CN111157812A - 一种基于电磁感应的电力设备故障监测方法 - Google Patents
一种基于电磁感应的电力设备故障监测方法 Download PDFInfo
- Publication number
- CN111157812A CN111157812A CN201911384840.1A CN201911384840A CN111157812A CN 111157812 A CN111157812 A CN 111157812A CN 201911384840 A CN201911384840 A CN 201911384840A CN 111157812 A CN111157812 A CN 111157812A
- Authority
- CN
- China
- Prior art keywords
- power equipment
- field information
- electromagnetic field
- sample
- fault
- 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
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/0807—Measuring electromagnetic field characteristics characterised by the application
- G01R29/0814—Field measurements related to measuring influence on or from apparatus, components or humans, e.g. in ESD, EMI, EMC, EMP testing, measuring radiation leakage; detecting presence of micro- or radiowave emitters; dosimetry; testing shielding; measurements related to lightning
Abstract
本发明涉及一种基于电磁感应的电力设备故障监测方法,通过采集电力设备的样本电磁场信息,进行清洗后提取特征量,基于特征量进行分析并构建样本库,采集待检测电力设备的电磁场信息后与样本库中的特征量进行匹配,输出匹配结果。本发明基于电磁感应检测电力设备的故障,可以实现在没有专业知识和经验积累的情况下,判别电力设备,尤其是大型电力设备是否存在故障,样本库模型稳定后,可以同时判别故障的类型,大大减少了工厂对于资深技术人员的依赖,缓解资深技术人员短缺的问题,维护成本低,处理效果好、效率高。本发明中,特别是针对工厂的一些大型电力机械,此类设备相应的磁场也更强,对于异常的检测也会相对精准。
Description
技术领域
本发明涉及测量;测试的技术领域,特别涉及一种基于电磁感应的电力设备故障监测方法。
背景技术
所有的电力设备在运转的时候都会产生其特有的电磁场,基于此,当其发生故障、异常时,其磁场也会相应发生变化。
现有技术中,针对电力设备的故障异常,人们需要通过比较大型的仪器、检测设备去检测判断,甚至有很多场合下,技术人员通过经验判断、发现,前者对于设备的要求较高,且仅在拆装上就要耗费大量的精力,而后者对专业经验的要求较高,对于大型的企业、工厂来说,找到几个经验丰富的技术人员并非难事,但是对于小型企业来说,则是存在明显的人员短缺,需要联系专门的技术人员上门处理,工作效率低,存在问题时无法第一时间排查,将造成一定程度上的损失。
发明内容
本发明解决了现有技术中存在的问题,提供了一种优化的基于电磁感应的电力设备故障监测方法。
本发明所采用的技术方案是,一种基于电磁感应的电力设备故障监测方法,所述方法包括以下步骤:
步骤1:采集电力设备的样本电磁场信息;
步骤2:对采集的样本电磁场信息进行清洗;
步骤3:对清洗后的信息提取特征量,基于特征量进行分析,构建样本库;
步骤4:采集待检测电力设备的电磁场信息,与样本库中的特征量进行匹配;
步骤5:输出匹配结果。
优选地,所述步骤1包括以下步骤:
步骤1.1:关停采集现场中所有的电力设备,采集当前的电磁场信息,作为初始值;
步骤1.2:开启单个未记录样本电磁场信息的电力设备,采集当前的电磁场信息,作为当前电力设备的样本电磁场信息,直至所有电力设备的样本电磁场信息记录完毕,进行步骤2。
优选地,以电磁线圈对电力设备进行样本电磁场信息采集,电磁线圈将每个样本电磁场信息转换为对应的电信号。
优选地,所述步骤2中,对所有的电磁场信息进行去噪处理。
优选地,所述步骤3包括以下步骤:
步骤3.1:对清洗后的所有样本电磁场信息提取特征量;
步骤3.2:对电力设备进行聚类,将电力设备归类至对应的大类;
步骤3.3:在每个大类中,基于提取的特征量对每种电力设备设置标识;
步骤3.4:基于大类构建正样本库和负样本库;
步骤3.5:对于同种电力设备的正样本库和负样本库建立索引。
优选地,所述步骤3.1中,特征量包括预设条件下的电流密度、电流、电位、磁通密度、磁场强度、输出电流和电感。
优选地,所述步骤3.2中,电力设备的大类包括电容型电力设备、开关型电力设备、电源性电力设备。
优选地,所述步骤3中,每隔预设时间补充样本库数据。
优选地,所述步骤4包括以下步骤:
步骤4.1:将待检测电力设备置于采集现场中,关停其余所有的电力设备,获得当前待检测电力设备的电磁场信息;
步骤4.2:对测得的电磁场信息进行步骤2的清洗;
步骤4.3:若待检测电力设备为已存在样本库中的电力设备,则进行步骤4.5,否则,提取电磁场信息的特征量,基于标识对应至样本库中的任一大类;
步骤4.4:以至少3个特征量为基准,进行交叉比对,对应至当前大类中的任一电力设备,进行下一步,若不存在,则加入待定检测库,结束;
步骤4.5:将待检测电力设备和对应到的样本库中的电力设备的特征量进行比对,对存在差异的特征量进行标识;
步骤4.6:若存在对应的负样本,则返回故障类型,否则,以正样本对应得到疑似故障类型,返回。
优选地,对待定检测库中的电力设备进行专家检测,将检测完毕的电力设备划分大类、建立标识,添加至负样本库;清除待定检测库中的数据。
本发明涉及一种优化的基于电磁感应的电力设备故障监测方法,通过采集电力设备的样本电磁场信息,进行清洗后提取特征量,基于特征量进行分析并构建样本库,采集待检测电力设备的电磁场信息后与样本库中的特征量进行匹配,输出匹配结果。
本发明基于电磁感应检测电力设备的故障,可以实现在没有专业知识和经验积累的情况下,判别电力设备,尤其是大型电力设备是否存在故障,样本库模型稳定后,可以同时判别故障的类型,大大减少了工厂对于资深技术人员的依赖,缓解资深技术人员短缺的问题,维护成本低,处理效果好、效率高。
本发明中,特别是针对工厂的一些大型电力机械,此类设备相应的磁场也更强,对于异常的检测也会相对精准。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合实施例对本发明做进一步的详细描述,但本发明的保护范围并不限于此。
本发明涉及一种基于电磁感应的电力设备故障监测方法,检测电力设备特有的电磁场并做聚类分析得到样本库,滤除环境中其它磁场的干扰,保证采集到的磁感应信息准确,进一步采集一定异常电磁场特征,作为异常的判断依据,加以自学习算法后,最终可以自动判断电力设备是否存在故障、并指向故障类型。
所述方法包括以下步骤。
步骤1:采集电力设备的样本电磁场信息。
所述步骤1包括以下步骤:
步骤1.1:关停采集现场中所有的电力设备,采集当前的电磁场信息,作为初始值;
步骤1.2:开启单个未记录样本电磁场信息的电力设备,采集当前的电磁场信息,作为当前电力设备的样本电磁场信息,直至所有电力设备的样本电磁场信息记录完毕,进行步骤2。
以电磁线圈对电力设备进行样本电磁场信息采集,电磁线圈将每个样本电磁场信息转换为对应的电信号。
先关停电力机械设备,检测记录环境中的电磁场信息作为归零点,再开启设备记录其所有正常运转情况下的电磁场。
本发明中,可以通过手持电磁线圈感应环境中的电磁场信息,并转换为对应的电信号进行分析记录,摒弃了大型的检测设备、仪器,操作简单、便利。
本发明中,由于电力设备,尤其是大型电力设备在通电工作的过程中均产生电磁场,且互相之前存在影响,为了保证采样的准确性,故步骤1.1取零时刻值作为初始值。
步骤2:对采集的样本电磁场信息进行清洗。
所述步骤2中,对所有的电磁场信息进行去噪处理。
本发明中,大型电力设备在工作过程中所呈现的电磁场信息、转换为的电流数据将存在一定程度的毛刺,故需要进行去噪处理,保证样本比对的精确性。
步骤3:对清洗后的信息提取特征量,基于特征量进行分析,构建样本库。
所述步骤3包括以下步骤:
步骤3.1:对清洗后的所有样本电磁场信息提取特征量;
所述步骤3.1中,特征量包括预设条件下的电流密度、电流、电位、磁通密度、磁场强度、输出电流和电感。
步骤3.2:对电力设备进行聚类,将电力设备归类至对应的大类;
所述步骤3.2中,电力设备的大类包括电容型电力设备、开关型电力设备、电源性电力设备。
步骤3.3:在每个大类中,基于提取的特征量对每种电力设备设置标识;
步骤3.4:基于大类构建正样本库和负样本库;
步骤3.5:对于同种电力设备的正样本库和负样本库建立索引。
所述步骤3中,每隔预设时间补充样本库数据。
本发明中,提取的特征量包括但不限于预设条件下的电流密度、电流、电位、磁通密度、磁场强度、输出电流和电感,其中,预设条件是指标准情况下,此时电流频率一致、环境因素一致。
本发明中,电力设备的大类包括但不限于电容型电力设备、开关型电力设备、电源性电力设备。
本发明中,在建立样本库的过程中,基于特征量进行标识为人工标识。
本发明中,为了保证数据的多样性,在采集的过程中不需刻意避开故障电力设备,而是可以将故障电力设备中采集的信息作为负样本库;正样本库则是常规需要设置。
本发明中,在正样本库和负样本库的同种电力设备间建立索引,事实上将正样本库和负样本库进行整合;至少满足,当一个确定种类的电力设备进行检测时,可以确认为正常,或是存在故障、马上通过索引获取负样本库信息,进行故障检测,方便快捷,省去在两个库之间的重复比对过程。
步骤4:采集待检测电力设备的电磁场信息,与样本库中的特征量进行匹配。
所述步骤4包括以下步骤:
步骤4.1:将待检测电力设备置于采集现场中,关停其余所有的电力设备,获得当前待检测电力设备的电磁场信息;
步骤4.2:对测得的电磁场信息进行步骤2的清洗;
步骤4.3:若待检测电力设备为已存在样本库中的电力设备,则进行步骤4.5,否则,提取电磁场信息的特征量,基于标识对应至样本库中的任一大类;
步骤4.4:以至少3个特征量为基准,进行交叉比对,对应至当前大类中的任一电力设备,进行下一步,若不存在,则加入待定检测库,结束;
步骤4.5:将待检测电力设备和对应到的样本库中的电力设备的特征量进行比对,对存在差异的特征量进行标识;
步骤4.6:若存在对应的负样本,则返回故障类型,否则,以正样本对应得到疑似故障类型,返回。
对待定检测库中的电力设备进行专家检测,将检测完毕的电力设备划分大类、建立标识,添加至负样本库;清除待定检测库中的数据。
本发明中,在采集待检测电力设备时,同样需要关停其余存在影响的电力设备,保证检测的数据间不产生互相干扰。
本发明中,当待检测电力设备非常规的电力设备时,则需要对其进行特征量提取,并基于提取的特征量与样本库中的电力设备进行交叉比对,对应至最接近的电力设备中,此时设置阈值,当至少3个特征向量与样本库中的电力设备的夹角小于阈值时,视为接近,若比较值均大于阈值,则应当加入待定检测库。
本发明中,基于跟样本库的匹配结果,获得当前待检测电力设备是否故障、故障类型的相关分析。
本发明中,事实上,在样本库扩大的同时,电磁场对应的特征量也应当随时增加,进而拟合出更为准确的样本库。
步骤5:输出匹配结果。
本发明通过采集电力设备的样本电磁场信息,进行清洗后提取特征量,基于特征量进行分析并构建样本库,采集待检测电力设备的电磁场信息后与样本库中的特征量进行匹配,输出匹配结果。
本发明基于电磁感应检测电力设备的故障,可以实现在没有专业知识和经验积累的情况下,判别电力设备,尤其是大型电力设备是否存在故障,样本库模型稳定后,可以同时判别故障的类型,大大减少了工厂对于资深技术人员的依赖,缓解资深技术人员短缺的问题,维护成本低,处理效果好、效率高。
本发明中,特别是针对工厂的一些大型电力机械,此类设备相应的磁场也更强,对于异常的检测也会相对精准。
Claims (10)
1.一种基于电磁感应的电力设备故障监测方法,其特征在于:所述方法包括以下步骤:
步骤1:采集电力设备的样本电磁场信息;
步骤2:对采集的样本电磁场信息进行清洗;
步骤3:对清洗后的信息提取特征量,基于特征量进行分析,构建样本库;
步骤4:采集待检测电力设备的电磁场信息,与样本库中的特征量进行匹配;
步骤5:输出匹配结果。
2.根据权利要求1所述的一种基于电磁感应的电力设备故障监测方法,其特征在于:所述步骤1包括以下步骤:
步骤1.1:关停采集现场中所有的电力设备,采集当前的电磁场信息,作为初始值;
步骤1.2:开启单个未记录样本电磁场信息的电力设备,采集当前的电磁场信息,作为当前电力设备的样本电磁场信息,直至所有电力设备的样本电磁场信息记录完毕,进行步骤2。
3.根据权利要求2所述的一种基于电磁感应的电力设备故障监测方法,其特征在于:以电磁线圈对电力设备进行样本电磁场信息采集,电磁线圈将每个样本电磁场信息转换为对应的电信号。
4.根据权利要求1所述的一种基于电磁感应的电力设备故障监测方法,其特征在于:所述步骤2中,对所有的电磁场信息进行去噪处理。
5.根据权利要求1所述的一种基于电磁感应的电力设备故障监测方法,其特征在于:所述步骤3包括以下步骤:
步骤3.1:对清洗后的所有样本电磁场信息提取特征量;
步骤3.2:对电力设备进行聚类,将电力设备归类至对应的大类;
步骤3.3:在每个大类中,基于提取的特征量对每种电力设备设置标识;
步骤3.4:基于大类构建正样本库和负样本库;
步骤3.5:对于同种电力设备的正样本库和负样本库建立索引。
6.根据权利要求5所述的一种基于电磁感应的电力设备故障监测方法,其特征在于:所述步骤3.1中,特征量包括预设条件下的电流密度、电流、电位、磁通密度、磁场强度、输出电流和电感。
7.根据权利要求5所述的一种基于电磁感应的电力设备故障监测方法,其特征在于:所述步骤3.2中,电力设备的大类包括电容型电力设备、开关型电力设备、电源性电力设备。
8.根据权利要求5所述的一种基于电磁感应的电力设备故障监测方法,其特征在于:所述步骤3中,每隔预设时间补充样本库数据。
9.根据权利要求5所述的一种基于电磁感应的电力设备故障监测方法,其特征在于:所述步骤4包括以下步骤:
步骤4.1:将待检测电力设备置于采集现场中,关停其余所有的电力设备,获得当前待检测电力设备的电磁场信息;
步骤4.2:对测得的电磁场信息进行步骤2的清洗;
步骤4.3:若待检测电力设备为已存在样本库中的电力设备,则进行步骤4.5,否则,提取电磁场信息的特征量,基于标识对应至样本库中的任一大类;
步骤4.4:以至少3个特征量为基准,进行交叉比对,对应至当前大类中的任一电力设备,进行下一步,若不存在,则加入待定检测库,结束;
步骤4.5:将待检测电力设备和对应到的样本库中的电力设备的特征量进行比对,对存在差异的特征量进行标识;
步骤4.6:若存在对应的负样本,则返回故障类型,否则,以正样本对应得到疑似故障类型,返回。
10.根据权利要求9所述的一种基于电磁感应的电力设备故障监测方法,其特征在于:对待定检测库中的电力设备进行专家检测,将检测完毕的电力设备划分大类、建立标识,添加至负样本库;清除待定检测库中的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911384840.1A CN111157812A (zh) | 2019-12-28 | 2019-12-28 | 一种基于电磁感应的电力设备故障监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911384840.1A CN111157812A (zh) | 2019-12-28 | 2019-12-28 | 一种基于电磁感应的电力设备故障监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111157812A true CN111157812A (zh) | 2020-05-15 |
Family
ID=70558765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911384840.1A Pending CN111157812A (zh) | 2019-12-28 | 2019-12-28 | 一种基于电磁感应的电力设备故障监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111157812A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381180A (zh) * | 2020-12-09 | 2021-02-19 | 杭州拓深科技有限公司 | 一种基于互重构单类自编码器的电力设备故障监测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136026A (zh) * | 2010-01-25 | 2011-07-27 | 索尼公司 | 电力管理设备以及提供游戏内容的方法 |
CN104280644A (zh) * | 2014-10-24 | 2015-01-14 | 国家电网公司 | 一种直流输电工程典型暂态故障识别方法 |
CN105045819A (zh) * | 2015-06-26 | 2015-11-11 | 深圳市腾讯计算机系统有限公司 | 一种训练数据的模型训练方法及装置 |
CN105425076A (zh) * | 2015-12-11 | 2016-03-23 | 厦门理工学院 | 一种基于bp神经网络算法进行变压器故障识别的方法 |
CN108107328A (zh) * | 2017-12-28 | 2018-06-01 | 国网上海节能服务有限公司 | 一种变电站监测系统 |
CN109142969A (zh) * | 2018-07-20 | 2019-01-04 | 西南交通大学 | 一种基于连续隐马尔可夫模型的输电线路故障选相方法 |
CN109917205A (zh) * | 2019-03-13 | 2019-06-21 | 中南大学 | 一种基于特征提取和多层感知机的电磁阀故障诊断装置及方法 |
CN109945930A (zh) * | 2019-04-16 | 2019-06-28 | 山东理工职业学院 | 一种基于电磁技术的机电设备故障检测方式 |
-
2019
- 2019-12-28 CN CN201911384840.1A patent/CN111157812A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136026A (zh) * | 2010-01-25 | 2011-07-27 | 索尼公司 | 电力管理设备以及提供游戏内容的方法 |
CN104280644A (zh) * | 2014-10-24 | 2015-01-14 | 国家电网公司 | 一种直流输电工程典型暂态故障识别方法 |
CN105045819A (zh) * | 2015-06-26 | 2015-11-11 | 深圳市腾讯计算机系统有限公司 | 一种训练数据的模型训练方法及装置 |
CN105425076A (zh) * | 2015-12-11 | 2016-03-23 | 厦门理工学院 | 一种基于bp神经网络算法进行变压器故障识别的方法 |
CN108107328A (zh) * | 2017-12-28 | 2018-06-01 | 国网上海节能服务有限公司 | 一种变电站监测系统 |
CN109142969A (zh) * | 2018-07-20 | 2019-01-04 | 西南交通大学 | 一种基于连续隐马尔可夫模型的输电线路故障选相方法 |
CN109917205A (zh) * | 2019-03-13 | 2019-06-21 | 中南大学 | 一种基于特征提取和多层感知机的电磁阀故障诊断装置及方法 |
CN109945930A (zh) * | 2019-04-16 | 2019-06-28 | 山东理工职业学院 | 一种基于电磁技术的机电设备故障检测方式 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381180A (zh) * | 2020-12-09 | 2021-02-19 | 杭州拓深科技有限公司 | 一种基于互重构单类自编码器的电力设备故障监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103645425B (zh) | 一种高压电缆绝缘缺陷局部放电在线监测诊断方法 | |
CN110634493A (zh) | 基于声纹图像特征的变压器状态识别方法、系统及介质 | |
CN106597160B (zh) | 一种电子设备故障检测方法和装置 | |
CN111007365A (zh) | 一种基于神经网络的超声波局部放电识别方法及系统 | |
CN106443433A (zh) | 基于分合闸线圈电流的断路器状态监测系统及监测方法 | |
CN110553789A (zh) | 一种压阻式压力传感器的状态检测方法、装置及制动系统 | |
CN103983881A (zh) | 核探测器的故障诊断方法及装置 | |
CN113030723A (zh) | 一种交流异步电机状态监测系统 | |
CN115437358A (zh) | 工业机器人智能状态监测与故障诊断系统及故障诊断方法 | |
CN103267652B (zh) | 一种智能早期设备故障在线诊断方法 | |
CN115327363A (zh) | 一种高压断路器机械特性带电监测及状态识别方法 | |
CN111830438B (zh) | 一种变压器故障检测方法及变压器 | |
CN104125050B (zh) | 超高频rfid读卡器协议一致性测试方法 | |
CN216848010U (zh) | 一种边缘计算的电缆局放在线监测装置 | |
CN111157812A (zh) | 一种基于电磁感应的电力设备故障监测方法 | |
CN117150418A (zh) | 基于状态特征故障树的变压器运检周期制定方法和系统 | |
CN106443238B (zh) | 高压设备状态评估方法、在线监测装置评估方法及装置 | |
CN109917245B (zh) | 考虑相位差的超声检测局部放电信号模式识别方法 | |
CN109633512B (zh) | 一种全光纤电流互感器故障诊断方法及装置 | |
CN112381130A (zh) | 一种基于聚类分析的配电房多元数据异常检测方法 | |
CN117872224A (zh) | 一种变压器振动检测系统及检测方法 | |
CN116577656B (zh) | 一种低延时的高速风筒过零检测系统 | |
CN117169639B (zh) | 一种电源适配器生产用产品检测方法及系统 | |
CN116361634A (zh) | 一种继电保护设备状态检测系统及方法、设备、介质 | |
CN111553281A (zh) | 一种用电器状态识别方法及装置 |
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: 20200515 |
|
RJ01 | Rejection of invention patent application after publication |