CN110222452A - 基于大数据关联挖掘的油浸式变压器故障推演可视化系统 - Google Patents

基于大数据关联挖掘的油浸式变压器故障推演可视化系统 Download PDF

Info

Publication number
CN110222452A
CN110222452A CN201910516004.8A CN201910516004A CN110222452A CN 110222452 A CN110222452 A CN 110222452A CN 201910516004 A CN201910516004 A CN 201910516004A CN 110222452 A CN110222452 A CN 110222452A
Authority
CN
China
Prior art keywords
failure
oil
deduces
transformer
failure symptom
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
Application number
CN201910516004.8A
Other languages
English (en)
Inventor
彭鹏
邵宇鹰
王海峰
罗潇
吕政权
邱靖
岳芝林
姚初晴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Shanghai Electric Power Co Ltd
Original Assignee
State Grid Shanghai Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Shanghai Electric Power Co Ltd filed Critical State Grid Shanghai Electric Power Co Ltd
Priority to CN201910516004.8A priority Critical patent/CN110222452A/zh
Publication of CN110222452A publication Critical patent/CN110222452A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G01R31/1263—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 of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
    • G01R31/1281—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 of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of liquids or gases
    • 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
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/62—Testing of transformers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/041—Abduction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Housings And Mounting Of Transformers (AREA)

Abstract

本发明公开了一种基于大数据关联挖掘的油浸式变压器故障推演可视化系统，通过大数据分析挖掘技术对电力变压器工况的典型状态量故障类型与故障征兆进行故障隐患‑故障征兆的双向推演和关联规则挖掘检索，建立高效智能的电力变压器故障诊断模型与案例数据检索管理系统，利用虚拟现实技术实现基于大数据关联挖掘的油浸式变压器故障推演可视化系统，为可能为作业人员综合利用历史运检信息进行现场快速故障/隐患关联推演，辅助运检作业人员进行电力变压器运行状态的快速可靠分析决策，最终提高电力变压器状态检修的智能化和可靠性水平。

Description

基于大数据关联挖掘的油浸式变压器故障推演可视化系统
技术领域
本发明涉及电力变压器技术领域，特别涉及一种基于大数据关联挖掘的油浸式变压器故障推演可视化系统。
背景技术
电力变压器是电力系统的重要枢纽设备，是源-网-荷可靠协同运行的重要组成部分，电力变压器故障可能会导致严重的电力系统停电事故，然而，其在运转过程中各类故障问题屡见不鲜。长期以来，电力公司对变压器仍采用在“定期维修为主，状态检修为辅”的检修策略。随着电网经济性与安全性的需求越来越高，对电力变压器实行在线带电状态检修是设备检修方式发展的必然趋势，故而提高变压器运行维护和技术管理水平，减少电力变压器故障的发生，是现阶段电力企业的核心发展方向，同时也对现场运维检修作业以及员工技能培训提出了更高的要求。
电力变压器传输功率大、结构复杂，不同部位隐患/缺陷均会导致电力变压器故障，并且不同运行环境对电力变压器工作状态的影响也存在较大差异。而且发生故障时，往往不仅仅只引起一个故障征兆状态的变化，同时也会导致多种故障征兆引发的同时性多故障类型缺陷，使得故障征兆和故障类型之间呈现复杂的交叉映射关联特点，依赖专家经验知识的积累较为困难并且通用性较差，难以靠建立电力变压器专家系统来解决变压器的故障诊断和预测问题，这样运维作业人员对电力变压器的有效状态评估带来了极大的困难。电力变压器故障推演技术的不断发展主要基于电力变压器故障诊断与状态评估技术的进步，随着大云物移技术的发展，将电力变压器监测大数据进行有效分析利用，为实现电力变压器的带电状态检修提供了有效的技术手段，能够为电力变压器乃至变电站运维检修提供更加智能可靠的辅助决策支持。同时近年来，随着电网智能化与自动化水平的不断提高，电力大数据的积累也逐渐呈现井喷态势，各个电力公司都积累了多年的现场变压器设备运行经验，包括不同运行环境、不同电压等级下相当数量的电力变压器历史故障信息和典型案例等，为基于大数据挖掘的变压器故障推演提供了数据基础。
基于上述原因，研发一种基于大数据关联挖掘的油浸式变压器故障推演可视化系统实为必要。
发明内容
本发明的目的在于提供一种基于大数据关联挖掘的油浸式变压器故障推演可视化系统，基于大数据分析挖掘手段对有效的变压器故障典型案例进行分类管理，利用关联规则法挖掘电力变压器故障征兆与故障类型之间复合交叉关系，通过建立电力变压器故障诊断模型与案例数据检索管理系统，对变压器故障进行推演，同时综合虚拟现实的优势，建立有效可靠的电力变压器故障推演可视化系统，实现对变压器故障辅助决策的可视化。
为了达到上述目的，本发明通过以下技术方案实现：
一种基于大数据关联挖掘的油浸式变压器故障推演可视化系统，包含：电力变压器故障分析案例库，包含有反映变压器工况的典型故障征兆数据；案例数据检索管理模块，其对电力变压器故障分析案例库中的所述典型故障征兆数据进行分类管理，并确定油浸式电力变压器故障征兆推演表，用以构建变压器典型故障模型；虚拟现实可视化模块，其将所述案例数据检索管理模块中的数据信息结合虚拟现实方法，使得所述变压器典型故障模型以及设定的数据信息以三维模型和数据可视化呈现，便于运检人员对典型故障案例的观察和研究，对电力变压器故障进行快速判断。
优选地，所述的基于大数据关联挖掘的油浸式变压器故障推演可视化系统，进一步包含：系统权限管理模块，用于在启动油浸式变压器故障推演可视化系统后对用户登录权限进行判断。
优选地，所述油浸式电力变压器故障征兆推演表分为故障征兆标识、故障征兆类型、指标参数和运行状态；所述故障征兆标识和所述故障征兆类型均为油浸式电力变压器故障征兆推演表的默认参数且不可更改；所述指标参数显示所对应的故障征兆标识的正常数值的范围，通过点选填入当前检测到的实时数据，用以推断故障征兆；所述运行状态是指所对应的故障征兆标识的指标参数填入后并根据算法判断的运行状态是否正常。
优选地，将所有的故障征兆类型划分并对应9大故障诊断类型，分别为绕组故障、铁芯故障、绝缘老化、绝缘受潮、绝缘油劣化、电流回路过热、电弧放电、局部放电和油留放电。
优选地，各个故障诊断类型通过点击故障征兆推演按钮，将故障征兆类型列出并依照权重排列。
本发明还提供了一种基于如上文所述的基于大数据关联挖掘的油浸式变压器故障推演可视化系统的油浸式变压器故障推演可视化方法，该方法包含以下过程：采集反映变压器工况的典型故障征兆数据；对所述典型故障征兆数据进行分类管理，并确定油浸式电力变压器故障征兆推演表，用以构建变压器典型故障模型；通过虚拟现实方法使得变压器典型故障模型以及设定的数据信息以三维模型和数据可视化呈现，便于运检人员对典型故障案例的观察和研究，对电力变压器故障进行快速判断。
优选地，所述的油浸式变压器故障推演可视化方法，进一步包含：在启动油浸式变压器故障推演可视化系统后对用户登录权限进行判断。
优选地，所述油浸式电力变压器故障征兆推演表分为故障征兆标识、故障征兆类型、指标参数和运行状态；所述故障征兆标识和所述故障征兆类型均为油浸式电力变压器故障征兆推演表的默认参数且不可更改；所述指标参数显示所对应的故障征兆标识的正常数值的范围，通过点选填入当前检测到的实时数据，用以推断故障征兆；所述运行状态是指所对应的故障征兆标识的指标参数填入后并根据算法判断的运行状态是否正常。
优选地，将所有的故障征兆类型划分并对应9大故障诊断类型，分别为绕组故障、铁芯故障、绝缘老化、绝缘受潮、绝缘油劣化、电流回路过热、电弧放电、局部放电和油留放电。
优选地，各个故障诊断类型通过点击故障征兆推演按钮，将故障征兆类型列出并依照权重排列。
与现有技术相比，本发明的有益效果为：
本发明的油浸式变压器故障推演可视化系统设计中，一方面，引进虚拟现实技术，通过可视化展示推演映射决策结果为现场运维人员和培训员工提供直观清晰的故障类型与故障征兆的隐含关联；另一方面，在智能算法中通过推演映射权重以量化方式展示故障征兆对故障类型的隐含重要性，实现为作业人员甄选运维检修手段、电力变压器故障回溯、提高故障定位分析效率提供支撑。
附图说明
图1为本发明的基于大数据关联挖掘的油浸式变压器故障推演可视化系统架构示意图；
图2为本发明的油浸式变压器故障推演可视化系统登录界面示意图；
图3为本发明的故障类型界面示意图；
图4为本发明的以绕组故障为例的故障征兆界面示意图；
图5为本发明的以绕组短路为例的故障案例界面。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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.
如图1所示为本发明的基于大数据关联挖掘的油浸式变压器故障推演可视化系统架构示意图。油浸式变压器故障推演可视化系统包含：系统权限管理模块、电力变压器故障分析案例库、案例数据检索管理模块和虚拟现实可视化模块。
其中，在启动在油浸式变压器故障推演可视化系统后需要进行登录，系统权限管理模块用于对用户登录的权限进行判断，如图2所示为油浸式变压器故障推演可视化系统登录界面示意图。
电力变压器故障分析案例库中包含有既有电力变压器故障样本分析报告中的反映变压器工况的典型故障征兆数据。
案例数据检索管理模块在对既有电力变压器故障样本分析报告归纳整理基础上，对归纳整理构建的大数据信息池中反映变压器工况的典型故障征兆进行分类管理，确定油浸式电力变压器故障征兆推演表，如表1所示。
如表1所示，油浸式电力变压器故障征兆推演表分为故障征兆标识、故障征兆类型、指标参数和运行状态。
其中，故障征兆标识和故障征兆类型均为表格的默认参数不可更改。指标参数显示所对应的故障征兆标识的正常数值的范围，点选后可以填入当前检测到的实时数据用以推断其故障征兆。运行状态用于所对应的故障征兆标识的指标参数填入后根据算法判断的运行状态是否正常。
本实施例中，将所有的故障征兆类型划分并对应9大故障诊断类型，分别为绕组故障、铁芯故障、绝缘老化、绝缘受潮、绝缘油劣化、电流回路过热、电弧放电、局部放电和油留放电。其中，根据故障推演表输入的所有参数得到的结果提示当前变压器9大类型故障的情况，并标注出异常状况，如图3所示。
如图4所示，以绕组故障为例，点击故障征兆推演按钮，将故障征兆类型列出并依照权重排列，例如，绝缘油介损：0.0817；体积电阻率：0.0886；绕组绝缘介损：0.1544；油中含气量：0.0871；糠醛含量：0.2905；值板聚合度：0.2977。同时，还可采用三维的手段展示一些故障案例，以绕组短路为例，如图5所示。
表1油浸式电力变压器故障征兆推演表
电力变压器的故障征兆标识与故障征兆类型之间存在的复杂双向交叉映射复合连通拓扑结构，是电力变压器故障诊断关联映射模型构建的基础。本发明可以实现电力变压器故障征兆与故障类型之间映射矩阵和映射连通的快速识别、构建、检索和提取。
案例数据检索管理模块通过虚拟现实可视化模块，将案例数据检索管理模块中的数据信息结合虚拟现实技术，将变压器典型故障模型、难理解的数据信息以更形象直观的三维模型和数据可视化呈现，便于一线运检人员对典型故障案例的观察和研究，能够更能轻松地掌握对电力变压器故障的快速判断。
由上可知，本发明通过虚拟现实故障可视化演绎，在虚拟现实平台对辅助决策信息进行智能化呈现，实现对电力变压器当前故障所关联的表观故障征兆以及表观故障征兆所关联的隐含故障类型进行快速双向识别和关键决策树叉的强化认知，最终为作业人员甄选运维检修手段、实现电力变压器故障回溯、以及提高故障定位分析效率提供可靠的理论和技术支撑。
综上所述，本发明基于大数据分析挖掘技术对反映变压器工况的典型状态量(故障类型与故障征兆)进行分类管理，然后通过关联规则法挖掘故障类型与故障征兆之间的关联关系，通过对电力大数据故障案例的智能在线分析，实现电力变压器故障征兆与故障类型之间的复合双向交叉映射，建立高效智能的电力变压器故障诊断模型与案例数据检索管理系统，同时综合虚拟现实的技术优势对辅助决策信息进行可视化化呈现。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (10)

1.一种基于大数据关联挖掘的油浸式变压器故障推演可视化系统，其特征在于，包含：
电力变压器故障分析案例库，包含有反映变压器工况的典型故障征兆数据；
案例数据检索管理模块，其对电力变压器故障分析案例库中的所述典型故障征兆数据进行分类管理，并确定油浸式电力变压器故障征兆推演表，用以构建变压器典型故障模型；
虚拟现实可视化模块，其将所述案例数据检索管理模块中的数据信息结合虚拟现实方法，使得所述变压器典型故障模型以及设定的数据信息以三维模型和数据可视化呈现，便于运检人员对典型故障案例的观察和研究，对电力变压器故障进行快速判断。
2.如权利要求1所述的基于大数据关联挖掘的油浸式变压器故障推演可视化系统，其特征在于，
进一步包含：系统权限管理模块，用于在启动油浸式变压器故障推演可视化系统后对用户登录权限进行判断。
3.如权利要求1或2所述的基于大数据关联挖掘的油浸式变压器故障推演可视化系统，其特征在于，
所述油浸式电力变压器故障征兆推演表分为故障征兆标识、故障征兆类型、指标参数和运行状态；
所述故障征兆标识和所述故障征兆类型均为油浸式电力变压器故障征兆推演表的默认参数且不可更改；
所述指标参数显示所对应的故障征兆标识的正常数值的范围，通过点选填入当前检测到的实时数据，用以推断故障征兆；
所述运行状态是指所对应的故障征兆标识的指标参数填入后并根据算法判断的运行状态是否正常。
4.如权利要求3所述的基于大数据关联挖掘的油浸式变压器故障推演可视化系统，其特征在于，
将所有的故障征兆类型划分并对应9大故障诊断类型，分别为绕组故障、铁芯故障、绝缘老化、绝缘受潮、绝缘油劣化、电流回路过热、电弧放电、局部放电和油留放电。
5.如权利要求4所述的基于大数据关联挖掘的油浸式变压器故障推演可视化系统，其特征在于，
各个故障诊断类型通过点击故障征兆推演按钮，将故障征兆类型列出并依照权重排列。
6.一种基于如权利要求1-5所述的基于大数据关联挖掘的油浸式变压器故障推演可视化系统的油浸式变压器故障推演可视化方法，其特征在于，该方法包含以下过程：
采集反映变压器工况的典型故障征兆数据；
对所述典型故障征兆数据进行分类管理，并确定油浸式电力变压器故障征兆推演表，用以构建变压器典型故障模型；
通过虚拟现实方法使得变压器典型故障模型以及设定的数据信息以三维模型和数据可视化呈现，便于运检人员对典型故障案例的观察和研究，对电力变压器故障进行快速判断。
7.如权利要求6所述的油浸式变压器故障推演可视化方法，其特征在于，进一步包含：在启动油浸式变压器故障推演可视化系统后对用户登录权限进行判断。
8.如权利要求6或7所述的油浸式变压器故障推演可视化方法，其特征在于，所述油浸式电力变压器故障征兆推演表分为故障征兆标识、故障征兆类型、指标参数和运行状态；
所述故障征兆标识和所述故障征兆类型均为油浸式电力变压器故障征兆推演表的默认参数且不可更改；
所述指标参数显示所对应的故障征兆标识的正常数值的范围，通过点选填入当前检测到的实时数据，用以推断故障征兆；
所述运行状态是指所对应的故障征兆标识的指标参数填入后并根据算法判断的运行状态是否正常。
9.如权利要求8所述的油浸式变压器故障推演可视化方法，其特征在于，将所有的故障征兆类型划分并对应9大故障诊断类型，分别为绕组故障、铁芯故障、绝缘老化、绝缘受潮、绝缘油劣化、电流回路过热、电弧放电、局部放电和油留放电。
10.如权利要求9所述的油浸式变压器故障推演可视化方法，其特征在于，各个故障诊断类型通过点击故障征兆推演按钮，将故障征兆类型列出并依照权重排列。
CN201910516004.8A 2019-06-14 2019-06-14 基于大数据关联挖掘的油浸式变压器故障推演可视化系统 Pending CN110222452A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910516004.8A CN110222452A (zh) 2019-06-14 2019-06-14 基于大数据关联挖掘的油浸式变压器故障推演可视化系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910516004.8A CN110222452A (zh) 2019-06-14 2019-06-14 基于大数据关联挖掘的油浸式变压器故障推演可视化系统

Publications (1)

Publication Number Publication Date
CN110222452A true CN110222452A (zh) 2019-09-10

Family

ID=67817276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910516004.8A Pending CN110222452A (zh) 2019-06-14 2019-06-14 基于大数据关联挖掘的油浸式变压器故障推演可视化系统

Country Status (1)

Country Link
CN (1) CN110222452A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111507488A (zh) * 2020-04-14 2020-08-07 洋浦美诺安电子科技有限责任公司 一种基于vr的车辆维修保养辅助系统
CN112257423A (zh) * 2020-10-21 2021-01-22 北京工业大数据创新中心有限公司 一种设备征兆信息获取方法、装置和设备运维系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105302112A (zh) * 2015-10-23 2016-02-03 中国电子科技集团公司第十研究所 Icni系统智能故障诊断系统
CN105891629A (zh) * 2016-03-31 2016-08-24 广西电网有限责任公司电力科学研究院 一种变压器设备故障的辨识方法
CN106201828A (zh) * 2016-07-18 2016-12-07 云南电网有限责任公司信息中心 一种基于数据挖掘的虚拟机故障检测方法和系统
CN107862052A (zh) * 2017-11-08 2018-03-30 国网电力科学研究院武汉南瑞有限责任公司 一种故障案例库、故障树及故障谱构建方法
CN107992959A (zh) * 2017-04-26 2018-05-04 国网浙江省电力公司 一种基于电力大数据可视化神经网络数据挖掘技术的电力故障预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105302112A (zh) * 2015-10-23 2016-02-03 中国电子科技集团公司第十研究所 Icni系统智能故障诊断系统
CN105891629A (zh) * 2016-03-31 2016-08-24 广西电网有限责任公司电力科学研究院 一种变压器设备故障的辨识方法
CN106201828A (zh) * 2016-07-18 2016-12-07 云南电网有限责任公司信息中心 一种基于数据挖掘的虚拟机故障检测方法和系统
CN107992959A (zh) * 2017-04-26 2018-05-04 国网浙江省电力公司 一种基于电力大数据可视化神经网络数据挖掘技术的电力故障预测方法
CN107862052A (zh) * 2017-11-08 2018-03-30 国网电力科学研究院武汉南瑞有限责任公司 一种故障案例库、故障树及故障谱构建方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111507488A (zh) * 2020-04-14 2020-08-07 洋浦美诺安电子科技有限责任公司 一种基于vr的车辆维修保养辅助系统
CN111507488B (zh) * 2020-04-14 2021-01-01 李松 一种基于vr的车辆维修保养辅助系统
CN112257423A (zh) * 2020-10-21 2021-01-22 北京工业大数据创新中心有限公司 一种设备征兆信息获取方法、装置和设备运维系统
CN112257423B (zh) * 2020-10-21 2024-01-26 北京工业大数据创新中心有限公司 一种设备征兆信息获取方法、装置和设备运维系统

Similar Documents

Publication Publication Date Title
Zhou et al. Review of recent research towards power cable life cycle management
CN106597231B (zh) 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
CN102368634B (zh) 智能变电站状态监测统一信息平台系统
CN109102171A (zh) 一种基于大数据的变电站设备状态智能化评价系统及方法
CN108051709A (zh) 基于人工智能技术的变压器状态在线评估分析方法
CN110909444B (zh) 一种高铁牵引供电调度仿真培训系统
CN103218695A (zh) 二次设备智能状态评估诊断系统及其方法
CN106959394B (zh) 一种高压大容量statcom状态评估方法和系统
CN108846591A (zh) 一种变电站开关柜多运行状态智能监测系统及评估方法
CN110110856A (zh) 一种基于多源信息深度推理的电网故障诊断方法及系统
CN110222452A (zh) 基于大数据关联挖掘的油浸式变压器故障推演可视化系统
CN106597196A (zh) 输变电设备状态监测智能诊断分析系统及方法
CN103234576A (zh) 一种用于智能变电站中电力设备的状态监测系统
CN107356868A (zh) 模拟断路器检测方法以及系统
CN112115618A (zh) 一种基于矩阵图及置信度的电力设备故障诊断方法及系统
CN111047169A (zh) 一种电网调度用故障分析检测系统
CN114154728A (zh) 一种故障预测方法、装置、电子设备及存储介质
CN113449044A (zh) 基于学习推理机的智能站设备检修安措自动生成方法及装置
CN112330128A (zh) 一种生产作业的管理方法、装置、设备及储存介质
CN107328994A (zh) 变压器绝缘电阻试验装置及方法
CN116453390A (zh) 一种集控站模式下人员一站式岗位培训方法
CN116169778A (zh) 一种基于配电网异常分析的处理方法及系统
CN113949618B (zh) 基于大数据的通信故障预警系统
CN112542892B (zh) 变电站调控一体化控制方法及控制装置
CN114037095A (zh) 应用于电力防误检修隔离的方法、系统、设备和存储介质

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