CN112231624B - 基于物联网的多变压器绕组抗短路能力的实时评估系统 - Google Patents
基于物联网的多变压器绕组抗短路能力的实时评估系统 Download PDFInfo
- Publication number
- CN112231624B CN112231624B CN202010972883.8A CN202010972883A CN112231624B CN 112231624 B CN112231624 B CN 112231624B CN 202010972883 A CN202010972883 A CN 202010972883A CN 112231624 B CN112231624 B CN 112231624B
- Authority
- CN
- China
- Prior art keywords
- transformer
- winding
- circuit resistance
- short
- real
- 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
- 238000004804 winding Methods 0.000 title claims abstract description 51
- 238000011156 evaluation Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims abstract description 6
- 238000005562 fading Methods 0.000 claims abstract description 5
- 238000000691 measurement method Methods 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims abstract description 5
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 7
- 230000003750 conditioning effect Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- 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
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/62—Testing of transformers
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/72—Testing of electric windings
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明涉及基于物联网的变压器多状态量实时评估绕组抗短路能力系统，将多个传感器得到的变压器参量，分别上传至现场控制台和云平台；在现场控制台和远程集总控制台构建上位机，实时的反应异地远距离多变压器的运行参数，并分别构建本地数据库和云数据库对历史数据进行保存；利用渐消记忆的递推最小二乘法，辨识变压器绕组漏感；对振动信号进行集合经验模态分解，利用云相似性度量法获取敏感本征模函数，计算敏感本征模函数峭度因子。对振动信号进行小波包分析，获取其高频分量能量占比，并集合上述数据构建全局特征变量；搭建极限学习机模型，将变压器不同工况下的全局特征变量作为输入数据对其训练，得到变压器绕组抗短路能力智能诊断模型。
Description
技术领域
本发明涉及电力设备监测技术领域，具体为一种基于物联网的变压器多状态量实时评估绕组抗短路能力系统。
背景技术
电力变压器在电力系统中承载着变送电的重要任务。其运行环境及工作状态十分复杂，时常会发生不可抗力的短路故障导致的短路电流冲击，短路电流会使其绕组受到巨大的电磁力而发生变形。绕组形变具有一定的累积效应。当其形变不大时，对变压器正常运行影响甚微；当其形变累积到一定阈值时，即使不大的过电流也会使得变压器机械失效或绝缘击穿，造成的停电故障将会带来巨大的经济损失。这对变压器绕组的抗短路能力检测提出了更高的要求。现有的主流检测方法主要有：短路阻抗法、低压脉冲法、频率响应法。其中短路阻抗法主要表述为：绕组变形反应在参量上为变压器短路阻抗的变化，尤其和变压器漏感相关，通过对比额定值和测量值可以判定变压器状态。问题之一：上述方法均为离线检测手段，不能实时的反应变压器状态，无法实现多个变压器集总监控，且耗费大量人力物力。问题之二：短路阻抗难以直接测得，无法直观监测变压器阻抗状态，从而无法准确反应变压器绕组状态。问题之三：对变压器绕组的抗短路能力没有准确的判断模型，使得维护成本加大，绕组检修位置及维护时间难以确定。
发明内容
本发明的目的是为了解决以上现有技术的不足，提供一种连接方便的基于物联网的多变压器绕组抗短路能力的实时评估系统。
基于物联网的多变压器绕组抗短路能力的实时评估系统，包括以下步骤：
①通过集成电压互感器和集成电流互感器测得变压器一二次侧的电压离散值和电流离散值；
②将电压离散值和电流离散值及绕组电阻作为初值，应用渐消记忆的递推最小二乘法，辨识出绕组一二次侧漏感；
③将一二次测漏感参数显示在上位机上，根据偏差标准判断绕组健康状态；
④通过振动传感器及信号调理模块测得变压器的振动信号，并将振动信号进行集合经验模态分解得到多个本征模函数；
⑤将得到的本征模函数利用云相似性度量法进行辨别，得到一组关于振动信号的特征向量；
⑥对获取的振动信号进行小波变换并利用db4小波进行小波包分析，从而获取各个频段下信号的能量占比；
⑦将得到的能量占比以图表的方式实时显示在上位机上，通过与历史数据的对比及变化趋势判断绕组的抗短路能力；
⑧在现场控制台构建本地SQL数据库，将振动信号的特征向量增广为全局特征向量，并将全局特征向量作为一组输入数据保存在数据库中；
⑨建立极限学习机模型，对极限学习机模型进行训练测试，使其具备针对该型号变压器的绕组故障检测及绕组抗短路能力评估能力，并在后续投产后不断完善模型，实现对该型号变压器绕组抗短路能力的监测。
作为进一步改进，所述的云相似性度量法通过判断样本点特征云相量余弦值与阈值的关系，片选出敏感IMF，分别计算敏感IMF分量的峭度因子，从而得到一组关于振动信号的特征向量。
作为进一步改进，所述的全局特征向量包括振动信号特征向量、高频小波能量占比、一二次测绕组漏感值、电流有效值。
作为进一步改进，极限学习机模型的输入数据来自于全局特征向量组，所述的全局特征向量数据组由变压器出现匝间短路冲击、区外短路、绕组紧固件松动等一系列故障情况时以及正常运行时得到的全局特征向量组成。
有益效果：
变压器绕组漏感值与绕组变形程度息息相关但实时性及轻微变形反应不足，振动信号能及时的反映绕组受到短路冲击、紧固件松动、轻微变形等故障，绕组受到的电磁力与电流的有效值平方成正比，将采集到的变压器参量经过变换分析，构建关于上述数值集合的特征向量，得到变压器在该时段下的特征向量，可以很好的对绕组抗短路能力进行评估。
附图说明
图1是基于物联网的多变压器绕组抗短路能力的实时评估系统的总体架构图；
图2是基于物联网的多变压器绕组抗短路能力的实时评估系统的感知层及传输层图；
图3是基于物联网的多变压器绕组抗短路能力的实时评估系统的现场应用层图；
图4是基于物联网的多变压器绕组抗短路能力的实时评估系统的远方集总终端应用层图；
具体实施方式
为了加深对本发明的理解，下面将结合实施例和附图对本发明作进一步详述，该实施例仅用于解释本发明，并不构成对本发明保护范围的限定。
下面将结合附图，对本发明的技术方案进行清晰完整地描述。
图1为系统的整体架构，不同位置距离的变压器将相关参数分别上传至现场控制台和云平台的不同标号接口。现场控制台对现场变压器进行指定操作控制。远程集总控制台按照云平台标号接口，对标号不同的变压器数据进行下载，将数据标签后再进行显示分析控制调度等操作，从而实现异地远距离多变压器的物联监测。
图2为感知层及传输层的构建，感知层方面采用集成电压互感器、集成电流互感器、集成温湿度传感器、现场数显模块、以及振动传感器及调理模块进行变压器运行相关参数的测量。其中集成电压电流以及温湿度传感器分别将一二次侧电压、一二次测电流、变压器运行温湿度转换为微控制器电压阈值下的合理电压，即得到该参数的瞬时模拟信号。现场数显模块将电压有效值、电流有效值、有功功率数值保存在内部RAM中。振动传感器及调理模块将变压器运行时的信号转换为可监测量进行上传。
传输层方面将电压电流互感器、温湿度传感器获得的模拟信号进行模数转换并进行真值转换，以DMA的方式保存在微控制器内部RAM中，以减少CPU的占有率，提高转换速度。此时保存在微控制器内部RAM中的数据为离散的电压、电流、温度、湿度数据。数显模块中的数据通过RS485接口与微控制器进行连接，双方遵循ModBus传输协议进行数据传输，同样将数据保存在微控制器内部RAM中。
微控制器将数据进行分类，以串行通信总线的方式上传至现场控制台
微控制器将遵循MQTT通信协议对数据进行分类及打包，通过SIM模块，将数据连接GPRS网络上传至云平台。
远程控制台连接云平台后，同样遵循MQTT通信协议对数据进行下载分包，从而获得变压器实时的多状态量，当远程控制台监测多个变压器状态时，将从云平台获取不同标号的变压器数据进行分类处理。
图3为现场应用层的构建，现场应用层主要为现场控制台上位机的构建以及本地数据库的构建。上位机主要包括的内容有电压电流真值实时显示、温湿度及振动信号实时显示、漏感参数辨识值、振动信号各频段高频信号和低频信号占比、绕组抗短路能力评估情况显示、报警、风扇、开合闸等现场人机交互控制。
漏感参数辨识值采用渐消记忆的递推最小二乘算法得出，实现在线检测变压器的绕组漏感，来判断变压器绕组变形程度。
单相双绕组变压器的数学模型如下：
其中等式左侧为观测值，R1、L1、R2、L2为待辨识参数。
实现渐消记忆的递推最小二乘算法如下：
θ(k)＝θ(k-1)+K(k-1)[y(k)-xT(k-1)θ(k-1)]
其中θ(k)为参数值，y(k)为观测值，x(k-1)为输入系数矩阵，λ为遗忘因子。
对振动信号进行EEMD分解后，得到多个IMF，只有部分IMF包含了真正的故障信息，故需要片选出特征IMF云相似性片选敏感IMF的过程如下：
对于样本点xi和样本点yj，分别获取其云向量如下：
其中Ex为期望、En为熵、Ee为超熵。
两个样本点的相似度由向量夹角余弦表示，当其超过设定阈值时认为IMFj为敏感IMF，并予以保留。
求取敏感IMF的峭度因子并构建振动信号特征向量，峭度因子表达式如下：
其中xrms为均方根值。
对振动信号进行小波变换，并利用db4小波对信号进行小波包分析，变压器在出现短路冲击、绕组振动异常时，其高频信号能量占比显著增多，小波包分析得到的各频段信号能量实时的显示在上位机上，计算差值百分比并保存数据。
在现场控制台及云平台构建SQL数据库用来保存一定历史时间内变压器各参量的数值，构建极限学习机模型，并对模型进行训练测试，训练及测试的数据来自于对指定型号变压器在绕组轻微故障、中度故障和严重故障以及正常状态下的全局特征向量提取，全局特征向量包括振动信号特征向量、高频小波能量占比、一二次测绕组漏感值、电流有效值。在变压器投产后，不断记录数据，提高模型性能，实现对绕组抗短路能力的监测与评估。
图4为远程集总控制台应用层的构建，远程集总控制台上位机的构建主要包括物联信息接收、多变压器参量实时显示、远方多台变压器标号显示以及远程调度控制。通过远程物联终端的构建可以实时的对异地多位置远距离的不同变压器进行集中监控和调度，在物联平台上构建云数据库来保存一定时间内的变压器参数数据。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (1)
1.基于物联网的多变压器绕组抗短路能力的实时评估系统，其特征在于，包括以下步骤：
①通过集成电压互感器和集成电流互感器测得变压器一二次侧的电压离散值和电流离散值；
②将电压离散值和电流离散值及绕组电阻作为初值，应用渐消记忆的递推最小二乘法，辨识出绕组一二次侧漏感；
③将一二次测漏感参数显示在上位机上，根据偏差标准判断绕组健康状态；
④通过振动传感器及信号调理模块测得变压器的振动信号，并将振动信号进行集合经验模态分解得到多个本征模函数；
⑤将得到的本征模函数利用云相似性度量法进行辨别，得到一组关于振动信号的特征向量；
⑥对获取的振动信号进行小波变换并利用db4小波进行小波包分析，从而获取各个频段下信号的能量占比；
⑦将得到的能量占比以图表的方式实时显示在上位机上，通过与历史数据的对比及变化趋势判断绕组的抗短路能力；
⑧在现场控制台构建本地SQL数据库，将振动信号的特征向量增广为全局特征向量，并将全局特征向量作为一组输入数据保存在数据库中；
⑨建立极限学习机模型，对极限学习机模型进行训练测试，使其具备针对变压器的绕组故障检测及绕组抗短路能力评估能力，并在后续投产后不断完善模型，实现对变压器绕组抗短路能力的监测；
所述的云相似性度量法通过判断样本点特征云相量余弦值与阈值的关系，片选出敏感IMF，分别计算敏感IMF分量的峭度因子，从而得到一组关于振动信号的特征向量；
所述的全局特征向量包括振动信号特征向量、高频小波能量占比、一二次测绕组漏感值、电流有效值；
极限学习机模型的输入数据来自于全局特征向量组，所述的全局特征向量数据组由变压器出现匝间短路冲击、区外短路、绕组紧固件松动等一系列故障情况时以及正常运行时得到的全局特征向量组成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010972883.8A CN112231624B (zh) | 2020-09-16 | 2020-09-16 | 基于物联网的多变压器绕组抗短路能力的实时评估系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010972883.8A CN112231624B (zh) | 2020-09-16 | 2020-09-16 | 基于物联网的多变压器绕组抗短路能力的实时评估系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112231624A CN112231624A (zh) | 2021-01-15 |
| CN112231624B true CN112231624B (zh) | 2024-03-26 |
Family
ID=74108337
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010972883.8A Active CN112231624B (zh) | 2020-09-16 | 2020-09-16 | 基于物联网的多变压器绕组抗短路能力的实时评估系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112231624B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114091534A (zh) * | 2021-11-18 | 2022-02-25 | 东北电力大学 | 一种基于小波包尺度-能量占比的绕组振动特征辨识方法 |
| CN116626417A (zh) * | 2023-05-17 | 2023-08-22 | 三科调压电源(深圳)有限公司 | 调压整流变压器的抗短路能力测试系统及方法 |
| CN117872017B (zh) * | 2024-01-19 | 2024-09-24 | 安徽泰格电气科技股份有限公司 | 一种基于物联网的铁芯变压器运行监测警报系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102788931A (zh) * | 2012-07-18 | 2012-11-21 | 嘉兴学院 | 用于电力变压器绕组故障的诊断方法 |
| CN103163420A (zh) * | 2011-12-08 | 2013-06-19 | 沈阳工业大学 | 电力变压器智能在线状态评判方法 |
| CN103281031A (zh) * | 2013-06-17 | 2013-09-04 | 华北电力大学 | 基于可测电气量的鼠笼式异步电机等值电路参数辨识方法 |
| WO2016058435A1 (zh) * | 2014-10-16 | 2016-04-21 | 江苏省电力公司泰州供电公司 | 变压器外部故障下绕组状态评估方法 |
| CN105911407A (zh) * | 2016-04-07 | 2016-08-31 | 国网山东省电力公司电力科学研究院 | 基于物元增广可拓关联的变压器状态模糊集对评估方法 |
| CN109029959A (zh) * | 2018-08-27 | 2018-12-18 | 深圳供电局有限公司 | 一种变压器绕组的机械状态检测方法 |
| CN109374119A (zh) * | 2018-09-29 | 2019-02-22 | 国网山西省电力公司阳泉供电公司 | 变压器振动信号特征量提取方法 |
| CN109374323A (zh) * | 2018-09-29 | 2019-02-22 | 国网山西省电力公司阳泉供电公司 | 基于振动信号指标能量的变压器机械故障检测方法 |
| CN109948597A (zh) * | 2019-04-26 | 2019-06-28 | 福州大学 | 一种高压断路器机械故障诊断方法 |
| CN111220373A (zh) * | 2020-03-18 | 2020-06-02 | 北京工业大学 | 一种离心泵转子系统故障诊断的方法 |
-
2020
- 2020-09-16 CN CN202010972883.8A patent/CN112231624B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103163420A (zh) * | 2011-12-08 | 2013-06-19 | 沈阳工业大学 | 电力变压器智能在线状态评判方法 |
| CN102788931A (zh) * | 2012-07-18 | 2012-11-21 | 嘉兴学院 | 用于电力变压器绕组故障的诊断方法 |
| CN103281031A (zh) * | 2013-06-17 | 2013-09-04 | 华北电力大学 | 基于可测电气量的鼠笼式异步电机等值电路参数辨识方法 |
| WO2016058435A1 (zh) * | 2014-10-16 | 2016-04-21 | 江苏省电力公司泰州供电公司 | 变压器外部故障下绕组状态评估方法 |
| CN105911407A (zh) * | 2016-04-07 | 2016-08-31 | 国网山东省电力公司电力科学研究院 | 基于物元增广可拓关联的变压器状态模糊集对评估方法 |
| CN109029959A (zh) * | 2018-08-27 | 2018-12-18 | 深圳供电局有限公司 | 一种变压器绕组的机械状态检测方法 |
| CN109374119A (zh) * | 2018-09-29 | 2019-02-22 | 国网山西省电力公司阳泉供电公司 | 变压器振动信号特征量提取方法 |
| CN109374323A (zh) * | 2018-09-29 | 2019-02-22 | 国网山西省电力公司阳泉供电公司 | 基于振动信号指标能量的变压器机械故障检测方法 |
| CN109948597A (zh) * | 2019-04-26 | 2019-06-28 | 福州大学 | 一种高压断路器机械故障诊断方法 |
| CN111220373A (zh) * | 2020-03-18 | 2020-06-02 | 北京工业大学 | 一种离心泵转子系统故障诊断的方法 |
Non-Patent Citations (7)
| Title |
|---|
| 基于敏感瞬态冲击特征提取与分层极限学习机的行星齿轮箱故障诊断研究;秦波;尹恒;王卓;赵文军;马涛;王建国;;机械强度(02);25-34 * |
| 曹辰 ; 林莘 ; 李辉 ; 徐建源 ; .电力变压器绕组变形状态信息融合评估方法.高电压技术.2018,(第4期),73-79. * |
| 李学斌 ; 于在明 ; 程远 ; 张彬 ; 李斌 ; .变压器绕组机械振动信号特征提取方法研究.电气应用.2017,(第8期),28-33. * |
| 漏电抗的参数辨识技术在线监测变压器绕组变形的研究;欧小波;汲胜昌;彭晶;吕亮;郭俊;;高压电器(12);46-49 * |
| 秦波 ; 杨云中 ; 陈敏 ; 郭伟 ; 刘永亮 ; 王建国 ; .基于两类特征和最小二乘支持向量机的齿轮故障诊断方法.机械传动.2016,(第6期),131-136. * |
| 贺启飞 ; 郝治国 ; 张晓静 ; 张保会 ; 王进 ; .基于故障录波信息的变压器绕组变形评估系统.智能电网.2017,(第6期),69-73. * |
| 高晶 ; 王建华 ; 张保会 ; 郝治国 ; 邵博 ; .变压器漏电感参数在线辨识方法研究.西安交通大学学报.2008,(第2期),77-81. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112231624A (zh) | 2021-01-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112231624B (zh) | 基于物联网的多变压器绕组抗短路能力的实时评估系统 | |
| CN109444791B (zh) | 一种电容式电压互感器误差状态评估方法和系统 | |
| CN106655522B (zh) | 一种适用于电网二次设备运维管理的主站系统 | |
| CN113156917B (zh) | 基于人工智能的电网设备故障诊断方法及系统 | |
| CN110763929A (zh) | 一种换流站设备智能监测预警系统及方法 | |
| CN107255792A (zh) | 一种电子式电压互感器误差在线监测方法及系统 | |
| CN110133393A (zh) | 一种基于非侵入式监测技术的用电监测系统及方法 | |
| CN103823433A (zh) | 一种使用通讯过程分析实现继电保护设备在线监测的方法 | |
| CN112947127A (zh) | 智慧用电控制管理系统 | |
| CN113466597A (zh) | 一种轨道交通供电系统设备状态智能检测方法 | |
| CN113763667A (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
| CN112614020A (zh) | 一种基于电能质量的电力推进状态评估系统 | |
| CN113341813A (zh) | 一种城市燃气中低压管网检测方法及系统 | |
| CN207007216U (zh) | 一种输电线路的覆冰故障监测装置 | |
| CN113049035A (zh) | 一种基于物联网的变压器状态监测系统 | |
| CN112560888A (zh) | 基于辛几何变换评估变压器绕组抗短路能力的方法及系统 | |
| CN109149776A (zh) | 应用于智能电网的输电线路可靠监测系统 | |
| CN108093210A (zh) | 一种变压器油位告警系统及其告警方法 | |
| CN117394311B (zh) | 一种基于多源信息融合的配电网韧性评估及紧急控制方法 | |
| CN106771801A (zh) | 一种电容器组在线监测装置及其应用方法 | |
| Li et al. | Real time evaluation algorithm for measurement performance of substation voltage transformer based on artificial neural network | |
| CN112085043A (zh) | 一种变电站网络安全智能监控方法及系统 | |
| CN107482783B (zh) | 一种厂用电监测及控制综合智能化系统 | |
| CN112147409B (zh) | 低压配电线路在线阻抗检测方法及装置 | |
| CN220912359U (zh) | 一种变压器综合参数智能在线监测系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |