CN110399911A - 一种基于声场分布云图的变压器机械故障诊断方法 - Google Patents
一种基于声场分布云图的变压器机械故障诊断方法 Download PDFInfo
- Publication number
- CN110399911A CN110399911A CN201910629454.8A CN201910629454A CN110399911A CN 110399911 A CN110399911 A CN 110399911A CN 201910629454 A CN201910629454 A CN 201910629454A CN 110399911 A CN110399911 A CN 110399911A
- Authority
- CN
- China
- Prior art keywords
- sound
- transformer
- cloud atlas
- simulation cloud
- filed simulation
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 48
- 238000002405 diagnostic procedure Methods 0.000 title claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000012706 support-vector machine Methods 0.000 claims abstract description 16
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000003745 diagnosis Methods 0.000 claims abstract description 10
- 238000004064 recycling Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 7
- 238000009472 formulation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 description 12
- 230000007257 malfunction Effects 0.000 description 5
- 238000010338 mechanical breakdown Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002910 structure generation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及一种基于声场分布云图的变压器机械故障诊断方法,首先利用训练数据完成支持向量机的训练,再利用训练完成的支持向量机对监测数据进行故障诊断,所述的故障诊断包括以下步骤:1)获得在线监测变压器声场分布云图;2)通过比较二进制ASCII码,判断是否需要进一步诊断,若是,则执行步骤3),若否,则输出结果为正常并结束;3)对在线监测变压器声场分布云图进行纹理特征提取;4)将纹理特征输入训练完成的支持向量机,根据输出结果,判定变压器为正常或故障。与现有技术相比,本发明具有效率高和准确性高等优点。
Description
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场分布云图的变压器机械故障诊断方法。
背景技术
从近些年来电力变压器短路事故发生的过程、现象及其事后的解体检查来看,电力变压器之所以短路后立即造成损坏,主要是变压器本身抗短路能力不足所致。由很多现场实例可知,变压器抗短路强度的丧失,并不是一个一次性的过程,而是在常年累月的积累中,变压器因自身缺陷或老化等原因出现机械故障,没有被及时发现并检修,导致了事故的发生。
变压器机械故障主要为在电磁力或者机械力作用下,机械结构发生的不可恢复改变。由于变压器内部机械、电气结构复杂,一旦绕组机械结构发生改变,随之而变化的特征参量较多,因此针对不同特征量的监测引申出了多种变压器绕组状态监测方案。
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场分布云图的变压器机械故障诊断方法。
本发明的目的可以通过以下技术方案来实现:
一种基于声场分布云图的变压器机械故障诊断方法,首先利用训练数据完成支持向量机的训练,再利用训练完成的支持向量机对监测数据进行故障诊断,所述的故障诊断包括以下步骤:
1)获得在线监测变压器声场分布云图;
2)通过比较二进制ASCII码,判断是否需要进一步诊断,若是,则执行步骤3),若否,则输出结果为正常并结束;
3)对在线监测变压器声场分布云图进行纹理特征提取;
4)将纹理特征输入训练完成的支持向量机,根据输出结果,判定变压器为正常或故障。
进一步的,所述的训练数据包括多个正常状态下变压器声场分布云图的纹理特征和多个故障状态下变压器声场分布云图的纹理特征,所述的监测数据包括在线监测的变压器声场分布云图。
进一步的,所述的纹理特征采用LBP算子的方法提取。
进一步的,所述的LBP算子提取具体过程为:
301)遍历整张图片选取3*3的邻域,选取邻域中心像素为阈值;
302)将邻域中边缘相邻8个像素的灰度值与阈值比较,若灰度值大于阈值,则标记为1,若灰度值小于阈值,则标记为0;
303)以邻域中左上角像素点为起点,顺时针将8个像素的标记相连,产生一个8位二进制数字,该二进制数字作为邻域中心像素点的LBP值;
304)得到LBP值图。
进一步的,所述的步骤2)中比较二进制ASCII码具体过程为:
201)得到在线监测变压器声场分布云图的二进制ASCII码;
202)得到正常状态下变压器声场分布云图的二进制ASCII码;
203)计算步骤201)和步骤202)中的二进制ASCII码的差值,比较是否小于设定阈值,若是,则输出结果为不需要进一步诊断,若否,则执行步骤204);
204)判断是否与所有正常状态下的二进制ASCII码都完成了比较,若是,则输出结果为需要进一步诊断,若否,则更换一张正常状态下变压器声场分布云图并执行步骤202)。
进一步的,所述的设定阈值为5%。
进一步的,所述的支持向量机的输入为LBP值图,输出为变压器的工况状态。
进一步的,所述的LBP算子包括基本LBP算子、LBP等价模式算子或LBP旋转不变算子。
与现有技术相比,本发明具有以下优点:
1)判断效率高:本发明结合图像二进制ASCII码进行比较,只有当在线监测的变声器声场分布云图与正常状态下的二进制ASCII码相差超过5%时,才进行进一步判断,而对于与任意一个正常状态样本相差小于5%的图像,则不需要再进行处理,直接确定为正常,可以快速有效判断变压器是否发生机械故障;
2)准确性高:本发明利用LBP算子对图像进行纹理特征提取作为进一步的判断方法,若与所有正常状态的二进制ASCII码相差超过5%,则利用LBP算子进行纹理特征提取,进入训练完成的支持向量机进行测试,提高了故障诊断的准确性;
附图说明
图1为本发明具体流程图;
图2为LBP基本算子方法示意图;
图3为正常状态下声场分布云图;
图4为正常状态下声场分布云图LBP值图;
图5为故障状态下声场分布云图;
图6为故障状态下声场分布云图LBP值图;
图7为测试样本A声场分布云图;
图8为测试样本B声场分布云图;
图9为测试样本A声场分布云图LBP值图。
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场分布云图的变压器机械故障诊断方法,首先获取多个正常状态和故障状态下变压器的声场分布云图,作为正样本和负样本,进行纹理特征提取后完成支持向量机的训练,再利用训练完成的支持向量机对在线监测的变压器声场分布云图进行故障诊断,在线监测的变压器声场分布云图作为测试样本。
LBP算子是一种灰度尺度恒定的纹理算子,来自局部邻域纹理的普通定义。其基本思想:以中心点像素的灰度值作为阈值,与它的邻域比较,得到二进制码来表述局部纹理特征,能够和好的反映出来某一像素点与周围像素点的灰度关系以及图像的局部结构,是图像纹理分析领域常用的纹理特征提取方法。
常用的有基本LBP算子、LBP等价模式算子和LBP旋转不变算子,本实施例采用LBP基本算子,结合图像二进制ASCII码比较,快速有效的判断变压器是否发生机械故障。
首先通过比较测试样本和正样本的声场分布云图的二进制ASCII码,若与任意一个正样本的二进制ASCII码相差部分小于5%,说明两幅图像素分布差别不大,测试样本属于正常状态。若与所有正样本的二进制ASCII码差别都大于5%,则说明两幅图像素分布相差较大,但无法确定是否有故障,需要对其进行LBP纹理特征提取,再利用训练完成的支持向量机加以判断。
故障诊断包括以下步骤:
1)获得在线监测变压器声场分布云图;
2)根据比较二进制ASCII码,判断是否需要进一步诊断,若是,则执行步骤3),若否,则输出结果为正常并结束;
3)对在线监测变压器声场分布云图进行纹理特征提取;
4)将纹理特征输入训练完成的支持向量机,根据输出结果,判定变压器为正常或故障。
LBP基本原理如下:LBP算子定义在像素3*3的邻域内,从左到右遍历,以邻域中心像素为阈值,相邻的8个像素的灰度值与邻域中心的像素值进行比较,若周围像素大于中心像素值,则该像素点的位置被标记为1,否则为0,如图2所示。3*3邻域内的8个点经过比较,顺时针连起来可产生8位二进制数,将这8位二进制数依次排列形成一个二进制数字,这个二进制数字就是中心像素的LBP值,LBP值共有28种可能,因此LBP值有256种,中心像素的LBP值反映了该像素周围区域的纹理信息。图2二进制数字为01111110,该点LBP值则为124。
LBP算子提取具体过程为:
301)遍历整张图片选取3*3的邻域,选取邻域中心像素为阈值;
302)将邻域中边缘相邻8个像素的灰度值与阈值比较,若灰度值大于阈值,则标记为1,若灰度值小于阈值,则标记为0;
303)以邻域中左上角像素点为起点,顺时针将8个像素的标记相连,产生一个8位二进制数字,该二进制数字作为邻域中心像素点的LBP值;
304)得到LBP值图。
如图3、图4、图5和图6所示,表示将变压器正常状态下和故障状态下的声场分布云图提取LBP纹理特征输入SVM进行分类,得到训练好的支持向量机。
本实施例中,图7和图8为两张在线监测的变压器声场分布云图,图7为测试样板A,图8为测试样本B,测试样本A与所有正常状态下图像的二进制ASCII码相差都超过50%,计算机快速确定需要进入下一状态;测试样本B与其中几个正常状态下图像的二进制ASCII码相差只有2%左右,计算机快速确定为正常状态,不必再提取LBP纹理特征。测试样本A的LBP值图如图9所示,输入训练完成的支持向量机,得出class=0,因此判断测试样本A的变压器出现了故障,不在正常工况下。
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 (8)
1.一种基于声场分布云图的变压器机械故障诊断方法,其特征在于,首先利用训练数据完成支持向量机的训练,再利用训练完成的支持向量机对监测数据进行故障诊断,所述的故障诊断包括以下步骤:
1)获得在线监测变压器声场分布云图;
2)通过比较二进制ASCII码,判断是否需要进一步诊断,若是,则执行步骤3),若否,则输出结果为正常并结束;
3)对在线监测变压器声场分布云图进行纹理特征提取;
4)将纹理特征输入训练完成的支持向量机,根据输出结果,判定变压器为正常或故障。
2.根据权利要求1所述的一种基于声场分布云图的变压器机械故障诊断方法,其特征在于,所述的训练数据包括多个正常状态下变压器声场分布云图的纹理特征和多个故障状态下变压器声场分布云图的纹理特征,所述的监测数据包括在线监测的变压器声场分布云图。
3.根据权利要求2所述的一种基于声场分布云图的变压器机械故障诊断方法,其特征在于,所述的纹理特征采用LBP算子的方法提取。
4.根据权利要求3所述的一种基于声场分布云图的变压器机械故障诊断方法,其特征在于,所述的LBP算子提取具体过程为:
301)遍历整张图片选取3*3的邻域,选取邻域中心像素为阈值;
302)将邻域中边缘相邻8个像素的灰度值与阈值比较,若灰度值大于阈值,则标记为1,若灰度值小于阈值,则标记为0;
303)以邻域中左上角像素点为起点,顺时针将8个像素的标记相连,产生一个8位二进制数字,该二进制数字作为邻域中心像素点的LBP值;
304)得到LBP值图。
5.根据权利要求1所述的一种基于声场分布云图的变压器机械故障诊断方法,其特征在于,所述的步骤2)中比较二进制ASCII码具体过程为:
201)得到在线监测变压器声场分布云图的二进制ASCII码;
202)得到正常状态下变压器声场分布云图的二进制ASCII码;
203)计算步骤201)和步骤202)中的二进制ASCII码的差值,比较是否小于设定阈值,若是,则输出结果为不需要进一步诊断,若否,则执行步骤204);
204)判断是否与所有正常状态下的二进制ASCII码都完成了比较,若是,则输出结果为需要进一步诊断,若否,则更换一张正常状态下变压器声场分布云图并执行步骤202)。
6.根据权利要求5所述的一种基于声场分布云图的变压器机械故障诊断方法,其特征在于,所述的设定阈值为5%。
7.根据权利要求4所述的一种基于声场分布云图的变压器机械故障诊断方法,其特征在于,所述的支持向量机的输入为LBP值图,输出为变压器的工况状态。
8.根据权利要求3所述的一种基于声场分布云图的变压器机械故障诊断方法,其特征在于,所述的LBP算子包括基本LBP算子、LBP等价模式算子或LBP旋转不变算子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910629454.8A CN110399911A (zh) | 2019-07-12 | 2019-07-12 | 一种基于声场分布云图的变压器机械故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910629454.8A CN110399911A (zh) | 2019-07-12 | 2019-07-12 | 一种基于声场分布云图的变压器机械故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110399911A true CN110399911A (zh) | 2019-11-01 |
Family
ID=68325402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910629454.8A Pending CN110399911A (zh) | 2019-07-12 | 2019-07-12 | 一种基于声场分布云图的变压器机械故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110399911A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112630564A (zh) * | 2020-12-07 | 2021-04-09 | 国网宁夏电力有限公司电力科学研究院 | 基于邻域粗糙集与ampos-elm的变压器dga故障诊断方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104808050A (zh) * | 2015-05-26 | 2015-07-29 | 南京信息工程大学 | 一种限压型电涌保护器阻性电流在线监测方法和装置 |
CN106404377A (zh) * | 2016-11-10 | 2017-02-15 | 西安交通大学 | 一种基于声学成像技术的变压器机械故障诊断方法 |
CN107169514A (zh) * | 2017-05-05 | 2017-09-15 | 清华大学 | 电力变压器故障诊断模型的建立方法 |
US20170343481A1 (en) * | 2016-05-27 | 2017-11-30 | Purdue Research Foundation | Methods and systems for crack detection |
CN108154498A (zh) * | 2017-12-06 | 2018-06-12 | 深圳市智能机器人研究院 | 一种裂缝缺陷检测系统及其实现方法 |
CN109029959A (zh) * | 2018-08-27 | 2018-12-18 | 深圳供电局有限公司 | 一种变压器绕组的机械状态检测方法 |
CN109949296A (zh) * | 2019-03-21 | 2019-06-28 | 北京中飞艾维航空科技有限公司 | 一种输电线路缺陷识别方法、装置及存储介质 |
-
2019
- 2019-07-12 CN CN201910629454.8A patent/CN110399911A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104808050A (zh) * | 2015-05-26 | 2015-07-29 | 南京信息工程大学 | 一种限压型电涌保护器阻性电流在线监测方法和装置 |
US20170343481A1 (en) * | 2016-05-27 | 2017-11-30 | Purdue Research Foundation | Methods and systems for crack detection |
CN106404377A (zh) * | 2016-11-10 | 2017-02-15 | 西安交通大学 | 一种基于声学成像技术的变压器机械故障诊断方法 |
CN107169514A (zh) * | 2017-05-05 | 2017-09-15 | 清华大学 | 电力变压器故障诊断模型的建立方法 |
CN108154498A (zh) * | 2017-12-06 | 2018-06-12 | 深圳市智能机器人研究院 | 一种裂缝缺陷检测系统及其实现方法 |
CN109029959A (zh) * | 2018-08-27 | 2018-12-18 | 深圳供电局有限公司 | 一种变压器绕组的机械状态检测方法 |
CN109949296A (zh) * | 2019-03-21 | 2019-06-28 | 北京中飞艾维航空科技有限公司 | 一种输电线路缺陷识别方法、装置及存储介质 |
Non-Patent Citations (4)
Title |
---|
MD RIFAT SHAHRIAR 等: "Fault diagnosis of induction motors utilizing local binary pattern-based texture analysis", 《EURASIP JOURNAL ON IMAGE AND VIDEO PROCESSING》 * |
崔明利: "基于多尺度几何分析的旋转机械故障诊断研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
李超: "变压器状态在线监测与故障诊断系统的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
鲁文波: "基于声场空间分布特征的机械故障诊断方法及其应用研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112630564A (zh) * | 2020-12-07 | 2021-04-09 | 国网宁夏电力有限公司电力科学研究院 | 基于邻域粗糙集与ampos-elm的变压器dga故障诊断方法 |
CN112630564B (zh) * | 2020-12-07 | 2023-02-28 | 国网宁夏电力有限公司电力科学研究院 | 基于邻域粗糙集与ampos-elm的变压器dga故障诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11474163B2 (en) | Power transformer winding fault positioning method based on deep convolutional neural network integrated with visual identification | |
CN107276066B (zh) | 用于分析电力系统中的波形的方法和系统 | |
CN110441629B (zh) | 基于道岔转辙机动作电流曲线的故障诊断方法及装置 | |
CN110376522B (zh) | 一种数据融合的深度学习网络的电机故障诊断方法 | |
Goswami et al. | Predictive model for classification of power system faults using machine learning | |
CN106842106A (zh) | 电能表故障预测方法和装置 | |
CN113159077A (zh) | 一种基于混合卷积神经网络的三相逆变器故障识别方法 | |
CN113723189B (zh) | 一种基于单阶红外图像目标检测的电力设备故障智能诊断方法 | |
CN112464995A (zh) | 一种基于决策树算法的电网配变故障诊断方法及系统 | |
CN110794243A (zh) | 一种直流系统故障诊断方法、系统以及设备 | |
CN109307823B (zh) | 变压器有载分接开关机械状态监测系统及信号处理方法 | |
CN111738156A (zh) | 一种高压开关设备状态智能巡检管理方法及系统 | |
CN112986754A (zh) | 一种基于数据驱动的小电流接地系统故障辨识方法及装置 | |
CN112149569A (zh) | 变压器基于模糊c均值聚类算法的声纹故障诊断方法 | |
CN113848471B (zh) | 继电保护系统的故障智能定位方法及系统 | |
CN111999591B (zh) | 一种配电网一次设备异常状态的识别方法 | |
CN110399911A (zh) | 一种基于声场分布云图的变压器机械故障诊断方法 | |
CN117590278A (zh) | 基于动力柜的变压器故障检测方法、装置、设备及介质 | |
CN106250937B (zh) | 一种基于非相似度指标的故障分类诊断方法 | |
CN109270445A (zh) | 基于lmd的断路器弹簧操动机构状态异常检测方法 | |
CN117031201A (zh) | 一种配电网多场景拓扑异常识别方法及系统 | |
CN116953413A (zh) | 基于开关柜内部元器件的故障诊断系统 | |
CN111191721A (zh) | 基于ai技术的保护压板状态识别方法 | |
CN106646106A (zh) | 基于变点探测技术的电网故障检测方法 | |
CN115906350A (zh) | 一种微电网故障定位和诊断方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191101 |
|
RJ01 | Rejection of invention patent application after publication |