚类的oltc故障诊断方法 | |
CN111948531A (zh) | 基于多参量提取的有载分接开关带电检测方法 |
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 |