CN110824304B - 一种氧化锌避雷器绝缘劣化趋势分析方法 - Google Patents

一种氧化锌避雷器绝缘劣化趋势分析方法 Download PDF

Info

Publication number
CN110824304B
CN110824304B CN201910985427.4A CN201910985427A CN110824304B CN 110824304 B CN110824304 B CN 110824304B CN 201910985427 A CN201910985427 A CN 201910985427A CN 110824304 B CN110824304 B CN 110824304B
Authority
CN
China
Prior art keywords
data
signal
trend
insulation degradation
arrester
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
CN201910985427.4A
Other languages
English (en)
Other versions
CN110824304A (zh
Inventor
郑作霖
陈太
陈亮
齐瑞
林捷
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.)
Fujian Hoshing Hi Tech Industrial Co ltd
Original Assignee
Fujian Hoshing Hi Tech Industrial 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 Fujian Hoshing Hi Tech Industrial Co ltd filed Critical Fujian Hoshing Hi Tech Industrial Co ltd
Priority to CN201910985427.4A priority Critical patent/CN110824304B/zh
Publication of CN110824304A publication Critical patent/CN110824304A/zh
Application granted granted Critical
Publication of CN110824304B publication Critical patent/CN110824304B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01R31/1236—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 surge arresters

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

本发明涉及一种氧化锌避雷器绝缘劣化趋势分析方法，获取避雷器在线监测数据、基础台账数据、温湿度数据，将获取的数据进行数据清洗，然后通过数学形态学消噪处理清洗后数据，有效消除信号噪声的同时保留原信号的全局和局部特征，提高在线监测数据可靠性，接着通过EMD分析，提取数据信号中各个模态分量及表征数据原始信号中心趋势分量，再从中心趋势分量，获取曲线各个拐点，进一步根据数据变化率告警上下限及各个相邻外点间数据变化率，确定相邻拐点间数据变化趋势，最后组合相邻拐点的变化趋势，得出避雷器监测数据变化趋势，并根据避雷器绝缘劣化告警因子，发出绝缘劣化趋势告警,实现避雷器绝缘故障的高效感知，保障电网安全可靠运行。

Description

一种氧化锌避雷器绝缘劣化趋势分析方法
技术领域
本发明涉及电力安全技术领域，特别是一种氧化锌避雷器绝缘劣化趋势分析方法。
背景技术
氧化锌避雷器是电网中限制过电压的重要保护装置，可以为重要的电气设备提供一定的保护裕度，其运行的可靠性关系到电网的稳定运行，但是避雷器长期承受系统电压、过电压、污秽、内部受潮等因素，绝缘性能逐渐劣化，可能导致设备故障，影响电力系统安全稳定和供电可靠性，为了全面监控避雷器的运行状态，电网公司对220kV 及以上避雷器开展在线监测，但是在线监测数据受运行环境等因素影响，数据波动性较大，难以判断监测数据变化趋势，当前，针对在线监测数据处理分析相对成熟，可充分利用积累的海量，应用大数据处理框架、数学形态学滤波、EMD算法，有效开展避雷器绝缘劣化趋势分析，实现避雷器绝缘变化趋势的快速感知，以及在此基础上电网设备供电可靠性已变得十分迫切。
通过数学形态学消噪处理电力系统避雷器在线监测现场采集的数据，有效消除信号噪声的同时保留原信号的全局和局部特征，提高在线监测数据可靠性，但是在线监测设备的监测数据由于受工况等因素的影响，数据信号中含有若干种模态分量，通过应用形态学滤波及 EMD分析，可以从数据信号中分离各个模态分量及表征数据原始信号中心趋势分量。再根据中心趋势分量及数据变化率告警上下限，就可准确分析设备一段时间内的绝缘劣化趋势。
发明内容
有鉴于此，本发明的目的是提供一种氧化锌避雷器绝缘劣化趋势分析方法，实现避雷器绝缘故障的高效感知，故障实时跟踪处理，提高避雷器设备运行可靠性，保障电网安全可靠运行。
本发明采用以下方案实现：一种氧化锌避雷器绝缘劣化趋势分析方法，包括以下步骤：
步骤S1：获取避雷器在线监测数据、基础台账数据和温湿度数据；
步骤S2：将步骤S1中获取的数据进行数据清洗；然后利用数学形态学进行消噪处理，用以消除信号噪声并保留原信号的全局和局部特征，提高在线监测数据可靠性；
步骤S3：通过EMD(经验模态)分析，提取步骤S2中消噪处理后的数据信号中各个模态分量及表征数据原始信号中心趋势分量，再从中心趋势分量，获取曲线各个拐点；根据数据变化率告警上下限及各个相邻外点间数据变化率，确定相邻拐点间数据变化趋势，组合相邻拐点间的变化趋势，得出一段区间内避雷器监测数据变化趋势，并根据避雷器绝缘劣化告警因子，发出绝缘劣化趋势告警。
进一步地，所述基础台账数据包括设备名称、型号名称、投运日期和电压等级。
进一步地，所述避雷器在线监测数据包括泄漏 电流、阻性电流、容性电流。
进一步地，步骤S2中所述数据清洗的具体内容为：首先剔除无效数据，然后对于缺失的数据采用关联缺失点前后数据的线性插值法对数据进行补缺处理。
进一步地，步骤S2中所述利用数学形态学消噪处理的具体内容为：首先设定圆形序列结构元素；然后根据输入信号f(s)和序列结构元素b(s)的定义域分别为Df和Db，则f(s)关于b(s)的膨胀和腐蚀分别为：
Figure BDA0002236322400000034
Figure BDA0002236322400000035
最后根据开算子
Figure BDA0002236322400000031
闭算子
Figure BDA0002236322400000032
形态开闭算子
Figure BDA0002236322400000036
形态闭开算子
Figure BDA0002236322400000037
对输入信号进行形态学消噪处理。
进一步地，步骤S3中所述EMD分析的具体内容为：
获取经过形态学消噪处理后的信号，然后将信号分解为若干个本征模态分量和一个余量，用以使本征模态分量成为满足条件的函数或信号；经过分解后，原始信号表示为
Figure BDA0002236322400000033
即EMD能够将任何一个信号x(t)分解为n个基本模态分量和一个余量之和，分量 c1(t),c2(t),…cn(t)分别包含了信号从高到低不同频段的成分，rn(t)则表示信号x(t)的中心趋势；
其中，所述本征模态分量满足的条件具体为：
首先，在整个数据序列中，极值点的数量与过零点的数量必须相等或者至多相差一个；
其次，任意一点，由数据序列的局部极大值点确定的上包络线和局部极小值点确定的下包络线的均值为零，即为信号关于时间轴局部对称。
进一步地，所述将一个信号x(t)分解为n个基本模态分量和一个余量之和，即对于给定的信号x(t)计为
Figure BDA0002236322400000041
EMD抽取第一个IMF(本征模函数)进行筛分的具体内容为：
步骤SA：找出信号
Figure BDA0002236322400000042
的所有局部极值点；
步骤SB：分别对极大值序列和极小值序列进行分段三次样条插值拟合，以生成上包络线eu(t)和下包络线ed(t)；
步骤SC：计算上下包络线的均值m(t)＝(eu(t)+ed(t))/2；
步骤SD：从信号
Figure BDA0002236322400000043
中减去m(t)的
Figure BDA0002236322400000044
步骤SE：重复步骤SA至步骤SD直至得到1个IMF(本征模函数), 记为c1(t)＝h(t)；
步骤SF：将c1(t)从
Figure BDA0002236322400000045
中分离出来，得到余项
Figure BDA0002236322400000046
将余项r1(t)作为待分解信号，重复以上SA至SE步骤直至满足筛分结束条件即待分解信号已经单调或IMF(本征模函数)的个数满足要求；经过EMD的筛分，信号被分解为有限个IMF(本征模函数)分量：c1(t),…,cn(t)和一个余项rn(t)；因此，原始信号表示为
Figure BDA0002236322400000047
进一步地，步骤S3中所述确定相邻拐点间数据变化趋势具体为：从EMD分解后的中心趋势分量，获取曲线各个拐点，得出区间内相邻拐点段数据N0，并根据设定的数据变化率告警上限0.2及告警下限 -0.2，确定相邻拐点间数据变化率是否越告警上下限，再根据各相邻拐点，得出一段区间内相邻拐点间数据变化率越告警上下限的个数N1，若
Figure BDA0002236322400000051
则触发避雷器绝缘劣化趋势告警。
进一步地，所述利用线性插值法对数据进行补缺处理的具体内容为：假设已知坐标(a0,b0)、(a1,b1)，若要得到(a0,a1)区间内某个位置a 在直线上的值，则两点直线方程为
Figure BDA0002236322400000052
当方程两边值为k 时，且a值已知，得b＝b0+k(b1-b0)。
进一步地，所述无效数据满足的条件为：根据无效数据判断规则，湿度大于75％时、监测值为无效值时、监测装置故障、检修、停运时，则数据为无效数据。
与现有技术相比，本发明具有以下有益效果：
本发明实现避雷器绝缘故障的高效感知，故障实时跟踪处理，提高避雷器设备运行可靠性，保障电网安全可靠运行。
附图说明
图1为本发明实施例的流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示，本实施例提供一种氧化锌避雷器绝缘劣化趋势分析方法，包括以下步骤：
步骤S1：获取避雷器在线监测数据、基础台账数据和温湿度数据；
步骤S2：将步骤S1中获取的数据进行数据清洗；剔除异常点数据对于缺失数据通过插值法进行补全；然后利用数学形态学进行消噪处理，用以消除信号噪声并保留原信号的全局和局部特征，提高在线监测数据可靠性；
步骤S3：通过EMD经验模态分析，提取步骤S2中消噪处理后的数据信号中各个模态分量及表征数据原始信号中心趋势分量，再从中心趋势分量，获取曲线各个拐点；根据数据变化率告警上下限及各个相邻外点间数据变化率，确定相邻拐点间数据变化趋势，组合相邻拐点间的变化趋势，得出一段区间内避雷器监测数据变化趋势，并根据避雷器绝缘劣化告警因子，发出绝缘劣化趋势告警。
在本实施例中，所述基础台账数据包括设备名称、型号名称、投运日期和电压等级。
在本实施例中，所述避雷器在线监测数据包括泄漏 电流、阻性电流、容性电流。
在本实施例中，步骤S2中所述数据清洗的具体内容为：首先剔除无效数据，然后对于缺失的数据采用关联缺失点前后数据的线性插值法对数据进行补缺处理。
在本实施例中，步骤S2中所述利用数学形态学消噪处理的具体内容为：首先设定圆形序列结构元素；然后根据输入信号f(s)和序列结构元素b(s)的定义域分别为Df和Db，则f(s)关于b(s)的膨胀和腐蚀分别为：
Figure BDA0002236322400000074
Figure BDA0002236322400000075
最后根据开算子
Figure BDA0002236322400000071
闭算子
Figure BDA0002236322400000072
形态开闭算子
Figure BDA0002236322400000076
形态闭开算子
Figure BDA0002236322400000077
对输入信号进行形态学消噪处理。
在本实施例中，步骤S3中所述EMD分析的具体内容为：
获取经过形态学消噪处理后的信号，然后将信号分解为若干个本征模态分量和一个余量，用以使本征模态分量成为满足条件的函数或信号；经过分解后，原始信号表示为
Figure BDA0002236322400000073
即EMD能够将任何一个信号x(t)分解为n个基本模态分量和一个余量之和，分量 c1(t),c2(t),…cn(t)分别包含了信号从高到低不同频段的成分，rn(t)则表示信号x(t)的中心趋势；
其中，所述本征模态分量满足的条件具体为：
首先，在整个数据序列中，极值点的数量与过零点的数量必须相等或者至多相差一个；
其次，任意一点，由数据序列的局部极大值点确定的上包络线和局部极小值点确定的下包络线的均值为零，即为信号关于时间轴局部对称。
在本实施例中，所述将一个信号x(t)分解为n个基本模态分量和一个余量之和，即对于给定的信号x(t)计为
Figure BDA0002236322400000081
EMD抽取第一个IMF 进行筛分的具体内容为：
步骤SA：找出信号
Figure BDA0002236322400000082
的所有局部极值点；
步骤SB：分别对极大值序列和极小值序列进行分段三次样条插值拟合，以生成上包络线eu(t)和下包络线ed(t)；
步骤SC：计算上下包络线的均值m(t)＝(eu(t)+ed(t))/2；
步骤SD：从信号
Figure BDA0002236322400000083
中减去m(t)的
Figure BDA0002236322400000084
步骤SE：重复步骤SA至步骤SD直至得到1个IMF,记为c1(t)＝h(t)；
步骤SF：将c1(t)从
Figure BDA0002236322400000085
中分离出来，得到余项
Figure BDA0002236322400000086
将余项r1(t)作为待分解信号，重复以上SA至SE步骤直至满足筛分结束条件即待分解信号已经单调或IMF的个数满足要求；经过EMD 的筛分，信号被分解为有限个IMF分量：c1(t),…,cn(t)和一个余项rn(t)；因此，原始信号表示为
Figure BDA0002236322400000087
在本实施例中，步骤S3中所述确定相邻拐点间数据变化趋势具体为：从EMD分解后的中心趋势分量，获取曲线各个拐点，得出区间内相邻拐点段数据N0，并根据设定的数据变化率告警上限0.2及告警下限-0.2，确定相邻拐点间数据变化率是否越告警上下限，再根据各相邻拐点，得出一段区间内相邻拐点间数据变化率越告警上下限的个数N1，若
Figure BDA0002236322400000091
则触发避雷器绝缘劣化趋势告警。
在本实施例中，所述利用线性插值法对数据进行补缺处理的具体内容为：假设已知坐标(a0,b0)、(a1,b1)，若要得到(a0,a1)区间内某个位置a在直线上的值，则两点直线方程为
Figure BDA0002236322400000092
当方程两边值为k时，且a值已知，得b＝b0+k(b1-b0)。
在本实施例中，所述无效数据满足的条件为：根据无效数据判断规则，湿度大于75％时、监测值为无效值时、监测装置故障、检修、停运时，则数据为无效数据。
较佳的，在本实施例中，监测值为-12345等无效值时则此时的数据为无效数据。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (8)

1.一种氧化锌避雷器绝缘劣化趋势分析方法，其特征在于：包括以下步骤：
步骤S1：获取避雷器在线监测数据、基础台账数据和温湿度数据；
步骤S2：将步骤S1中获取的数据进行数据清洗；然后利用数学形态学进行消噪处理，用以消除信号噪声并保留原信号的全局和局部特征，提高在线监测数据可靠性；
步骤S3：通过EMD分析，提取步骤S2中消噪处理后的数据信号中各个模态分量及表征数据原始信号中心趋势分量，再从中心趋势分量，获取曲线各个拐点；根据数据变化率告警上下限及各个相邻外点间数据变化率，确定相邻拐点间数据变化趋势，组合相邻拐点间的变化趋势，得出一段区间内避雷器监测数据变化趋势，并根据避雷器绝缘劣化告警因子，发出绝缘劣化趋势告警；
其中，步骤S3中所述EMD分析的具体内容为：
获取经过形态学消噪处理后的信号，然后将信号分解为若干个本征模态分量和一个余量，用以使本征模态分量成为满足条件的函数或信号；经过分解后，原始信号表示为
Figure RE-FDA0003278812730000011
即EMD能够将任何一个信号x(t)分解为n个基本模态分量和一个余量之和，分量c1(t),c2(t),…cn(t)分别包含了信号从高到低不同频段的成分，rn(t)则表示信号x(t)的中心趋势；
其中，所述本征模态分量满足的条件具体为：
首先，在整个数据序列中，极值点的数量与过零点的数量必须相等或者至多相差一个；
其次，任意一点，由数据序列的局部极大值点确定的上包络线和局部极小值点确定的下包络线的均值为零，即为信号关于时间轴局部对称；
其中，所述将一个信号x(t)分解为n个基本模态分量和一个余量之和，即对于给定的信号x(t)计为
Figure RE-FDA0003278812730000021
EMD抽取第一个IMF进行筛分的具体内容为：
步骤SA：找出信号
Figure RE-FDA0003278812730000022
的所有局部极值点；
步骤SB：分别对极大值序列和极小值序列进行分段三次样条插值拟合，以生成上包络线eu(t)和下包络线ed(t)；
步骤SC：计算上下包络线的均值m(t)＝(eu(t)+ed(t))/2；
步骤SD：从信号
Figure RE-FDA0003278812730000023
中减去m(t)的
Figure RE-FDA0003278812730000024
步骤SE：重复步骤SA至步骤SD直至得到1个IMF,记为c1(t)＝h(t)；
步骤SF：将c1(t)从
Figure RE-FDA0003278812730000025
中分离出来，得到余项
Figure RE-FDA0003278812730000026
将余项r1(t)作为待分解信号，重复以上SA至SE步骤直至满足筛分结束条件即待分解信号已经单调或IMF的个数满足要求；经过EMD的筛分，信号被分解为有限个IMF分量：c1(t),…,cn(t)和一个余项rn(t)；因此，原始信号表示为
Figure RE-FDA0003278812730000027
2.根据权利要求1所述的一种氧化锌避雷器绝缘劣化趋势分析方法，其特征在于：所述基础台账数据包括设备名称、型号名称、投运日期和电压等级。
3.根据权利要求1所述的一种氧化锌避雷器绝缘劣化趋势分析方法，其特征在于：所述避雷器在线监测数据包括泄漏 电流、阻性电流、容性电流。
4.根据权利要求1所述的一种氧化锌避雷器绝缘劣化趋势分析方法，其特征在于：步骤S2中所述数据清洗的具体内容为：首先剔除无效数据，然后对于缺失的数据采用关联缺失点前后数据的线性插值法对数据进行补缺处理。
5.根据权利要求1所述的一种氧化锌避雷器绝缘劣化趋势分析方法，其特征在于：步骤S2中所述利用数学形态学消噪处理的具体内容为：首先设定圆形序列结构元素；然后根据输入信号f(s)和序列结构元素b(s)的定义域分别为Df和Db，则f(s)关于b(s)的膨胀和腐蚀分别为：
Figure RE-FDA0003278812730000031
Figure RE-FDA0003278812730000032
最后根据开算子
Figure RE-FDA0003278812730000033
闭算子
Figure RE-FDA0003278812730000034
形态开闭算子
Figure RE-FDA0003278812730000035
形态闭开算子
Figure RE-FDA0003278812730000036
对输入信号进行形态学消噪处理。
6.根据权利要求1所述的一种氧化锌避雷器绝缘劣化趋势分析方法，其特征在于：步骤S3中所述确定相邻拐点间数据变化趋势具体为：从EMD分解后的中心趋势分量，获取曲线各个拐点，得出区间内相邻拐点段数据N0，并根据设定的数据变化率告警上限0.2及告警下限-0.2，确定相邻拐点间数据变化率是否越告警上下限，再根据各相邻拐点，得出一段区间内相邻拐点间数据变化率越告警上下限的个数N1，若
Figure RE-FDA0003278812730000041
则触发避雷器绝缘劣化趋势告警。
7.根据权利要求4所述的一种氧化锌避雷器绝缘劣化趋势分析方法，其特征在于：所述利用线性插值法对数据进行补缺处理的具体内容为：假设已知坐标(a0,b0)、(a1,b1)，若要得到(a0,a1)区间内某个位置a在直线上的值，则两点直线方程为
Figure RE-FDA0003278812730000042
当方程两边值为k时，且a值已知，得b＝b0+k(b1-b0)。
8.根据权利要求4所述的一种氧化锌避雷器绝缘劣化趋势分析方法，其特征在于：所述无效数据满足的条件为：根据无效数据判断规则，湿度大于75％时、监测值为无效值时、监测装置故障、检修、停运时，则数据为无效数据。
CN201910985427.4A 2019-10-16 2019-10-16 一种氧化锌避雷器绝缘劣化趋势分析方法 Active CN110824304B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910985427.4A CN110824304B (zh) 2019-10-16 2019-10-16 一种氧化锌避雷器绝缘劣化趋势分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910985427.4A CN110824304B (zh) 2019-10-16 2019-10-16 一种氧化锌避雷器绝缘劣化趋势分析方法

Publications (2)

Publication Number Publication Date
CN110824304A CN110824304A (zh) 2020-02-21
CN110824304B true CN110824304B (zh) 2022-03-18

Family

ID=69549578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910985427.4A Active CN110824304B (zh) 2019-10-16 2019-10-16 一种氧化锌避雷器绝缘劣化趋势分析方法

Country Status (1)

Country Link
CN (1) CN110824304B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112946525B (zh) * 2021-04-02 2022-08-09 国家电网有限公司 一种金属氧化物避雷器表面污染在线检测方法
CN113376470B (zh) * 2021-07-08 2022-11-22 广西电网有限责任公司电力科学研究院 一种防雷器运行状态远程监控系统
CN114283569B (zh) * 2022-01-24 2023-09-15 北京鼎好鑫源科技有限公司 一种大数据特征参量预警装置及方法
CN117825899B (zh) * 2024-03-06 2024-05-10 江苏丹通电气有限公司 一种电容器组的绝缘状态监测方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101435799B (zh) * 2008-12-19 2011-12-28 清华大学 基于声发射技术的水轮机故障诊断方法及装置
CN103617356B (zh) * 2013-11-27 2016-09-07 国家电网公司 一种自适应的在线监测数据趋势提取方法
CN105548739B (zh) * 2015-12-04 2019-01-15 江苏省电力公司宿迁供电公司 一种避雷器运行状态信号处理方法
CN106771535A (zh) * 2016-09-30 2017-05-31 南京信息工程大学 一种金属氧化物避雷器泄漏电流去噪系统及去噪方法
CN110197211A (zh) * 2019-05-17 2019-09-03 河海大学 一种面向大坝安全监测数据的相似性数据聚类方法

Also Published As

Publication number Publication date
CN110824304A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN110824304B (zh) 一种氧化锌避雷器绝缘劣化趋势分析方法
CN106646034B (zh) 一种避雷器结构健康在线监测分析系统
CN105548739B (zh) 一种避雷器运行状态信号处理方法
EP1941285B1 (de) Verfahren zum erzeugen eines datensatzes und feldgerät sowie system zum erfassen der elektroenergiequalität eines energieversorgungsnetzes
CN112613709B (zh) 电力设备综合状态评估方法、装置、电子设备和存储介质
CN103076104B (zh) 电力电缆温度在线监测数据的处理方法
CN113592308B (zh) 一种基于常态模型的监测数据告警阈值提取方法
CN110441648A (zh) 一种电信号异常检测方法、装置、设备
CN113643521A (zh) 一种电力设备的设备状态预警方法、装置和电子设备
CN117074852A (zh) 一种配电网电能监测预警管理方法及系统
CN109462242B (zh) 基于iir数字滤波和esprit辨识算法的电力系统低频振荡检测方法
CN103617356B (zh) 一种自适应的在线监测数据趋势提取方法
CN112988725A (zh) 一种输电线路数据清洗方法、系统、电子设备和存储介质
CN111220928B (zh) 一种高压避雷器的泄漏电流的空间电容干扰层次滤除方法
CN114779028B (zh) 一种发电机局放在线监测装置及监测方法
Wiot A new adaptive transient monitoring scheme for detection of power system events
CN116184060A (zh) 一种适用于瓷质绝缘子带电作业的异动监测方法和系统
CN105758634B (zh) 一种应用于直升机传动系统振动信号的故障检测方法
CN110598617B (zh) 煤矿安全监控系统瓦斯异常数据辨识与重构方法
US20100228531A1 (en) Zinc oxide (zno) varistors degradation analysis system using parameters from the modified longevin model
CN113589119A (zh) 一种基于软阈值函数的局部放电故障检测方法
CN114636883A (zh) 基于交流量的电力系统故障确定方法、装置及存储介质
CN111948450A (zh) 基于小波变换的避雷器残压特性监测方法
EP3959731A1 (de) Überwachungsanordnung für ein elektrisches betriebsmittel und überwachungssystem
CN111505420B (zh) 一种线路避雷器状态的在线监测与诊断方法及系统

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