CN111896851A - 一种短空气间隙击穿电压的预测方法、系统及存储介质 - Google Patents

一种短空气间隙击穿电压的预测方法、系统及存储介质 Download PDF

Info

Publication number
CN111896851A
CN111896851A CN202010773861.9A CN202010773861A CN111896851A CN 111896851 A CN111896851 A CN 111896851A CN 202010773861 A CN202010773861 A CN 202010773861A CN 111896851 A CN111896851 A CN 111896851A
Authority
CN
China
Prior art keywords
voltage
breakdown
air gap
short air
values
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
CN202010773861.9A
Other languages
English (en)
Other versions
CN111896851B (zh
Inventor
赵勇军
白力源
廖圣
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.)
Yunnan Electric Power Technology Co ltd
Original Assignee
Yunnan Electric Power Technology 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 Yunnan Electric Power Technology Co ltd filed Critical Yunnan Electric Power Technology Co ltd
Priority to CN202010773861.9A priority Critical patent/CN111896851B/zh
Publication of CN111896851A publication Critical patent/CN111896851A/zh
Application granted granted Critical
Publication of CN111896851B publication Critical patent/CN111896851B/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
    • G01R31/1254—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 gas-insulated power appliances or vacuum gaps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明提供一种短空气间隙击穿电压的预测方法、系统及存储介质，所述方法包括对短空气间隙进行击穿试验和耐压试验，多次采集短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，得到多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值；根据多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，构建样本数据集后抽取部分样本数据集，得到训练样本集；根据训练样本集，通过分类算法构建击穿电压预测模型；根据击穿电压预测模型，预测短空气间隙的击穿电压。本发明短空气间隙击穿电压的预测方法提高了预测的精准度，仅仅需要少量数据，就能实现对不同温度值和不同相对湿度值下短空气间隙击穿电压的预测。

Description

一种短空气间隙击穿电压的预测方法、系统及存储介质
技术领域
本发明涉及电力系统领域，尤其涉及一种短空气间隙击穿电压的预测方法、系统及存储介质。
背景技术
在电力系统中，短空气间隙的放电特性是高压输变电工程外绝缘设计的重要依据，因此，需要对短空气间隙的击穿的击穿电压进行预测。
目前，针对短空气间隙的击穿特性研究，一般是通过对电极进行击穿放电试验，并利用回归分析或间隙系数等方式预测短空气间隙的击穿电压。但是，依靠回归分析或间隙系数预测实际短空气间隙的击穿电压的预测精度不高，尤其是在外界环境温度和相对湿度的变化情况下，短空气间隙的击穿电压预测将特别困难。
因此，在考虑环境温度和相对湿度的变化对间隙击穿电压的影响下，如何设计一种短空气间隙击穿电压的预测方法成为亟待解决的问题。
发明内容
本发明提供了一种短空气间隙击穿电压的预测方法、系统及存储介质，以解决现有短空气间隙击穿电压预测方法精度不高、在考虑外界环境温度和相对湿度的变化情况下对击穿电压预测困难的问题。
第一方面，本发明提供一种短空气间隙击穿电压的预测方法，所述方法包括：
S1：对短空气间隙进行击穿试验和耐压试验，在击穿试验和耐压试验中，多次采集短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，得到多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值；
S2：根据多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，构建样本数据集后抽取部分样本数据集，得到训练样本集；
S3：根据训练样本集，通过分类算法构建击穿电压预测模型；
S4：根据击穿电压预测模型，预测短空气间隙的击穿电压。
可选择的，所述对短空气间隙进行击穿试验和耐压试验，在击穿试验和耐压试验中，至少采集十次短空气间隙击穿状态和十次耐受状态下的电压值、温度值和相对湿度值，采集短空气间隙击穿状态下电压值、温度值和相对湿度值的次数与短空气间隙耐受状态下电压值、温度值和相对湿度值的次数相同。
可选择的，所述击穿电压预测模型以温度值、相对湿度值和对应的电压值为输入，以表示短空气间隙是否击穿的状态量0和1为输出。
可选择的，所述所述对短空气间隙进行击穿试验和耐压试验，在击穿试验和耐压试验中，至少采集十次短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，采集短空气间隙击穿状态下电压值、温度值和相对湿度值的次数与短空气间隙耐受状态下电压值、温度值和相对湿度值的次数相同包括：
S11：对短空气间隙缓慢升压进行击穿试验；
S12：升压至短空气间隙出现击穿；
S13：采集短空气间隙出现击穿时对应的电压值、温度值和相对湿度值，即击穿状态下的电压值、温度值和相对湿度值；
S14：将电压降至零，等待30S；
S15：对短空气间隙缓慢升压进行耐受试验，耐受试验所用的电压是S12中短空气间隙出现击穿时电压的K倍；
S16：判断短空气间隙是否出现击穿，若出现击穿，则跳转至S12，反之则视为短空气间隙耐受，进行S17；
S17：采集短空气间隙耐受时对应的电压值、温度值和相对湿度值，即耐受状态下的电压值、温度值和相对湿度值；
S18：将电压降至零，等待30S后跳转至S11；
S19：采集至少十个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，并且所采集短空气间隙击穿状态下的电压值、温度值和相对湿度值的次数与所采集短空气间隙耐受状态下的电压值、温度值和相对湿度值的次数相同时停止。
可选择的，所述根据多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，构建样本数据集后抽取部分样本数据集，得到训练样本集包括：
S21：对采集到的多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值进行数据标注，得到样本数据集，以短空气间隙击穿状态下的电压值、温度值和相对湿度值作为状态量1，以短空气间隙耐受状态下的电压值、温度值和相对湿度值作为状态量0；
S22：随机抽取样本数据集中70％的数据，得到训练样本集。
可选择的，所述根据击穿电压预测模型，预测短空气间隙的击穿电压包括：
S41：将温度值和相对湿度值的输入值设置为固定值，以等差序列的电压值为一组，构成相同温度值、相同相对湿度值和不同电压值的数据为一组序列；
S42：将每一组序列输入到击穿电压预测模型中，击穿电压预测模型输出短空气间隙击穿状态0或1；
S43：取击穿电压预测模型第一次输出为1时的电压值、温度值和相对湿度值的数据组合，对该短空气间隙的击穿电压值进行预测，击穿电压预测模型第一次输出为1时的电压值即为该短空气间隙在该温度值和相对湿度值下的击穿电压值。
可选择的，所述对短空气间隙缓慢升压进行耐受试验，耐受试验所用的电压是S12中短空气间隙出现击穿时电压的K倍中K为0.90-0.98。
可选择的，所述分类算法为决策树或支持向量机模型。
第二方面，本发明提供一种短空气间隙击穿电压的预测系统，所述短空气间隙击穿电压的预测系统包括数据采集模块、训练样本集构建模块、击穿电压预测模型构建模块和击穿电压预测模型构建模块，其中：
所述数据采集模块，用于在击穿试验和耐压试验中，多次采集短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，得到多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值；
所述训练样本集构建模块，用于根据多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，构建样本数据集后抽取部分样本数据集，得到训练样本集；
所述击穿电压预测模型构建模块，用于根据训练样本集，通过分类算法构建击穿电压预测模型；
所述击穿电压预测模块，用于根据击穿电压预测模型，预测短空气间隙的击穿电压。
第三方面，本发明提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时实现如第一方面所述的短空气间隙击穿电压的预测方法。
本发明提供一种短空气间隙击穿电压的预测方法、系统及存储介质，所述短空气间隙击穿电压的预测方法包括对短空气间隙进行击穿试验和耐压试验，在击穿试验和耐压试验中，多次采集短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，得到多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值；根据多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，构建样本数据集后抽取部分样本数据集，得到训练样本集；根据训练样本集，通过分类算法构建击穿电压预测模型；根据击穿电压预测模型，预测短空气间隙的击穿电压。本发明通过分类算法构建的击穿电压预测模型对空气间隙击穿电压进行预测，避开了复杂的空气间隙放电物理过程，提高了预测的精准度，同时，本发明仅需要少量短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值对击穿电压预测模型进行训练，就能实现对不同温度值和不同相对湿度值下短空气间隙击穿电压的预测。
附图说明
为了更清楚地说明本发明的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种短空气间隙击穿电压的预测方法的流程图。
具体实施方式
下面结合本发明中的附图，对本发明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发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于再次描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
参见图1，第一方面，本发明提供一种短空气间隙击穿电压的预测方法，该短空气间隙为200mm一下的短空气间隙，所述方法包括：
S1：对短空气间隙进行击穿试验和耐压试验，在击穿试验和耐压试验中，多次采集短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，得到多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值；
上述测量短空气间隙击穿状态和耐受状态下的电电压值、温度值和相对湿度值，应按如下条件进行采集：温度保持某个温度值相对稳定，相对湿度从30％至90％，按10％递增，每个测试点开展短空气间隙的击穿试验和耐受试验及温度和相对湿度实测数据的记录，温度值从-10℃至40℃，按5℃递增。
S2：根据多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，构建样本数据集后抽取部分样本数据集，得到训练样本集；
S3：根据训练样本集，通过分类算法构建击穿电压预测模型；
S4：根据击穿电压预测模型，预测短空气间隙的击穿电压。
可选择的，所述对短空气间隙进行击穿试验和耐压试验，在击穿试验和耐压试验中，至少采集十次短空气间隙击穿状态和十次耐受状态下的电压值、温度值和相对湿度值，采集短空气间隙击穿状态下电压值、温度值和相对湿度值的次数与短空气间隙耐受状态下电压值、温度值和相对湿度值的次数相同。
可选择的，所述击穿电压预测模型以温度值、相对湿度值和对应的电压值为输入，以表示短空气间隙是否击穿的状态量0和1为输出。
可选择的，所述所述对短空气间隙进行击穿试验和耐压试验，在击穿试验和耐压试验中，至少采集十次短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，采集短空气间隙击穿状态下电压值、温度值和相对湿度值的次数与短空气间隙耐受状态下电压值、温度值和相对湿度值的次数相同包括：
S11：对短空气间隙缓慢升压进行击穿试验；
S12：升压至短空气间隙出现击穿；
S13：采集短空气间隙出现击穿时对应的电压值、温度值和相对湿度值，即击穿状态下的电压值、温度值和相对湿度值；
S14：将电压降至零，等待30S；
S15：对短空气间隙缓慢升压进行耐受试验，耐受试验所用的电压是S12中短空气间隙出现击穿时电压的K倍；
S16：判断短空气间隙是否出现击穿，若出现击穿，则跳转至S12，反之则视为短空气间隙耐受，进行S17；
S17：采集短空气间隙耐受时对应的电压值、温度值和相对湿度值，即耐受状态下的电压值、温度值和相对湿度值；
S18：将电压降至零，等待30S后跳转至S11；
S19：采集至少十个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，并且所采集短空气间隙击穿状态下的电压值、温度值和相对湿度值的次数与所采集短空气间隙耐受状态下的电压值、温度值和相对湿度值的次数相同时停止。
为了使击穿电压预测模型达到更好的效果，所以采集短空气间隙击穿状态下数据的次数应当与采集短空气间隙耐受状态下数据的次数相同。
可选择的，所述根据多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，构建样本数据集后抽取部分样本数据集，得到训练样本集包括：
S21：对采集到的多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值进行数据标注，得到样本数据集，以短空气间隙击穿状态下的电压值、温度值和相对湿度值作为状态量1，以短空气间隙耐受状态下的电压值、温度值和相对湿度值作为状态量0；
S22：随机抽取样本数据集中70％的数据，得到训练样本集。
可选择的，所述根据击穿电压预测模型，预测短空气间隙的击穿电压包括：
S41：将温度值和相对湿度值的输入值设置为固定值，以等差序列的电压值为一组，构成相同温度值、相同相对湿度值和不同电压值的数据为一组序列；
S42：将每一组序列输入到击穿电压预测模型中，击穿电压预测模型输出短空气间隙击穿状态0或1；
S43：取击穿电压预测模型第一次输出为1时的电压值、温度值和相对湿度值的数据组合，对该短空气间隙的击穿电压值进行预测，击穿电压预测模型第一次输出为1时的电压值即为该短空气间隙在该温度值和相对湿度值下的击穿电压值。
利用构建好的击穿电压预测模型，温度值和相对湿度值的输入数据为固定值，以等差序列的电压值为一组电压值，则构成了不同电压值，相同温度值和相同相对湿度值的一组序列，每一组数据利用构建好的击穿电压预测模型都将输出间隙击穿状态0或1，取击穿电压预测模型第一次输出为1时候的电压值、温度值和相对湿度值的组合，则该电压值即为该短空气间隙在该温度河相对湿度下的击穿电压值，具体形式参见表1所示。
Figure BDA0002617628360000061
表1短空气间隙击穿电压预测示例
从表1可以看出，在输入值为相同温度值和相同相对湿度值相同的情况下，击穿电压预测模型第一次输出为1时的电压值为63kV、温度值为23.3℃和相对湿度值为69.2％，那么电压值为63kV即为该短空气间隙在温度值为23.3℃和湿度值为69.2％下的击穿电压值。
可选择的，所述对短空气间隙缓慢升压进行耐受试验，耐受试验所用的电压是S12中短空气间隙出现击穿时电压的K倍中K为0.90-0.98。
可选择的，所述分类算法为决策树或支持向量机模型。
第二方面，本发明提供一种短空气间隙击穿电压的预测系统，所述短空气间隙击穿电压的预测系统包括数据采集模块、训练样本集构建模块、击穿电压预测模型构建模块和击穿电压预测模型构建模块，其中：
所述数据采集模块，用于在击穿试验和耐压试验中，多次采集短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，得到多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值；
所述训练样本集构建模块，用于根据多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，构建样本数据集后抽取部分样本数据集，得到训练样本集；
所述击穿电压预测模型构建模块，用于根据训练样本集，通过分类算法构建击穿电压预测模型；
所述击穿电压预测模块，用于根据击穿电压预测模型，预测短空气间隙的击穿电压。
第三方面，本发明提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时实现如第一方面所述的短空气间隙击穿电压的预测方法。
本发明提供一种短空气间隙击穿电压的预测方法、系统及存储介质，所述短空气间隙击穿电压的预测方法包括对短空气间隙进行击穿试验和耐压试验，在击穿试验和耐压试验中，多次采集短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，得到多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值；根据多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，构建样本数据集后抽取部分样本数据集，得到训练样本集；根据训练样本集，通过分类算法构建击穿电压预测模型；根据击穿电压预测模型，预测短空气间隙的击穿电压。本发明通过分类算法构建的击穿电压预测模型对空气间隙击穿电压进行预测，避开了复杂的空气间隙放电物理过程，提高了预测的精准度，同时，本发明仅需要少量短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值对击穿电压预测模型进行训练，就能实现对不同温度值和不同相对湿度值下短空气间隙击穿电压的预测。
以上仅是本发明的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种短空气间隙击穿电压的预测方法，其特征在于，所述方法包括：
S1：对短空气间隙进行击穿试验和耐压试验，在击穿试验和耐压试验中，多次采集短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，得到多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值；
S2：根据多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，构建样本数据集后抽取部分样本数据集，得到训练样本集；
S3：根据训练样本集，通过分类算法构建击穿电压预测模型；
S4：根据击穿电压预测模型，预测短空气间隙的击穿电压。
2.如权利要求1所述的短空气间隙击穿电压的预测方法，其特征在于，所述对短空气间隙进行击穿试验和耐压试验，在击穿试验和耐压试验中，至少采集十次短空气间隙击穿状态和十次耐受状态下的电压值、温度值和相对湿度值，采集短空气间隙击穿状态下电压值、温度值和相对湿度值的次数与短空气间隙耐受状态下电压值、温度值和相对湿度值的次数相同。
3.如权利要求1所述的短空气间隙击穿电压的预测方法，其特征在于，所述击穿电压预测模型以温度值、相对湿度值和对应的电压值为输入，以表示短空气间隙是否击穿的状态量0和1为输出。
4.如权利要求2所述的短空气间隙击穿电压的预测方法，其特征在于，所述所述对短空气间隙进行击穿试验和耐压试验，在击穿试验和耐压试验中，至少采集十次短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，采集短空气间隙击穿状态下电压值、温度值和相对湿度值的次数与短空气间隙耐受状态下电压值、温度值和相对湿度值的次数相同包括：
S11：对短空气间隙缓慢升压进行击穿试验；
S12：升压至短空气间隙出现击穿；
S13：采集短空气间隙出现击穿时对应的电压值、温度值和相对湿度值，即击穿状态下的电压值、温度值和相对湿度值；
S14：将电压降至零，等待30S；
S15：对短空气间隙缓慢升压进行耐受试验，耐受试验所用的电压是S12中短空气间隙出现击穿时电压的K倍；
S16：判断短空气间隙是否出现击穿，若出现击穿，则跳转至S12，反之则视为短空气间隙耐受，进行S17；
S17：采集短空气间隙耐受时对应的电压值、温度值和相对湿度值，即耐受状态下的电压值、温度值和相对湿度值；
S18：将电压降至零，等待30S后跳转至S11；
S19：采集至少十个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，并且所采集短空气间隙击穿状态下的电压值、温度值和相对湿度值的次数与所采集短空气间隙耐受状态下的电压值、温度值和相对湿度值的次数相同时停止。
5.如权利要求1所述的短空气间隙击穿电压的预测方法，其特征在于，所述根据多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，构建样本数据集后抽取部分样本数据集，得到训练样本集包括：
S21：对采集到的多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值进行数据标注，得到样本数据集，以短空气间隙击穿状态下的电压值、温度值和相对湿度值作为状态量1，以短空气间隙耐受状态下的电压值、温度值和相对湿度值作为状态量0；
S22：随机抽取样本数据集中70％的数据，得到训练样本集。
6.如权利要求3所述的短空气间隙击穿电压的预测方法，其特征在于，所述根据击穿电压预测模型，预测短空气间隙的击穿电压包括：
S41：将温度值和相对湿度值的输入值设置为固定值，以等差序列的电压值为一组，构成相同温度值、相同相对湿度值和不同电压值的数据为一组序列；
S42：将每一组序列输入到击穿电压预测模型中，击穿电压预测模型输出短空气间隙击穿状态0或1；
S43：取击穿电压预测模型第一次输出为1时的电压值、温度值和相对湿度值的数据组合，对该短空气间隙的击穿电压值进行预测，击穿电压预测模型第一次输出为1时的电压值即为该短空气间隙在该温度值和相对湿度值下的击穿电压值。
7.如权利要求3所述的短空气间隙击穿电压的预测方法，其特征在于，所述对短空气间隙缓慢升压进行耐受试验，耐受试验所用的电压是S12中短空气间隙出现击穿时电压的K倍中K为0.90-0.98。
8.如权利要求1所述的短空气间隙击穿电压的预测方法，其特征在于，所述分类算法为决策树或支持向量机模型。
9.一种短空气间隙击穿电压的预测系统，其特征在于，所述短空气间隙击穿电压的预测系统包括数据采集模块、训练样本集构建模块、击穿电压预测模型构建模块和击穿电压预测模型构建模块，其中：
所述数据采集模块，用于在击穿试验和耐压试验中，多次采集短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，得到多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值；
所述训练样本集构建模块，用于根据多个短空气间隙击穿状态和耐受状态下的电压值、温度值和相对湿度值，构建样本数据集后抽取部分样本数据集，得到训练样本集；
所述击穿电压预测模型构建模块，用于根据训练样本集，通过分类算法构建击穿电压预测模型；
所述击穿电压预测模块，用于根据击穿电压预测模型，预测短空气间隙的击穿电压。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时实现如权利要求1-8中任一项所述的短空气间隙击穿电压的预测方法。
CN202010773861.9A 2020-08-04 2020-08-04 一种短空气间隙击穿电压的预测方法、系统及存储介质 Active CN111896851B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010773861.9A CN111896851B (zh) 2020-08-04 2020-08-04 一种短空气间隙击穿电压的预测方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010773861.9A CN111896851B (zh) 2020-08-04 2020-08-04 一种短空气间隙击穿电压的预测方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN111896851A true CN111896851A (zh) 2020-11-06
CN111896851B CN111896851B (zh) 2023-04-14

Family

ID=73245445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010773861.9A Active CN111896851B (zh) 2020-08-04 2020-08-04 一种短空气间隙击穿电压的预测方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN111896851B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114325278A (zh) * 2022-03-16 2022-04-12 广东电网有限责任公司东莞供电局 空气间隙耐受电压测算方法、装置、计算机设备及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09179088A (ja) * 1995-12-25 1997-07-11 Dainippon Printing Co Ltd 画像記録装置
DE102009048981A1 (de) * 2009-10-09 2011-04-14 Dspace Digital Signal Processing And Control Engineering Gmbh Vorrichtung zum Testen einer elektrischen Komponente
CN102722660A (zh) * 2012-06-29 2012-10-10 广州供电局有限公司 空气击穿电压的预测方法与装置
CN103678941A (zh) * 2013-12-31 2014-03-26 武汉大学 电极空气间隙击穿电压的预测方法
CN104035007A (zh) * 2014-06-10 2014-09-10 华北电力大学（保定） 一种高压电气设备短空气间隙击穿预警的方法
TW201601444A (zh) * 2014-05-29 2016-01-01 黑光能源公司 電力產生系統及關於彼等之方法
CN109901037A (zh) * 2019-04-04 2019-06-18 中国科学院电工研究所 基于材料绝缘寿命的高频变压器出厂绝缘试验电压测定方法
US10433614B1 (en) * 2016-10-27 2019-10-08 Robert Leon Dickerman Static dissipation modifications for shoes
CN111111051A (zh) * 2020-04-01 2020-05-08 湖南省湘电试研技术有限公司 一种提升水雾电气绝缘能力的方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09179088A (ja) * 1995-12-25 1997-07-11 Dainippon Printing Co Ltd 画像記録装置
DE102009048981A1 (de) * 2009-10-09 2011-04-14 Dspace Digital Signal Processing And Control Engineering Gmbh Vorrichtung zum Testen einer elektrischen Komponente
CN102722660A (zh) * 2012-06-29 2012-10-10 广州供电局有限公司 空气击穿电压的预测方法与装置
CN103678941A (zh) * 2013-12-31 2014-03-26 武汉大学 电极空气间隙击穿电压的预测方法
TW201601444A (zh) * 2014-05-29 2016-01-01 黑光能源公司 電力產生系統及關於彼等之方法
CN104035007A (zh) * 2014-06-10 2014-09-10 华北电力大学（保定） 一种高压电气设备短空气间隙击穿预警的方法
US10433614B1 (en) * 2016-10-27 2019-10-08 Robert Leon Dickerman Static dissipation modifications for shoes
CN109901037A (zh) * 2019-04-04 2019-06-18 中国科学院电工研究所 基于材料绝缘寿命的高频变压器出厂绝缘试验电压测定方法
CN111111051A (zh) * 2020-04-01 2020-05-08 湖南省湘电试研技术有限公司 一种提升水雾电气绝缘能力的方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
R.M. BHARADWAJ 等: "Effect of humidity on the breakdown of air gaps under oscillatory switching impulse voltages", 《CONFERENCE RECORD OF THE 1996 IEEE INTERNATIONAL SYMPOSIUM ON ELECTRICAL INSULATION》 *
杨广华 等: "组合空气间隙交流击穿电压计算方法研究", 《高压电器》 *
舒胜文 等: "空气间隙击穿电压预测方法研究综述", 《高压电器》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114325278A (zh) * 2022-03-16 2022-04-12 广东电网有限责任公司东莞供电局 空气间隙耐受电压测算方法、装置、计算机设备及介质
WO2023174015A1 (zh) * 2022-03-16 2023-09-21 广东电网有限责任公司东莞供电局 空气间隙耐受电压测算方法、装置、计算机设备及介质

Also Published As

Publication number Publication date
CN111896851B (zh) 2023-04-14

Similar Documents

Publication Publication Date Title
Chen et al. Remaining useful life prediction of battery using a novel indicator and framework with fractional grey model and unscented particle filter
Jiang et al. An adaptive capacity estimation approach for lithium-ion battery using 10-min relaxation voltage within high state of charge range
Haider et al. Data driven battery anomaly detection based on shape based clustering for the data centers class
CN111896851B (zh) 一种短空气间隙击穿电压的预测方法、系统及存储介质
Zhu et al. A novel based-performance degradation Wiener process model for real-time reliability evaluation of lithium-ion battery
CN117313021B (zh) 一种电力设备异常检测分析方法、系统、终端及介质
Sheikh et al. A data-driven comparative analysis of lithium-ion battery state of health and capacity estimation
Tao et al. Data-based health indicator extraction for battery SOH estimation via deep learning
Lu et al. Deep learning to predict battery voltage behavior after uncertain cycling-induced degradation
CN118091420A (zh) 电池自放电检测方法、系统、设备和介质
CN113391214A (zh) 一种基于电池充电电压排名变化的电池微故障诊断方法
WO2024113909A1 (zh) 电池的电芯故障检测方法、装置、电子设备及存储介质
CN117805617A (zh) 一种基于深度学习的储能电站热失控预警方法及系统
CN115660507B (zh) 一种地区电力的负荷智能检测方法及系统
CN115267586B (zh) 锂电池soh评估方法
Cui et al. Taking second-life batteries from exhausted to empowered using experiments, data analysis, and health estimation
Li et al. Evaluation method for consistency of lithium-ion battery packs in electric vehicles based on the Mahalanobis-Taguchi system
Klink et al. Systematic approach for the test data generation and validation of ISC/ESC detection methods
Yu et al. Battery SOH Prediction Based on Multi-Dimensional Health Indicators
CN113552488B (zh) 一种电池诊断方法、装置、电子设备和可存储介质
CN116908720B (zh) 一种电池组一致性状态诊断方法、装置及存储介质
CN117332901B (zh) 采用分层时间聚合策略的新能源小时间尺度功率预测方法
CN118655473B (zh) 故障电池筛选方法、装置、电子设备、介质及程序产品
CN118465544A (zh) 极耳冗余识别方法、装置、设备及存储介质
Wang et al. Cell-to-cell capacity inconsistency evaluation considering temperature effect of battery pack with cloud data

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