CN112198399A - 一种多源电磁波信号的识别方法及终端 - Google Patents
一种多源电磁波信号的识别方法及终端 Download PDFInfo
- Publication number
- CN112198399A CN112198399A CN202010926541.2A CN202010926541A CN112198399A CN 112198399 A CN112198399 A CN 112198399A CN 202010926541 A CN202010926541 A CN 202010926541A CN 112198399 A CN112198399 A CN 112198399A
- Authority
- CN
- China
- Prior art keywords
- signals
- electromagnetic wave
- pulse group
- pulse
- prps
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 102100025142 Beta-microseminoprotein Human genes 0.000 claims abstract description 46
- 101000576812 Homo sapiens Beta-microseminoprotein Proteins 0.000 claims abstract description 46
- 239000003086 colorant Substances 0.000 claims abstract description 25
- 238000003745 diagnosis Methods 0.000 claims abstract description 19
- 230000000630 rising effect Effects 0.000 claims abstract description 18
- 238000007621 cluster analysis Methods 0.000 claims abstract description 14
- 238000010606 normalization Methods 0.000 claims description 14
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 abstract description 15
- 238000000605 extraction Methods 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 abstract description 9
- 238000010224 classification analysis Methods 0.000 abstract description 5
- 238000000926 separation method Methods 0.000 abstract description 5
- 239000000284 extract Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000001228 spectrum 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
- 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
- G01R31/1263—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 solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
- G01R31/1272—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 solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of cable, line or wire insulation, e.g. using partial discharge measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明涉及电力系统技术领域，尤其涉及一种基于PDMS‑1000G在线式GIS局放监测系统的多源电磁波信号的识别方法及终端。通过从采集到的多源电磁波原始数据中提取出脉冲上升区域信号，并以不同颜色作为标识点对每一类脉冲群信号进行标记，当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，对已标记的每一类脉冲群信号进行提取，对提取到的不同脉冲信号进行聚类分析，并且对所有脉冲群信号标识点进行统一化和归一化处理，得到单个脉冲群信号，从而实现对不同脉冲长度信号进行提取分析，将单个脉冲群信号与预设诊断数据库进行对比，得到对应的识别结果，进而有效的解决多源局放信号分离分类分析。
Description
技术领域
本发明涉及电力系统技术领域，尤其涉及一种基于PDMS-1000G在线式GIS局放监测系统的多源电磁波信号的识别方法及终端。
背景技术
GIS设备运行环境复杂，且GIS内部设备可能存在单一局放源或多局放源，在线式GIS局放监测装置采集的信号一般有电磁波干扰信号或多个局放电磁波脉冲信号的随机叠加，其PRPD或PRPS图谱中常常出现部分交叉、完全交叉或重叠的现象。然而，在多个电磁波脉冲信号叠加情况下，仅凭单一的诊断数据库对多电磁波脉冲信号混叠信号进行识别与判断，往往存在较大的误差。
发明内容
本发明所要解决的技术问题是：提供一种基于PDMS-1000G在线式GIS局放监测系统的多源电磁波信号的识别方法及终端。
为了解决上述技术问题，本发明采用的一技术方案为：
一种多源电磁波信号的识别方法，包括以下步骤：
S1、从采集到的多源电磁波原始数据中提取出脉冲上升区域信号，并以不同颜色作为标识点对每一类脉冲群信号进行标记，其中，在PRPS及PRPD图谱中位于同一个幅值高度区间聚类的电磁波信号为同一类单脉冲群信号；
S2、当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，对已标记的每一类脉冲群信号进行提取；
S3、对提取到的不同脉冲信号进行聚类分析，并且对所有脉冲群信号标识点进行统一化和归一化处理，得到单个脉冲群信号；
S4、将单个脉冲群信号与预设诊断数据库进行对比，得到对应的识别结果。
本发明采用的另一技术方案为：
一种多源电磁波信号的识别终端，包括一个或多个处理器及存储器，所述存储器存储有程序，该程序被处理器执行时实现以下步骤：
S1、从采集到的多源电磁波原始数据中提取出脉冲上升区域信号，并以不同颜色作为标识点对每一类脉冲群信号进行标记，其中，在PRPS及PRPD图谱中位于同一个幅值高度区间聚类的电磁波信号为同一类单脉冲群信号；
S2、当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，对已标记的每一类脉冲群信号进行提取；
S3、对提取到的不同脉冲信号进行聚类分析，并且对所有脉冲群信号标识点进行统一化和归一化处理，得到单个脉冲群信号；
S4、将单个脉冲群信号与预设诊断数据库进行对比，得到对应的识别结果。
本发明的有益效果在于：
本发明提供的一种多源电磁波信号的识别方法及终端，通过从采集到的多源电磁波原始数据中提取出脉冲上升区域信号，并以不同颜色作为标识点对每一类脉冲群信号进行标记，即为根据电磁波脉冲群在不同的上升区域聚焦并通过颜色对所在区域脉冲信号进行标记，当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，对已标记的每一类脉冲群信号进行提取，对提取到的不同脉冲信号进行聚类分析，并且对所有脉冲群信号标识点进行统一化和归一化处理，得到单个脉冲群信号，从而实现对不同脉冲长度信号进行提取分析，将单个脉冲群信号与预设诊断数据库进行对比，得到对应的识别结果，进而有效的解决多源局放信号分离分类分析。
附图说明
图1为本发明的多源电磁波信号的识别方法的步骤流程图；
图2为本发明的多源电磁波信号的识别终端的结构示意图；
图3为本发明的原始数据PRPS及PRPD图谱的示意图；
图4为本发明的信号提取后PRPS及PRPD图谱和诊断结果示意图；
标号说明：
1、处理器；2、存储器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
请参照图1，本发明提供的一种多源电磁波信号的识别方法，包括以下步骤：
S1、从采集到的多源电磁波原始数据中提取出脉冲上升区域信号，并以不同颜色作为标识点对每一类脉冲群信号进行标记，其中，在PRPS及PRPD图谱中位于同一个幅值高度区间聚类的电磁波信号为同一类单脉冲群信号；
S2、当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，对已标记的每一类脉冲群信号进行提取；
S3、对提取到的不同脉冲信号进行聚类分析，并且对所有脉冲群信号标识点进行统一化和归一化处理，得到单个脉冲群信号；
S4、将单个脉冲群信号与预设诊断数据库进行对比，得到对应的识别结果。
从上述描述可知，本发明的有益效果在于：
本发明提供的一种多源电磁波信号的识别方法，通过从采集到的多源电磁波原始数据中提取出脉冲上升区域信号，并以不同颜色作为标识点对每一类脉冲群信号进行标记，即为根据电磁波脉冲群在不同的上升区域聚焦并通过颜色对所在区域脉冲信号进行标记，当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，对已标记的每一类脉冲群信号进行提取，对提取到的不同脉冲信号进行聚类分析，并且对所有脉冲群信号标识点进行统一化和归一化处理，得到单个脉冲群信号，从而实现对不同脉冲长度信号进行提取分析，将单个脉冲群信号与预设诊断数据库进行对比，得到对应的识别结果，进而有效的解决多源局放信号分离分类分析。
进一步的，步骤S2还包括：
当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，判断电磁波脉冲群信号是否为GIS设备的外部干扰，若是，则在PRPS及PRPD图谱将所述电磁波脉冲群信号进行隐藏。
由上述描述可知，通过上述具体步骤，应用于PDMS-1000G在线式GIS局放监测系统，实现实时数据监测功能。并且在识别到电磁波脉冲群信号为GIS设备的外部干扰时在PRPS及PRPD图谱将所述电磁波脉冲群信号进行隐藏，便于数据监测。
进一步的，在步骤S2与步骤S3之间还包括：
S21、设置PRPS图谱为球面旋转模式。
由上述描述可知，通过上述步骤，以便多角度观察不同脉冲长度信号。
进一步的，步骤S1中的颜色种类为6种，根据脉冲上升区域信号累积值划分为不同颜色。
参阅图2，本发明还提供的一种多源电磁波信号的识别终端，包括一个或多个处理器及存储器，所述存储器存储有程序，该程序被处理器执行时实现以下步骤：
S1、从采集到的多源电磁波原始数据中提取出脉冲上升区域信号，并以不同颜色作为标识点对每一类脉冲群信号进行标记，其中，在PRPS及PRPD图谱中位于同一个幅值高度区间聚类的电磁波信号为同一类单脉冲群信号；
S2、当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，对已标记的每一类脉冲群信号进行提取；
S3、对提取到的不同脉冲信号进行聚类分析，并且对所有脉冲群信号标识点进行统一化和归一化处理，得到单个脉冲群信号；
S4、将单个脉冲群信号与预设诊断数据库进行对比，得到对应的识别结果。
从上述描述可知，本发明的有益效果在于：
本发明提供的一种多源电磁波信号的识别终端，通过从采集到的多源电磁波原始数据中提取出脉冲上升区域信号，并以不同颜色作为标识点对每一类脉冲群信号进行标记，即为根据电磁波脉冲群在不同的上升区域聚焦并通过颜色对所在区域脉冲信号进行标记，当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，对已标记的每一类脉冲群信号进行提取，对提取到的不同脉冲信号进行聚类分析，并且对所有脉冲群信号标识点进行统一化和归一化处理，得到单个脉冲群信号，从而实现对不同脉冲长度信号进行提取分析，将单个脉冲群信号与预设诊断数据库进行对比，得到对应的识别结果，进而有效的解决多源局放信号分离分类分析。
进一步的，该程序被处理器执行时进一步实现以下步骤：
当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，判断电磁波脉冲群信号是否为GIS设备的外部干扰，若是，则在PRPS及PRPD图谱将所述电磁波脉冲群信号进行隐藏。
由上述描述可知，通过上述具体步骤，应用于PDMS-1000G在线式GIS局放监测系统，实现实时数据监测功能。并且在识别到电磁波脉冲群信号为GIS设备的外部干扰时在PRPS及PRPD图谱将所述电磁波脉冲群信号进行隐藏，便于数据监测。
进一步的，该程序被处理器执行时还实现以下步骤：
S21、设置PRPS图谱为球面旋转模式。
由上述描述可知，通过上述步骤，以便多角度观察不同脉冲长度信号。
进一步的，该程序被处理器执行时进一步实现以下步骤：
步骤S1中的颜色种类为6种，根据脉冲上升区域信号累积值划分为不同颜色。
请参照图1、图3和图4，本发明的实施例一为：
本发明提供的一种多源电磁波信号的识别方法，应用于PDMS-1000G在线式GIS局放监测系统，包括以下步骤：
S1、从采集到的多源电磁波原始数据中提取出脉冲上升区域信号，并以不同颜色作为标识点对每一类脉冲群信号进行标记，其中，在PRPS及PRPD图谱中位于同一个幅值高度区间聚类的电磁波信号为同一类单脉冲群信号；
需要说明的是：局放源产生的电磁波脉冲信号具备上升时间、长度、聚类等特征。
PRPD图谱：在一段时间内统计和描述局部放电信号的幅值、频次和相位关系的二维或三维图谱。
PRPS图谱：描述局部放电信号的幅值、相位和时间关系的二维或三维图谱。
在本实施例中，步骤S1中的颜色种类为6种，根据脉冲上升区域信号累积值划分为不同颜色。每种颜色定义区间如下所述：
1)蓝色：1-3；
2)浅绿色：4-5；
3)绿色：6-7；
4)黄色：8-10；
5)粉色：11-15；
6)红色：＞15。
S2、当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，对已标记的每一类脉冲群信号进行提取，并定义为单个脉冲信号群。该功能主要应用于对PDMS-1000G在线式GIS局放监测数据分析。
上述步骤S2还包括：
当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，判断电磁波脉冲群信号是否为GIS设备的外部干扰，若是，则在PRPS及PRPD图谱将所述电磁波脉冲群信号进行隐藏。应用于PDMS-1000G在线式GIS局放监测系统，实现实时数据监测功能。
在步骤S2与步骤S3之间还包括：
S21、设置PRPS图谱为球面旋转模式，以便多角度观察不同脉冲长度信号。
S3、对提取到的不同脉冲信号进行聚类分析，并且对所有脉冲群信号标识点进行统一化和归一化处理，得到单个脉冲群信号；
S4、将单个脉冲群信号与预设诊断数据库进行对比，得到对应的识别结果。
在本实施例中，采用脉冲群标识分析方法，将采集的不同脉冲信号进行聚类分析，并对所有脉冲群标识点进行统一化和归一化处理，得到了单个脉冲群信号，将单个脉冲群信号与预设的智能诊断数据库进行对比，从而提高诊断识别准确率。
上述的PDMS-1000G在线式GIS局放监测系统由UHF传感器、采集单元数据处理、后台分析系统组合而成，通过UHF传感器接收到的来自于同一电磁波的脉冲群具有上升时间、长度、聚类等特征，可将每一类的电磁波脉冲群信号进行标记，然后再进行分别提取分析，通过基于单一缺陷的在线式GIS局放监测系统和智能诊断技术，结合特征量提取和相关分析进行脉冲群分类来识别多源局放信号。其中智能诊断是指通过基于收集典型的局放数据作为诊断库，对采集的电磁波信号进行自动诊断方法。
如图3-图4所示，图谱说明如下：
序号1：为PRPS图谱，显示实时采集的电磁脉冲信号。
序号2：为PRPD图谱，累积采集的电磁脉冲信号，并将不同信号累积的区域通过颜色进行标注。每种颜色定义区间如下：
1)蓝色：1-3；
2)浅绿色：4-5；
3)绿色：6-7；
4)黄色：8-10；
5)粉色：11-15；
6)红色：＞15。
序号3：为相位-脉冲-幅值高度的三维图谱。
序号4：信号提取、隐藏及诊断结果展示框。
信号提取颜色设置顺序：蓝色、浅绿色、绿色、黄色、粉色、红色。
信号隐藏颜色设置顺序：蓝色、浅绿色、绿色、黄色、粉色、红色。
请参照图2、图3和图4，本发明的实施例二为：
本发明还提供的一种多源电磁波信号的识别终端，包括一个或多个处理器及存储器，所述存储器存储有程序，该程序被处理器执行时实现以下步骤：
S1、从采集到的多源电磁波原始数据中提取出脉冲上升区域信号，并以不同颜色作为标识点对每一类脉冲群信号进行标记，其中，在PRPS及PRPD图谱中位于同一个幅值高度区间聚类的电磁波信号为同一类单脉冲群信号；
S2、当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，对已标记的每一类脉冲群信号进行提取；
S3、对提取到的不同脉冲信号进行聚类分析，并且对所有脉冲群信号标识点进行统一化和归一化处理，得到单个脉冲群信号；
S4、将单个脉冲群信号与预设诊断数据库进行对比，得到对应的识别结果。
进一步的，该程序被处理器执行时进一步实现以下步骤：
当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，判断电磁波脉冲群信号是否为GIS设备的外部干扰，若是，则在PRPS及PRPD图谱将所述电磁波脉冲群信号进行隐藏。
进一步的，该程序被处理器执行时还实现以下步骤：
S21、设置PRPS图谱为球面旋转模式。
进一步的，该程序被处理器执行时进一步实现以下步骤：
步骤S1中的颜色种类为6种，根据脉冲上升区域信号累积值划分为不同颜色。
综上所述，本发明提供的一种多源电磁波信号的识别方法及终端，通过从采集到的多源电磁波原始数据中提取出脉冲上升区域信号，并以不同颜色作为标识点对每一类脉冲群信号进行标记，即为根据电磁波脉冲群在不同的上升区域聚焦并通过颜色对所在区域脉冲信号进行标记，当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，对已标记的每一类脉冲群信号进行提取，对提取到的不同脉冲信号进行聚类分析，并且对所有脉冲群信号标识点进行统一化和归一化处理，得到单个脉冲群信号，从而实现对不同脉冲长度信号进行提取分析，将单个脉冲群信号与预设诊断数据库进行对比，得到对应的识别结果，进而有效的解决多源局放信号分离分类分析。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种多源电磁波信号的识别方法，其特征在于，包括以下步骤：
S1、从采集到的多源电磁波原始数据中提取出脉冲上升区域信号，并以不同颜色作为标识点对每一类脉冲群信号进行标记，其中，在PRPS及PRPD图谱中位于同一个幅值高度区间聚类的电磁波信号为同一类单脉冲群信号；
S2、当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，对已标记的每一类脉冲群信号进行提取；
S3、对提取到的不同脉冲信号进行聚类分析，并且对所有脉冲群信号标识点进行统一化和归一化处理，得到单个脉冲群信号；
S4、将单个脉冲群信号与预设诊断数据库进行对比，得到对应的识别结果。
2.根据权利要求1所述的多源电磁波信号的识别方法，其特征在于，步骤S2还包括：
当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，判断电磁波脉冲群信号是否为GIS设备的外部干扰，若是，则在PRPS及PRPD图谱将所述电磁波脉冲群信号进行隐藏。
3.根据权利要求1所述的多源电磁波信号的识别方法，其特征在于，在步骤S2与步骤S3之间还包括：
S21、设置PRPS图谱为球面旋转模式。
4.根据权利要求1所述的多源电磁波信号的识别方法，其特征在于，步骤S1中的颜色种类为6种，根据脉冲上升区域信号累积值划分为不同颜色。
5.一种多源电磁波信号的识别终端，其特征在于，包括一个或多个处理器及存储器，所述存储器存储有程序，该程序被处理器执行时实现以下步骤：
S1、从采集到的多源电磁波原始数据中提取出脉冲上升区域信号，并以不同颜色作为标识点对每一类脉冲群信号进行标记，其中，在PRPS及PRPD图谱中位于同一个幅值高度区间聚类的电磁波信号为同一类单脉冲群信号；
S2、当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，对已标记的每一类脉冲群信号进行提取；
S3、对提取到的不同脉冲信号进行聚类分析，并且对所有脉冲群信号标识点进行统一化和归一化处理，得到单个脉冲群信号；
S4、将单个脉冲群信号与预设诊断数据库进行对比，得到对应的识别结果。
6.根据权利要求5所述的多源电磁波信号的识别终端，其特征在于，该程序被处理器执行时进一步实现以下步骤：
当识别到在PRPS及PRPD图谱中存在两个以上的电磁波脉冲群信号随机叠加时，判断电磁波脉冲群信号是否为GIS设备的外部干扰，若是，则在PRPS及PRPD图谱将所述电磁波脉冲群信号进行隐藏。
7.根据权利要求5所述的多源电磁波信号的识别终端，其特征在于，该程序被处理器执行时还实现以下步骤：
S21、设置PRPS图谱为球面旋转模式。
8.根据权利要求5所述的多源电磁波信号的识别终端，其特征在于，该程序被处理器执行时进一步实现以下步骤：
步骤S1中的颜色种类为6种，根据脉冲上升区域信号累积值划分为不同颜色。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010926541.2A CN112198399B (zh) | 2020-09-07 | 2020-09-07 | 一种多源电磁波信号的识别方法及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010926541.2A CN112198399B (zh) | 2020-09-07 | 2020-09-07 | 一种多源电磁波信号的识别方法及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112198399A true CN112198399A (zh) | 2021-01-08 |
| CN112198399B CN112198399B (zh) | 2023-12-19 |
Family
ID=74005345
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010926541.2A Active CN112198399B (zh) | 2020-09-07 | 2020-09-07 | 一种多源电磁波信号的识别方法及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112198399B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115187527A (zh) * | 2022-06-27 | 2022-10-14 | 上海格鲁布科技有限公司 | 一种多源混合型特高频局部放电图谱的分离识别方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102645620A (zh) * | 2012-05-17 | 2012-08-22 | 广东电网公司电力科学研究院 | 基于时频特征参数的变电站多源局部放电检测方法及装置 |
| US20140340096A1 (en) * | 2011-09-16 | 2014-11-20 | Olaf Rudolph | Method for Identifying One or More Simultaneously Occurring Partial Discharge Sources |
| CN105115626A (zh) * | 2015-09-17 | 2015-12-02 | 李成 | 单芯高压电缆接头智能监测系统及智能监测方法 |
| CN107144769A (zh) * | 2017-04-17 | 2017-09-08 | 西安热工研究院有限公司 | 基于不同频段放电幅值和的局部放电三维聚类识别方法 |
| KR20180058555A (ko) * | 2016-11-24 | 2018-06-01 | (주) 에코투모로우코리아 | 3차원 분석 기반의 부분방전 진단 장치 및 방법 |
| CN108663608A (zh) * | 2018-07-31 | 2018-10-16 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种多源局部放电信号自动聚类分离方法 |
| CN109670536A (zh) * | 2018-11-30 | 2019-04-23 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种多源放电及干扰叠加情况下的局部放电信号聚类方法 |
| CN109946573A (zh) * | 2019-03-08 | 2019-06-28 | 国网山东省电力公司日照供电公司 | 基于聚类和无线传感阵列的局部放电测向方法及系统 |
| CN110031729A (zh) * | 2018-12-08 | 2019-07-19 | 全球能源互联网欧洲研究院 | 局部放电信号源的检测方法、系统及数据融合分析单元 |
| CN111103517A (zh) * | 2020-01-20 | 2020-05-05 | 云南电网有限责任公司玉溪供电局 | 一种真空度局部放电脉冲群分类识别方法 |
| CN111579938A (zh) * | 2020-04-14 | 2020-08-25 | 杭州柯林电气股份有限公司 | 基于多传感器的多源局部放电信号分离方法、监测系统 |
-
2020
- 2020-09-07 CN CN202010926541.2A patent/CN112198399B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140340096A1 (en) * | 2011-09-16 | 2014-11-20 | Olaf Rudolph | Method for Identifying One or More Simultaneously Occurring Partial Discharge Sources |
| CN102645620A (zh) * | 2012-05-17 | 2012-08-22 | 广东电网公司电力科学研究院 | 基于时频特征参数的变电站多源局部放电检测方法及装置 |
| CN105115626A (zh) * | 2015-09-17 | 2015-12-02 | 李成 | 单芯高压电缆接头智能监测系统及智能监测方法 |
| KR20180058555A (ko) * | 2016-11-24 | 2018-06-01 | (주) 에코투모로우코리아 | 3차원 분석 기반의 부분방전 진단 장치 및 방법 |
| CN107144769A (zh) * | 2017-04-17 | 2017-09-08 | 西安热工研究院有限公司 | 基于不同频段放电幅值和的局部放电三维聚类识别方法 |
| CN108663608A (zh) * | 2018-07-31 | 2018-10-16 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种多源局部放电信号自动聚类分离方法 |
| CN109670536A (zh) * | 2018-11-30 | 2019-04-23 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种多源放电及干扰叠加情况下的局部放电信号聚类方法 |
| CN110031729A (zh) * | 2018-12-08 | 2019-07-19 | 全球能源互联网欧洲研究院 | 局部放电信号源的检测方法、系统及数据融合分析单元 |
| CN109946573A (zh) * | 2019-03-08 | 2019-06-28 | 国网山东省电力公司日照供电公司 | 基于聚类和无线传感阵列的局部放电测向方法及系统 |
| CN111103517A (zh) * | 2020-01-20 | 2020-05-05 | 云南电网有限责任公司玉溪供电局 | 一种真空度局部放电脉冲群分类识别方法 |
| CN111579938A (zh) * | 2020-04-14 | 2020-08-25 | 杭州柯林电气股份有限公司 | 基于多传感器的多源局部放电信号分离方法、监测系统 |
Non-Patent Citations (2)
| Title |
|---|
| "《航空动力学报》 2018年(第33卷)分类索引", 航空动力学报, no. 12 * |
| 唐志国;王彩雄;陈金祥;吴文宣;李成榕;: "局部放电UHF脉冲干扰的排除与信号的聚类分析", 高电压技术, no. 05, pages 1026 - 1031 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115187527A (zh) * | 2022-06-27 | 2022-10-14 | 上海格鲁布科技有限公司 | 一种多源混合型特高频局部放电图谱的分离识别方法 |
| WO2023213332A1 (zh) * | 2022-06-27 | 2023-11-09 | 上海格鲁布科技有限公司 | 一种多源混合型特高频局部放电图谱的分离识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112198399B (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102496157B (zh) | 基于高斯多尺度变换及颜色复杂度的图像检测方法 | |
| CN110850244B (zh) | 基于深度学习的局放缺陷时域图谱诊断方法、系统及介质 | |
| CN102915432B (zh) | 一种车载微机图像视频数据提取方法及装置 | |
| CN107993488A (zh) | 一种基于鱼眼相机的车位识别方法、系统及介质 | |
| Safdar et al. | Intelligent microscopic approach for identification and recognition of citrus deformities | |
| CN110119726A (zh) | 一种基于YOLOv3模型的车辆品牌多角度识别方法 | |
| TWI536969B (zh) | 磁共振造影之白質病變區域識別方法及系統 | |
| CN112198399B (zh) | 一种多源电磁波信号的识别方法及终端 | |
| CN103267652B (zh) | 一种智能早期设备故障在线诊断方法 | |
| CN104345045A (zh) | 一种基于化学模式识别和近红外光谱的相似药材鉴别方法 | |
| CN116385801A (zh) | 一种基于多光谱深度学习与点云技术的树木分类方法 | |
| CN108288274A (zh) | 模具检测方法、装置以及电子设备 | |
| CN109784390B (zh) | 一种人工智能嗅觉动态响应图谱气体检测识别方法 | |
| CN114863311A (zh) | 一种变电站机器人巡检目标自动跟踪方法及系统 | |
| CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控系统和方法 | |
| Lin et al. | A new time series change detection method for landsat land use and land cover change | |
| Wu et al. | A Dense Litchi Target Recognition Algorithm for Large Scenes | |
| CN109375187B (zh) | 雷达目标的确定方法及装置 | |
| CN108491888A (zh) | 基于形态学分析的环境监测高光谱数据谱段选择方法 | |
| CN113221863A (zh) | 基于电磁空间周期统计的加密协议识别方法、系统及介质 | |
| CN103136439B (zh) | 植物病症辨识方法及其系统 | |
| CN112417966A (zh) | 一种基于音频信号特征和ai算法的多维度机器故障检测方法 | |
| CA2827255A1 (en) | A method for extracting information of interest from multi-dimensional, multi-parametric and/or multi-temporal datasets | |
| CN112241686A (zh) | 一种基于特征向量的轨迹比对匹配方法及系统 | |
| CN110334639A (zh) | 一种过滤图像分析检测算法的错误检测结果的装置和方法 |
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 |