CN110208658B - 一种对局部放电诊断结果进行多元互补交叉验证的方法 - Google Patents
一种对局部放电诊断结果进行多元互补交叉验证的方法 Download PDFInfo
- Publication number
- CN110208658B CN110208658B CN201910433085.5A CN201910433085A CN110208658B CN 110208658 B CN110208658 B CN 110208658B CN 201910433085 A CN201910433085 A CN 201910433085A CN 110208658 B CN110208658 B CN 110208658B
- Authority
- CN
- China
- Prior art keywords
- detection
- fault
- partial discharge
- diagnosis
- detection technology
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 73
- 208000028659 discharge Diseases 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000000295 complement effect Effects 0.000 title claims abstract description 9
- 238000002790 cross-validation Methods 0.000 title claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 222
- 238000005516 engineering process Methods 0.000 claims abstract description 127
- 238000013102 re-test Methods 0.000 claims abstract description 7
- 238000004088 simulation Methods 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 239000013589 supplement Substances 0.000 claims description 6
- 238000004587 chromatography analysis Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 10
- 238000009529 body temperature measurement Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 230000003534 oscillatory effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010259 detection of temperature stimulus Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
Abstract
本发明涉及一种对局部放电诊断结果进行多元互补交叉验证的方法,包括以下步骤:使用多种局部放电检测技术对电力设备进行局部放电故障检测;如果其中一种局部放电检测技术的检测结果被判定电力设备存在局部放电故障,则将该局部放电检测技术作为主导检测技术,给出检测结果;将其他几种局部放电检测技术作为辅助检测技术集,从多个方面对电力设备进行多项辅助检测;根据多项辅助检测的情况,选择是否对电力设备进行复测,同时调整主导检测技术的诊断置信度;将主导检测技术的诊断数据与专家库集进行对比,进一步确诊。本发明解决了单一检测技术的分析片面性导致分析结果不可靠的问题,避免一些特异性故障被忽略,从而提高故障诊断的准确性。
Description
技术领域
本发明属于电变量测量技术领域,尤其是一种对局部放电诊断结果进行多元互补交叉验证的方法。
背景技术
目前,电力设备绝缘性能主要通过检测电力设备的局部放电来进行分析和判断。局部放电伴随发生的各种物理量可以通过不同的检测技术进行检测,如用红外检测温度、用微水或油色谱检测化学成分、用UHF和高频等检测电磁波强度、用AE检测超声波强度等。在实际应用中上述检测技术都会采用,且都会保存检测数据,但是由于以下几个问题导致对于电力设备绝缘性能的诊断分析仍存在不准确、可靠性低等不足:
1、上述检测技术在使用分析时都是孤立的,原因主要在于目前的检测设备都是按照不同物理量来进行设计,没有多种物理量综合检测的设备,这就导致了不同物理量的检测数据各自为政,没有与其他数据进行交互。因此,在目前局放结论的分析处理中会导致分析结果的片面性,给出的分析结果可靠性不高。例如,对于电磁方面的检测技术而言检测到的数据容易受到外界电磁干扰的影响,导致很多情况下错误的分析判断电力设备存在局放故障。
2、在现场应用中,由于现场检测人员的业务经验有高有低,且方向性较强,特别是在目前局放工作量大幅度增加而有经验现场人员数量却没有相应提高的情况下,对于现场数据的诊断分析往往过度依赖检测检测装置厂家提供的算法,但是从实际应用来看不同厂家的算法在不同应用场合其准确率有所不同,这与厂家对算法训练方法和数据有关。
发明内容
本发明的目的在于克服现有技术的不足,提出一种设计合理、精度高且准确可靠的对局部放电诊断结果进行多元互补交叉验证的方法。
本发明解决其技术问题是采取以下技术方案实现的:
一种对局部放电诊断结果进行多元互补交叉验证的方法,包括以下步骤:
步骤1、使用多种局部放电检测技术对电力设备进行局部放电故障检测;
步骤2、如果其中一种局部放电检测技术的检测结果被判定电力设备存在局部放电故障,则将该局部放电检测技术作为主导检测技术,给出检测结果;同时将剩余的其他几种局部放电检测技术作为辅助检测技术集,从多个方面对电力设备进行多项辅助检测;
步骤3、根据多项辅助检测的情况,选择是否对电力设备进行复测,同时调整主导检测技术的诊断置信度;
步骤4、将主导检测技术的诊断数据与专家库集进行对比,进一步确诊。
所述步骤1中多种局部放电检测技术包括红外检测温度的局部放电检测技术、用微水或油色谱检测化学成分的局部放电检测技术、用UHF和高频检测电磁波强度的局部放电检测技术和用AE检测超声波强度的局部放电检测技术。
所述步骤2中主导检测技术的检测结果包括检测数据、诊断可能性最高的故障类型及其出现概率。
所述步骤3的具体实现方法包括以下步骤:
步骤3.1、若辅助检测技术集中有两项或两项以上检测技术的检测结果判定电力设备存在故障,则提高主导检测技术的诊断置信度,并执行步骤4;若辅助检测技术集中只有一项检测技术的检测结果判定电力设备存在故障,则执行步骤3.2;若辅助检测技术集中没有一项检测技术的检测结果判定电力设备存在故障,则执行步骤3.3;
步骤3.2、由辅助检测技术集对电力设备进行复测,若辅助检测技术集在复测中有两项或两项以上检测技术的检测结果判定电力设备存在故障,则提高主导检测技术的诊断置信度,并执行步骤4;若仍未有两项或两项以上检测技术的检测结果判定电力设备存在故障,则降低主导检测技术的诊断置信度,同时,若主导检测技术给出的故障类型所对应的出现概率不小于60%,则执行步骤4,若主导检测技术给出的故障类型所对应的出现概率小于60%,则诊断结论为正常;
步骤3.3、由辅助检测技术集对电力设备进行复测;若辅助检测技术集在复测中有两项或两项以上检测技术的检测结果判定电力设备存在故障,则提高主导检测技术的诊断置信度,并执行步骤4;若仍未有两项或两项以上检测技术的检测结果判定电力设备存在故障,则降低主导检测技术的诊断置信度,同时,若主导检测技术给出的故障类型所对应的出现概率超过80%,则执行步骤4,若主导检测技术给出的故障类型所对应的出现概率低于80%,则诊断结论为正常。
所述步骤4的具体实现方法为:
针对诊断置信度提高的情况,将主导检测技术给出的检测数据与家族性故障库的数据比对,进一步确定其是否为家族性故障;若为所知的家族性故障,则诊断结论为故障,且后期确诊后将检测数据列入家族性故障库进行数据补充;若非所知的家族性故障则通过现场故障案例库和实验室故障模拟库的数据进行比对,进一步确定故障类型,诊断结论为故障,且后期确诊后列入家族性故障库进行数据补充;
针对诊断置信度降低的情况,将主导检测技术给出的检测数据与家族性故障库的数据比对进一步确定其是否为家族性故障,若为所知的家族性故障,则诊断结论为故障;若非所知的家族性故障则通过现场故障案例库和实验室故障模拟库的数据进行比对,若对比后重新给出的故障类型的出现概率不小于60%,则诊断结论为故障,若对比后重新给出的故障类型的出现概率小于60%,否则诊断结论为正常。
所述步骤4中的专家库集包括家族性故障库、现场故障案例库和实验室故障模拟库。
本发明的优点和积极效果是:
本发明通过不同局部放电诊断技术对分析结果进行互补验证,解决了单一检测技术的分析片面性导致分析结果不可靠的问题;并且通过专家库的大量故障案例数据、实验室故障模拟数据对故障诊断的结果进行交叉验证,通过专家库的家族故障数据甄别特异性的家族性故障,避免一些特异性故障被忽略,从而提高故障诊断的准确性。
附图说明
图1是本发明的处理流程图。
具体实施方式
以下结合附图对本发明实施例做进一步详述。
一种对局部放电诊断结果进行多元互补交叉验证的方法,如图1所示,包括以下步骤:
步骤1、使用多种局部放电检测技术对电力设备进行局部放电故障检测。
在本步骤中,多种局部放电检测技术包括红外检测温度、用微水或油色谱检测化学成分、用UHF和高频等检测电磁波强度、用AE检测超声波强度。
步骤2、如果其中一种局部放电检测方法的检测结果判定电力设备存在局部放电故障,则将其作为主导检测技术,给出检测结果;同时以剩余的其他几种局部放电检测技术作为辅助检测技术集,从各个方面对电力设备进行多项辅助检测。
其中,主导检测技术在检测结束后自动根据检测数据生成电力设备可能存在的多种故障类型以及每种故障类型的出现概率,再将出现概率最高的故障类型作为诊断结果。上述主导检测技术的检测结果包括检测数据、诊断可能性最高的故障类型及其出现概率。
例如:若电力设备为GIS,则局部放电检测技术可以包括UHF、AE、HFCT、微水检测和红外测温等。如果UHF的检测结果认为GIS存在故障,则将UHF作为主导检测技术,给出检测结果,其它检测技术(包括AE、HFCT、微水检测和红外测温等)作为辅助检测技术集从多个方面对GIS进行多项辅助检测,用这些辅助检测结果对UHF的检测结果进行补充。
若电力设备为变压器,则局部放电检测技术可以包括UHF、AE、HFCT、油色谱检测结果和红外测温等,如果HFCT的检测结果认为变压器存在故障,则将HFCT作为主导检测技术,给出检测结果,其它检测技术(包括AE、UHF、微水检测和红外测温等)作为辅助检测技术集从多个方面对变压器进行多项辅助检测,用这些辅助检测结果对HFCT的检测结果进行补充。
若电力设备为电缆,则局部放电检测技术可以包括AE、HFCT、接地环流、0.1Hz超低频、震荡波和红外测温等,如果AE的检测结果认为变压器存在故障,则将AE作为主导检测技术,给出检测结果,其它检测技术(包括HFCT、接地环流、0.1Hz超低频、震荡波和红外测温等)作为辅助检测技术集从多个方面对电缆进行多项辅助检测,用这些辅助检测结果对AE的检测结果进行补充。
步骤3、根据辅助检测的情况,选择是否对电力设备进行复测,同时调整主导检测技术的诊断置信度。
本步骤的具体实现方法包括以下步骤:
步骤3.1、若辅助检测技术集中有两项或两项以上检测技术的检测结果判定电力设备存在故障,则提高主导检测技术的诊断置信度,并执行步骤4;若辅助检测技术集中只有一项检测技术的检测结果判定电力设备存在故障,则执行步骤3.2;若辅助检测技术集中没有一项检测技术的检测结果判定电力设备存在故障,则执行步骤3.3。
步骤3.2、由辅助检测技术集对电力设备进行复测,若辅助检测技术集在复测中有两项或两项以上检测技术的检测结果判定电力设备存在故障,则提高主导检测技术的诊断置信度,并执行步骤4;若仍未有两项或两项以上检测技术的检测结果判定电力设备存在故障,则降低主导检测技术的诊断置信度,与此同时,若主导检测技术给出的故障类型所对应的出现概率不小于60%,则执行步骤4,若主导检测技术给出的故障类型所对应的出现概率小于60%,则诊断结论为正常。
步骤3.3、由辅助检测技术集对电力设备进行复测;若辅助检测技术集在复测中有两项或两项以上检测技术的检测结果判定电力设备存在故障,则提高主导检测技术的诊断置信度,并执行步骤4;若仍未有两项或两项以上检测技术的检测结果判定电力设备存在故障,则降低主导检测技术的诊断置信度,与此同时,若主导检测技术给出的故障类型所对应的出现概率超过80%,则执行步骤4,若主导检测技术给出的故障类型所对应的出现概率低于80%,则诊断结论为正常。
步骤4、将主导检测技术的诊断数据与专家库集进行对比,进一步确诊。
本步骤所使用的的专家库集包括家族性故障库、现场故障案例库和实验室故障模拟库。本步骤的具体实现方法包括:
针对诊断置信度提高的情况,将主导检测技术给出的检测数据与家族性故障库的数据比对,进一步确定其是否为家族性故障;若为所知的家族性故障,则诊断结论为故障,且后期确诊后将检测数据列入家族性故障库进行数据补充;若非所知的家族性故障则通过现场故障案例库和实验室故障模拟库的数据进行比对,进一步确定故障类型,诊断结论为故障,且后期确诊后列入家族性故障库进行数据补充。
针对诊断置信度降低的情况,将主导检测技术给出的检测数据与家族性故障库的数据比对进一步确定其是否为家族性故障,若为所知的家族性故障,则诊断结论为故障;若非所知的家族性故障则通过现场故障案例库和实验室故障模拟库的数据进行比对。若对比后重新给出的故障类型的出现概率不小于60%,则诊断结论为故障,若对比后重新给出的故障类型的出现概率小于60%,否则诊断结论为正常。
专利库采用类似遍寻的方法,重新给出的故障类型的出现概率,具体是:专利库将主导检测技术给出的检测数据(即待诊断数据)与现场故障案例库、实验室故障模拟库内相应故障类型的所有数据(即经典案例数据)进行相关性计算,计算其相关性系数,专利库再依据相关性系数大小重新给出一个检测数据为该故障类型的出现概率。
需要强调的是,本发明所述的实施例是说明性的,而不是限定性的,因此本发明包括并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (5)
1.一种对局部放电诊断结果进行多元互补交叉验证的方法,其特征在于包括以下步骤:
步骤1、使用多种局部放电检测技术对电力设备进行局部放电故障检测;
步骤2、如果其中一种局部放电检测技术的检测结果被判定电力设备存在局部放电故障,则将该局部放电检测技术作为主导检测技术,给出检测结果;同时将剩余的其他几种局部放电检测技术作为辅助检测技术集,从多个方面对电力设备进行多项辅助检测;
步骤3、根据多项辅助检测的情况,选择是否对电力设备进行复测,同时调整主导检测技术的诊断置信度;该步骤的具体实现方法包括:
步骤3.1、若辅助检测技术集中有两项或两项以上检测技术的检测结果判定电力设备存在故障,则提高主导检测技术的诊断置信度,并执行步骤4;若辅助检测技术集中只有一项检测技术的检测结果判定电力设备存在故障,则执行步骤3.2;若辅助检测技术集中没有一项检测技术的检测结果判定电力设备存在故障,则执行步骤3.3;
步骤3.2、由辅助检测技术集对电力设备进行复测,若辅助检测技术集在复测中有两项或两项以上检测技术的检测结果判定电力设备存在故障,则提高主导检测技术的诊断置信度,并执行步骤4;若仍未有两项或两项以上检测技术的检测结果判定电力设备存在故障,则降低主导检测技术的诊断置信度,同时,若主导检测技术给出的故障类型所对应的出现概率不小于60%,则执行步骤4,若主导检测技术给出的故障类型所对应的出现概率小于60%,则诊断结论为正常;
步骤3.3、由辅助检测技术集对电力设备进行复测;若辅助检测技术集在复测中有两项或两项以上检测技术的检测结果判定电力设备存在故障,则提高主导检测技术的诊断置信度,并执行步骤4;若仍未有两项或两项以上检测技术的检测结果判定电力设备存在故障,则降低主导检测技术的诊断置信度,同时,若主导检测技术给出的故障类型所对应的出现概率超过80%,则执行步骤4,若主导检测技术给出的故障类型所对应的出现概率低于80%,则诊断结论为正常;
步骤4、将主导检测技术的诊断数据与专家库集进行对比,进一步确诊。
2.根据权利要求1所述的一种对局部放电诊断结果进行多元互补交叉验证的方法,其特征在于:所述步骤1中多种局部放电检测技术包括红外检测温度的局部放电检测技术、用微水或油色谱检测化学成分的局部放电检测技术、用UHF和高频检测电磁波强度的局部放电检测技术和用AE检测超声波强度的局部放电检测技术。
3.根据权利要求1所述的一种对局部放电诊断结果进行多元互补交叉验证的方法,其特征在于:所述步骤2中主导检测技术的检测结果包括检测数据、诊断可能性最高的故障类型及其出现概率。
4.根据权利要求1所述的一种对局部放电诊断结果进行多元互补交叉验证的方法,其特征在于:所述步骤4的具体实现方法为:
针对诊断置信度提高的情况,将主导检测技术给出的检测数据与家族性故障库的数据比对,进一步确定其是否为家族性故障;若为所知的家族性故障,则诊断结论为故障,且后期确诊后将检测数据列入家族性故障库进行数据补充;若非所知的家族性故障则通过现场故障案例库和实验室故障模拟库的数据进行比对,进一步确定故障类型,诊断结论为故障,且后期确诊后列入家族性故障库进行数据补充;
针对诊断置信度降低的情况,将主导检测技术给出的检测数据与家族性故障库的数据比对进一步确定其是否为家族性故障,若为所知的家族性故障,则诊断结论为故障;若非所知的家族性故障则通过现场故障案例库和实验室故障模拟库的数据进行比对,若对比后重新给出的故障类型的出现概率不小于60%,则诊断结论为故障,若对比后重新给出的故障类型的出现概率小于60%,否则诊断结论为正常。
5.根据权利要求1或4所述的一种对局部放电诊断结果进行多元互补交叉验证的方法,其特征在于:所述步骤4中的专家库集包括家族性故障库、现场故障案例库和实验室故障模拟库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910433085.5A CN110208658B (zh) | 2019-05-23 | 2019-05-23 | 一种对局部放电诊断结果进行多元互补交叉验证的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910433085.5A CN110208658B (zh) | 2019-05-23 | 2019-05-23 | 一种对局部放电诊断结果进行多元互补交叉验证的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110208658A CN110208658A (zh) | 2019-09-06 |
CN110208658B true CN110208658B (zh) | 2021-03-19 |
Family
ID=67788341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910433085.5A Active CN110208658B (zh) | 2019-05-23 | 2019-05-23 | 一种对局部放电诊断结果进行多元互补交叉验证的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110208658B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111897855B (zh) * | 2020-07-30 | 2023-11-10 | 广东省中山市质量计量监督检测所 | 电磁兼容性能诊断方法与系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011252780A (ja) * | 2010-06-02 | 2011-12-15 | Tohoku Electric Power Co Inc | 磁界プローブを用いた電気機器の部分放電検出方法 |
CN104267315A (zh) * | 2014-10-16 | 2015-01-07 | 山东大学 | 基于主动频率偏移和电压幅值变化的复合型孤岛检测方法 |
CN106358234A (zh) * | 2016-09-23 | 2017-01-25 | 宁波大学 | 协同认知无线网络主用户信号归一化能量检测方法 |
CN107316323A (zh) * | 2017-06-28 | 2017-11-03 | 北京工业大学 | 基于多尺度分析法建立的无参考图像质量评估方法 |
CN107367676A (zh) * | 2017-09-04 | 2017-11-21 | 厦门斯玛特思智能电气股份有限公司 | 基于音频智能识别的局放指示器 |
CN108614170A (zh) * | 2018-04-28 | 2018-10-02 | 国网山东省电力公司淄博供电公司 | 一种电力变压器综合监护系统 |
CN108896878A (zh) * | 2018-05-10 | 2018-11-27 | 国家电网公司 | 一种基于超声波的局部放电检测方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104655948A (zh) * | 2013-11-21 | 2015-05-27 | 国家电网公司 | 一种新型的电力变压器多级故障诊断方法 |
US20170030957A1 (en) * | 2015-07-31 | 2017-02-02 | Aktiebolaget Skf | Partial discharge detection relay matrix for multiple lead analysis |
CN106597231B (zh) * | 2016-11-11 | 2018-12-28 | 上海交通大学 | 基于多源信息融合和深度学习网络的gis故障检测系统及方法 |
CN109239516A (zh) * | 2018-09-05 | 2019-01-18 | 国网山西省电力公司检修分公司 | 融合多种智能诊断模型的变压器故障分层诊断方法 |
CN109472097B (zh) * | 2018-11-19 | 2022-09-20 | 国网湖北省电力有限公司黄石供电公司 | 一种输电线路在线监测设备故障诊断方法 |
CN109670536B (zh) * | 2018-11-30 | 2023-05-30 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种多源放电及干扰叠加情况下的局部放电信号聚类方法 |
-
2019
- 2019-05-23 CN CN201910433085.5A patent/CN110208658B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011252780A (ja) * | 2010-06-02 | 2011-12-15 | Tohoku Electric Power Co Inc | 磁界プローブを用いた電気機器の部分放電検出方法 |
CN104267315A (zh) * | 2014-10-16 | 2015-01-07 | 山东大学 | 基于主动频率偏移和电压幅值变化的复合型孤岛检测方法 |
CN106358234A (zh) * | 2016-09-23 | 2017-01-25 | 宁波大学 | 协同认知无线网络主用户信号归一化能量检测方法 |
CN107316323A (zh) * | 2017-06-28 | 2017-11-03 | 北京工业大学 | 基于多尺度分析法建立的无参考图像质量评估方法 |
CN107367676A (zh) * | 2017-09-04 | 2017-11-21 | 厦门斯玛特思智能电气股份有限公司 | 基于音频智能识别的局放指示器 |
CN108614170A (zh) * | 2018-04-28 | 2018-10-02 | 国网山东省电力公司淄博供电公司 | 一种电力变压器综合监护系统 |
CN108896878A (zh) * | 2018-05-10 | 2018-11-27 | 国家电网公司 | 一种基于超声波的局部放电检测方法 |
Non-Patent Citations (5)
Title |
---|
《Application of extension neural network algorithm and chaos synchronization detection method to partial discharge diagnosis of power capacitor》;Meng-HuiWang等;《Measurement》;20181231;全文 * |
《基于多种检测技术的高压开关柜内部局部放电检测与分析》;李永祥等;《高压电器》;20170131;全文 * |
《基于局部放电监测的变压器故障诊断系统研究》;邵安海等;《四川电力技术》;20071231;全文 * |
《声—电—化联合检测在判别GIS自由金属颗粒放电缺陷上的应用》;李松原等;《高压电器》;20160930;全文 * |
《综述电力设备局部放电检测方法》;林松等;《电工文摘》;20160630;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110208658A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107480386B (zh) | 一种基于响应混叠性度量与遗传算法的测试激励优选方法 | |
CN103389430B (zh) | 一种基于贝叶斯判别理论的油浸式变压器故障检测方法 | |
CN109187614B (zh) | 基于核磁共振和质谱的代谢组学数据融合方法及其应用 | |
CN115982602B (zh) | 一种光伏变压器电故障检测方法 | |
CN112085071A (zh) | 一种基于边缘计算的配电房设备故障分析预判方法及装置 | |
CN112149569B (zh) | 变压器基于模糊c均值聚类算法的声纹故障诊断方法 | |
CN104007343A (zh) | 一种基于贝叶斯网络的变压器动态综合故障诊断方法 | |
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 | |
CN103399237A (zh) | 一种检测油浸式变压器故障的方法 | |
CN110208658B (zh) | 一种对局部放电诊断结果进行多元互补交叉验证的方法 | |
CN113537328A (zh) | 一种基于深度学习的旋转机械故障诊断方法和装置 | |
CN105137354A (zh) | 一种基于神经网络电机故障检测方法 | |
JP6789872B2 (ja) | 分析方法、分析装置、およびプログラム | |
CN109960881B (zh) | 基于格兰杰因果性的过程变量评估方法 | |
CN113266921A (zh) | 一种空调设备故障检测方法、装置、设备及介质 | |
CN106646106B (zh) | 基于变点探测技术的电网故障检测方法 | |
CN114118166A (zh) | 一种基于智能频谱监测的变压器故障诊断系统及方法 | |
CN116298719A (zh) | 设备绝缘老化识别方法、装置、电子设备及存储介质 | |
CN115616374A (zh) | 一种基于机器学习的半导体芯片的测试系统 | |
CN106443238B (zh) | 高压设备状态评估方法、在线监测装置评估方法及装置 | |
CN115270410A (zh) | 基于arma模型的gis微粒微弱放电发展趋势预测方法及系统 | |
CN110703080B (zh) | 一种gis尖刺放电诊断方法、放电程度识别方法及装置 | |
Sung-min et al. | The estimation of insulation on MV cables using the VLF tanδ diagnostic measurement | |
CN111930081A (zh) | 用于监控agv状态的方法、装置、边缘设备和存储介质 | |
CN107153141B (zh) | 基于虚拟窗口的智能电气设备异常检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |