CN111458630A - 一种高压断路器故障诊断方法 - Google Patents

一种高压断路器故障诊断方法 Download PDF

Info

Publication number
CN111458630A
CN111458630A CN202010273294.0A CN202010273294A CN111458630A CN 111458630 A CN111458630 A CN 111458630A CN 202010273294 A CN202010273294 A CN 202010273294A CN 111458630 A CN111458630 A CN 111458630A
Authority
CN
China
Prior art keywords
fault
switching
circuit breaker
voltage circuit
time
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.)
Granted
Application number
CN202010273294.0A
Other languages
English (en)
Other versions
CN111458630B (zh
Inventor
王俊波
武利会
唐琪
李国伟
范心明
罗容波
李新
董镝
宋安琪
曾庆辉
刘少辉
刘崧
张殷
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.)
Guangdong Power Grid Co Ltd
Foshan Power Supply Bureau of Guangdong Power Grid Corp
Original Assignee
Guangdong Power Grid Co Ltd
Foshan Power Supply Bureau of Guangdong Power Grid Corp
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 Guangdong Power Grid Co Ltd, Foshan Power Supply Bureau of Guangdong Power Grid Corp filed Critical Guangdong Power Grid Co Ltd
Priority to CN202010273294.0A priority Critical patent/CN111458630B/zh
Publication of CN111458630A publication Critical patent/CN111458630A/zh
Application granted granted Critical
Publication of CN111458630B publication Critical patent/CN111458630B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01R31/327Testing of circuit interrupters, switches or circuit-breakers
    • G01R31/3271Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
    • G01R31/3275Fault detection or status indication
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52Outage or fault management, e.g. fault detection or location

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

本发明提供一种高压断路器故障诊断方法,该方法选择高压断路器绝缘电阻、回路电阻、分闸时间、分闸同期、分闸速度、合闸时间、合闸同期、合闸速度、弹跳时间数据,进行模型构建和数据分析,对异常状态和潜伏性故障做出预判,并且对故障类型做出分类。

Description

一种高压断路器故障诊断方法
技术领域
本发明涉及断路器诊断技术领域,更具体地,涉及一种高压断路器故障诊断方法。
背景技术
高压断路器故障诊断是电力设备规范化检修的一项重要内容,开展高压断路器故障诊断首先要确定反映其运行状态的特征参数,这些特征参数可以通过离线停电试验或者在线监测的方式获得。但现阶段各种诊断方法存在两个明显缺陷:一是规程规定靠离散的检测或监测数据是否超过一定阈值来判断是否存在故障,评价不够客观;二是评价结果只能给出是与否的判断,对于潜伏性故障无法有效发现或者说故障演变趋势无法直观展示。
选择高压断路器绝缘电阻、回路电阻、分闸时间、分闸同期、分闸速度、合闸时间、合闸同期、合闸速度、弹跳时间数据,进行模型构建和数据分析,对异常状态和潜伏性故障做出预判,并且对故障类型做出分类。
发明内容
本发明提供一种高效的高压断路器故障诊断方法。
为了达到上述技术效果,本发明的技术方案如下:
一种高压断路器故障诊断方法,包括以下步骤:
S1:构建高压断路器的评价矩阵;
S2:对步骤S1构建的高压断路器的评价矩阵进行归一化处理;
S3:构建高压断路器的故障样本矩阵;
S4:对步骤S3构建的高压断路器的故障样本矩阵进行归一化处理;
S5:对归一化的高压断路器的评价矩阵进行故障概率计算;
S6:进行故障相关系数计算;
S7:进行故障分类指数计算;
S8:进行故障诊断。
进一步地,所述步骤S1的具体过程是:
针对待评价高压断路器,建立最新一次试验结果参数矩阵,称之为评价矩阵:
X=(x1,x2,x3,x4,x5,x6,x7,x8,x9)
其中,x1,x2,x3,x4,x5,x6,x7,x8,x9分别代表绝缘电阻、回路电阻、分闸时间、分闸同期、分闸速度、合闸时间、合闸同期、合闸速度、弹跳时间的测试值。
进一步地,所述步骤S2的具体过程是:
由于绝缘电阻、回路电阻、分闸时间、分闸同期、分闸速度、合闸时间、合闸同期、合闸速度、弹跳时间具有不同的量纲,无法进行直接比较,采用平移-极差变换法进行归一化处理,处理后矩阵各元素均落入[0,1]区间:
Figure BDA0002443890740000021
X'=(x'1,x'2,x'3,x'4,x'5,x'6,x'7,x'8,x'9)。
进一步地,所述步骤S3的具体过程是:
高压断路器故障分为电气故障和机械故障两大类,分别建立两类故障样本矩阵K1和K2
从电气故障库中抽取m个典型故障案例,其中m≥10,建立故障样本矩阵X1如下:
Figure BDA0002443890740000022
同样,从机械故障库中抽取m(m≥10)个典型故障案例,建立故障样本矩阵X2如下:
Figure BDA0002443890740000031
两类故障样本矩阵X1和X2的每一行代表某一个故障案例的绝缘电阻、回路电阻、分闸时间、分闸同期、分闸速度、合闸时间、合闸同期、合闸速度、弹跳时间的测试值。
进一步地,所述步骤S4的具体过程是:
对X1和X2进行归一化处理:
Figure BDA0002443890740000032
Figure BDA0002443890740000033
Figure BDA0002443890740000041
进一步地,所述步骤S5的具体过程是:
归一化的评价矩阵X′中某参数x′i与归一化后的故障样本矩阵第i列值(用x′j表示)的平均值越接近,则为该类故障的概率越大,当二者完全一样时概率,达到最大值1,定义x′i对故障样本的概率为P:
x′i对电气故障的概率:
Figure BDA0002443890740000042
x′i对机械故障的概率:
Figure BDA0002443890740000043
进一步地,所述步骤S6的具体过程是:
相关系数用k表示,定义为某参数在单一故障类型条件下的平均值与所有故障条件下平均值的相对差δi与与该参数自身分散度的比值γi,定义相关系数的目的,一是为了考查某参数与故障的相关性,这体现在故障条件下,该参数是否表现出某种集中性或趋势性;二是为了与其他故障类型相区分,即如果该参数在所有故障类别中表现出很强的一致性,则该参数对于故障研判的参考价值就很小;
Figure BDA0002443890740000051
Figure BDA0002443890740000052
Figure BDA0002443890740000053
Figure BDA0002443890740000054
Figure BDA0002443890740000055
进一步地,所述步骤S7的具体过程是:
故障分类指数用R表示。
Figure BDA0002443890740000056
进一步地,所述步骤S8的具体过程是:
(1)若R1>>R2,则待评价高压断路器存在潜伏性故障,故障类型为电气故障;
(2)若R2>>R1,则待评价高压断路器存在潜伏性故障,故障类型为机械故障;
(3)若不满足条件(1)(2)则待评价高压断路器处于健康状态。
与现有技术相比,本发明技术方案的有益效果是:
本发明方法选择高压断路器绝缘电阻、回路电阻、分闸时间、分闸同期、分闸速度、合闸时间、合闸同期、合闸速度、弹跳时间数据,进行模型构建和数据分析,对异常状态和潜伏性故障做出预判,并且对故障类型做出分类。
附图说明
图1为本发明流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示,一种高压断路器故障诊断方法,包括以下步骤:
S1:构建高压断路器的评价矩阵;
S2:对步骤S1构建的高压断路器的评价矩阵进行归一化处理;
S3:构建高压断路器的故障样本矩阵;
S4:对步骤S3构建的高压断路器的故障样本矩阵进行归一化处理;
S5:对归一化的高压断路器的评价矩阵进行故障概率计算;
S6:进行故障相关系数计算;
S7:进行故障分类指数计算;
S8:进行故障诊断。
步骤S1的具体过程是:
针对待评价高压断路器,建立最新一次试验结果参数矩阵,称之为评价矩阵:
X=(x1,x2,x3,x4,x5,x6,x7,x8,x9)
其中,x1,x2,x3,x4,x5,x6,x7,x8,x9分别代表绝缘电阻、回路电阻、分闸时间、分闸同期、分闸速度、合闸时间、合闸同期、合闸速度、弹跳时间的测试值。
步骤S2的具体过程是:
由于绝缘电阻、回路电阻、分闸时间、分闸同期、分闸速度、合闸时间、合闸同期、合闸速度、弹跳时间具有不同的量纲,无法进行直接比较,采用平移-极差变换法进行归一化处理,处理后矩阵各元素均落入[0,1]区间:
Figure BDA0002443890740000071
X'=(x'1,x'2,x'3,x'4,x'5,x'6,x'7,x'8,x'9)。
进一步地,所述步骤S3的具体过程是:
高压断路器故障分为电气故障和机械故障两大类,分别建立两类故障样本矩阵K1和K2
从电气故障库中抽取m个典型故障案例,其中m≥10,建立故障样本矩阵X1如下:
Figure BDA0002443890740000072
同样,从机械故障库中抽取m(m≥10)个典型故障案例,建立故障样本矩阵X2如下:
Figure BDA0002443890740000081
两类故障样本矩阵X1和X2的每一行代表某一个故障案例的绝缘电阻、回路电阻、分闸时间、分闸同期、分闸速度、合闸时间、合闸同期、合闸速度、弹跳时间的测试值。
进一步地,所述步骤S4的具体过程是:
对X1和X2进行归一化处理:
Figure BDA0002443890740000082
Figure BDA0002443890740000083
Figure BDA0002443890740000091
步骤S5的具体过程是:
归一化的评价矩阵X′中某参数x′i与归一化后的故障样本矩阵第i列值(用x′j表示)的平均值越接近,则为该类故障的概率越大,当二者完全一样时概率,达到最大值1,定义x′i对故障样本的概率为P:
x′i对电气故障的概率:
Figure BDA0002443890740000092
x′i对机械故障的概率:
Figure BDA0002443890740000093
进一步地,所述步骤S6的具体过程是:
相关系数用k表示,定义为某参数在单一故障类型条件下的平均值与所有故障条件下平均值的相对差δi与与该参数自身分散度的比值γi,定义相关系数的目的,一是为了考查某参数与故障的相关性,这体现在故障条件下,该参数是否表现出某种集中性或趋势性;二是为了与其他故障类型相区分,即如果该参数在所有故障类别中表现出很强的一致性,则该参数对于故障研判的参考价值就很小;
Figure BDA0002443890740000101
Figure BDA0002443890740000102
Figure BDA0002443890740000103
Figure BDA0002443890740000104
Figure BDA0002443890740000105
步骤S7的具体过程是:
故障分类指数用R表示。
Figure BDA0002443890740000106
进一步地,所述步骤S8的具体过程是:
(1)若R1>>R2,则待评价高压断路器存在潜伏性故障,故障类型为电气故障;
(2)若R2>>R1,则待评价高压断路器存在潜伏性故障,故障类型为机械故障;
(3)若不满足条件(1)(2)则待评价高压断路器处于健康状态。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用于仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种高压断路器故障诊断方法,其特征在于,包括以下步骤:
S1:构建高压断路器的评价矩阵;
S2:对步骤S1构建的高压断路器的评价矩阵进行归一化处理;
S3:构建高压断路器的故障样本矩阵;
S4:对步骤S3构建的高压断路器的故障样本矩阵进行归一化处理;
S5:对归一化的高压断路器的评价矩阵进行故障概率计算;
S6:进行故障相关系数计算;
S7:进行故障分类指数计算;
S8:进行故障诊断。
2.根据权利要求1所述的高压断路器故障诊断方法,其特征在于,所述步骤S1的具体过程是:
针对待评价高压断路器,建立最新一次试验结果参数矩阵,称之为评价矩阵:
X=(x1,x2,x3,x4,x5,x6,x7,x8,x9)
其中,x1,x2,x3,x4,x5,x6,x7,x8,x9分别代表绝缘电阻、回路电阻、分闸时间、分闸同期、分闸速度、合闸时间、合闸同期、合闸速度、弹跳时间的测试值。
3.根据权利要求2所述的高压断路器故障诊断方法,其特征在于,所述步骤S2的具体过程是:
由于绝缘电阻、回路电阻、分闸时间、分闸同期、分闸速度、合闸时间、合闸同期、合闸速度、弹跳时间具有不同的量纲,无法进行直接比较,采用平移-极差变换法进行归一化处理,处理后矩阵各元素均落入[0,1]区间:
Figure FDA0002443890730000011
X'=(x'1,x'2,x'3,x'4,x'5,x'6,x'7,x'8,x'9)。
4.根据权利要求3所述的高压断路器故障诊断方法,其特征在于,所述步骤S3的具体过程是:
高压断路器故障分为电气故障和机械故障两大类,分别建立两类故障样本矩阵K1和K2
从电气故障库中抽取m个典型故障案例,建立故障样本矩阵X1如下:
Figure FDA0002443890730000021
同样,从机械故障库中抽取m(m≥10)个典型故障案例,建立故障样本矩阵X2如下:
Figure FDA0002443890730000022
两类故障样本矩阵X1和X2的每一行代表某一个故障案例的绝缘电阻、回路电阻、分闸时间、分闸同期、分闸速度、合闸时间、合闸同期、合闸速度、弹跳时间的测试值。
5.根据权利要求4所述的高压断路器故障诊断方法,其特征在于,所述步骤S4的具体过程是:
对X1和X2进行归一化处理:
Figure FDA0002443890730000023
Figure FDA0002443890730000031
Figure FDA0002443890730000032
6.根据权利要求5所述的高压断路器故障诊断方法,其特征在于,所述步骤S5的具体过程是:
归一化的评价矩阵X′中某参数x′i与归一化后的故障样本矩阵第i列值(用x′j表示)的平均值越接近,则为该类故障的概率越大,当二者完全一样时概率,达到最大值1,定义x′i对故障样本的概率为P:
x′i对电气故障的概率:
Figure FDA0002443890730000041
x′i对机械故障的概率:
Figure FDA0002443890730000042
7.根据权利要求6所述的高压断路器故障诊断方法,其特征在于,所述步骤S6的具体过程是:
相关系数用k表示,定义为某参数在单一故障类型条件下的平均值与所有故障条件下平均值的相对差δi与与该参数自身分散度的比值γi,定义相关系数的目的,一是为了考查某参数与故障的相关性,这体现在故障条件下,该参数是否表现出某种集中性或趋势性;二是为了与其他故障类型相区分,即如果该参数在所有故障类别中表现出很强的一致性,则该参数对于故障研判的参考价值就很小;
Figure FDA0002443890730000043
Figure FDA0002443890730000044
Figure FDA0002443890730000045
Figure FDA0002443890730000051
Figure FDA0002443890730000052
8.根据权利要求7所述的高压断路器故障诊断方法,其特征在于,所述步骤S7的具体过程是:
故障分类指数用R表示。
Figure FDA0002443890730000053
9.根据权利要求8所述的高压断路器故障诊断方法,其特征在于,所述步骤S8的具体过程是:
(1)若R1>>R2,则待评价高压断路器存在潜伏性故障,故障类型为电气故障;
(2)若R2>>R1,则待评价高压断路器存在潜伏性故障,故障类型为机械故障;
(3)若不满足条件(1)(2)则待评价高压断路器处于健康状态。
10.根据权利要求9所述的高压断路器故障诊断方法,其特征在于,所述的中m≥10。
CN202010273294.0A 2020-04-09 2020-04-09 一种高压断路器故障诊断方法 Active CN111458630B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010273294.0A CN111458630B (zh) 2020-04-09 2020-04-09 一种高压断路器故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010273294.0A CN111458630B (zh) 2020-04-09 2020-04-09 一种高压断路器故障诊断方法

Publications (2)

Publication Number Publication Date
CN111458630A true CN111458630A (zh) 2020-07-28
CN111458630B CN111458630B (zh) 2022-09-06

Family

ID=71676656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010273294.0A Active CN111458630B (zh) 2020-04-09 2020-04-09 一种高压断路器故障诊断方法

Country Status (1)

Country Link
CN (1) CN111458630B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113504465A (zh) * 2021-07-08 2021-10-15 广东电网有限责任公司 一种高压断路器故障的诊断方法及装置
CN117872122A (zh) * 2024-01-24 2024-04-12 广东电网有限责任公司江门供电局 一种基于高压断路器的机械故障诊断方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104181460A (zh) * 2014-07-07 2014-12-03 沈阳工业大学 一种基于多信息融合的永磁机构真空断路器故障诊断方法
CN104573740A (zh) * 2014-12-22 2015-04-29 山东鲁能软件技术有限公司 一种基于svm分类模型的设备故障诊断方法
CN108020781A (zh) * 2017-12-19 2018-05-11 上海电机学院 一种断路器故障诊断方法
CN108828441A (zh) * 2018-06-12 2018-11-16 江苏镇安电力设备有限公司 高压断路器故障诊断方法
CN109948597A (zh) * 2019-04-26 2019-06-28 福州大学 一种高压断路器机械故障诊断方法
CN110263846A (zh) * 2019-06-18 2019-09-20 华北电力大学 基于故障数据深度挖掘及学习的故障诊断方法
CN110376519A (zh) * 2019-08-30 2019-10-25 国家电网有限公司 高压断路器故障诊断方法、装置及终端设备
CN110555477A (zh) * 2019-08-30 2019-12-10 青岛海信网络科技股份有限公司 一种市政设施故障预测方法及装置
CN110647539A (zh) * 2019-09-26 2020-01-03 汉纳森(厦门)数据股份有限公司 一种用于车辆故障的预测方法和系统
CN110673028A (zh) * 2019-11-07 2020-01-10 广东电网有限责任公司 一种用于10kV真空断路器故障诊断装置及方法
CN110715799A (zh) * 2019-10-22 2020-01-21 中研新科智能电气有限公司 断路器机械状态检测方法、装置及终端设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104181460A (zh) * 2014-07-07 2014-12-03 沈阳工业大学 一种基于多信息融合的永磁机构真空断路器故障诊断方法
CN104573740A (zh) * 2014-12-22 2015-04-29 山东鲁能软件技术有限公司 一种基于svm分类模型的设备故障诊断方法
CN108020781A (zh) * 2017-12-19 2018-05-11 上海电机学院 一种断路器故障诊断方法
CN108828441A (zh) * 2018-06-12 2018-11-16 江苏镇安电力设备有限公司 高压断路器故障诊断方法
CN109948597A (zh) * 2019-04-26 2019-06-28 福州大学 一种高压断路器机械故障诊断方法
CN110263846A (zh) * 2019-06-18 2019-09-20 华北电力大学 基于故障数据深度挖掘及学习的故障诊断方法
CN110376519A (zh) * 2019-08-30 2019-10-25 国家电网有限公司 高压断路器故障诊断方法、装置及终端设备
CN110555477A (zh) * 2019-08-30 2019-12-10 青岛海信网络科技股份有限公司 一种市政设施故障预测方法及装置
CN110647539A (zh) * 2019-09-26 2020-01-03 汉纳森(厦门)数据股份有限公司 一种用于车辆故障的预测方法和系统
CN110715799A (zh) * 2019-10-22 2020-01-21 中研新科智能电气有限公司 断路器机械状态检测方法、装置及终端设备
CN110673028A (zh) * 2019-11-07 2020-01-10 广东电网有限责任公司 一种用于10kV真空断路器故障诊断装置及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王俊波 等: "一种高压断路器故障诊断与分类算法研究", 《电子设计工程》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113504465A (zh) * 2021-07-08 2021-10-15 广东电网有限责任公司 一种高压断路器故障的诊断方法及装置
CN113504465B (zh) * 2021-07-08 2023-06-02 广东电网有限责任公司 一种高压断路器故障的诊断方法及装置
CN117872122A (zh) * 2024-01-24 2024-04-12 广东电网有限责任公司江门供电局 一种基于高压断路器的机械故障诊断方法

Also Published As

Publication number Publication date
CN111458630B (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN111145517B (zh) 一种人工智能电气线路火灾风险实时预警方法及系统
CN111458630B (zh) 一种高压断路器故障诊断方法
CN110687895B (zh) 一种基于自适应核主成分分析的化工过程故障检测方法
CN111325410B (zh) 基于样本分布的通用故障预警系统及其预警方法
CN113111591B (zh) 基于模块化配电终端内部故障自动诊断方法、装置及设备
CN110852441B (zh) 一种基于改进朴素贝叶斯算法的火灾预警方法
CN118312746B (zh) 一种基于数字孪生的设备状态评价方法及系统
CN112417766A (zh) 一种以无故障数据为主的故障诊断方法
CN117595464B (zh) 一种电池充电器充电检测控制方法及系统
CN111582406A (zh) 一种电力设备状态监测数据聚类方法和系统
CN116678552B (zh) 一种变温度环境下光纤应力传感器异常监测方法
CN112598144A (zh) 基于相关性分析的cnn-lstm突发故障预警方法
CN112132811A (zh) 一种电缆使用状态综合评估系统
CN111652393A (zh) 基于大数据技术的电力设备异常预警方法
CN115128441A (zh) 一种断路器电寿命预测及健康状态评估方法
CN112748331A (zh) 一种基于ds证据融合的断路器机械故障识别方法及装置
CN116545115B (zh) 一种低压配电柜故障监测系统及其方法
CN112883639A (zh) 一种基于机器学习的gis设备寿命预测装置及方法
CN111158338A (zh) 一种基于主成分分析的化工风险监测方法
CN112420136B (zh) 一种六氟化硫高压设备潜伏性故障溯源的方法
CN110532512B (zh) 基于大数据分析的设备失效模式诊断特征参量分析方法
CN115270950A (zh) 一种基于树模型的冰箱故障定位方法和系统
CN115328986A (zh) 一种电厂安全预警数据分析处理方法及系统
CN118445736B (zh) 开关柜健康状态监测方法及设备
CN118033297B (zh) 一种多模态智能接地箱的监测方法

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
GR01 Patent grant
GR01 Patent grant