CN111735533B - 基于振动信号小波能谱特征的变压器直流偏磁判断方法 - Google Patents
基于振动信号小波能谱特征的变压器直流偏磁判断方法 Download PDFInfo
- Publication number
- CN111735533B CN111735533B CN202010510066.0A CN202010510066A CN111735533B CN 111735533 B CN111735533 B CN 111735533B CN 202010510066 A CN202010510066 A CN 202010510066A CN 111735533 B CN111735533 B CN 111735533B
- Authority
- CN
- China
- Prior art keywords
- transformer
- vibration signal
- current magnetic
- magnetic bias
- vibration
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Protection Of Transformers (AREA)
Abstract
本发明公开了一种基于振动信号小波能谱特征的变压器直流偏磁判断方法,它包括:步骤A:对变压器振动信号进行采集和对采集信号处理;步骤B、根据振动信号频率分量能量分布序列的能谱特征对变压器直流偏磁进行判断;在时间T内,若小波能谱特征C始终大于判断阈值D,则判断发生直流偏磁;否则,转入步骤1;解决了现有技术针对变压器直流偏磁判断存在的对数据的有效性和准确性要求高,且训练量大,缺乏理论依据和对直流偏磁状态进行评估,易受到其他因素的干扰,缺乏说服力,准确性和可靠性较低等技术问题。
Description
技术领域
本发明涉及信号检测与处理技术领域,具体为一种基于振动信号小波 能谱特征的变压器直流偏磁判断方法。
背景技术
由于轨道杂散电流、直流输电不对称接地方式以及地磁暴等因素,导 致变压器中性点产生直流磁通,使得变压器工作在非正常状态的现象,称 为变压器的直流偏磁现象。变压器发生直流偏磁后,会出现局部过热和振 动噪声加剧等问题,损害变压器的运行寿命,还会使继电保护装置误动, 危害供电系统的安全稳定运行。因此,有必要对变压器的直流偏磁状态进 行判断,为直流偏磁抑制策略的制定以及电力系统的安全稳定运行提供理论依据。
现有技术中存在通过监测变压器电流及其他特征参数从而检测变压器 直流偏磁的手段,如申请号201811538705.3、CN201910818787.5分别提出了 利用中性点电流、励磁电流的特征值对变压器的直流偏磁进行状态评估。 但是中性点电流并不能直接反应变压器的振动情况,并且励磁电流在变压 器运行过程中不易测得。申请号201910189547.3、201611230215.8、201911014974.4的三项专利提出将变压器的电流、振动和噪声、温升等多个 变压器特征参数相结合,实现对变压器直流偏磁状态进行评估和诊断。但 在有无直流偏磁时,变压器特征参数的变化规律是相关的,利用多个特征 量将使评估过程更加复杂且可能重复。
目前也有相关文献利用变压器振动信号实现变压器直流偏磁评估,如 申请号201610515033.9通过比较变压器油箱的振动信号中一个奇数频的幅 值与一个偶数频的幅值的一半的大小,来判断变压器中是否存在直流偏磁; 申请号201811352342.4利用变压器振动信号的奇次谐波基频比,检测所述变 压器铁心直流偏磁程度。但上述专利利用变压器振动信号频域的少量频点 特征对直流偏磁状态进行评估,易受到其他因素的干扰,缺乏说服力,准 确性和可靠性较低。有相关文献提出利用振动信号的多个特征进行评估, 如申请号201711148587.0采用最小二乘支持向量机方法进行训练,获得自耦 变压器的直流偏磁振动特征参数与是否发生直流偏磁状态之间的分类映射 关系,但上述方法需要大量的数据进行训练,对数据的有效性和准确性要 求高,且训练量大,缺乏理论依据。
发明内容
本发明要解决的技术问题是:提供一种基于振动信号小波能谱特征的 变压器直流偏磁判断方法,以解决现有技术针对变压器直流偏磁判断存在 的对数据的有效性和准确性要求高,且训练量大,缺乏理论依据和对直流 偏磁状态进行评估,易受到其他因素的干扰,缺乏说服力,准确性和可靠 性较低等技术问题。
本发明的技术方案是:
一种基于振动信号小波能谱特征的变压器直流偏磁判断方法,它包括:
步骤A:对变压器振动信号进行采集和对采集信号处理;
步骤B、根据振动信号频率分量能量分布序列的能谱特征对变压器直 流偏磁进行判断。
步骤A中对变压器振动信号进行采集的方法为:在变压器箱体侧面安装 振动传感器,振动传感器以4000Hz的采样频率采集变压器的振动信号,
所述振动传感器为加速度类别的振动传感器。
步骤A所述对采集信号进行处理的方法包括:
步骤A1:将已经采集的99个采样点和当前时刻下采样点k0的加速度 值a(k0-99)、a(k0-98)、a(k0-97)、…、a(k0-2)、a(k0-1)和a(k0)构成当前时刻下 的变压器振动信号序列A(k0),A(k0)=[a(k0-99)、a(k0-98)、a(k0-97)、…、a(k0-2)、 a(k0-1)、a(k0)];
步骤A2:采用中心频率为fc的小波基对当前时刻下的变压器振动信号 序列A(k0)进行连续小波变换,计算连续小波变换的分解尺度sn,提取当前 时刻下的振动信号在不同分解尺度sn下的频率分量序列Hn(k0), Hn(k0)=[hn(k0-99)、hn(k0-98)、hn(k0-97)、…、hn(k0-2)、hn(k0-1)、hn(k0)],其 中n=1,2,3,、…、18,19,20;
步骤A3:计算当前时刻下振动信号在不同分解尺度sn下获取的频率分 量的能量序列En(k0),En(k0)=[en(k0-99)、en(k0-98)、en(k0-97)、…、en(k0-2)、 en(k0-1)、en(k0)],其中en(k0-99)=hn(k0-99)2、en(k0-98)=hn(k0-98)2、…、 en(k0-1)=hn(k0-1)2、en(k0)=hn(k0)2,其中n=1,2,3,、…、18,19,20;
步骤A4:计算当前时刻下振动信号在不同分解尺度sn下的频率分量的 能量序列在各自频率下,100个采样点的能量总和SEn(k0),SEn(k0)=[en(k0-99)+en(k0-98)+en(k0-97)+…+en(k0-2)+en(k0-1)+en(k0)],其中 n=1,2,3,、…、18,19,20。
步骤B所述对变压器直流偏磁进行判断的方法包括:
步骤B1:计算振动信号在分解尺度s1、s2、s3、…、s18、s19、s20下分 别获取的SE1(k0)、SE2(k0)、SE3(k0)、…、SE18(k0)、SE19(k0)和SE20(k0)的能量总 和SE(k0),计算公式为:
步骤B2:计算振动信号在不同分解尺度sn下获取的频率分量序列的能 量SEn(k0)与全部分解尺度sn下获取的频率分量能量总和SE(k0)的比值pn;公 式为:pn=SEn(k0)/SE(k0);获得振动信号在不同分解尺度sn下获取的分量能 量分布序列Pn=[p1、p2、p3、…、p18、p19、p20];
步骤B4:根据振动信号频率分量能量分布序列的能谱特征,判断出变 压器是否出现直流偏磁;如果未出现,则返回A2。
步骤B4所述根据振动信号频率分量能量分布序列的能谱特征,判断出 变压器是否出现直流偏磁的方法为:在时间T内,判断振动信号频率分 量能量分布序列的能谱特征C是否始终大于判断阈值D,若是,则判断 变压器出现了直流偏磁,若否,则判断变压器未出现直流偏磁。
时间T的取值为0.2s。
判断阈值D的取值为2。
计算连续小波变换的分解尺度sn的计算公式为:
sn=4000·fc/(50·n)。
本发明有益效果:
本发明利用连续小波变换快速、准确地提取频域信号:本发明采用连 续小波变换获取变压器振动信号的频率分量,具有提取速度快,能够通过 计算分解尺度提取任意所需频率的优势,不存在频率提取的盲点。
本发明利用小波能谱的特征检测直流偏磁:本发明采用的小波能谱特 征综合利用了振动信号在多个分解尺度下的信息,能够反映变压器发生直 流偏磁后的整体振动情况;且结合各分解尺度分量在时域的变化特征构建 直流偏磁判断依据,相比利用少量频点及不考虑振动信号时域特征变化规 律的直流偏磁检测方法更加可靠。
本发明实现过程简单有效,无需对大量数据进行训练:本发明采用的 直流偏磁检测方法理论依据强,从而能够以简单直接的方式识别变压器直 流偏磁,相比利用人工智能算法的识别方法,具有对现场数据量要求少和 数据预处理要求低的优势。
解决了现有技术针对变压器直流偏磁判断存在的对数据的有效性和准 确性要求高,且训练量大,缺乏理论依据和对直流偏磁状态进行评估,易 受到其他因素的干扰,缺乏说服力,准确性和可靠性较低等技术问题。
附图说明
图1为本发明流程示意图;
图2为本发明具体实施方式中变压器未发生直流偏磁和直流偏磁后的 小波能谱特征示意图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步说明。一种基于振动 信号小波能谱特征的变压器直流偏磁判断方法,具体实现步骤为:
步骤A:变压器振动信号的采集与处理
步骤A1:利用安装在变压器箱体侧面的振动传感器以4000Hz的采样 频率采集变压器的振动信号,其中振动传感器采用加速度类别的振动传感 器;
步骤A2:将之前的99个采样点和当前时刻下采样点k0的加速度值a(k0-99)、a(k0-98)、a(k0-97)、…、a(k0-2)、a(k0-1)、a(k0)构成当前时刻下的 变压器振动信号序列A(k0),A(k0)=[a(k0-99)、a(k0-98)、a(k0-97)、…、a(k0-2)、 a(k0-1)、a(k0)];
步骤A3:采用中心频率为fc的小波基对当前时刻下的变压器振动信号 序列A(k0)进行连续小波变换,计算连续小波变换的分解尺度sn,sn=4000·fc/ (50·n),提取当前时刻下的振动信号在不同分解尺度sn下的频率分量序列 Hn(k0),Hn(k0)=[hn(k0-99)、hn(k0-98)、hn(k0-97)、…、hn(k0-2)、hn(k0-1)、hn(k0)], 其中n=1,2,3,、…、18,19,20;
步骤A4:计算当前时刻下振动信号在不同分解尺度sn下获取的频率分 量的能量序列En(k0),En(k0)=[en(k0-99)、en(k0-98)、en(k0-97)、…、en(k0-2)、 en(k0-1)、en(k0)],其中en(k0-99)=hn(k0-99)2、en(k0-98)=hn(k0-98)2、…、 en(k0-1)=hn(k0-1)2、en(k0)=hn(k0)2,其中n=1,2,3,、…、18,19,20;
步骤A5:计算当前时刻下振动信号在不同分解尺度sn下的频率分量的 能量序列在各自频率下,100个采样点的能量总和SEn(k0), SEn(k0)=[en(k0-99)+en(k0-98)+en(k0-97)+…+en(k0-2)+en(k0-1)+en(k0)],其中 n=1,2,3,、…、18,19,20;
步骤B:变压器直流偏磁的判断
步骤B1:计算振动信号在分解尺度s1、s2、s3、…、s18、s19、s20下分 别获取的SE1(k0)、SE2(k0)、SE3(k0)、…、SE18(k0)、SE19(k0)、SE20(k0)的能量总 和SE(k0)为:
步骤B2:计算振动信号在不同分解尺度sn下获取的频率分量序列的能 量SEn(k0)与全部分解尺度sn下获取的频率分量能量总和SE(k0)的比值pn为: pn=SEn(k0)/SE(k0),获得振动信号在不同分解尺度sn下获取的分量能量分布 序列Pn=[p1、p2、p3、…、p18、p19、p20];
步骤B4:在时间T内,判断振动信号频率分量能量分布序列的能谱特 征C是否始终大于判断阈值D,若是,则判断变压器出现了直流偏磁,若 否,则判断变压器未出现直流偏磁,返回步骤A2。
所述步骤B4中的时间T取为0.2s。
所述步骤B4中的判断阈值D取为2;以确保能够准确无误判断出变压 器是否出现了直流偏磁。
为防止雷击、瞬时性短路故障等短时干扰影响对直流偏磁的判断,在步 骤B4中取判断时间T为0.2,则可以排除干扰对判断算法的影响,提高对 直流偏磁判断的可靠性。
当变压器未发生直流偏磁时,变压器振动信号在本发明所选频段中分布 不均匀,且主要集中在低频段,此时计算出的小波能谱特征值较小,均小 于判断阈值2。当变压器发生直流偏磁后,由于振动信号在全频段的含量均 有所增加,且在较高频段增幅较明显,使得振动信号在各个频段的分布相 比未发生直流偏磁时更加均匀,此时计算出的小波能谱特征值较大,均大 于判断阈值2。因此,判断阈值D的取值为2能够充分区分变压器发生直流偏磁以及未发生直流偏磁时振动信号小波能谱,不至于产生直流偏磁的 误判。
当变压器发生直流偏磁时,振动信号在本发明所选频段的分布趋向均匀, 使得振动信号的小波能谱特征满足判断阈值。当变压器发生例如瞬时性短 路故障、雷击等暂态干扰时,产生的暂态电流将可能导致变压器振动信号 在本发明所选频段的分布趋向均匀,则可能会使得振动信号的小波能谱特 征满足判断阈值。然而,由于变压器直流偏磁通常会持续较长一段时间, 而暂态干扰持续时间较短(小于0.2s),即由暂态干扰引起的小波能谱特征 将无法在0.2s内持续满足,从而无法满足直流偏磁的时间判据。因此,将T 取为大于暂态的影响时间0.2s,则可以将变压器因暂态干扰而产生的振动信 号小波能谱的短时间变化与发生直流偏磁时小波能谱的长时间剧烈波动进 行有效地区分,且不至于受到各种扰动因素的影响。
实测实验
对南方电网某变电站的型号为变压器正常情 况(横坐标小于100时)和发生直流偏磁后(横坐标大于100时)的振动 信号进行了采集,利用本发明所述的直流偏磁判断方法对现场振动信号数 据进行处理,得到的变压器未发生直流偏磁和直流偏磁后的小波能谱特征 如图2所示。
由图2可知,当变压器处于正常工作状态时,前100次基于振动信号 小波能谱特征的计算值均小于判断阈值2,表示本发明判断变压器未发生直 流偏磁,与实际情况一致。当变压器发生直流偏磁后,基于振动信号小波 能谱特征的计算值逐步增大并超过判断阈值2,表示本发明判断变压器发生 直流偏磁,与实际情况一致。
Claims (6)
1.一种基于振动信号小波能谱特征的变压器直流偏磁判断方法,它包括:
步骤A:对变压器振动信号进行采集和对采集信号处理;
步骤A所述对采集信号进行处理的方法包括:
步骤A1:将已经采集的99个采样点和当前时刻下采样点k0的加速度值a(k0-99)、a(k0-98)、a(k0-97)、…、a(k0-2)、a(k0-1)和a(k0)构成当前时刻下的变压器振动信号序列A(k0),A(k0)=[a(k0-99)、a(k0-98)、a(k0-97)、…、a(k0-2)、a(k0-1)、a(k0)];
步骤A2:采用中心频率为fc的小波基对当前时刻下的变压器振动信号序列A(k0)进行连续小波变换,计算连续小波变换的分解尺度sn,提取当前时刻下的振动信号在不同分解尺度sn下的频率分量序列Hn(k0),Hn(k0)=[hn(k0-99)、hn(k0-98)、hn(k0-97)、…、hn(k0-2)、hn(k0-1)、hn(k0)],其中n=1,2,3,、…、18,19,20;
步骤A3:计算当前时刻下振动信号在不同分解尺度sn下获取的频率分量的能量序列En(k0),En(k0)=[en(k0-99)、en(k0-98)、en(k0-97)、…、en(k0-2)、en(k0-1)、en(k0)],其中en(k0-99)=hn(k0-99)2、en(k0-98)=hn(k0-98)2、…、en(k0-1)=hn(k0-1)2、en(k0)=hn(k0)2,其中n=1,2,3,、…、18,19,20;
步骤A4:计算当前时刻下振动信号在不同分解尺度sn下的频率分量的能量序列在各自频率下,100个采样点的能量总和SEn(k0),SEn(k0)=[en(k0-99)+en(k0-98)+en(k0-97)+…+en(k0-2)+en(k0-1)+en(k0)],其中n=1,2,3,、…、18,19,20;
计算连续小波变换的分解尺度sn的计算公式为:
sn=4000·fc/(50·n);
步骤B、根据振动信号频率分量能量分布序列的能谱特征对变压器直流偏磁进行判断。
2.根据权利要求1所述的一种基于振动信号小波能谱特征的变压器直流偏磁判断方法,其特征在于:步骤A中对变压器振动信号进行采集的方法为:在变压器箱体侧面安装振动传感器,振动传感器以4000Hz的采样频率采集变压器的振动信号,所述振动传感器为加速度类别的振动传感器。
3.根据权利要求1所述的一种基于振动信号小波能谱特征的变压器直流偏磁判断方法,其特征在于:步骤B所述对变压器直流偏磁进行判断的方法包括:
步骤B1:计算振动信号在分解尺度s1、s2、s3、…、s18、s19、s20下分别获取的SE1(k0)、SE2(k0)、SE3(k0)、…、SE18(k0)、SE19(k0)和SE20(k0)的能量总和SE(k0),计算公式为:
步骤B2:计算振动信号在不同分解尺度sn下获取的频率分量序列的能量SEn(k0)与全部分解尺度sn下获取的频率分量能量总和SE(k0)的比值pn;公式为:pn=SEn(k0)/SE(k0);获得振动信号在不同分解尺度sn下获取的分量能量分布序列Pn=[p1、p2、p3、…、p18、p19、p20];
步骤B4:根据振动信号频率分量能量分布序列的能谱特征,判断出变压器是否出现直流偏磁;如果未出现,则返回A2。
4.根据权利要求3所述的一种基于振动信号小波能谱特征的变压器直流偏磁判断方法,其特征在于:步骤B4所述根据振动信号频率分量能量分布序列的能谱特征,判断出变压器是否出现直流偏磁的方法为:在时间T内,判断振动信号频率分量能量分布序列的能谱特征C是否始终大于判断阈值D,若是,则判断变压器出现了直流偏磁,若否,则判断变压器未出现直流偏磁。
5.根据权利要求3所述的一种基于振动信号小波能谱特征的变压器直流偏磁判断方法,其特征在于:时间T的取值为0.2s。
6.根据权利要求3所述的一种基于振动信号小波能谱特征的变压器直流偏磁判断方法,其特征在于:判断阈值D的取值为2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010510066.0A CN111735533B (zh) | 2020-06-08 | 2020-06-08 | 基于振动信号小波能谱特征的变压器直流偏磁判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010510066.0A CN111735533B (zh) | 2020-06-08 | 2020-06-08 | 基于振动信号小波能谱特征的变压器直流偏磁判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111735533A CN111735533A (zh) | 2020-10-02 |
CN111735533B true CN111735533B (zh) | 2022-05-13 |
Family
ID=72648402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010510066.0A Active CN111735533B (zh) | 2020-06-08 | 2020-06-08 | 基于振动信号小波能谱特征的变压器直流偏磁判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111735533B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112415300B (zh) * | 2020-10-25 | 2021-12-31 | 国网湖北省电力有限公司电力科学研究院 | 一种轨道交通与变压器直流偏磁关联性分析方法 |
CN113567096B (zh) * | 2021-06-15 | 2022-04-19 | 南方电网科学研究院有限责任公司 | 换流变压器带线路空载加压工况运行状态评估方法和装置 |
CN113807592B (zh) * | 2021-09-22 | 2023-07-07 | 长春工程学院 | 中性点接地变压器直流偏磁电流的预测方法、系统、设备 |
CN114200350A (zh) * | 2021-11-29 | 2022-03-18 | 国网福建省电力有限公司电力科学研究院 | 基于振动信息的三相电力变压器故障诊断与定位方法及装置 |
CN114742175B (zh) * | 2022-04-29 | 2023-04-07 | 西南交通大学 | 一种变压器直流偏磁同步监测数据的有效性判断方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108983051A (zh) * | 2018-07-25 | 2018-12-11 | 武汉科技大学 | 基于同步挤压小波变换的局部放电类型识别方法 |
CN110415709A (zh) * | 2019-06-26 | 2019-11-05 | 深圳供电局有限公司 | 基于声纹识别模型的变压器工作状态识别方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5995910A (en) * | 1997-08-29 | 1999-11-30 | Reliance Electric Industrial Company | Method and system for synthesizing vibration data |
CN102841243A (zh) * | 2012-08-31 | 2012-12-26 | 天津理工大学 | 基于小波变换的变压器偏磁时励磁电流检测装置及工作方法 |
CN103439413B (zh) * | 2013-08-07 | 2015-11-18 | 湘潭大学 | 一种热障涂层损伤模式自动识别的声发射信号分析方法 |
CN105547463A (zh) * | 2014-11-03 | 2016-05-04 | 国网新疆电力公司电力科学研究院 | 一种电力变压器有载分接开关振动信号监测系统及方法 |
CN104569738A (zh) * | 2014-12-22 | 2015-04-29 | 安徽凯川电力保护设备有限公司 | 一种利用零序电流小波包能量相对熵的选线方法 |
CN110132565A (zh) * | 2019-05-28 | 2019-08-16 | 河海大学 | 一种基于小波包和神经网络结合的oltc故障诊断方法 |
CN110632369B (zh) * | 2019-09-23 | 2020-09-29 | 贵州电网有限责任公司 | 一种变压器励磁电流特征量在线获取方法 |
-
2020
- 2020-06-08 CN CN202010510066.0A patent/CN111735533B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108983051A (zh) * | 2018-07-25 | 2018-12-11 | 武汉科技大学 | 基于同步挤压小波变换的局部放电类型识别方法 |
CN110415709A (zh) * | 2019-06-26 | 2019-11-05 | 深圳供电局有限公司 | 基于声纹识别模型的变压器工作状态识别方法 |
Non-Patent Citations (1)
Title |
---|
《直流偏磁对变压器励磁特性及振动影响分析》;张晨阳;《中国优秀硕士论文全文数据库 工程科技II辑》;20180615(第6期);第1-91页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111735533A (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111735533B (zh) | 基于振动信号小波能谱特征的变压器直流偏磁判断方法 | |
CN110940894B (zh) | 一种基于泄漏电流瞬时幅相积和特征的触电故障检测方法 | |
Elkalashy et al. | Bayesian selectivity technique for earth fault protection in medium-voltage networks | |
CN109883703B (zh) | 一种基于振动信号相干倒谱分析的风机轴承健康监测诊断方法 | |
CN112101174A (zh) | 一种基于LOF-Kurtogram的机械故障诊断方法 | |
CN109581270B (zh) | 基于小波多尺度变换快速辨识cvt故障的方法 | |
CN103018629A (zh) | 一种基于马拉算法的电力系统故障录波数据分析方法 | |
KR102179632B1 (ko) | 열 교환기의 클로깅을 평가하는 방법 | |
CN108169583B (zh) | 中性点经电容接地的自耦变压器直流偏磁判别方法及系统 | |
WO2020057066A1 (zh) | 基于增强调制双谱分析的滚动轴承故障诊断方法 | |
CN115453260A (zh) | 一种基于数学形态学的配电网故障检测方法 | |
Zhao et al. | Detection of interturn short-circuit faults in DFIGs based on external leakage flux sensing and the VMD-RCMDE analytical method | |
CN105181120A (zh) | 一种高灵敏度的变压器绕组松动判定方法 | |
CN108594156B (zh) | 一种改进的电流互感器饱和特性识别方法 | |
CN103743969A (zh) | 一种近场电磁辐射干扰测量信号的测量噪声抑制方法 | |
CN115144702A (zh) | 一种基于自组织竞争型神经网络的接地故障类型识别方法 | |
CN107578016B (zh) | 一种基于稀疏表示的剩余电流波形自动识别方法 | |
CN108562828A (zh) | 基于小波检测提高电网低电压穿越能力的方法 | |
JP2023502659A (ja) | 送電線の外乱分類のための機械学習ベースの方法および装置 | |
CN111650436B (zh) | 一种高比例可再生能源电力系统的次同步振荡辨识方法 | |
CN109459489A (zh) | 一种基于磁记忆检测原理的电梯裂纹检测方法 | |
CN106778592A (zh) | 基于多小波的水电机组状态监测数据降噪方法 | |
Huang et al. | A precise location method of power quality disturbances based on morphological edge detection | |
Li | Research on extraction of partial discharge signals based on wavelet analysis | |
CN113311356B (zh) | 基于时频特征关联的高压并联电抗器故障在线监测方法 |
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 |