CN112014691A - 电力物联网下多信息融合的局部放电检测终端及方法 - Google Patents
电力物联网下多信息融合的局部放电检测终端及方法 Download PDFInfo
- Publication number
- CN112014691A CN112014691A CN202010662505.XA CN202010662505A CN112014691A CN 112014691 A CN112014691 A CN 112014691A CN 202010662505 A CN202010662505 A CN 202010662505A CN 112014691 A CN112014691 A CN 112014691A
- Authority
- CN
- China
- Prior art keywords
- partial discharge
- ultrasonic
- ultrahigh frequency
- acquisition device
- things
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000004927 fusion Effects 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000003745 diagnosis Methods 0.000 claims abstract description 11
- 238000013528 artificial neural network Methods 0.000 claims abstract description 6
- 238000000605 extraction Methods 0.000 claims abstract description 5
- 238000010606 normalization Methods 0.000 claims abstract description 3
- 239000002184 metal Substances 0.000 claims description 45
- 238000001914 filtration Methods 0.000 claims description 29
- 238000004891 communication Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 10
- 230000006855 networking Effects 0.000 claims description 7
- 239000012212 insulator Substances 0.000 claims description 5
- 239000013307 optical fiber Substances 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 4
- 238000010223 real-time analysis Methods 0.000 claims description 4
- 239000004020 conductor Substances 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 239000000835 fiber Substances 0.000 claims 1
- 238000003012 network analysis Methods 0.000 claims 1
- 230000007547 defect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 3
- 238000009413 insulation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种电力物联网下多信息融合的局部放电检测终端及方法，检测终端由特高频信号采集装置、超声波信号采集装置和物联网智能单元组成；特高频信号采集装置包括特高频传感器并安装在待测设备外表面；超声波信号采集装置包括超声波传感器，通过由电动机驱动的可升降的转动轴，实现超声波传感器的升降及旋转；在不同位置采集局部放电产生的特高频电磁波信号和超声波信号并由物联网智能单元接收，进而上传至电力物联网云平台；采用多视图卷积神经网络对特高频电磁波信号和超声波信号进行特征提取与状态识别，在归一化处理后运用D‑S证据理论进行决策诊断，实现电力物联网下多信息融合的设备局部放电检测与诊断。
Description
技术领域
本发明属于电力设备带电检测技术领域，具体涉及一种电力物联网下多信息融合的局部放电检测终端及方法。
背景技术
根据电力系统的实际运行情况，绝缘缺陷在电力设备潜伏性故障中占很大比重，并且多以局部放电的形式表现出来，同时局部放电的出现会进一步加剧电力设备的绝缘劣化，因此对电力设备进行局部放电的带电检测具有重要意义。随着电力物联网建设的快速推进，通过以边缘计算为支撑的电力物联网智能终端实现电力设备局部放电检测是未来的发展趋势。
电力设备局部放电检测的主要方法有脉冲电流法、特高频法、超声波法、光学法和化学法。脉冲电流法因试验条件苛刻而难以应用于现场检测，光学法仍处于实验室研究阶段，化学法由于检测灵敏度和传感器的限制很少应用于现场特高频法是目前局部放电检测的主要方法之一，具有较高的灵敏度和抗干扰能力，但存在对绝缘子沿面缺陷不敏感的缺点。超声波法以其与设备电气回路无联系的特点而得到较多应用，但是对金属突出物缺陷的检测精度很低，而且受环境噪声的影响较大。同时，现有局部放电检测装置在缺陷类型识别和严重程度划分上采用传统的机器学习算法，需要人工提取特征量，影响了识别的准确度且计算量大，无法满足电力物联网对于检测终端的要求。在故障源的定位上，由于单一检测方法的缺陷以及其传感器测量灵敏度、噪声干扰的影响而难以实现准确定位。因此，综合利用多种检测方法，实现多信息融合的局部放电检测，同时满足电力物联网的要求，成为本领域亟待解决的技术问题。
发明内容
针对上述技术问题，本发明提出了一种电力物联网下多信息融合的局部放电检测终端及方法，该检测终端及方法可用于电力设备局部放电的带电检测，并可根据现场情况灵活调整信号采集位置，提高检测准确率。
为了达到上述目的，本发明采用的技术方案如下：
一种电力物联网下多信息融合的局部放电检测终端，该终端由特高频信号采集装置01、超声波信号采集装置02和物联网智能单元03组成；所述特高频信号采集装置01包括特高频传感器并通过吸盘安装于待测电力设备外表面，在不同位置采集局部放电产生的特高频电磁波信号；所述超声波信号采集装置02包括超声波传感器，通过由电动机驱动的可升降的转动轴，实现超声波传感器的升降和180°旋转，在不同位置采集局部放电产生的超声波信号；所述物联网智能单元03包括中央处理器、信号处理和控制电路，采用光纤通信接收特高频电磁波信号与超声波信号并通过多信息融合实现局部放电识别与诊断，利用4G或5G网络将数据上传至电力物联网云平台04。
所述特高频信号采集装置01由金属屏蔽环1、检测窗口2、圆形金属片3、金属壳体4、同轴连接器5和吸盘6组成，金属壳体4为一端开口一端封闭的杯状结构，其横截面为圆形，构成一个波导谐振器，金属壳体4的开口端与金属屏蔽环1相连接，金属壳体4的封闭端外部设置有同轴连接器5，设置在金属壳体4内的圆形金属片3与同轴连接器5的内导体相连；检测窗口2位于金属屏蔽环1上，特高频传感器为欧几里德螺旋天线并封装在检测窗口2内；金属壳体4与检测窗口2的几何中心相对，局部放电产生的特高频信号通过检测窗口2耦合到圆形金属片3；特高频信号采集装置1过吸盘6固定到待测电力设备外表面。
所述吸盘6上设置有控制吸盘吸附和脱落的吸气放气装置7。
所述超声波信号采集装置02由伞状外壳8、固定支架9、升降杆10、滤波处理模块11、转动轴12和通信接口13组成；超声波传感器置于伞状外壳中并通过转动轴12连接至升降杆10，转动轴12由旋转电机驱动实现180°旋转，升降杆10由直线电机驱动实现一米高度范围内的升降；滤波处理模块11设置在伞状外壳8中，由低通滤波器和信号处理模块构成；超声波传感器采集到的超声波信号首先通过低通滤波器进行低通滤波，然后通过信号处理模块进行高斯平滑滤波，从而消除环境噪声的干扰，滤波处理后的信号通过通信接口13传输给物联网智能单元03。
所述物联网智能单元03与特高频信号采集装置01和超声波信号采集装置02之间均采用光纤进行通信，物联网智能单元03不间断地向特高频信号采集装置01和超声波信号采集装置02发送查询指令，特高频信号采集装置01和超声波信号采集装置02在接收到该指令后查询相应的数据并上传至物联网智能单元03。
所述的一种电力物联网下多信息融合的局部放电检测终端的检测方法，包括如下步骤：
步骤1：特高频信号采集装置01的特高频传感器和超声波信号采集装置02的超声波传感器分别检测局部放电产生特高频电磁波信号和超声波信号，由于特高频信号的频率范围为0.3-3GHz，本身具有良好的降低环境噪声的能力，不需要滤波处理；超声波信号对环境噪声敏感，因此要通过滤波处理模块中的低通滤波器进行低通滤波并通过信号处理模块进行高斯平滑滤波，随后传送给物联网智能单元03；
步骤2：利用传送至物联网智能单元03的特高频电磁波信号的脉冲参数信息生成局部放电相位分布图谱，对传送至物联网智能单元03的超声波信号进行傅里叶变换得到时频分布图谱；
步骤3：采用多视图深度卷积神经网络对所得到的特高频电磁波信号的局部放电相位分布图谱和超声波信号的时频分布图谱进行特征参量提取，并将分类器的最终输出结果进行归一化处理，随后利用D-S证据理论进行多信息融合并完成局部放电的决策诊断，判断局部放电类型是金属尖端、自由微粒、悬浮电位还是绝缘子气隙；
步骤4：在确定有局部放电发生的情况下，利用特高频电磁波信号和超声波信号进行局部放电源定位，先通过特高频电磁波信号确定局部放电源的大致位置，再通过特高频电磁波信号和超声波信号直接的时延作为局部放电源到超声波传感器的距离，进而准确获得局部放电源的准确位置；
步骤5：利用4G或5G网络将局部放电类型和局部放电源所在位置同步传送到电力物联网云平台04并进行实时分析处理。
与现有技术相比，本发明具有以下优点：
1、本发明检测终端及方法，实现特高频采集装置和超声波采集装置检测位置的灵活调整，便于开展现场带电检测，并大大提高检测效率。
2、综合特高频和超声波两种检测方法的优点，采用多视图卷机神经网络对特高频电磁波信号和超声波信号进行特征提取和模式识别，利用D-S证据理论对归一化结果进行多信息融合并判断局部放电类型，在减小计算量的同时提高检测准确率。
3、将特高频电磁波信号和超声波信号进行融合处理，实现局部放电源的准确定位，检测信息上传到物联网云平台，能够更好地满足电力物联网的要求。
附图说明
图1为本发明所述的检测终端组成结构示意图。
图2为本发明所述的特高频信号采集装置内部结构示意图。
图3为本发明所述的特高频信号采集装置总体结构示意图。
图4为本发明所述的超声波信号采集装置结构示意图。
图5为本发明所述的物联网智能单元结构示意图。
图6为本发明所述的检测方法的流程示意图。
具体实施方式
为阐明本发明的技术方案及其优点，下面结合具体实施方式并参照附图，对本发明作进一步详述。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
实施例：
如图1所示，一种电力物联网下多信息融合的局部放电检测终端，该检测终端由特高频信号采集装置01、超声波信号采集装置02和物联网智能单元03三部分组成。特高频信号采集装置01包括特高频传感器并通过吸盘安装于待测电力设备外表面，在不同位置采集局部放电产生的特高频电磁波信号。超声波信号采集装置02包括超声波传感器，通过由电动机驱动的可升降的转动轴实现超声波传感器在1米高度范围内的升降和180°旋转，在不同位置采集局部放电产生的超声波信号。所述物联网智能单元03包含中央处理器、信号处理和控制电路，采用光纤通信接收特高频电磁波信号和超声波信号并通过多信息融合实现局部放电识别与诊断，利用4G或5G网络将数据上传至电力物联网云平台04。该检测终端由蓄电池进行供电，可有效避免电源干扰。特高频信号采集装置01与超声波信号采集装置02均安装在待测电力设备外部，在保障电气隔离的同时避免对检修人员造成潜在性危险。多视图卷积神经网络的应用有效降低了人工特征提取工程的庞大工作量，能够进行实时分析决策。
该检测终端的检测方法是采用多视图深度卷积神经网络对特高频电磁波信号的局部放电相位分布图谱和超声波信号的时频图谱进行实时处理并提取特征参量，将分类器的最终输出结果归一化后通过D-S证据理论进行多信息融合并完成局部放电的决策诊断，判断金属尖端、自由微粒、悬浮电位、绝缘子气隙等局部放电类型，实现电力物联网下多信息融合的设备局部放电识别与诊断。
特高频信号采集装置01的内部结构和总体结构分别如图2、图3所示，特高频信号采集装置01由金属屏蔽环1、检测窗口2、圆形金属片3、金属壳体4、同轴连接器5、吸盘6组成。金属壳体4为一端开口一端封闭的杯状结构，其横截面为圆形，构成一个波导谐振器。金属壳体4的开口端与金属屏蔽环1相连接，金属壳体4的封闭端外部设置有同轴连接器5，在金属壳体4上设置有小孔，使设置在金属壳体4内的圆形金属片3通过探针与同轴连接器5的内导体相连；检测窗口2位于金属屏蔽环1上，特高频传感器为欧几里德螺旋天线并封装在检测窗口2内。如图2所示，金属壳体4与检测窗口2的几何中心相对，局部放电产生的特高频信号通过检测窗口2耦合到圆形金属片3。特高频信号采集装置1过吸盘6固定到待测电力设备外表面，吸盘6上的吸气放气装置7控制吸盘的吸附和脱落。
如图4所示，超声波信号采集装置02由伞状外壳8、固定支架9、升降杆10、滤波处理模块11、转动轴12和通信接口13组成。超声波传感器置于伞状外壳8中并通过转动轴12连接至升降杆10，转动轴12由旋转电机驱动实现180°旋转，升降杆10由直线电机驱动实现一米高度范围内的升降。伞状外壳8中还设置有滤波处理模块11和通信接口13，滤波处理模块11由低通滤波器和信号处理模块构成。超声波传感器采集到的超声波信号首先通过低通滤波器进行低通滤波，然后通过信号处理模块进行高斯平滑滤波，从而消除环境噪声的干扰，滤波处理后的信号通过通信接口13传输给物联网智能单元03。
如图5所示，物联网智能单元03包括触摸屏14、箱体17侧壁上的充电和总线接口15、箱体17内部的中央处理器、信号处理和控制电路。触摸屏14封装在箱体17的盖板16上，盖板16打开后与箱体17成90°角。通过箱体17内部的中央处理器实现信号的分析、处理以及局部放电类型诊断、局部放电源定位，最终通过4G或5G网络将信息传递给物联网云平台04。
如图6所示，一种电力物联网下多信息融合的局部放电检测终端的检测方法的具体步骤如下：
步骤1：特高频信号采集装置01的特高频传感器和超声波信号采集装置02的超声波传感器分别检测局部放电产生特高频电磁波信号和超声波信号，由于特高频电磁波信号的频率范围为0.3-3GHz，本身具有良好的降低环境噪声的能力，不需要滤波处理。超声波信号对环境噪声敏感，因此要通过滤波处理模块中的低通滤波器进行低通滤波并通过滤波处理模块的信号处理模块进行高斯平滑滤波，随后传送给物联网智能单元03。
步骤2：利用传送至物联网智能单元03的特高频电磁波信号的脉冲参数信息生成局部放电相位分布图谱，对传送至物联网智能单元的超声波信号进行傅里叶变换得到时频分布图谱。
步骤3：采用多视图卷积神经网络对所得到的特高频电磁波信号的局部放电相位分布图谱和超声波信号的时频分布图谱进行特征参量提取，并将分类器的最终输出结果进行归一化处理，随后利用D-S证据理论进行多信息融合并完成局部放电的决策诊断，判断金属尖端、自由微粒、悬浮电位、绝缘子气隙等局部放电类型。
步骤4：在确定有局部放电发生的情况下，利用特高频电磁波信号和超声波信号进行局部放电源定位，先通过特高频电磁波信号确定局部放电源的大致位置，再通过特高频电磁波信号和超声波信号直接的时延作为局部放电源到超声波传感器的距离，进而准确获得局部放电源的准确位置。
步骤5：利用4G或5G网络将局部放电类型和局部放电源所在位置同步传送到电力物联网云平台04并进行实时分析处理。
Claims (6)
1.一种电力物联网下多信息融合的局部放电检测终端，其特征在于：该终端由特高频信号采集装置(01)、超声波信号采集装置(02)和物联网智能单元(03)组成；所述特高频信号采集装置(01)包括特高频传感器并通过吸盘安装于待测电力设备外表面，在不同位置采集局部放电产生的特高频电磁波信号；所述超声波信号采集装置(02)包括超声波传感器，通过由电动机驱动的可升降的转动轴，实现超声波传感器的升降和180°旋转，在不同位置采集局部放电产生的超声波信号；所述物联网智能单元(03)包括中央处理器、信号处理和控制电路，采用光纤通信接收特高频电磁波信号与超声波信号并通过多信息融合实现局部放电识别与诊断，利用4G或5G网络将数据上传至电力物联网云平台(04)。
2.根据权利要求1所述的一种电力物联网下多信息融合的局部放电检测终端，其特征在于：所述特高频信号采集装置(01)由金属屏蔽环(1)、检测窗口(2)、圆形金属片(3)、金属壳体(4)、同轴连接器(5)和吸盘(6)组成，金属壳体(4)为一端开口一端封闭的杯状结构，其横截面为圆形，构成一个波导谐振器，金属壳体(4)的开口端与金属屏蔽环(1)相连接，金属壳体(4)的封闭端外部设置有同轴连接器(5)，设置在金属壳体(4)内的圆形金属片(3)与同轴连接器(5)的内导体相连；检测窗口(2)位于金属屏蔽环(1)上，特高频传感器为欧几里德螺旋天线并封装在检测窗口(2)内；金属壳体(4)与检测窗口(2)的几何中心相对，局部放电产生的特高频信号通过检测窗口(2)耦合到圆形金属片(3)；特高频信号采集装置(1)过吸盘(6)固定到待测电力设备外表面。
3.根据权利要求2所述的一种电力物联网下多信息融合的局部放电检测终端，其特征在于：所述吸盘(6)上设置有控制吸盘吸附和脱落的吸气放气装置(7)。
4.根据权利要求1所述的一种电力物联网下多信息融合的局部放电检测终端，其特征在于：所述超声波信号采集装置(02)由伞状外壳(8)、固定支架(9)、升降杆(10)、滤波处理模块(11)、转动轴(12)和通信接口(13)组成；超声波传感器置于伞状外壳中并通过转动轴(12)连接至升降杆(10)，转动轴(12)由旋转电机驱动实现180°旋转，升降杆(10)由直线电机驱动实现一米高度范围内的升降；滤波处理模块(11)设置在伞状外壳(8)中，由低通滤波器和信号处理模块构成；超声波传感器采集到的超声波信号首先通过低通滤波器进行低通滤波，然后通过信号处理模块进行高斯平滑滤波，从而消除环境噪声的干扰，滤波处理后的信号通过通信接口(13)传输给物联网智能单元(03)。
5.根据权利要求1所述的一种电力物联网下多信息融合的局部放电检测终端，其特征在于：所述物联网智能单元(03)与特高频信号采集装置(01)和超声波信号采集装置(02)之间均采用光纤进行通信，物联网智能单元(03)不间断地向特高频信号采集装置(01)和超声波信号采集装置(02)发送查询指令，特高频信号采集装置(01)和超声波信号采集装置(02)在接收到该指令后查询相应的数据并上传至物联网智能单元(03)。
6.权利要求1-5任一项所述的一种电力物联网下多信息融合的局部放电检测终端的检测方法，其特征在于：包括如下步骤：
步骤1：特高频信号采集装置(01)的特高频传感器和超声波信号采集装置(02)的超声波传感器分别检测局部放电产生特高频电磁波信号和超声波信号，由于特高频信号的频率范围为0.3-3GHz，本身具有良好的降低环境噪声的能力，不需要滤波处理；超声波信号对环境噪声敏感，因此要通过滤波处理模块中的低通滤波器进行低通滤波并通过信号处理模块进行高斯平滑滤波，随后传送给物联网智能单元(03)；
步骤2：利用传送至物联网智能单元(03)的特高频电磁波信号的脉冲参数信息生成局部放电相位分布图谱，对传送至物联网智能单元(03)的超声波信号进行傅里叶变换得到时频分布图谱；
步骤3：采用多视图深度卷积神经网络对所得到的特高频电磁波信号的局部放电相位分布图谱和超声波信号的时频分布图谱进行特征参量提取，并将分类器的最终输出结果进行归一化处理，随后利用D-S证据理论进行多信息融合并完成局部放电的决策诊断，判断局部放电类型是金属尖端、自由微粒、悬浮电位还是绝缘子气隙；
步骤4：在确定有局部放电发生的情况下，利用特高频电磁波信号和超声波信号进行局部放电源定位，先通过特高频电磁波信号确定局部放电源的大致位置，再通过特高频电磁波信号和超声波信号直接的时延作为局部放电源到超声波传感器的距离，进而准确获得局部放电源的准确位置；
步骤5：利用4G或5G网络将局部放电类型和局部放电源所在位置同步传送到电力物联网云平台(04)并进行实时分析处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010662505.XA CN112014691A (zh) | 2020-07-10 | 2020-07-10 | 电力物联网下多信息融合的局部放电检测终端及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010662505.XA CN112014691A (zh) | 2020-07-10 | 2020-07-10 | 电力物联网下多信息融合的局部放电检测终端及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112014691A true CN112014691A (zh) | 2020-12-01 |
Family
ID=73499991
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010662505.XA Pending CN112014691A (zh) | 2020-07-10 | 2020-07-10 | 电力物联网下多信息融合的局部放电检测终端及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112014691A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113655349A (zh) * | 2021-08-11 | 2021-11-16 | 南京征途信息技术有限公司 | 一种输变电特高频局放传感器及其方法 |
| CN113805022A (zh) * | 2021-10-14 | 2021-12-17 | 山东达驰高压开关有限公司 | 基于光电联合技术对组合电器绝缘性能检测方法和设备 |
| CN114035007A (zh) * | 2021-11-22 | 2022-02-11 | 国家电网有限公司 | 一种非接触式变压器套管局部放电检测系统 |
| CN114675147A (zh) * | 2022-03-31 | 2022-06-28 | 海南电网有限责任公司电力科学研究院 | 一种基于声电联合的敞开式断路器局放检测装置 |
| CN115015708A (zh) * | 2022-06-02 | 2022-09-06 | 南京征途信息技术有限公司 | 一种变配电全向特高频局放传感器及其方法 |
| CN117192311A (zh) * | 2023-11-06 | 2023-12-08 | 国网天津市电力公司电力科学研究院 | 放电检测装置及方法 |
| CN117347796A (zh) * | 2023-09-28 | 2024-01-05 | 国网四川省电力公司电力科学研究院 | 一种基于智能网关的开关设备局部放电诊断系统及方法 |
| CN114675147B (zh) * | 2022-03-31 | 2024-07-30 | 海南电网有限责任公司电力科学研究院 | 一种基于声电联合的敞开式断路器局放检测装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103698674A (zh) * | 2014-01-02 | 2014-04-02 | 国家电网公司 | 一种流动式电缆局部放电在线监测系统 |
| CN104569745A (zh) * | 2013-10-24 | 2015-04-29 | 国家电网公司 | 局部放电带电检测装置和方法 |
| CN105676085A (zh) * | 2016-01-31 | 2016-06-15 | 国家电网公司 | 基于多传感器信息融合的特高压gis局部放电检测方法 |
| CN105911438A (zh) * | 2016-04-13 | 2016-08-31 | 国网湖南省电力公司 | 一种基于局部放电带电检测的gis风险评估方法及系统 |
| CN205562732U (zh) * | 2016-04-18 | 2016-09-07 | 国网辽宁省电力有限公司电力科学研究院 | 组合电器局部放电多信息融合诊断装置 |
| CN107271867A (zh) * | 2017-06-27 | 2017-10-20 | 国网河南省电力公司检修公司 | 基于d‑s证据理论的gis局部放电故障类型识别方法 |
| CN107390097A (zh) * | 2017-07-17 | 2017-11-24 | 天津科技大学 | 一种gis声电联合局部放电仿真检测系统及其检测方法 |
| CN108919066A (zh) * | 2018-05-22 | 2018-11-30 | 广西电网有限责任公司电力科学研究院 | 一种开关柜局部放电检测系统及检测方法 |
| CN209247956U (zh) * | 2018-12-05 | 2019-08-13 | 上海华乘智能设备有限公司 | 一种多功能电缆局部放电智能巡检仪 |
| CN111175614A (zh) * | 2019-11-06 | 2020-05-19 | 河南平高电气股份有限公司 | 一种局部放电采集定位方法、装置及系统 |
-
2020
- 2020-07-10 CN CN202010662505.XA patent/CN112014691A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104569745A (zh) * | 2013-10-24 | 2015-04-29 | 国家电网公司 | 局部放电带电检测装置和方法 |
| CN103698674A (zh) * | 2014-01-02 | 2014-04-02 | 国家电网公司 | 一种流动式电缆局部放电在线监测系统 |
| CN105676085A (zh) * | 2016-01-31 | 2016-06-15 | 国家电网公司 | 基于多传感器信息融合的特高压gis局部放电检测方法 |
| CN105911438A (zh) * | 2016-04-13 | 2016-08-31 | 国网湖南省电力公司 | 一种基于局部放电带电检测的gis风险评估方法及系统 |
| CN205562732U (zh) * | 2016-04-18 | 2016-09-07 | 国网辽宁省电力有限公司电力科学研究院 | 组合电器局部放电多信息融合诊断装置 |
| CN107271867A (zh) * | 2017-06-27 | 2017-10-20 | 国网河南省电力公司检修公司 | 基于d‑s证据理论的gis局部放电故障类型识别方法 |
| CN107390097A (zh) * | 2017-07-17 | 2017-11-24 | 天津科技大学 | 一种gis声电联合局部放电仿真检测系统及其检测方法 |
| CN108919066A (zh) * | 2018-05-22 | 2018-11-30 | 广西电网有限责任公司电力科学研究院 | 一种开关柜局部放电检测系统及检测方法 |
| CN209247956U (zh) * | 2018-12-05 | 2019-08-13 | 上海华乘智能设备有限公司 | 一种多功能电缆局部放电智能巡检仪 |
| CN111175614A (zh) * | 2019-11-06 | 2020-05-19 | 河南平高电气股份有限公司 | 一种局部放电采集定位方法、装置及系统 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113655349A (zh) * | 2021-08-11 | 2021-11-16 | 南京征途信息技术有限公司 | 一种输变电特高频局放传感器及其方法 |
| CN113805022A (zh) * | 2021-10-14 | 2021-12-17 | 山东达驰高压开关有限公司 | 基于光电联合技术对组合电器绝缘性能检测方法和设备 |
| CN114035007A (zh) * | 2021-11-22 | 2022-02-11 | 国家电网有限公司 | 一种非接触式变压器套管局部放电检测系统 |
| CN114675147A (zh) * | 2022-03-31 | 2022-06-28 | 海南电网有限责任公司电力科学研究院 | 一种基于声电联合的敞开式断路器局放检测装置 |
| CN114675147B (zh) * | 2022-03-31 | 2024-07-30 | 海南电网有限责任公司电力科学研究院 | 一种基于声电联合的敞开式断路器局放检测装置 |
| CN115015708A (zh) * | 2022-06-02 | 2022-09-06 | 南京征途信息技术有限公司 | 一种变配电全向特高频局放传感器及其方法 |
| CN117347796A (zh) * | 2023-09-28 | 2024-01-05 | 国网四川省电力公司电力科学研究院 | 一种基于智能网关的开关设备局部放电诊断系统及方法 |
| CN117347796B (zh) * | 2023-09-28 | 2024-06-18 | 国网四川省电力公司电力科学研究院 | 一种基于智能网关的开关设备局部放电诊断系统及方法 |
| CN117192311A (zh) * | 2023-11-06 | 2023-12-08 | 国网天津市电力公司电力科学研究院 | 放电检测装置及方法 |
| CN117192311B (zh) * | 2023-11-06 | 2024-05-24 | 国网天津市电力公司电力科学研究院 | 放电检测装置及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112014691A (zh) | 电力物联网下多信息融合的局部放电检测终端及方法 | |
| CN108956640B (zh) | 适用于配电线路巡检的车载检测装置及检测方法 | |
| CN107942206B (zh) | 一种gis局部放电定位方法 | |
| CN103645425B (zh) | 一种高压电缆绝缘缺陷局部放电在线监测诊断方法 | |
| CN203490332U (zh) | 多功能手持式智能局放检测装置 | |
| CN201247303Y (zh) | 电缆局部放电在线监测用电流传感器 | |
| CN207300606U (zh) | 基于声学原理的变压器信息采集装置 | |
| CN116318475B (zh) | 无线电频谱监控系统及方法 | |
| CN106249118A (zh) | 基于冲击电压下gis设备特高频局部放电检测系统 | |
| WO2023279382A1 (zh) | 一种电机轴承运行状态故障检测方法及系统 | |
| CN112069962B (zh) | 一种基于图像识别强噪声背景下振动频谱的方法 | |
| CN112858852A (zh) | 开关柜局部放电超声监测装置及地图滤波信噪分离方法 | |
| CN106841939A (zh) | 便携式gis局部放电声电联合检测装置及其检测方法 | |
| CN110412420B (zh) | 一种基于电晕效应的输电线路磁光声复合无损探测装置 | |
| CN111693865A (zh) | 一种基于sdr技术的电机集群电磁波远程检测装置及远程检测方法 | |
| CN112781721B (zh) | 一种移动巡检平台的智能噪声采集方法及智能噪声采集装置 | |
| CN113125908A (zh) | 一种绝缘子污秽度诊断装置及其检测方法 | |
| CN212989584U (zh) | 一种基于sdr技术的电机集群电磁波远程检测装置 | |
| CN207007993U (zh) | 一种变压器局部放电的带电检测装置 | |
| CN115389008A (zh) | 一种密闭空间的智能噪音传感器及异常声音检测与定位方法 | |
| CN113033396B (zh) | 基于特征融合的变频管道过球指示装置及过球检测方法 | |
| CN115013257A (zh) | 一种风机叶片缺陷在线监测系统 | |
| CN103954686A (zh) | 瓷支柱绝缘子机械状态在线监测系统及其监测方法 | |
| CN114459532A (zh) | 无源无线局部放电、温湿度复合传感监测系统 | |
| CN112526404A (zh) | 基于特高频外置传感器的电力变压器故障在线定位系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201201 |
|
| RJ01 | Rejection of invention patent application after publication |