CN110332952B - 一种基于声学图像的变压器铁心松动检测方法及平台 - Google Patents

一种基于声学图像的变压器铁心松动检测方法及平台 Download PDF

Info

Publication number
CN110332952B
CN110332952B CN201910629453.3A CN201910629453A CN110332952B CN 110332952 B CN110332952 B CN 110332952B CN 201910629453 A CN201910629453 A CN 201910629453A CN 110332952 B CN110332952 B CN 110332952B
Authority
CN
China
Prior art keywords
gray
gray level
image
iron core
acoustic
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
Application number
CN201910629453.3A
Other languages
English (en)
Other versions
CN110332952A (zh
Inventor
司文荣
傅晨钊
徐鹏
贺林
田昊洋
徐湘亿
王劭菁
崔律
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
East China Power Test and Research Institute Co Ltd
Original Assignee
State Grid Shanghai Electric Power Co Ltd
East China Power Test and Research Institute 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, East China Power Test and Research Institute Co Ltd filed Critical State Grid Shanghai Electric Power Co Ltd
Priority to CN201910629453.3A priority Critical patent/CN110332952B/zh
Publication of CN110332952A publication Critical patent/CN110332952A/zh
Application granted granted Critical
Publication of CN110332952B publication Critical patent/CN110332952B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D5/00—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable
    • G01D5/48—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable using wave or particle radiation means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
    • G01H11/06—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明涉及一种基于声学图像的变压器铁心松动检测方法及平台，包括以下步骤：1)将变压器铁心声学图像转化为灰度图；2)提取声学图像纹理特征，生成灰度共生矩阵；3)计算所选表征声学图像纹理特征的特征值，并计算特征值的平均值和标准差；4)比较各特征值与对应参考值的大小，根据比较结果，得到铁心压紧状态。与现有技术相比，本发明具有准确度高、抗干扰能力强和应用前景好等优点。

Description

一种基于声学图像的变压器铁心松动检测方法及平台
技术领域
本发明涉及电气工程中的设备故障监测方法，尤其是涉及一种基于声学图像的变压器铁心松动检测方法及平台。
背景技术
电力变压器作为电力工业发电、输电、配电以及电能转换等过程中的关键设备，其安全、稳定、可靠运行至关重要。其中铁心对变压器的电磁性能、机械强度等起着至关重要的作用，因铁心问题引发的故障在变压器总故障中占有较大比重。根据国家能源局统计，2017年造成我国220kV及以上主变压器故障停运的主要部件为铁心附件，其非计划停运时间占总时间的比重高达43％，远远高于位列第二位的高压绕组，可见铁心故障引起的维修时间长费用高，引起的直接或间接经济损失也相应更大。因此，对变压器铁心状况进行评估，尽早发现并消除故障或可能导致故障的隐患，对保障电网持续稳定运行具有重要意义。
铁心发生松动故障时将直接影响变压器的机械稳定性，振动加剧、声学信号异常，铁心片间磨损，片间绝缘破坏，漏磁增大，进一步引起绕组振动及噪声加剧，抗短路能力降低。目前常用于检测变压器铁心松动故障的方法主要有基于油色谱分析的绝缘状态监测、离线检测法以及基于负荷电压电流、功率因数的电气故障监测等，传统方法理论体系较为成熟，但信号抗干扰能力差，灵敏度低，对机械类故障不敏感，且大都仅能离线检测而不能及时发现问题。变压器铁心声学信号与其压紧状况、位移及变形状态密切相关，可以用来反映铁心的机械状态。而且，基于声学信号的变压器铁心故障检测方法，与电力系统无电气连接，抗干扰能力强、可靠性高，具有良好的应用前景。
变压器的铁心是采用硅钢片叠装并用夹紧件紧固而成。硅钢片本身出厂时的形状和制作工艺以及变压器长期运行后夹紧件绑扎变松、绑扎老化等问题，都会导致铁心叠片间隙和连接缝间隙不均，造成其压紧力不足。这将使铁心内部磁场分布不均，造成铁心叠片间存在较为复杂的电磁力。由于铁心在磁致伸缩力和电磁力的激励下产生振动，在不均匀电磁力和磁致伸缩力的作用下，硅钢片在振动过程中会发生碰撞和摩擦，使铁心振动中产生较高频率的冲击成分，铁心压紧力会在这些冲击的长期影响下发生改变。铁心压紧力的变小导致铁心叠片间及接缝处间隙增加，漏磁增大，进一步引起电磁吸引力增大，片间振动冲击增强，相应的辐射噪声(特别是高频段)幅值及分布发生变化。
常规的声学方法检测变压器铁心松动缺陷，一般都是采集铁心振动辐射出的声学信号，对其时域或频域信号进行分析，得出时域的幅值，或频域的频谱分布及各特征频点上的幅值变化，也有采用特征频段能量分布的方法，但是上述方法实际上都是基于声学信号的连续时域数据，这对于测量而言，声学信号很容易受到外界的干扰，所提取的特征参量在应用时不确定性很高，且单点的信息也非常有限。目前，声学成像的方法被逐步应用于电力设备松动缺陷的检测中，但对于声学图像特征的提取，如何与松动缺陷相对应，诊断的判据等，仍存在很多不足。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于声学图像的变压器铁心松动检测方法及平台。
本发明的目的可以通过以下技术方案来实现：
一种基于声学图像纹理的变压器铁心松动检测方法，包括以下步骤：
1)将变压器铁心声学图像转化为灰度图；
2)提取声学图像纹理特征，生成灰度共生矩阵；
3)计算所选表征声学图像纹理特征的特征值，并计算特征值的平均值和标准差；
4)比较各特征值与对应参考值的大小，根据比较结果，得到铁心压紧状态。
优选地，所述的步骤3)中，特征值包括相关性和逆差距。
优选地，所述的相关性表示灰度共生矩阵的值在行与行之间或列与列之间的一致程度，所述的逆差距表示灰度图像纹理局部变化的程度。
优选地，所述的步骤2)具体包括：
201)在灰度图上选一像素点i(x,y)，并且得到点i的预设方向上与该点相距距离为d的像素点j，得到像素点对(i,j)；
202)分别读取点i和点j的灰度级g1和g2，得到灰度级对(g1,g2)；
203)判断是否遍历灰度图所有像素点对(i,j)，若否，则改变像素点对的位置并执行步骤202)，若是，则执行步骤204)；
204)统计多个预设方向各灰度级对出现的概率，得到灰度共生矩阵，所述的多个预设方向的角度为0度、45度、90度和135度。
优选地，所述的多个预设方向包括0度、45度、90度和135度；
优选地，所述的相关性COR的表达式为：
Figure BDA0002128269090000031
Figure BDA0002128269090000032
Figure BDA0002128269090000033
Figure BDA0002128269090000034
Figure BDA0002128269090000035
其中，g1为点i的灰度级，g2为点j的灰度级，P(g1,g2)为灰度对出现的概率，μx为行的灰度值均值，μy为列的灰度值均值，σx为行的灰度值方差，σy为列的灰度值方差。
优选地，所述的逆差距IDM的表达式为：
Figure BDA0002128269090000036
其中，g1为点i的灰度级，g2为点j的灰度级，P(g1,g2)为灰度对出现的概率。
一种铁心松动检测方法的平台，包括变压器铁心、麦克风阵列和计算机软件系统，所述的麦克风阵列用于采集铁心松动声学图像，与变压器铁心相距测量距离，所述的计算机软件系统完成对声学图像的纹理特征提取和处理，并且输出铁心压紧状态。
优选地，所述的麦克风阵列频率测量范围为10Hz～24Hz，工作范围为33dB～120dB，直径为60cm，所述的测量距离为1m。
与现有技术相比，本发明具有以下优点：
1)确定性高：本发明利用声学图像纹理特征的方法进行铁心松动程度的诊断，采用相关性COR和逆差距IDM作为特征参量，根据相关性COR及逆差距IDM的标准差来反映矩阵值及图像不同区域的变化程度，提高检测结果的准确性；
2)抗干扰能力强：本发明利用麦克风矩阵采集多点声学信号，组成声学图像，区别于现有技术中基于单点的声学时域信号，以提取的图像中的纹理特征参量作为判断依据，提高了声学信号的抗干扰能力；
3)信息量大，应用前景好：采集声学信号生成声学图像，拥有更大的信息量，，可以满足多种要求，且其各方面性能好于现有技术，具有更好的应用前景。
附图说明
图1为本发明具体流程图；
图2为灰度共生矩阵去电示意图；
图3为灰度共生矩阵示例图；
图4为灰度级对的方向选择示意图；
图5为铁心声学成像实验平台示意图；
图6为铁心不同压紧力下的声成像图像。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示，本发明提供一种基于声学图像的变压器铁心松动检测方法，包括以下步骤：
1)将变压器铁心声学图像转化为灰度图；
2)提取声学图像纹理特征，生成灰度共生矩阵；
3)计算所选表征声学图像纹理特征的特征值，并计算特征值的平均值和标准差；
4)比较各特征值与对应参考值的大小，根据比较结果，得到铁心压紧状态。
图像纹理分析是机器视觉里的一个重要研究领域，应用领域包括遥感图像分析、医学图像分析等。纹理特征的提取主要目的是用过某一像素点和周围像素的差异比较获得，通过特征提取从纹理图像中得到一些在同质纹理区域内保持相对稳定的特征值，以表示图像的区域性和差异性。铁心松动程度发生改变时，声成像图像随之发生改变。因此，针对图像纹理的变化进行分析并从中提取特征值可以用来表示铁心压紧力的变化。
灰度共生矩阵是一种建立在灰度图像基础上的图像纹理特征描述方法。它通过统计灰度图的各种灰度级对不同方向出现的概率形成灰度共生矩阵，从灰度共生矩阵提取不同的特征值来表示灰度图中相邻像素点或相邻区域的灰度之间的变化程度与相关程度，从而描述灰度图的纹理信息。生成灰度共生矩阵的具体过程如下：
201)在灰度图上选定一像素点i(x,y)，并且得到点i的预设方向上与该点相距为d的像素点j，得到像素点对(i,j)；
202)分别读取点i和点j的灰度级g1和g2，得到灰度级对(g1,g2)；
203)判断是否遍历灰度图所有像素点对(i,j)，若否，则改变像素点对的位置并执行步骤202)，若是，则执行步骤204)；
204)判断是否得到所有预设方向下的灰度级对，若否，则改变预设方向，执行步骤201)，若是，则执行步骤205)；
205)统计多个预设方向各灰度级对出现的概率，得到灰度共生矩阵。
设灰度图的长宽为Nx×Ny像素。在灰度图上选定的像素点对(i,j)中，点i和j的位置关系如图2所示，以灰度图总灰度级为16为例，每个方向最终可以得到一个16×16灰度共生矩阵，该矩阵如图3所示，#(g1,g2)表示灰度级对出现的概率P(g1,g2)。选择灰度级对采用灰度共生矩阵常用的多个预设方向，包括0度、45度、90度和135度，如图3所示。
从灰度共生矩阵提取的特征值为相关性和逆差距，采用相关性和逆差距两个特征值的平均值和标准差来表示声学成像的图像纹理。
相关性COR表征灰度图像纹理的一致程度，COR是对比灰度共生矩阵的值在行与行之间或列与列之间的一致程度，行或列之间矩阵值均匀相等时，相关性大；行或列之间矩阵值变化大时，相关性小。
相关性COR的表达式为：
Figure BDA0002128269090000051
Figure BDA0002128269090000061
Figure BDA0002128269090000062
Figure BDA0002128269090000063
Figure BDA0002128269090000064
其中，g1为点i的灰度级，g2为点j的灰度级，P(g1,g2)为灰度对出现的概率，μx为行的灰度值均值，μy为列的灰度值均值，σx为行的灰度值方差，σy为列的灰度值方差。
逆差距IDM表征图像纹理的同质性，度量灰度图像纹理局部变化的多少。若图像的不同区域间缺少变化，则IDM大；反之，如果图像的不同区域间变化很大，则IDM小。
逆差距IDM的表达式为：
Figure BDA0002128269090000065
其中，g1为点i的灰度级，g2为点j的灰度级，P(g1,g2)为灰度对出现的概率。
本发明提出的基于声学图像的变压器铁心松动检测方法，特征参量为相关性COR及逆差距IDM，其中声学图像纹理中行或列之间矩阵值均匀相等时，相关性COR大，行或列之间矩阵值变化大时，相关性COR小；图像的不同区域间缺少变化，则逆差距IDM大，图像的不同区域间变化很大，则逆差距IDM小。据此可以根据相关性COR及逆差距IDM的标准差来反映矩阵值及图像不同区域的变化程度，从而诊断铁心的松动程度。
如图5所示，本发明还提供一种实现基于声学图像的变压器铁心松动检测方法的平台，包括变压器铁心、麦克风阵列和计算机软件系统，麦克风阵列用于采集铁心松动声学图像，与变压器铁心相距测量距离，计算机软件系统完成对声学图像的纹理特征提取和处理，并且输出铁心压紧状态。
本实施例中，使用三相变压器铁心，施加400V额定励磁电压，通过扭矩扳手改变铁心一处的压紧力，来模拟铁心在工作中产生的松动故障。采用112个麦克风组成直径60cm的阵列，频率测量范围为10Hz～24KHz，工作范围为33dB～120dB，测量距离为1m。采样频率48kHz。
采用扭矩扳手调节C柱上端紧固螺栓的拧紧力矩，范围为25N·m～5N·m，步长为2N·m；其他紧固螺栓拧紧力矩保持25N·m不变，进行声学图像的数据处理分析。如图5所示为本次实施例中，铁心不同压紧力下声成像的十组图像，云图色彩分布设为最大值归一化。
特征值统计如表1和表2所示，可以看出：
(1)当压紧力矩大于等于19N·m时，即当压紧力矩为19N·m、21N·m、23N·m和25N·m时，由图5可见声成像图像纹理变化程度较小，纹理一致度较高，故特征值中逆差距IDM标准差大于0.01，且相关性COR标准差大于0.06，此时可认为铁心压紧力状态为优良；
(2)当压紧力矩大于10N·m且小于19N·m时，即当压紧力矩为11N·m、15N·m和17N·m时，纹理变化程度更小，但图像纹理一致度变低，故逆差距IDM标准差大于0.012，且相关性COR标准差小于0.06，此时可认为铁心压紧力状态为中等；
(3)当压紧力矩小于10N·m时，即当压紧力矩为5N·m、7N·m和9N·m时，声成像图像纹理变化程度变大，但纹理一致度变高，故逆差距IDM标准差小于0.01，且相关性COR标准差大于0.06，此时可认为铁心压紧力状态为一般。
表1铁心压紧状况与逆差矩IDM标准差
Figure BDA0002128269090000071
Figure BDA0002128269090000081
表2铁心压紧状况与相关性COR标准差
Figure BDA0002128269090000082
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (3)

1.一种基于声学图像纹理的变压器铁心松动检测方法，其特征在于，包括以下步骤：
1)将变压器铁心声学图像转化为灰度图；
2)提取声学图像纹理特征，生成灰度共生矩阵，具体包括：
201)在灰度图上选一像素点i(x,y)，并且得到点i的预设方向上与该点相距距离为d的像素点j，得到像素点对(i,j)；
202)分别读取点i和点j的灰度级g1和g2，得到灰度级对(g1,g2)；
203)判断是否遍历灰度图所有像素点对(i,j)，若否，则改变像素点对的位置并执行步骤202)，若是，则执行步骤204)；
204)统计多个预设方向各灰度级对出现的概率，得到灰度共生矩阵，所述的多个预设方向的角度为0度、45度、90度和135度；
3)计算所选表征声学图像纹理特征的特征值，并计算特征值的平均值和标准差，所述的特征值包括相关性和逆差距，所述的相关性表示灰度共生矩阵的值在行与行之间或列与列之间的一致程度，所述的逆差距表示灰度图像纹理局部变化的程度，所述的相关性COR的表达式为：
Figure FDA0003140805060000011
Figure FDA0003140805060000012
Figure FDA0003140805060000013
Figure FDA0003140805060000014
Figure FDA0003140805060000015
其中，g1为点i的灰度级，g2为点j的灰度级，P(g1,g2)为灰度对出现的概率，μx为行的灰度值均值，μy为列的灰度值均值，σx为行的灰度值方差，σy为列的灰度值方差；
所述的逆差距IDM的表达式为：
Figure FDA0003140805060000021
其中，g1为点i的灰度级，g2为点j的灰度级，P(g1,g2)为灰度对出现的概率；
4)比较各特征值与对应参考值的大小，根据比较结果，得到铁心压紧状态。
2.一种用于实现如权利要求1所述的铁心松动检测方法的平台，其特征在于，包括变压器铁心、麦克风阵列和计算机软件系统，所述的麦克风阵列用于采集铁心松动声学图像，与变压器铁心相距测量距离，所述的计算机软件系统完成对声学图像的纹理特征提取和处理，并且输出铁心压紧状态。
3.根据权利要求2所述的平台，其特征在于，所述的麦克风阵列频率测量范围为10Hz～24Hz，工作范围为33dB～120dB，直径为60cm，所述的测量距离为1m。
CN201910629453.3A 2019-07-12 2019-07-12 一种基于声学图像的变压器铁心松动检测方法及平台 Active CN110332952B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910629453.3A CN110332952B (zh) 2019-07-12 2019-07-12 一种基于声学图像的变压器铁心松动检测方法及平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910629453.3A CN110332952B (zh) 2019-07-12 2019-07-12 一种基于声学图像的变压器铁心松动检测方法及平台

Publications (2)

Publication Number Publication Date
CN110332952A CN110332952A (zh) 2019-10-15
CN110332952B true CN110332952B (zh) 2021-08-17

Family

ID=68146701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910629453.3A Active CN110332952B (zh) 2019-07-12 2019-07-12 一种基于声学图像的变压器铁心松动检测方法及平台

Country Status (1)

Country Link
CN (1) CN110332952B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112734713B (zh) * 2020-12-31 2024-02-09 西安交通大学 变压器状态检测方法、装置、计算机设备和存储介质
CN113759197B (zh) * 2021-09-09 2024-04-30 国网上海市电力公司 一种电力变压器状态监测装置及方法
CN114089224B (zh) * 2021-11-16 2023-09-12 国网湖南省电力有限公司 一种利用声音检测判断变压器铁芯松动的方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102621150A (zh) * 2012-03-23 2012-08-01 南京航空航天大学 基于灰度共生矩阵和支持向量机的飞机蒙皮损伤识别方法
CN108388899A (zh) * 2018-01-29 2018-08-10 哈尔滨工程大学 一种基于纹理特征与形状特征相融合的水声图像特征提取方法
CN109166121A (zh) * 2018-09-12 2019-01-08 西南大学 膨胀土裂隙纹理特征定量化获取方法
CN109187756A (zh) * 2018-10-17 2019-01-11 广西电网有限责任公司电力科学研究院 一种基于变压器噪声声像图的绕组松动判断方法
CN109470972A (zh) * 2018-11-15 2019-03-15 广西电网有限责任公司电力科学研究院 一种基于振动图像的变压器铁心松动诊断方法
CN109829916A (zh) * 2019-03-04 2019-05-31 国网内蒙古东部电力有限公司 一种基于cnn的变压器故障诊断方法
CN109883747A (zh) * 2019-03-25 2019-06-14 国网宁夏电力有限公司电力科学研究院 基于声强云图的gis故障诊断方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102621150A (zh) * 2012-03-23 2012-08-01 南京航空航天大学 基于灰度共生矩阵和支持向量机的飞机蒙皮损伤识别方法
CN108388899A (zh) * 2018-01-29 2018-08-10 哈尔滨工程大学 一种基于纹理特征与形状特征相融合的水声图像特征提取方法
CN109166121A (zh) * 2018-09-12 2019-01-08 西南大学 膨胀土裂隙纹理特征定量化获取方法
CN109187756A (zh) * 2018-10-17 2019-01-11 广西电网有限责任公司电力科学研究院 一种基于变压器噪声声像图的绕组松动判断方法
CN109470972A (zh) * 2018-11-15 2019-03-15 广西电网有限责任公司电力科学研究院 一种基于振动图像的变压器铁心松动诊断方法
CN109829916A (zh) * 2019-03-04 2019-05-31 国网内蒙古东部电力有限公司 一种基于cnn的变压器故障诊断方法
CN109883747A (zh) * 2019-03-25 2019-06-14 国网宁夏电力有限公司电力科学研究院 基于声强云图的gis故障诊断方法

Also Published As

Publication number Publication date
CN110332952A (zh) 2019-10-15

Similar Documents

Publication Publication Date Title
CN110332952B (zh) 一种基于声学图像的变压器铁心松动检测方法及平台
US9404957B2 (en) Fault diagnosis and preliminary location system and method for transformer core looseness
CN110221137B (zh) 一种基于振声相关性的配电变压器异常状态检测方法
CN102721464A (zh) 电力变压器绕组变形故障检测方法及系统
CN1776441A (zh) 利用扫频电源激振检测变压器绕组状态的装置
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
CN112556828A (zh) 一种变压器绕组松动故障检测方法
CN110728257A (zh) 基于振动灰度图像的变压器绕组故障监测方法
CN202734953U (zh) 电力变压器铁芯松动故障诊断装置
CN110703149B (zh) 一种利用字符间距的变压器运行状态振声检测方法和系统
CN109697437B (zh) 一种基于电激励的绕组模态分析方法及其应用和验证方法
CN2864705Y (zh) 利用扫频电源激振检测变压器绕组状态的装置
CN102778632A (zh) 对变压器绕组故障类型直接预报和识别的双规识别法
CN115828144A (zh) 一种信号稀疏表示与融合检测方法、存储介质及电子装置
CN115273895A (zh) 一种基于小波时频熵和RUSboost的变压器运行状态监测方法和系统
CN110146772B (zh) 一种基于振动频谱矩阵的变压器铁心松散缺陷诊断方法
CN110514295B (zh) 一种利用svd分解的变压器运行状态振声检测信号滤波方法和系统
CN105182116B (zh) 一种基于加权梯度结构相似度的变压器绕组工作状态检测方法
CN110161363B (zh) 基于主频表征量的变压器运行状态振声检测方法和系统
Yu et al. Research and Application of Intelligent Diagnosis Method of Mechanical Fault Based on Transformer Vibration and Noise and BP Neural Network
CN110646691A (zh) 一种利用拉伸变换的变压器振声信号滤波方法和系统
KR102376920B1 (ko) 발전기 고정자의 웨지 체결 강도 진단 방법
Peng et al. A new method for stator slot wedge testing of large generators
CN114924157B (zh) 一种基于5g传输的并联电抗器状态监测方法及系统
CN110703144B (zh) 基于离散余弦变换的变压器运行状态检测方法和系统

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Si Wenrong

Inventor after: Fu Chenzhao

Inventor after: Xu Peng

Inventor after: He Lin

Inventor after: Tian Haoyang

Inventor after: Xu Xiangyi

Inventor after: Wang Shaojing

Inventor after: Cui Lv

Inventor before: Si Wenrong

Inventor before: Fu Chenzhao

Inventor before: Xu Peng

Inventor before: He Lin

Inventor before: Tian Haoyang

Inventor before: Xu Xiangyi

Inventor before: Wang Shaojing

Inventor before: Cui Lv