CN110441647A - 基于光谱强度信息的弧光危险评估方法及装置 - Google Patents

基于光谱强度信息的弧光危险评估方法及装置 Download PDF

Info

Publication number
CN110441647A
CN110441647A CN201910839703.6A CN201910839703A CN110441647A CN 110441647 A CN110441647 A CN 110441647A CN 201910839703 A CN201910839703 A CN 201910839703A CN 110441647 A CN110441647 A CN 110441647A
Authority
CN
China
Prior art keywords
arc
optical signal
light
arc light
spectral
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
CN201910839703.6A
Other languages
English (en)
Inventor
彭兆裕
杨明昆
邱鹏锋
洪志湖
代维菊
文刚
钱国超
颜冰
马御棠
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.)
Electric Power Research Institute of Yunnan Power System Ltd
Original Assignee
Electric Power Research Institute of Yunnan Power System 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 Electric Power Research Institute of Yunnan Power System Ltd filed Critical Electric Power Research Institute of Yunnan Power System Ltd
Priority to CN201910839703.6A priority Critical patent/CN110441647A/zh
Publication of CN110441647A publication Critical patent/CN110441647A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12Testing 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
    • G01R31/1218Testing 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 using optical methods; using charged particle, e.g. electron, beams or X-rays

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本申请公开了一种基于光谱强度信息的弧光危险评估方法及装置,所述方法包括:采集光信号的光谱信息;判断光信号是否为弧光信号;若光信号为弧光信号,则提取弧光光谱的特征波段;联合多个特征波段的光谱强度信息得到弧光危险程度评估结果。本申请提供的弧光危险评估方法主要采用非电监测、波形观测的评估手段,以弧光的光谱强度为监测对象,提取光谱特征波段,滤除干扰和噪声,提高了计算效率和后续评估准确度,联合多个特征波段的光谱强度信息实现了对弧光危险程度的评估,具有抗干扰能力强、准确度高等显著优点。

Description

基于光谱强度信息的弧光危险评估方法及装置
技术领域
本申请涉及电气设备接地故障监测技术领域,尤其涉及一种基于光谱强度信息的弧光危险评估方法及装置。
背景技术
在电力系统中母线是传输电能的主要途径,然而母线发生的弧光接地故障严重危害了电气设备的安全,实现对电弧的有效监测对电力系统的安全可靠运行至关重要。电弧能在毫秒内产生,一旦满足起弧机理条件,在低阻抗短路、高阻抗和低电流情况下都能燃弧,此外由于对空气的电离,电弧及附近电阻都将发生变化,产生强光、高温、冲击力以及有毒气体等,进而造成燃烧甚至爆炸,电弧不但会带来设备损害、停电和生产等所形成的直接损失,而且会由于其对操作人员的伤害和变电站设备的恢复期的延长带来更大的间接损失。
在电弧产生过程中会释放出强烈的弧光,弧光是伴随电弧变化情况最快的特征物理量,电弧产生和消失的同时弧光也随之产生和消失,因此基于弧光的电弧光保护系统具有毫秒级的超高速动作性能。在可见光范围内,环境中不可避免地具有一定的光干扰,这一点可以通过特征提取的方式滤除噪声,并提高运算效率。充分利用弧光的光谱信息,根据图谱光强可以实现对弧光状态的有效评估。
但是,在设备内部结构复杂的情况下,光谱特性对弧光监测具有重要的指导意义,并且不同条件下产生的弧光具有不同的光谱特性,因此利用弧光的光谱特性对弧光进行监测的准确度不够高。
发明内容
本申请提供了一种基于光谱强度信息的弧光危险评估方法及装置,以解决目前弧光接地故障的在线监测准确度不够高的问题。
为了解决上述技术问题,本申请实施例公开了如下技术方案:
第一方面,本申请实施例公开了一种基于光谱强度信息的弧光危险评估方法,所述方法包括:
采集光信号的光谱信息;
判断所述光信号是否为弧光信号;
若所述光信号为弧光信号,则提取弧光光谱的特征波段;
联合多个特征波段的光谱强度信息得到弧光危险程度评估结果。
可选的,判断所述光信号是否为弧光信号,包括:
将所述光谱信息与标准光谱指纹库进行对比,根据公式(1)计算所述光谱信息与标准光谱指纹库内光谱的相似性;
根据所述相似性判断所述光信号是否为弧光信号。
可选的,提取弧光光谱的特征波段,包括:
根据公式(2)计算得到光谱第i波段的熵定义,
上式中,n为该波段下光谱强度可能取值的个数,pi为光谱带有n种取值对应的概率;
通过式(3)计算多个波段之间的联合熵;
根据所述联合熵获取相关性大的波段;
计算所述波段的最佳指数,并根据所述最佳指数选取特征波段。
可选的,计算所述波段的最佳指数,并根据所述最佳指数选取特征波段,包括:
根据公式(4)计算所述波段的最佳指数Q,
上式中,Di为第i个波段的标准差,Rij为第i个和第j个波段之间的相关系数,其大小为:
其中,E{·}为光强的期望值;
将得到的最佳指数Q按照大小排列得到最佳波段组合;
从所述最佳波段组合中提取特征波段。
可选的,联合多个特征波段的光谱强度信息得到弧光危险程度评估结果,包括:
根据公式(6)计算得到弧光图谱的光强f,
f(z)=c0+c1p+c2p2+…+cmpm (6)
其中,由与所述光谱信息相似的标准光谱指纹库求得,为提取的特征波段对应的光强;
比较所述光强f与预设阈值,得到弧光危险程度评估结果。
可选的,比较所述光强f与预设阈值,得到弧光危险程度评估结果,包括:
判断所述光强f是否超过第一预设阈值;
若所述光强f未超过所述第一预设阈值,则判定所述弧光危险程度为轻微;
若所述光强f超过所述第一预设阈值,则判断所述光强f是否超过第二预设阈值;
若所述光强f未超过所述第二预设阈值,则判定所述弧光危险程度为中等;
若所述光强f超过所述第二预设阈值,则判断所述光强f是否超过第三预设阈值;
若所述光强f未超过所述第三预设阈值,则判定所述弧光危险程度为较严重;
若所述光强f超过所述第三预设阈值,则判定所述弧光危险程度为严重。
第二方面,本申请实施例公开了一种基于光谱强度信息的弧光危险评估装置,包括:
采集模块,用于采集光信号的光谱信息;
判断模块,用于判断所述光信号是否为弧光信号;
提取模块,用于当所述光信号为弧光信号时,提取弧光光谱的特征波段;
评估模块,用于联合多个特征波段的光谱强度信息得到弧光危险程度评估结果。
可选的,所述判断模块包括:
对比模块,用于将所述光谱信息与标准光谱指纹库进行对比,计算所述光谱信息与标准光谱指纹库内光谱的相似性。
可选的,所述提取模块包括:
熵定义计算模块,用于计算得到光谱第i波段的熵定义;
联合熵计算模块,用于计算多个波段之间的联合熵;
获取模块,用于根据所述联合熵获取相关性大的波段;
选取模块,用于计算所述波段的最佳指数,并根据所述最佳指数选取特征波段。
可选的,所述评估模块包括:
光强计算模块,用于计算得到弧光图谱的光强f;
比较模块,用于比较所述光强f与预设阈值,得到弧光危险程度评估结果。
本申请实施例提供的一种基于光谱强度信息的弧光危险评估方法包括:采集光信号的光谱信息,判断光信号是否为弧光信号,若光信号为弧光信号,则提取弧光光谱的特征波段,联合多个特征波段的光谱强度信息得到弧光危险程度评估结果。本申请提供的评估方法主要采用非电监测、波形观测的评估手段,以弧光的光谱强度为监测对象,以实现对弧光危险程度的评估,具有抗干扰能力强、准确度高等显著优点。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于光谱强度信息的弧光危险评估方法的流程图;
图2为本申请实施例提供的基于光谱强度信息的弧光危险评估方法中S400的详细流程图;
图3为本申请实施例提供的一种基于光谱强度信息的弧光危险评估装置的框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
参见图1,为本申请实施例提供的一种基于光谱强度信息的弧光危险评估方法的流程图。
如图1所示,本申请实施例提供的一种基于光谱强度信息的弧光危险评估方法包括:
S100:采集光信号的光谱信息。
通过设置光电传感器对光信号进行检测,获得光信号的光谱信息。
S200:判断光信号是否为弧光信号。
采集到光信号的光谱信息后,可根据光信号的光谱信息与标准指纹库进行对比,判断是否发生了弧光接地故障,即判断采集的光信号是否为弧光信号。光谱强度数据可以被视为k维欧几里得空间中点的散射,每个光谱带分配给空间一个轴,轴与轴之间相互正交,因此可将光谱视为k为光谱带个数。不同条件下的弧光放电都有一个独特的光谱,可以作为光谱指纹,使用公式(1)测量光谱信息与标准光谱指纹库内光谱的相似性。
之后根据计算得到的相似性判断光信号是否为弧光信号。
S300:若光信号为弧光信号,则提取弧光光谱的特征波段。
以电弧的光谱特征为判据判断是否产生电弧,产生电弧后,通过特征提取获得特征波段,基于波段选择的特征波段选取方法具有高效快速的特点,其目的是实现通过选择一定的特征波段来描述原始的光谱信息,其准则是单一波段还有信息量大、多波段间相关性小、波段组合能够有效区分光谱特性。
针对上述准则,单一波段含有的信息量可以通过光谱的熵来衡量,多波段之间的相关性可以通过光谱的联合熵来衡量,光谱第i波段的熵定义如下:
上式中,n为该波段下光谱强度可能取值的个数,pi为光谱带有n种取值对应的概率。
光谱的联合熵(以4个波段为例)定义为:
通过式(3)可以计算多个波段之间的联合信息量,波段之间的相关性越大,它们之间的图像联合熵就越小,因此可根据联合熵的大小获取相关性较大的波段。之后进一步根据最佳指数的波段选择准则选取特征波段,定义最佳指数Q为:
上式中,Di为第i个波段的标准差,Rij为第i个和第j个波段之间的相关系数,其大小为:
其中,E{·}为光强的期望值;
由式(3)和式(4)计算得到最佳指数Q,然后按照大小排列得到最佳波段组合,然后从最佳波段组合中提取特征波段。
S400:联合多个特征波段的光谱强度信息得到弧光危险程度评估结果。
的尖端对应于k维点,其笛卡尔坐标系xi是每个光谱处的光强,由于每个分量xi≥0,光强的变化可以改变光谱矢量的长度但不能改变其方向,因此可以通过光强进行弧光危险程度评估。
经过特征提取后得到了特征波段然后特征波段对应的光强由此可构造正交多项式(6),得到弧光图谱的光强f。
f(z)=c0+c1p+c2p2+…+cmpm (6)
其中,由与所述光谱信息相似的标准光谱指纹库求得。
得到光强f后,比较光强f与预设阈值的大小可得到弧光危险程度评估结果,根据评估结果做出对应的响应。
比较光强f与预设阈值的大小得到弧光危险程度评估结果的具体方法如图2所示:
S401:计算得到弧光图谱的光强f。
S402:判断光强f是否超过第一预设阈值。
S403:若光强f未超过第一预设阈值,则判定弧光危险程度为轻微。
S404:若光强f超过第一预设阈值,则判断光强f是否超过第二预设阈值。
S405:若光强f未超过第二预设阈值,则判定弧光危险程度为中等。
S406:若光强f超过第二预设阈值,则判断光强f是否超过第三预设阈值。
S407:若光强f未超过第三预设阈值,则判定弧光危险程度为较严重。
S408:若光强f超过第三预设阈值,则判定弧光危险程度为严重。
计算得到弧光图谱的光强f后,将其分别与第一预设阈值、第二预设阈值、第三预设阈值进行比较,从而得到弧光危险程度评估结果,其中第一预设阈值、第二预设阈值与第三预设阈值可根据实际情况进行设置,此处不做限定。
本申请实施例提供的基于光谱强度信息的弧光危险评估方法采用非电监测、光谱观测的探测手段,实现了对电力系统中弧光接地故障进行快速监测;通过设置光电传感器对弧光进行监测,获得弧光的光谱信息;对比采集光谱与标准光谱指纹库,判断是否发生弧光接地故障;提取光谱特征波段,滤除干扰和噪声,提高计算效率和后续评估准确度;联合多个特征波段的光谱强度信息实现对弧光放电危险程度的评估,具有抗干扰能力强、准确度高等显著优点。
基于上述实施例所述的基于光谱强度信息的弧光危险评估方法,本申请实施例还提供了一种基于光谱强度信息的弧光危险评估装置。如图3所示,本申请实施例提供的基于光谱强度信息的弧光危险评估装置包括:
采集模块100,用于采集光信号的光谱信息。通过设置光电传感器对弧光进行监测,光谱信息。
判断模块200,用于判断光信号是否为弧光信号。判断模块200包括对比模块201,对比模块201用于将光谱信息与标准光谱指纹库进行对比,计算光谱信息与标准光谱指纹库内光谱的相似性,根据相似性判断采集的光信号是否为弧光信号。
提取模块300,用于当光信号为弧光信号时,提取弧光光谱的特征波段。提取模块300包括:
熵定义计算模块301,用于计算得到光谱第i段的熵定义,以衡量单一波段含有的信息量。
联合熵计算模块302,用于计算多个波段之间的联合熵,以衡量多波段之间的相关性,波段之间的相关性越大,它们之间的图像联合熵就越小。
获取模块303,用于根据联合熵获取相关性大的波段。
选取模块304,用于计算波段的最佳指数,并根据最佳指数选取特征波段,进一步根据最佳指数的波段选择准则选取特征波段。
评估模块400,用于联合多个特征波段的光谱强度信息得到弧光危险程度评估结果。评估模块400包括:
光强计算模块401,用于计算得到弧光图谱的光强f。
比较模块402,用于比较光强f与预设阈值,得到弧光危险程度评估结果。
本领域技术人员在考虑说明书及实践这里发明的公开后,将容易想到本申请的其他实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由权利要求的内容指出。
以上所述的本申请实施方式并不构成对本申请保护范围的限定。

Claims (10)

1.一种基于光谱强度信息的弧光危险评估方法,其特征在于,所述方法包括:
采集光信号的光谱信息;
判断所述光信号是否为弧光信号;
若所述光信号为弧光信号,则提取弧光光谱的特征波段;
联合多个特征波段的光谱强度信息得到弧光危险程度评估结果。
2.根据权利要求1所述的方法,其特征在于,判断所述光信号是否为弧光信号,包括:
将所述光谱信息与标准光谱指纹库进行对比,根据公式(1)计算所述光谱信息与标准光谱指纹库内光谱的相似性;
根据所述相似性判断所述光信号是否为弧光信号。
3.根据权利要求1所述的方法,其特征在于,提取弧光光谱的特征波段,包括:
根据公式(2)计算得到光谱第i波段的熵定义,
上式中,n为该波段下光谱强度可能取值的个数,pi为光谱带有n种取值对应的概率;
通过式(3)计算多个波段之间的联合熵;
根据所述联合熵获取相关性大的波段;
计算所述波段的最佳指数,并根据所述最佳指数选取特征波段。
4.根据权利要求3所述的方法,其特征在于,计算所述波段的最佳指数,并根据所述最佳指数选取特征波段,包括:
根据公式(4)计算所述波段的最佳指数Q,
上式中,Di为第i个波段的标准差,Rij为第i个和第j个波段之间的相关系数,其大小为:
其中,E{·}为光强的期望值;
将得到的最佳指数Q按照大小排列得到最佳波段组合;
从所述最佳波段组合中提取特征波段。
5.根据权利要求1所述的方法,其特征在于,联合多个特征波段的光谱强度信息得到弧光危险程度评估结果,包括:
根据公式(6)计算得到弧光图谱的光强f,
f(z)=c0+c1p+c2p2+…+cmpm (6)
其中,由与所述光谱信息相似的标准光谱指纹库求得,为提取的特征波段对应的光强;
比较所述光强f与预设阈值,得到弧光危险程度评估结果。
6.根据权利要求5所述的方法,其特征在于,比较所述光强f与预设阈值,得到弧光危险程度评估结果,包括:
判断所述光强f是否超过第一预设阈值;
若所述光强f未超过所述第一预设阈值,则判定所述弧光危险程度为轻微;
若所述光强f超过所述第一预设阈值,则判断所述光强f是否超过第二预设阈值;
若所述光强f未超过所述第二预设阈值,则判定所述弧光危险程度为中等;
若所述光强f超过所述第二预设阈值,则判断所述光强f是否超过第三预设阈值;
若所述光强f未超过所述第三预设阈值,则判定所述弧光危险程度为较严重;
若所述光强f超过所述第三预设阈值,则判定所述弧光危险程度为严重。
7.一种基于光谱强度信息的弧光危险评估装置,其特征在于,包括:
采集模块,用于采集光信号的光谱信息;
判断模块,用于判断所述光信号是否为弧光信号;
提取模块,用于当所述光信号为弧光信号时,提取弧光光谱的特征波段;
评估模块,用于联合多个特征波段的光谱强度信息得到弧光危险程度评估结果。
8.根据权利要求7所述的装置,其特征在于,所述判断模块包括:
对比模块,用于将所述光谱信息与标准光谱指纹库进行对比,计算所述光谱信息与标准光谱指纹库内光谱的相似性。
9.根据权利要求7所述的装置,其特征在于,所述提取模块包括:
熵定义计算模块,用于计算得到光谱第i波段的熵定义;
联合熵计算模块,用于计算多个波段之间的联合熵;
获取模块,用于根据所述联合熵获取相关性大的波段;
选取模块,用于计算所述波段的最佳指数,并根据所述最佳指数选取特征波段。
10.根据权利要求7所述的装置,其特征在于,所述评估模块包括:
光强计算模块,用于计算得到弧光图谱的光强f;
比较模块,用于比较所述光强f与预设阈值,得到弧光危险程度评估结果。
CN201910839703.6A 2019-09-06 2019-09-06 基于光谱强度信息的弧光危险评估方法及装置 Pending CN110441647A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910839703.6A CN110441647A (zh) 2019-09-06 2019-09-06 基于光谱强度信息的弧光危险评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910839703.6A CN110441647A (zh) 2019-09-06 2019-09-06 基于光谱强度信息的弧光危险评估方法及装置

Publications (1)

Publication Number Publication Date
CN110441647A true CN110441647A (zh) 2019-11-12

Family

ID=68439387

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910839703.6A Pending CN110441647A (zh) 2019-09-06 2019-09-06 基于光谱强度信息的弧光危险评估方法及装置

Country Status (1)

Country Link
CN (1) CN110441647A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110954792A (zh) * 2019-12-10 2020-04-03 西安交通大学 基于高光谱成像复合绝缘子伞裙老化的特征波段提取方法
CN110954793A (zh) * 2019-12-10 2020-04-03 西安交通大学 基于光谱成像的复合绝缘子伞裙老化检测方法及检测装置
CN112525346A (zh) * 2020-12-03 2021-03-19 安徽理工大学 一种基于改进oif的光谱图像最佳波段的选择方法、系统及存储介质
CN112858858A (zh) * 2021-03-26 2021-05-28 云南电网有限责任公司电力科学研究院 一种基于降维的局部放电光谱特征波段提取方法及装置
CN113253069A (zh) * 2021-05-19 2021-08-13 云南电网有限责任公司电力科学研究院 一种基于多光谱强度的局部放电危险度评估方法
CN115598470A (zh) * 2022-09-05 2023-01-13 国网江苏省电力有限公司无锡供电分公司(Cn) 一种基于多光谱频带的电弧主动预警方法及系统
WO2024027455A1 (zh) * 2022-08-01 2024-02-08 云南电力试验研究院(集团)有限公司 一种电弧光谱识别方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104569684A (zh) * 2015-01-14 2015-04-29 上海和伍新材料科技有限公司 一种基于电弧光谱信号的故障电弧检测方法
CN206556764U (zh) * 2017-02-24 2017-10-13 三峡大学 基于光谱分析方法的环网柜故障判别系统
CN108154094A (zh) * 2017-12-14 2018-06-12 浙江工业大学 基于子区间划分的高光谱图像非监督波段选择方法
CN109917224A (zh) * 2019-03-11 2019-06-21 西南交通大学 基于光谱诊断的非接触式弓网燃弧能量检测装置及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104569684A (zh) * 2015-01-14 2015-04-29 上海和伍新材料科技有限公司 一种基于电弧光谱信号的故障电弧检测方法
CN206556764U (zh) * 2017-02-24 2017-10-13 三峡大学 基于光谱分析方法的环网柜故障判别系统
CN108154094A (zh) * 2017-12-14 2018-06-12 浙江工业大学 基于子区间划分的高光谱图像非监督波段选择方法
CN109917224A (zh) * 2019-03-11 2019-06-21 西南交通大学 基于光谱诊断的非接触式弓网燃弧能量检测装置及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李石华等: "多光谱遥感数据最佳波段选择方法试验研究", 《云南地理环境研究》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110954792A (zh) * 2019-12-10 2020-04-03 西安交通大学 基于高光谱成像复合绝缘子伞裙老化的特征波段提取方法
CN110954793A (zh) * 2019-12-10 2020-04-03 西安交通大学 基于光谱成像的复合绝缘子伞裙老化检测方法及检测装置
CN110954792B (zh) * 2019-12-10 2021-04-09 西安交通大学 基于高光谱成像复合绝缘子伞裙老化的特征波段提取方法
CN110954793B (zh) * 2019-12-10 2021-06-01 西安交通大学 基于光谱成像的复合绝缘子伞裙老化检测方法及检测装置
CN112525346A (zh) * 2020-12-03 2021-03-19 安徽理工大学 一种基于改进oif的光谱图像最佳波段的选择方法、系统及存储介质
CN112525346B (zh) * 2020-12-03 2022-10-11 安徽理工大学 一种基于改进oif的光谱图像最佳波段的选择方法、系统及存储介质
CN112858858A (zh) * 2021-03-26 2021-05-28 云南电网有限责任公司电力科学研究院 一种基于降维的局部放电光谱特征波段提取方法及装置
CN112858858B (zh) * 2021-03-26 2022-08-02 云南电网有限责任公司电力科学研究院 一种基于降维的局部放电光谱特征波段提取方法及装置
CN113253069A (zh) * 2021-05-19 2021-08-13 云南电网有限责任公司电力科学研究院 一种基于多光谱强度的局部放电危险度评估方法
WO2024027455A1 (zh) * 2022-08-01 2024-02-08 云南电力试验研究院(集团)有限公司 一种电弧光谱识别方法和装置
CN115598470A (zh) * 2022-09-05 2023-01-13 国网江苏省电力有限公司无锡供电分公司(Cn) 一种基于多光谱频带的电弧主动预警方法及系统

Similar Documents

Publication Publication Date Title
CN110441647A (zh) 基于光谱强度信息的弧光危险评估方法及装置
US8768260B2 (en) Electromagnetic wave discrimination device, electromagnetic wave discrimination method, and electromagnetic wave discrimination program
CN108627807B (zh) 一种机载雷达抗干扰方法
US20080033602A1 (en) Method and Device for Detecting Electric Arc Phenomenon on at Least One Electric Cable
CN105606944B (zh) 配电系统的单相接地故障选线方法和装置
CN115453286A (zh) Gis局部放电诊断方法、模型训练方法、装置及系统
CN112986870A (zh) 基于振动法的分布式电力变压器绕组状态监测方法及系统
CN110324098B (zh) 一种宽带频谱序列的干扰信号的识别与统计方法
CN112994741B (zh) 跳频信号参数测量方法、装置和电子设备
WO2014038364A1 (ja) 電磁波識別方法及び識別装置
CN107367201B (zh) 一种大范围多目标炮弹炸落点声源定位方法
Mishra et al. Classification of faults in a TCSC compensated transmission line using data mining algorithm
CN109633356A (zh) 断电式漏电信号识别方法及断电式漏电指示装置
Misak et al. Usage of antenna for detection of tree falls on overhead lines with covered conductors
Karnas et al. Instrumentation and data analysis process at the new lightning research station in Poland
CN114091593A (zh) 一种基于多尺度特征融合的网络级电弧故障诊断方法
Rizzo et al. Characteristic impedance of power lines with ground wires
Butler et al. Field studies using a neural-net-based approach for fault diagnosis in distribution networks
CN109270416B (zh) 不同上升沿陡波过电压下充气线路放电试验系统及方法
CN105911433A (zh) 输电线路雷击种类的识别方法
CN208432716U (zh) 一种计数器校验电路及装置
Durante et al. High Voltage Transmission Line Response to Traveling Waves
Uyar ST and LSSVR-based the fault location algorithm for the series compensated power transmission lines
El Mountassir et al. Effect of sampling rate on the location accuracy of measurements from radiated RF partial discharges signals
KR101462231B1 (ko) 지능형 전자장치 및 이를 이용한 지락고장점 판단 방법

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: 20191112

RJ01 Rejection of invention patent application after publication