CN112198400B - 基于频谱感知特性的高压开关柜局部放电在线检测方法 - Google Patents
基于频谱感知特性的高压开关柜局部放电在线检测方法 Download PDFInfo
- Publication number
- CN112198400B CN112198400B CN202011068479.4A CN202011068479A CN112198400B CN 112198400 B CN112198400 B CN 112198400B CN 202011068479 A CN202011068479 A CN 202011068479A CN 112198400 B CN112198400 B CN 112198400B
- Authority
- CN
- China
- Prior art keywords
- partial discharge
- electromagnetic wave
- signals
- signal
- frequency
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000006243 chemical reaction Methods 0.000 claims abstract description 6
- 238000009825 accumulation Methods 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000007493 shaping process Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 208000028659 discharge Diseases 0.000 description 68
- 238000000034 method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000005266 casting Methods 0.000 description 3
- 239000012212 insulator Substances 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 239000004020 conductor Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- 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
- G01R31/1209—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 using acoustic measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Acoustics & Sound (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明涉及一种基于频谱感知特性的高压开关柜局部放电在线检测方法。Mimo电磁波接收采集系统及超声波传感器接收高压开关柜内所产生的局部放电电磁波信号;局部放电电磁波信号经过信号放大器、信号通道分离器,分离出非局部放电频率的电磁波信号;局部放电频率的电磁波信号经过滤波及整形后进行ADC转换;FPGA对局部放电频率的电磁波信号进行时域及频域的频谱处理;MCU进行频谱特性对比,包括RSS幅值、DT密度及频谱特征的对比,判断局部放电强度及类别。本发明能够提高局部放电检测的检测可靠性。
Description
技术领域
本发明涉及一种基于频谱感知特性的高压开关柜局部放电在线检测方法。
背景技术
国家的电力系统的安全是关系到国家安全,民生生活的核心系统工程;每年国家投入大量的资金,人才,设备更新和保障电力系统的可靠安全运行;随着科技的发展,新技术的不断涌现,也给电力系统注入更加先进的智能化控制,例如大数据云平台,人工智能,边缘计算,跨行业协作等;随着国家发展,对电能品质,稳定,安全提出更高的要求;而高压电柜它是以断路器为主的电气设备;是指生产厂家根据电气一次主接线图的要求,将有关的高低压电器(包括控制电器、保护电器、测量电器)以及母线、载流导体、绝缘子等装配在封闭的或敞开的金属柜体内,作为电力系统中接受和分配电能的装置,电气设备在运行的过程中由于受到高温、电压、振动以及其他化学作用,将会使得其绝缘性能降低,会产生局部放电现象,同时又会加速绝缘的恶化情况,会给电力系统造成较大的经济损失。因此,对电力系统高压开关柜局部放电原因及其处理方法进行分析,检测具有重要意义。
局部放电是指高压电器中的绝缘介质在高电场强度作用下,发生在电极之间的未贯穿的放电,可以发生在导体附近,也可以发生在其他地方。高压开关柜局部放电的主要类型如下:
内部放电:铸摸和电缆的内部,连接材料,铸模的界面短路;
表面放电:支撑母线绝缘子表面,SA绝缘体表面,铸模开关表面;
电晕放电:母线,电缆连接部分,铸模变压器抽头,开关接触部分;
当高压电气产生局部放电现象时,会产生电磁波、超声波、发光、发热、臭氧等物理现象,这是局部放电表现形式的多样性特征。不同类型的局部放电或不同阶段的局部放电又具有其表现形式的主次性特征,如空气中表面放电以声发射特征为主,绝缘内部放电的电磁高频特征较为常见。目前主流的检测方法为电测量法(暂态地电压、超高频、高频电流测量法)、超声波测量法。然而,目前对开关柜局部放电现象进行检测的手段及效率还不高;因而利用新技术对高压开关柜的局部放进行检测是一个方法及手段。
实际上不管何种放电现象都会产生电磁波。特高频(UltraHigh Frequency,UHF)局部放电检测技术就是通过检测这种电磁波信号实现局部放电检测的目的。特高频法在开柜的电缆终端接头处产生局部放电--产生电磁波信号(特高频电磁波)。
发明内容
本发明的目的在于提供一种基于频谱感知特性的高压开关柜局部放电在线检测方法,能够提高局部放电检测的检测可靠性。
为实现上述目的,本发明的技术方案是:一种基于频谱感知特性的高压开关柜局部放电在线检测方法,包括如下步骤:
步骤S1、Mimo电磁波接收采集系统及超声波传感器接收高压开关柜内所产生的局部放电电磁波信号;
步骤S2、局部放电电磁波信号经过信号放大器、信号通道分离器,分离出不同频率的局部放电电磁波信号;
步骤S3、局部放电频率的电磁波信号经过滤波及整形后进行ADC转换;
步骤S4、FPGA对局部放电频率的电磁波信号进行时域及频域的频谱处理,输出给MCU;
步骤S5、MCU进行频谱特性对比,包括RSS幅值、DT密度及频谱特征的对比,判断局部放电强度及类别;RSS幅值为步骤S1设置的采样局部放电电磁波信号的门限阀值,DT密度为一段时间内采样的局部放电电磁波信号数与时间之比;
步骤S6、对局部放电数据保存,更新迭代。
在本发明一实施例中,所述步骤S1的具体实现方式为:
设定一初始门限阀值,基于该初始门限阀值,通过Mimo电磁波接收采集系统及超声波传感器接收高压开关柜内所产生的多种频率局部放电电磁波信号,而后做均值及均方值处理,具体公式如下:
均值处理:
ux(t)是在时间t上信号x的均值;N是周期内采样信号数,i是第i个采样的信号,E是有效信号积累;
均方值处理:
是信号x在时间t的均方值运算出的能量积累;
因为干扰信号的特征是随机的特征,局部放电信号的特征是持续稳定的特征,用均方值处理之后就可以区分出来,并把区分出来的信号进行标注;每一周期采集的信号经上述处理之后再与前一次周期标注的信号进行对比,循环检测迭代即可得到区分干扰信号和局部放电信号的门限阀值。
在本发明一实施例中,所述步骤S2中,信号的分离基于如下公式:
S=∑Sk+R
S即信号x在时间t的均方值运算出的能量积累;Sk是局部放电电磁波信号经过信号放大器放大的信号;R是一个残差信号;
先把局部放电电磁波信号做一个简单分解,假设把局部放电电磁波信号写成两个相对简单的信号的相加,如下公式:
S=U+V
U、V为分离后的不同频率的局部放电电磁波信号;
在S已知的时候,U和V同时存在的概率就是后验概率,当后验概率达到最大时候的U和V的组合即所要求的两个相对简单信号的分解组合;
表示U和V的取值使得/>达到最小值,P是概率表征;
将后验概率函数按照贝叶斯公式展开关于先验概率的模式,上面的公式可以写成:
此处的U和V即使得等式后边三个函数组合达到最小的组合,Pu是关于U的先验概率,Pv是关于V的先验概率;θu和θv是概率的模型数,是U和V之间的关系。
在本发明一实施例中,所述步骤S4具体实现如下:
首先,小波基波的表达式如下:
其中,ψ(t)是小波函数,s是尺度参数,表征频率;t是时间参数,表征时间;τ是平移量;在离散小波变换中,“离散”的就是参数s和t,此时小波表达式写为:
其中j和k均是整数,s0=2,τ0=1;随着j取值的递增,尺度参数以2的j次方的形式增长;当使用上述一系列的子小波,对一个连续函数,即局部放电频率的电磁波信号进行离散分析时,即可得到一组小波分析的系数,从而提取出局部放电频率的电磁波信号在各频率段的信号特征,即频谱特征。
相较于现有技术,本发明具有以下有益效果:本发明能够判断局部放电强度及类别,相比于现有技术,大大提高了局部放电检测的检测可靠性。
附图说明
图1为本发明方法实现原理框图。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
如图1所示,本发明提供了一种基于频谱感知特性的高压开关柜局部放电在线检测方法,包括如下步骤:
步骤S1、Mimo电磁波接收采集系统及超声波传感器接收高压开关柜内所产生的局部放电电磁波信号;
步骤S2、局部放电电磁波信号经过信号放大器、信号通道分离器,分离出不同频率的局部放电电磁波信号;
步骤S3、局部放电频率的电磁波信号经过滤波及整形后进行ADC转换;
步骤S4、FPGA对局部放电频率的电磁波信号进行时域及频域的频谱处理,输出给MCU;
步骤S5、MCU进行频谱特性对比,包括RSS幅值、DT密度及频谱特征的对比,判断局部放电强度及类别;RSS幅值为步骤S1设置的采样局部放电电磁波信号的门限阀值,DT密度为一段时间内采样的局部放电电磁波信号数与时间之比;
步骤S6、对局部放电数据保存,更新迭代。
所述步骤S1的具体实现方式为:
设定一初始门限阀值,基于该初始门限阀值,通过Mimo电磁波接收采集系统及超声波传感器接收高压开关柜内所产生的多种频率局部放电电磁波信号,而后做均值及均方值处理,具体公式如下:
均值处理:
ux(t)是在时间t上信号x的均值;N是周期内采样信号数,i是第i个采样的信号,E是有效信号积累;
均方值处理:
是信号x在时间t的均方值运算出的能量积累;
因为干扰信号的特征是随机的特征,局部放电信号的特征是持续稳定的特征,用均方值处理之后就可以区分出来,并把区分出来的信号进行标注;每一周期采集的信号经上述处理之后再与前一次周期标注的信号进行对比,循环检测迭代即可得到区分干扰信号和局部放电信号的门限阀值。
所述步骤S2中,信号的分离基于如下公式:
S=∑Sk+R
S即信号x在时间t的均方值运算出的能量积累;Sk是局部放电电磁波信号经过信号放大器放大的信号;R是一个残差信号;
先把局部放电电磁波信号做一个简单分解,假设把局部放电电磁波信号写成两个相对简单的信号的相加,如下公式:
S=U+V
U、V为分离后的不同频率的局部放电电磁波信号;
在S已知的时候,U和V同时存在的概率就是后验概率,当后验概率达到最大时候的U和V的组合即所要求的两个相对简单信号的分解组合;
表示U和V的取值使得/>达到最小值,P是概率表征;
将后验概率函数按照贝叶斯公式展开关于先验概率的模式,上面的公式可以写成:
此处的U和V即使得等式后边三个函数组合达到最小的组合,Pu是关于U的先验概率,Pv是关于V的先验概率;θu和θv是概率的模型数,是U和V之间的关系。
所述步骤S3中,采用TI公司的24位高速可编程ADC芯片组成的电路转换进行ADC转换。
所述步骤S4具体实现如下:
首先,小波基波的表达式如下:
其中,ψ(t)是小波函数,s是尺度参数,表征频率;t是时间参数,表征时间;τ是平移量;在离散小波变换中,“离散”的就是参数s和t,此时小波表达式写为:
其中j和k均是整数,s0=2,τ0=1;随着j取值的递增,尺度参数以2的j次方的形式增长;当使用上述一系列的子小波,对一个连续函数,即局部放电频率的电磁波信号进行离散分析时,即可得到一组小波分析的系数,从而提取出局部放电频率的电磁波信号在各频率段的信号特征,即频谱特征。
所述步骤S4中,FPGA采用xilinx zynq系列,其内嵌2个32位ARM处理器。
所述步骤S5中,MCU即采用FPGA的ARM处理器,对步骤S1(RSS幅值,DT密度)及步骤S4(频谱特征)中产生的数据流进行实时处理,根据不同高压电柜局部放电的能量阀值及频谱特性来判断局部放电的强度,分析计算,评估,作出预警及维保建议,自动绘出高压电柜局部放电的曲线图。
所述步骤S6中,以SQL数据库,所有的处理过程及结果都存储与SQL服务器,任何时刻都可以调用及迭代,为分析高压电柜的局部放电提供可靠的数据源。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (3)
1.一种基于频谱感知特性的高压开关柜局部放电在线检测方法,其特征在于,包括如下步骤:
步骤S1、Mimo电磁波接收采集系统及超声波传感器接收高压开关柜内所产生的局部放电电磁波信号;
步骤S2、局部放电电磁波信号经过信号放大器、信号通道分离器,分离出不同频率的局部放电电磁波信号;
步骤S3、不同频率的局部放电电磁波信号经过滤波及整形后进行ADC转换;
步骤S4、FPGA对不同频率的局部放电电磁波信号进行时域及频域的频谱处理,输出给MCU;
步骤S5、MCU进行频谱特性对比,包括RSS幅值、DT密度及频谱特征的对比,判断局部放电强度及类别;RSS幅值为步骤S1设置的采样局部放电电磁波信号的门限阀值,DT密度为一段时间内采样的局部放电电磁波信号数与时间之比;
步骤S6、对局部放电数据保存,更新迭代;
所述步骤S1的具体实现方式为:
设定一初始门限阀值,基于该初始门限阀值,通过Mimo电磁波接收采集系统及超声波传感器接收高压开关柜内所产生的多种频率局部放电电磁波信号,而后做均值及均方值处理,具体公式如下:
均值处理:
ux(t)是在时间t上信号x的均值;N是周期内采样信号数,i是第i个采样的信号,E是有效信号积累;
均方值处理:
是信号x在时间t的均方值运算出的能量积累;
因为干扰信号的特征是随机的特征,局部放电信号的特征是持续稳定的特征,用均方值处理之后就可以区分出来,并把区分出来的信号进行标注;每一周期采集的信号经上述处理之后再与前一次周期标注的信号进行对比,循环检测迭代即可得到区分干扰信号和局部放电信号的门限阀值。
2.根据权利要求1所述的基于频谱感知特性的高压开关柜局部放电在线检测方法,其特征在于,所述步骤S2中,信号的分离基于如下公式:
S=∑Sk+R
S即信号x在时间t的均方值运算出的能量积累;Sk是局部放电电磁波信号经过信号放大器放大的信号;R是一个残差信号;
先把局部放电电磁波信号做一个简单分解,假设把局部放电电磁波信号写成两个相对简单的信号的相加,如下公式:
S=U+V
U、V为分离后的不同频率的局部放电电磁波信号;
在S已知的时候,U和V同时存在的概率就是后验概率,当后验概率达到最大时候的U和V的组合即所要求的两个相对简单信号的分解组合;
表示U和V的取值使得/>达到最小值,P是概率表征;
将后验概率函数按照贝叶斯公式展开关于先验概率的模式,上面的公式写成:
此处的U和V即使得等式后边三个函数组合达到最小的组合,Pu是关于U的先验概率,Pv是关于V的先验概率;θu和θv是概率的模型数,是U和V之间的关系。
3.根据权利要求1所述的基于频谱感知特性的高压开关柜局部放电在线检测方法,其特征在于,所述步骤S4具体实现如下:
首先,小波基波的表达式如下:
其中,ψ(t)是小波函数,s是尺度参数,表征频率;t是时间参数,表征时间;τ是平移量;在离散小波变换中,“离散”的就是参数s和t,此时小波表达式写为:
其中j和k均是整数,s0=2,τ0=1;随着j取值的递增,尺度参数以2的j次方的形式增长;当使用上述一系列的子小波,对一个连续函数,即局部放电频率的电磁波信号进行离散分析时,即可得到一组小波分析的系数,从而提取出局部放电频率的电磁波信号在各频率段的信号特征,即频谱特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011068479.4A CN112198400B (zh) | 2020-09-30 | 2020-09-30 | 基于频谱感知特性的高压开关柜局部放电在线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011068479.4A CN112198400B (zh) | 2020-09-30 | 2020-09-30 | 基于频谱感知特性的高压开关柜局部放电在线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112198400A CN112198400A (zh) | 2021-01-08 |
CN112198400B true CN112198400B (zh) | 2024-04-09 |
Family
ID=74012995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011068479.4A Active CN112198400B (zh) | 2020-09-30 | 2020-09-30 | 基于频谱感知特性的高压开关柜局部放电在线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112198400B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113707161A (zh) * | 2021-09-22 | 2021-11-26 | 珠海华网科技有限责任公司 | 一种基于zynq平台播放局放信号音频的方法 |
CN114384383A (zh) * | 2022-03-22 | 2022-04-22 | 东华理工大学南昌校区 | 一种用于定位特高频局部放电点的电路及方法 |
CN118130983B (zh) * | 2024-05-08 | 2024-07-09 | 山东信友电器有限公司 | 一种配电柜异常检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101231858B1 (ko) * | 2012-01-12 | 2013-02-08 | 한국원자력연구원 | 노이즈환경에서 부분방전신호를 검출하는 부분방전 진단장치 및 이를 이용한 부분방전 진단방법 |
CN103558519A (zh) * | 2013-11-02 | 2014-02-05 | 国家电网公司 | 一种gis局部放电超声波信号识别方法 |
CN108169638A (zh) * | 2017-12-29 | 2018-06-15 | 山东中实易通集团有限公司 | 一种带电检测局部放电缺陷类型判定的方法 |
JP2018124108A (ja) * | 2017-01-31 | 2018-08-09 | 東京電力ホールディングス株式会社 | 部分放電を検出するための装置、システムおよび方法 |
CN109001600A (zh) * | 2018-07-25 | 2018-12-14 | 厦门纽锐科技有限公司 | 主动式全频段在线局部放电检测方法及系统 |
CN208477061U (zh) * | 2018-05-22 | 2019-02-05 | 上海宝钢工业技术服务有限公司 | 高压开关柜局部放电监测系统 |
CN111679166A (zh) * | 2020-07-23 | 2020-09-18 | 国家电网有限公司 | 基于无线传输技术的开关柜局部放电故障多源信息融合检测预警系统及方法 |
CN113702821A (zh) * | 2021-09-08 | 2021-11-26 | 吉林省电力科学研究院有限公司 | 一种提取gis局部放电信号的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6809523B1 (en) * | 1998-10-16 | 2004-10-26 | The Detroit Edison Company | On-line detection of partial discharge in electrical power systems |
-
2020
- 2020-09-30 CN CN202011068479.4A patent/CN112198400B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101231858B1 (ko) * | 2012-01-12 | 2013-02-08 | 한국원자력연구원 | 노이즈환경에서 부분방전신호를 검출하는 부분방전 진단장치 및 이를 이용한 부분방전 진단방법 |
CN103558519A (zh) * | 2013-11-02 | 2014-02-05 | 国家电网公司 | 一种gis局部放电超声波信号识别方法 |
JP2018124108A (ja) * | 2017-01-31 | 2018-08-09 | 東京電力ホールディングス株式会社 | 部分放電を検出するための装置、システムおよび方法 |
CN108169638A (zh) * | 2017-12-29 | 2018-06-15 | 山东中实易通集团有限公司 | 一种带电检测局部放电缺陷类型判定的方法 |
CN208477061U (zh) * | 2018-05-22 | 2019-02-05 | 上海宝钢工业技术服务有限公司 | 高压开关柜局部放电监测系统 |
CN109001600A (zh) * | 2018-07-25 | 2018-12-14 | 厦门纽锐科技有限公司 | 主动式全频段在线局部放电检测方法及系统 |
CN111679166A (zh) * | 2020-07-23 | 2020-09-18 | 国家电网有限公司 | 基于无线传输技术的开关柜局部放电故障多源信息融合检测预警系统及方法 |
CN113702821A (zh) * | 2021-09-08 | 2021-11-26 | 吉林省电力科学研究院有限公司 | 一种提取gis局部放电信号的方法及系统 |
Non-Patent Citations (3)
Title |
---|
R. Liao,et al.Recognition of Partial Discharge Patterns.《2012 IEEE Power and Energy Society General Meeting》.2012,第1-8页. * |
文远芳.《高压电技术》.华中科技大学出版社,2001,第126-129页. * |
高压开关柜状态综合评估方法研究;谢静;《中国优秀博士学位论文全文数据库(工程科技Ⅱ辑)》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112198400A (zh) | 2021-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112198400B (zh) | 基于频谱感知特性的高压开关柜局部放电在线检测方法 | |
Wang et al. | Separating multi-source partial discharge signals using linear prediction analysis and isolation forest algorithm | |
CN105548832B (zh) | 高压电力电缆故障识别方法 | |
KR102295214B1 (ko) | 고주파 전류센서를 이용한 배전반의 부분방전 검출 진단 시스템 | |
CN109799434A (zh) | 局部放电模式识别系统及方法 | |
CN107247218A (zh) | 一种配网线路故障类型识别方法 | |
CN110703078A (zh) | 基于频谱能量分析与自组织竞争算法的gis故障诊断方法 | |
Gao et al. | Investigation of frequency characteristics of typical PD and the propagation properties in GIS | |
CN116280628A (zh) | 一种高压电力设备耐压试验的局部放电测试方法 | |
Yi et al. | Insulation fault diagnosis of disconnecting switches based on wavelet packet transform and PCA-IPSO-SVM of electric fields | |
CN112462193A (zh) | 一种基于实时故障滤波数据的配电网自动重合闸判断方法 | |
CN113917294B (zh) | 基于小波分解的智能自适应电弧检测方法及其应用装置 | |
KR102377939B1 (ko) | Uhf 및 hfct 전기신호를 이용한 배전반 부분방전 감시진단 시스템 | |
Massaoudi et al. | UHF partial discharge localization in gas-insulated switchgears: Gradient boosting based approach | |
CN104655914A (zh) | Gis设备干扰信号和局部放电信号的检测方法与装置 | |
CN111913078A (zh) | 一种基于运行的输电线路故障识别方法 | |
CN108898189B (zh) | 一种vfto测量数据的指纹库建立方法及系统 | |
CN113612205B (zh) | 一种可识别雷击干扰的mmc-hvdc暂态量保护方法 | |
Zhu et al. | Extraction of partial discharge signal feature based on dual-tree complex wavelet transform and singular-value decomposition | |
CN105510725B (zh) | 高压线电压等级自适应判别方法 | |
CN109917245B (zh) | 考虑相位差的超声检测局部放电信号模式识别方法 | |
Ozansoy et al. | Optimal sampling requirements for robust and fast vegetation high impedance fault detection | |
CN111650502A (zh) | 基于电磁信号评估继电器老化状态的方法 | |
Swedan et al. | Enhancement of acoustic based partial discharge detection using pattern recognition techniques | |
CN109344814A (zh) | 一种gis机械状态信号特征提取方法 |
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 |