CN110261748A - Gis设备绝缘性能识别方法及系统 - Google Patents
Gis设备绝缘性能识别方法及系统 Download PDFInfo
- Publication number
- CN110261748A CN110261748A CN201910620707.5A CN201910620707A CN110261748A CN 110261748 A CN110261748 A CN 110261748A CN 201910620707 A CN201910620707 A CN 201910620707A CN 110261748 A CN110261748 A CN 110261748A
- Authority
- CN
- China
- Prior art keywords
- insulation
- value
- gis device
- class
- sample objects
- 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.)
- Withdrawn
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
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种GIS设备绝缘性能识别方法及系统,以灭弧室气体微水量、其他气室气体微水量、气体泄露率和局放产物为采样对象,分别提取各个采样对象多个特征量,并根据经验值预先确定其期望和均方差,然后由隶属度函数确定隶属度值,并计算隶属度间的差异对应的融合度,利用融合度来确定各特征量的权重,从而得到同类特征信息融合后的隶属度,然后由融合后的隶属度转化为基本信任分配函数,运用证据理论实现对不同特征量之间的信任分配函数的两两融合。其效果是:可以避免单一特征、单一采样对象的局限性,减小特征量不确定性误差带来的影响,同时基于模糊证据理论的多特征、多源信息融合,避免了特征融合过程中的主观化。
Description
技术领域
本发明涉及电气设备维护技术,尤其涉及一种GIS设备绝缘性能识别方法及系统。
背景技术
随着计算机技术、人工智能和测试技术的日益完善和发展,现阶段GIS设备中断路器状态监测的发展方向是基于智能理论和神经网络的大规模专家系统。目前国内外有关设备状态评估的研究工作已有一些研究成果,但对GIS进行状态评估的研究有一定的难度。开展GIS设备状态评估研究工作不仅具有重要的学术意义和社会效益,更具有重要的经济和工程实用价值。因此,加大GIS状态评估投入力度,不断完善状态评估技术,进而在电力系统中推广应用具有非常重要的前景。
GIS设备故障大致可以分为:放电性故障和机械性故障。具体来说,主要故障包括绝缘类故障、机械性故障、壳体渗漏及二次回路故障等。通过对以往的GIS绝缘故障进行调研和统计,发现导致GIS绝缘故障发生的原因主要有5个方面。其中作为GIS设备必不可少的绝缘气体SF6会在电弧、电火花和电晕放电的作用下会发生分解,导致绝缘劣化,并且SF6气体泄漏、含水量增加、SF6气体成分分解等都会对GIS设备的绝缘强度造成影响,其发生绝缘事故的概率占GIS事故的38.1%。因此,对GIS的绝缘状态进行评估非常重要。
现有的各种评估手段大多采用可视化诊断方式或基于BP神经网络的智能识别方式等,其存在的缺陷是:可视化诊断方式主观性较强,大多由人为主观判断;基于BP神经网络的智能识别方式,其训练过程又相对复杂,对样本数据的要求较高。
发明内容
为了克服上述缺陷,本发明首先提出一种GIS设备绝缘性能识别方法,基于专家打分所得的各种参量的经验值,由模糊统计试验法确定隶属度,然后对GIS绝缘状态的特征量进行两两融合,通过定义一融合度函数,实现不同特征量之间的融合,如某个特征量对绝缘状态的影响大,则它的此类特征在融合的过程中的权系数就大,反之权系数就小,从而更加简便的实现GIS设备绝缘性能识别。
为了实现上述目的,本发明所采用的具体技术方案如下:
一种GIS设备绝缘性能识别方法,其关键在于包括以下步骤:
S1:以灭弧室气体微水量、其他气室气体微水量、气体泄露率和局放产物为采样对象,分别提取各个采样对象的小波能量谱熵、功率谱熵、奇异谱熵和小波空间状态特征谱熵作为特征量,并根据经验值预先确定该GIS设备的绝缘等级和各个绝缘等级下对应各个特征量的期望和均方差;
S2:基于一个采样对象的四个特征量在各种绝缘等级下的期望和均方差,确定该采样对象的四个特征量相对于每一种绝缘等级的隶属函数,从而构成隶属函数矩阵;
S3:基于隶属函数矩阵中各个变量的偏差大小来衡量各个特征量之间的相互支持程度,从而得到相融度矩阵;
S4:选择相容度矩阵每一行变量中的最小值构成最小相容度向量;
S5:基于最小相容度向量中每个变量在所有变量中的权重确定权重系数向量;
S6:基于步骤S2所得的隶属函数矩阵和步骤S5所得的权重系数向量确定融合后的隶属度向量;
S7:基于融合后的隶属度向量确定该采样对象的四个特征量的基本信任分配函数值;
S8:重复步骤S2-S7,确定其余三个采样对象的四个特征量的基本信任分配函数值;
S9:采用证据理论对各项基本信任分配函数值进行两两融合,得到最终信任分配函数;
S10:选择最终信任分配函数中取值最大的元素所对应的绝缘等级作为GIS设备当前绝缘情况。
可选地,步骤S2中采用高斯函数计算各个变量的隶属函数,具体为:x为待处理的特征量,a,b为对应绝缘等级下该特征量的均值和方差,u(x)即为该特征量的相对于该绝缘等级的隶属函数值。
可选地,步骤S3中按照来计算隶属函数矩阵中第i个特征量和第j个特征量之间的欧式距离,其中ui表示隶属函数矩阵中第i行元素所组成的行向量,uj表示隶属函数矩阵中第j行元素所组成的行向量,然后按照rij=1-dij确定相融度矩阵其中i,j分别取1~4。
可选地,步骤S9中设第i种采样对象基本信任分配函数值为mi,每一种采样对象对应有K种绝缘等级,则在按照以下方式进行证据融合:
S91:计算冲突因子其中m1(Ai)表示两两融合时第一个基本信任分配函数中对应第Ai种绝缘等级的元素值,m2(Aj)表示两两融合时第二个基本信任分配函数中对应第Aj种绝缘等级的元素值;
S92:按照得到两两融合后基本信任分配函数中对应第Ai种绝缘等级的元素值。
可选地,步骤S7中,按照得到基本信任分配函数值,其中mr(Ai)表示第k个采样对象的基本信任分配函数中对应第Ai种绝缘等级的信任分配函数值,表示第k个采样对象对应的融合后的隶属度向量中的第i个元素值。
可选地,预先定义每一种采样对象对应有四种绝缘等级,分别为定义为绝缘良好等级、绝缘一般等级、绝缘注意等级、绝缘危险等级。
基于上述方法,本发明还提供一种GIS设备绝缘性能识别系统,包括数据采集模块,识别判定模块以及识别结果输出模块,所述数据采集模块用于采集灭弧室气体微水量、其他气室气体微水量、气体泄露率和局放产物这4种采样对象,所述识别判定模块按照上述方法实现GIS设备绝缘性能识别,所述识别结果输出模块用于输出GIS设备绝缘性能识别结果。
本发明的有益效果在于:
本发明提出的方法和系统,利用多种采样对象的多类特征识别GIS设备绝缘性能,可以避免单一特征、单一采样对象的局限性,综合考虑各参数的多个特征的情况,可以减小特征量不确定性误差带来的影响,同时基于模糊证据理论的多特征、多源信息融合,综合考虑了不同的参数信息的各类特征间的相互关系,避免了融合过程中的主观化,能对不同参数的各特征进行有效的融合,在GIS设备绝缘性能识别过程中能够得到有效利用。
附图说明
图1为本发明的方法流程图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图说明本发明的具体实施方式。
结合附图1对本发明的具体实施方式作进一步详细说明。
如图1所示,一种GIS设备绝缘性能识别方法,包括以下步骤:
S1:以灭弧室气体微水量、其他气室气体微水量、气体泄露率和局放产物为采样对象,分别提取各个采样对象的小波能量谱熵、功率谱熵、奇异谱熵和小波空间状态特征谱熵作为特征量,并根据经验值预先确定该GIS设备的绝缘等级和各个绝缘等级下对应各个特征量的期望和均方差;
GIS评估参量监测主要是对SF6气体状态进行监测,包括(1)SF6气体检测(2)电阻参量(3)附件参量分析(4)工作环境及其他因素参量分析,其中SF6气体检测针对的是SF6气体的微水含量;SF6气体的压力;SF6气体的密度;SF6气体的成分。GIS绝缘状态主要与SF6气体状态有关,故选择气体微水量,包括灭弧室和其他气室,气体泄露率和局放产物作为评价GIS绝缘性能的四个特征量。
根据国家电网公司变电检测管理规定国网(运检/3)829-2017中SF6气体的检测项目标准中规定:有电弧分解室隔室运行中微水含量要求不大于300μL/L,无电弧分解物隔室不超过500μL/L;气体泄露率不超过1%,局放产物不超过10μL/L,由此可知各特征量阈值。
通过邀请专家评分的方式,将绝缘等级分别为定义为绝缘良好等级、绝缘一般等级、绝缘注意等级、绝缘危险等级,基于经验参数,可以得到各个特征量相对于不同绝缘等级下的期望和均方差,具体如表1-表4所示。
表1小波能量谱熵在不同情况下的期望和均方差
表2功率谱熵在不同情况下的期望和均方差
表3奇异谱熵在不同情况下的期望和均方差
表4小波空间状态特征熵在不同情况下的期望和均方差
S2:基于一个采样对象的四个特征量在各种绝缘等级下的期望和均方差,确定该采样对象的四个特征量相对于每一种绝缘等级的隶属函数,从而构成隶属函数矩阵;
计算隶属度函数时,具体为:x为待处理的特征量,a,b为对应绝缘等级下该特征量的均值和方差,u(x)即为该特征量的相对于该绝缘等级的隶属函数值。
以提取灭弧室微水量某一时间段采样值为例,得到该样本对应的各个特征量分别为x1=0.8451,x2=0.3754,x3=0.1205,x4=0.1310,代入上式可得到的各绝缘状态隶属度值:
S3:基于隶属函数矩阵中各个变量的偏差大小来衡量各个特征量之间的相互支持程度,从而得到相融度矩阵;
按照来计算隶属函数矩阵中第i个特征量和第j个特征量之间的欧式距离,其中ui表示隶属函数矩阵中第i行元素所组成的行向量,uj表示隶属函数矩阵中第j行元素所组成的行向量,然后按照rij=1-dij确定相融度矩阵其中i,j分别取1~4。
从而可以得到相融度矩阵:
S4:为了保证最大的可信度,确定第i个熵值与其它熵值的相融度时,选择相容度矩阵每一行变量中的最小值构成最小相容度向量;即得到:
s=[0.2354 0.0026 0.0026 0.0674]T
S5:基于最小相容度向量中每个变量在所有变量中的权重确定权重系数向量;
设第i个特征量的权系数可由si在总相融度中所占的比重确定,即:
由此得到权重系数向量为:
q=[0.7641 0.0085 0.0085 0.2188]T
S6:基于步骤S2所得的隶属函数矩阵和步骤S5所得的权重系数向量确定融合后的隶属度向量;融合后的灭弧气室微水量属于各绝缘状态的隶属度为:
β=[0.7615 0.0045 0.0084 0.1555]
S7:基于融合后的隶属度向量确定该采样对象的四个特征量的基本信任分配函数值;
具体可以按照得到基本信任分配函数值,其中mr(Ai)表示第k个采样对象的基本信任分配函数中对应第Ai种绝缘等级的信任分配函数值,表示第k个采样对象对应的融合后的隶属度向量中的第i个元素值。
按照上述转换后的基本信任分配函数值:
m1=[0.8189 0.0049 0.0091 0.1672]
S8:重复步骤S2-S7,确定其余三个采样对象的四个特征量的基本信任分配函数值;
具体为:提取其他气室微水量某一时间段采样值,得到该样本对应的各个特征量分别为x1=0.8451,x2=0.4289,x3=0.0689,x4=0.0419,可得到的各绝缘状态隶属度值:
对应的相融度矩阵:
最小相容度向量:s=[0.2445 0.2539 0.2539 0.2445]T;
权重系数向量为:q=[0.2453 0.2547 0.2547 0.2453]T;
融合后的其他气室微水量属于各绝缘状态的隶属度为:
β=[0.1932 0.2415 0.1260 0.2403]
转换后的基本信任分配函数值:m2=[0.2412 0.3015 0.1573 0.3000];
同时提取气体泄露率某一时间段采样值,得到该样本对应的各个特征量分别为x1=0.8174,x2=0.4446,x3=0.1933,x4=0.1802,可得到的各绝缘状态隶属度值:
对应的相融度矩阵:
最小相容度向量:s=[0.3227 0.0533 0.6129 0.0533]T;
权重系数向量为:q=[0.3097 0.0512 0.5880 0.0512]T;
融合后的气体泄露率属于各绝缘状态的隶属度为:
β=[0.2172 0.0507 0.5187 0.0205];
转换后的基本信任分配函数值:m3=[0.2691 0.0629 0.6426 0.0254];
最后提取局放产物某一时间段采样值,得到该样本对应的各个特征量分别为x1=0.8451,x2=0.4359,x3=0.0336,x4=0.0377,可得到的各绝缘状态隶属度值:
对应的相融度矩阵:
最小相容度向量:s=[0.2387 0.2293 0.2293 0.2387]T;
权重系数向量为:q=[0.2551 0.2449 0.2449 0.2551]T;
融合后的局放产物属于各绝缘状态的隶属度为:
β=[0.1577 0.1457 0.2439 0.0931];
转换后的基本信任分配函数值:m4=[0.2463 0.2275 0.3808 0.1454]。
S9:采用证据理论对各项基本信任分配函数值进行两两融合,得到最终信任分配函数;证据理论融合时,设第i种采样对象基本信任分配函数值为mi,每一种采样对象对应有K种绝缘等级,则在按照以下方式进行证据融合:
S91:计算冲突因子其中m1(Ai)表示两两融合时第一个基本信任分配函数中对应第Ai种绝缘等级的元素值,m2(Aj)表示两两融合时第二个基本信任分配函数中对应第Aj种绝缘等级的元素值;
S92:按照得到两两融合后基本信任分配函数中对应第Ai种绝缘等级的元素值。
可用证据理论对特征进行两两融合,即对m1,m2,m3,m4两两融合得到:
最终信任分配函数:m=[0.9615 0.0016 0.0257 0.0136];
S10:选择最终信任分配函数中取值最大的元素所对应的绝缘等级作为GIS设备当前绝缘情况。
即最终信任分配函数中第一个元素取值最大,因此对应的GIS设备当前绝缘情况为绝缘良好等级。
基于上述方法,本发明还提供一种GIS设备绝缘性能识别系统,包括数据采集模块,识别判定模块以及识别结果输出模块,所述数据采集模块用于采集灭弧室气体微水量、其他气室气体微水量、气体泄露率和局放产物这4种采样对象,所述识别判定模块按照上述方法实现GIS设备绝缘性能识别,所述识别结果输出模块用于输出GIS设备绝缘性能识别结果。
基于上述方法和系统可以理解,本发明通过利用多种采集的信息和数据形成采样对象,并对每一个采样对象进行多类型特征提取,可以避免单一特征、单一采样对象的局限性,综合考虑GIS的多个特征的情况,可以减小特征量不确定性误差带来的影响。同时基于模糊证据理论的多特征、多源信息融合进行GIS设备绝缘性能识别,综合考虑了不同的采样对象的各类特征间的相互关系,避免了融合过程中的主观化,能对不同特征量测量的各种情况的故障数据的各特征进行有效的融合,通过上述实验表明,上述方法及系统在GIS设备绝缘性能识别过程中能够得到有效的利用。
最后需要说明的是,对于前述的各个方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某一些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和单元并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、ROM、RAM等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (7)
1.一种GIS设备绝缘性能识别方法,其特征在于包括以下步骤:
S1:以灭弧室气体微水量、其他气室气体微水量、气体泄露率和局放产物为采样对象,分别提取各个采样对象的小波能量谱熵、功率谱熵、奇异谱熵和小波空间状态特征谱熵作为特征量,并根据经验值预先确定该GIS设备的绝缘等级和各个绝缘等级下对应各个特征量的期望和均方差;
S2:基于一个采样对象的四个特征量在各种绝缘等级下的期望和均方差,确定该采样对象的四个特征量相对于每一种绝缘等级的隶属函数,从而构成隶属函数矩阵;
S3:基于隶属函数矩阵中各个变量的偏差大小来衡量各个特征量之间的相互支持程度,从而得到相融度矩阵;
S4:选择相容度矩阵每一行变量中的最小值构成最小相容度向量;
S5:基于最小相容度向量中每个变量在所有变量中的权重确定权重系数向量;
S6:基于步骤S2所得的隶属函数矩阵和步骤S5所得的权重系数向量确定融合后的隶属度向量;
S7:基于融合后的隶属度向量确定该采样对象的四个特征量的基本信任分配函数值;
S8:重复步骤S2-S7,确定其余三个采样对象的四个特征量的基本信任分配函数值;
S9:采用证据理论对各项基本信任分配函数值进行两两融合,得到最终信任分配函数;
S10:选择最终信任分配函数中取值最大的元素所对应的绝缘等级作为GIS设备当前绝缘情况。
2.根据权利要求1所述的GIS设备绝缘性能识别方法,其特征在于:步骤S2中采用高斯函数计算各个变量的隶属函数,具体为:x为待处理的特征量,a,b为对应绝缘等级下该特征量的均值和方差,u(x)即为该特征量的相对于该绝缘等级的隶属函数值。
3.根据权利要求1或2所述的GIS设备绝缘性能识别方法,其特征在于:步骤S3中按照来计算隶属函数矩阵中第i个特征量和第j个特征量之间的欧式距离,其中ui表示隶属函数矩阵中第i行元素所组成的行向量,uj表示隶属函数矩阵中第j行元素所组成的行向量,然后按照rij=1-dij确定相融度矩阵其中i,j分别取1~4。
4.根据权利要求1或2所述的GIS设备绝缘性能识别方法,其特征在于:步骤S9中设第i种采样对象基本信任分配函数值为mi,每一种采样对象对应有K种绝缘等级,则在按照以下方式进行证据融合:
S91:计算冲突因子其中m1(Ai)表示两两融合时第一个基本信任分配函数中对应第Ai种绝缘等级的元素值,m2(Aj)表示两两融合时第二个基本信任分配函数中对应第Aj种绝缘等级的元素值;
S92:按照得到两两融合后基本信任分配函数中对应第Ai种绝缘等级的元素值。
5.根据权利要求4所述的GIS设备绝缘性能识别方法,其特征在于:步骤S7中,按照得到基本信任分配函数值,其中mr(Ai)表示第k个采样对象的基本信任分配函数中对应第Ai种绝缘等级的信任分配函数值,表示第k个采样对象对应的融合后的隶属度向量中的第i个元素值。
6.根据权利要求4所述的GIS设备绝缘性能识别方法,其特征在于:预先定义每一种采样对象对应有四种绝缘等级,分别为定义为绝缘良好等级、绝缘一般等级、绝缘注意等级、绝缘危险等级。
7.一种GIS设备绝缘性能识别系统,其特征在于:包括数据采集模块,识别判定模块以及识别结果输出模块,所述数据采集模块用于采集灭弧室气体微水量、其他气室气体微水量、气体泄露率和局放产物这4种采样对象,所述识别判定模块按照权利要求1-6任一所述方法实现GIS设备绝缘性能识别,所述识别结果输出模块用于输出GIS设备绝缘性能识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910620707.5A CN110261748A (zh) | 2019-07-10 | 2019-07-10 | Gis设备绝缘性能识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910620707.5A CN110261748A (zh) | 2019-07-10 | 2019-07-10 | Gis设备绝缘性能识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110261748A true CN110261748A (zh) | 2019-09-20 |
Family
ID=67925515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910620707.5A Withdrawn CN110261748A (zh) | 2019-07-10 | 2019-07-10 | Gis设备绝缘性能识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110261748A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110794269A (zh) * | 2019-11-07 | 2020-02-14 | 云南电网有限责任公司电力科学研究院 | 一种绿色绝缘气体绝缘强度计算方法 |
CN112748315A (zh) * | 2020-12-30 | 2021-05-04 | 南京长盛仪器有限公司 | 电气安规测试仪用绝缘性能动态测量与分析装置及方法 |
CN116046077A (zh) * | 2023-03-14 | 2023-05-02 | 浙江省邮电工程建设有限公司 | 一种基于温湿度监测的gis状态检测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216998A (zh) * | 2008-01-11 | 2008-07-09 | 浙江工业大学 | 基于模糊粗糙集的证据理论城市交通流信息融合方法 |
CN102103183A (zh) * | 2010-12-01 | 2011-06-22 | 西安交通大学 | 用于现场冲击电压下局部放电测量装置及其信号处理方法 |
CN102222040A (zh) * | 2011-06-09 | 2011-10-19 | 西北工业大学 | 基于多属性熵权合成的软件可信等级评估方法 |
CN102253340A (zh) * | 2011-06-28 | 2011-11-23 | 上海电机学院 | 一种风力发电机组故障判断方法及装置 |
US20120257798A1 (en) * | 2011-04-11 | 2012-10-11 | King Fahd University Of Petroleum And Minerals | Method of performing facial recognition using genetically modified fuzzy linear discriminant analysis |
CN104359192A (zh) * | 2014-11-19 | 2015-02-18 | 山东建筑大学 | 一种基于数据的室内环境节能舒适个性化控制系统及方法 |
CN105512962A (zh) * | 2016-01-13 | 2016-04-20 | 武汉大学 | 一种气体绝缘组合电器绝缘状态综合评估方法 |
CN105932590A (zh) * | 2016-06-08 | 2016-09-07 | 国网江苏省电力公司检修分公司 | 一种基于压力和温度的sf6气体在线状态评估方法 |
CN107742922A (zh) * | 2017-09-15 | 2018-02-27 | 江苏京电电气股份有限公司 | 一种具有远程自诊断功能的gis系统和方法 |
-
2019
- 2019-07-10 CN CN201910620707.5A patent/CN110261748A/zh not_active Withdrawn
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216998A (zh) * | 2008-01-11 | 2008-07-09 | 浙江工业大学 | 基于模糊粗糙集的证据理论城市交通流信息融合方法 |
CN102103183A (zh) * | 2010-12-01 | 2011-06-22 | 西安交通大学 | 用于现场冲击电压下局部放电测量装置及其信号处理方法 |
US20120257798A1 (en) * | 2011-04-11 | 2012-10-11 | King Fahd University Of Petroleum And Minerals | Method of performing facial recognition using genetically modified fuzzy linear discriminant analysis |
CN102222040A (zh) * | 2011-06-09 | 2011-10-19 | 西北工业大学 | 基于多属性熵权合成的软件可信等级评估方法 |
CN102253340A (zh) * | 2011-06-28 | 2011-11-23 | 上海电机学院 | 一种风力发电机组故障判断方法及装置 |
CN104359192A (zh) * | 2014-11-19 | 2015-02-18 | 山东建筑大学 | 一种基于数据的室内环境节能舒适个性化控制系统及方法 |
CN105512962A (zh) * | 2016-01-13 | 2016-04-20 | 武汉大学 | 一种气体绝缘组合电器绝缘状态综合评估方法 |
CN105932590A (zh) * | 2016-06-08 | 2016-09-07 | 国网江苏省电力公司检修分公司 | 一种基于压力和温度的sf6气体在线状态评估方法 |
CN107742922A (zh) * | 2017-09-15 | 2018-02-27 | 江苏京电电气股份有限公司 | 一种具有远程自诊断功能的gis系统和方法 |
Non-Patent Citations (1)
Title |
---|
朱建渠 等: "基于多源信息的高速列车走行部故障识别方法", 《振动与冲击》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110794269A (zh) * | 2019-11-07 | 2020-02-14 | 云南电网有限责任公司电力科学研究院 | 一种绿色绝缘气体绝缘强度计算方法 |
CN110794269B (zh) * | 2019-11-07 | 2021-09-07 | 云南电网有限责任公司电力科学研究院 | 一种绿色绝缘气体绝缘强度计算方法 |
CN112748315A (zh) * | 2020-12-30 | 2021-05-04 | 南京长盛仪器有限公司 | 电气安规测试仪用绝缘性能动态测量与分析装置及方法 |
CN112748315B (zh) * | 2020-12-30 | 2022-12-30 | 南京长盛仪器有限公司 | 电气安规测试仪用绝缘性能动态测量与分析装置及方法 |
CN116046077A (zh) * | 2023-03-14 | 2023-05-02 | 浙江省邮电工程建设有限公司 | 一种基于温湿度监测的gis状态检测方法 |
CN116046077B (zh) * | 2023-03-14 | 2023-07-14 | 浙江省邮电工程建设有限公司 | 一种基于温湿度监测的gis状态检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097297B (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN109546659B (zh) | 基于随机矩阵和智能场景匹配的配电网无功优化方法 | |
CN110261748A (zh) | Gis设备绝缘性能识别方法及系统 | |
CN110035090A (zh) | 一种智能电网虚假数据注入攻击检测方法 | |
CN112149873B (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
CN110045209A (zh) | 用电数据异常的检测方法、装置、设备及可读存储介质 | |
CN106384186A (zh) | 一种分布式新能源并网电能质量监控方法及系统 | |
CN107807860B (zh) | 一种基于矩阵分解的电力故障分析方法及系统 | |
CN110866366A (zh) | 一种基于XGBoost算法的含PHEV光伏微网孤岛检测法 | |
CN105574669A (zh) | 时空联合数据聚类分析的输变电设备状态异常检测方法 | |
CN116008714B (zh) | 一种基于智能量测终端的反窃电分析方法 | |
CN112396098A (zh) | 非嵌入式公寓电器负荷识别分析方法、系统及应用 | |
CN113850320A (zh) | 基于改进支持向量机回归算法的变压器故障检测方法 | |
CN116308883A (zh) | 一种基于大数据的区域电网数据统筹管理系统 | |
CN115617784A (zh) | 一种信息化配电的数据处理系统及其处理方法 | |
Fang et al. | A machine learning-based detection framework against intermittent electricity theft attack | |
CN116862209B (zh) | 一种新能源汽车充电设施管理方法及系统 | |
CN112101673A (zh) | 一种基于隐马尔可夫模型的电网发展趋势预测方法及系统 | |
CN117033923A (zh) | 一种基于可解释性机器学习的犯罪数量预测方法及系统 | |
CN116662840A (zh) | 一种基于机器学习的低压台区用户相位识别方法 | |
CN115600494A (zh) | 一种低压台区拓扑自动识别方法及装置 | |
CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 | |
CN114065129A (zh) | 一种基于谱聚类方法的线变关系检测方法及检测系统 | |
Gong et al. | State detection method of secondary equipment in smart substation based on deep belief network and trend prediction | |
Zhong et al. | Low-voltage distribution network topology identification method based on segmented current features and cnn-lstm deep learning |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190920 |