CN112254817B - 带电设备红外检测的精确故障诊断方法 - Google Patents
带电设备红外检测的精确故障诊断方法 Download PDFInfo
- Publication number
- CN112254817B CN112254817B CN202010972568.5A CN202010972568A CN112254817B CN 112254817 B CN112254817 B CN 112254817B CN 202010972568 A CN202010972568 A CN 202010972568A CN 112254817 B CN112254817 B CN 112254817B
- Authority
- CN
- China
- Prior art keywords
- temperature
- equipment
- fault
- area
- infrared detection
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 71
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000007613 environmental effect Effects 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000010438 heat treatment Methods 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 238000012314 multivariate regression analysis Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0096—Radiation pyrometry, e.g. infrared or optical thermometry for measuring wires, electrical contacts or electronic systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/80—Calibration
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明提供一种带电设备红外检测的精确故障诊断方法,包括以下步骤:S1、红外检测获取故障设备图像及温度分布数据;S2、获取环境温度和风速数据,判断是否满足温度补偿条件;S3、几何提取需进行温度补偿的故障区域;S4、将设备补偿参数和干扰环境参数引入温度补偿模型;S5、通过温度补偿模型的结果和设备预设的参数进行故障诊断;通过以上步骤实现带电设备的精确故障诊断。通过采用建立温度补偿模型,引入干扰环境参数和设备补偿参数,从而去除设备种类、外形形状结构因素对方法应用的限制;消除风速和环境温度对红外检测结果的干扰,得到设备故障区域的精确温度,从而确保对设备的故障做出精确诊断。
Description
技术领域
本发明涉及电力设备运行状态安全监测领域,特别是一种带电设备红外检测的精确故障诊断方法。
背景技术
带电设备的红外检测与诊断主要分为三种形式:1.人工检测;2.智能机器人检测,3.在线监测。由于电网中的红外检测涉及设备众多,客观条件的限制使得无法做到利用传感器对每个设备实施在线监测,因此目前及未来仍将以人工,智能机器人的定期大范围红外巡检为主。对于电气设备故障诊断来说必须将真实和最严重时段下的故障温度考虑在内,才能确保设备及电网的安全稳定运行。电气设备的红外巡检技术受环境因素影响明显,其中最为显著和广泛为风速与环境温度,它们通过影响设备故障区域的实际温度而对诊断结果造成干扰;使工作人员或判断系统不能全面了解设备故障温度变化情况,在检测以外的时间下出现的温度超限等更严重情况会被忽略;检测时获取的温度与相关指标不能真正反映出电气设备的故障程度,导致无法对设备故障进行准确评估,造成产生漏判,误判,给设备的后续运行埋下隐患。如图6中所示,左图为6m/秒风速条件下测量得到的变压器套管红外图像,右图为无风条件下测量得到的同一设备的变压器套管红外图像,其中,温差达到17.8℃,降幅达37.71%.
目前国内外对于综合解决红外巡检中风速与环境温度的干扰问题并没有有效的方法;仅以简单的经验修正系数补偿或修正得到的温度,其准确度无法满足工程实际需求。例如:LU Zhu-mao,LIU Qing.Research on Thermal Fault Detection TechnologyofPower Equipment based on Infrared Image Analysis[C].2018 IEEE 3rd AdvancedInformation Technology,Electronic and Automation Control Conference(IAEAC2018)中提出一种统一经验公式根据风速衰减因子来进行风速修正,但过于简易准确率低。这是因为设备冷却状况与多种因素有关,没有确定的风速衰减因子曲线,用简单的乘数因子并不起效。E.C.Bortoni;L.Santos.A Model to Extract Wind Influence FromOutdoor IR Thermal Inspections[J].IEEE Trans on Power Delivery,2013,28(3):1969-1970。该文献利用函数及其系数具体表征了风速对温度影响程度,但无法在实际工程中补偿或修正温度来使用,同时关于实际解决环境温度的干扰问题研究很少。中国电力行业标准DL/T 664-2016《带电设备红外诊断应用规范》中为了尽量减少影响提出检测时环境温度不低于0℃;对于一般检测风速不大于5m/s,精确检测风速不大于1.5m/s的规定,但研究表明实际上在风速较低的情况时,对于设备温度的影响效果已非常明显,试验中的某设备在风速为2.7m/s时其表面温度降低幅度已达80%。故通过限定一定的风速进行检测无法解决其对诊断结果造成的干扰,同时限制了红外检测技术的应用。
发明内容
本发明所要解决的技术问题是提供一种带电设备红外检测的精确故障诊断方法,能够减少环境干扰参数的影响,反演出带电设备的实际温度,实现带电设备的精确故障诊断。避免发生事故,确保设备安全。
为解决上述技术问题,本发明所采用的技术方案是:一种带电设备红外检测的精确故障诊断方法,包括以下步骤:
S1、红外检测获取故障设备图像及温度分布数据;
S2、获取环境温度和风速数据,判断是否满足故障区域温度补偿条件;
S3、几何提取温度补偿区域;
S4、将设备补偿参数和干扰环境参数引入温度补偿模型;
S5、通过温度补偿模型的结果和设备预设的参数进行故障诊断;
通过以上步骤实现带电设备的精确故障诊断。
优选的方案中,几何提取温度补偿区域包括设备体故障和点面故障;
体故障是指故障为带电设备的某一部分的整体,为立体几何区域;
点面故障是指故障为带电设备表面分布的规则或不规则平面区域;
将体故障和点面故障拟合成规则的几何体或平面,以作为温度补偿的对象。
优选的方案中,所述的设备补偿参数包括区域体积或区域对流表面积,还包括区域表面辐射率。
优选的方案中,所述的干扰环境参数包括风速和环境温度。
优选的方案中,由温度补偿模型得到当前最劣温度诊断指标;
所述的当前最劣温度诊断指标是指当天环境温度最高时设备故障区域无风时自然对流稳态温度。
优选的方案中,温度补偿模型是指以温度补偿区域为目标,将表面辐射率,环境温度,风速,有风时的强制对流稳态温度,故障区域热源体积,受风表面积作为自变量,将无风时的自然对流稳态温度作为因变量,在进行红外检测时,在获取的现有故障区域红外温度的基础上,利用温度补偿模型反向求出无风速与任意环境温度下的所述故障区域的设备温度。
优选的方案中,当前最劣温度诊断指标由温度补偿模型获得或者由检测获得,并将当前最劣温度诊断指标作为后继设备故障诊断的依据。
优选的方案中,采用支持向量机多变量回归分析的方法建立温度补偿模型;
采用径向基核函数:
K(x,xi)=exp(-γ||x-xi||2),γ>0
式中:xi为特征向量;γ为核参数;
最佳惩罚因子参数c值为1024,核函数方差参数g值为0.0442。
优选的方案中,对于电流致热型设备,将诊断标准中的设备故障区域温度和相对温差的计算用当前最劣温度替代;
根据补偿后的设备故障区域温度与温差进行设备的故障诊断。
优选的方案中,对于电压致热型设备:先根据图像特征进行判断,满足要求直接进行后续处理;若环境因素影响较大时,结合同类比较判断法,将设备故障区域和对应同类设备的相同区域温度均补偿至当前最劣温度,再进行温差判断。
本发明提供的一种带电设备红外检测的精确故障诊断方法,通过采用建立温度补偿模型,引入干扰环境参数和设备补偿参数,从而去除设备种类、外形形状结构因素对方法应用的限制;消除风速和环境温度对红外检测结果的干扰,得到设备故障区域的精确温度,从而确保对设备的故障做出精确诊断。优选的方案中,对故障区域进行几何提取,并分为体故障和点面故障,简化了计算难度,并且能够建立更符合实际情况的温度补偿模型,从而得到精确的计算结果。本发明能够成功解决目前困扰带电设备红外巡检与诊断过程中受到风速与环境温度干扰的问题,可适用于多种带电设备的温度补偿与故障诊断,具有普遍适用性且方法修正温度的精准度较高;使红外诊断指标能够更加全面准确的反映出设备的故障状态,打破风速与环境温度对诊断的限制,提高了带电设备红外诊断的准确性与可靠性。
附图说明
下面结合附图和实施例对本发明作进一步说明:
图1为本发明的设备体故障提取的示意图。
图2为本发明的设备点面故障提取的示意图。
图3为本发明的温度补偿模型预测值与实测值的差异对比。
图4为本发明的另一样本数据的温度补偿模型预测值与实测值的差异对比。
图5为本发明的精确故障诊断流程示意图。
图6为现有技术中室外变压器套管位置故障在不同风速条件下的红外检测实测温度对比示意图。
具体实施方式
实施例1:
如图5中,一种带电设备红外检测的精确故障诊断方法,包括以下步骤:
S1、红外检测获取故障设备图像及温度分布数据;
S2、获取环境温度和风速数据,判断是否满足故障区域温度补偿条件;
S3、几何提取温度补偿区域;
S4、将设备补偿参数和干扰环境参数引入温度补偿模型;
S5、通过温度补偿模型的结果和设备预设的参数进行故障诊断;
通过以上步骤实现带电设备的精确故障诊断。本发明通过以上步骤,克服了设备的几何形状对方法应用的限制;以及环境温度和风速对最终诊断结果的干扰,得出对设备的精确故障诊断。所述的设备预设的参数是指中国电力行业标准DL/T 664-2016《带电设备红外诊断应用规范》中所规定的不同设备的故障判断参数,例如变压器的套管柱头,一般缺陷是δ≥35%但热点温度没有达到严重缺陷温度值;而严重缺陷是热点温度大于55℃小于80℃或δ≥80%,但热点温度温度未达到紧急缺陷温度值;紧急缺陷是热点温度大于80℃或δ≥95%且热点温度大于55℃。
优选的方案如图1、2中,几何提取温度补偿区域包括设备体故障和点面故障;
体故障是指故障为带电设备的某一部分的整体,为立体几何区域;
点面故障是指故障为带电设备表面分布的规则或不规则平面区域;
将体故障和点面故障拟合成规则的几何体或平面,以作为温度补偿的对象。由此结构相对简化了问题的复杂程度,尤其是对于几何体便于区分迎风面和背风面,从而得出更精确的风速干扰参数,以反演出设备故障位置的精确温度。
优选的方案中,所述的设备补偿参数包括区域体积或区域对流表面积,还包括区域表面辐射率。设备自然对流稳态温度与表面辐射率的变化规律呈线性关系,不受环境温度的影响;其线性回归方程式为:
Tz=Tn+Δε*k2 (1)
其中:k2=-0.35S+0.309V+17.8。为不同区域自然对流稳态温度随表面辐射率变化的斜率;式中:Tn为表面辐射率设定为1的模型所得到的自然对流稳态温度;Δε为实际设备表面辐射率与1的差值;Tz为不同表面辐射率对应温度;热源体积为V,cm3,受风表面积为S,cm2。利用该式可获得设备表面材料不同时的自然对流稳态温度,简化了后续温度补偿模型,减少了样本数量。利用多物理场有限元分析对不同几何故障区域在风速与环境温度变化下的温度情况进行仿真。为简化分析难度和提高方法实用性,设定在进行短暂的红外故障检测时,设备温度已与环境条件达到稳定平衡状态;故障程度,风速及环境温度在该阶段保持不变;采用稳态模型进行分析并设定恒定内热源。室外电气设备的对流换热不必考虑高速与压缩流动时的气体粘性作用和近壁面边界层等情况,选择鲁棒性强,迭代速度快的标准K-epsilon湍流模型;热辐射针对不同设备表面材料选择适用包括玻璃在内任何介质的Discrete Ordinates模型;分析域中选用适用于大空间的标准大气压强下不可压缩理想空气。强制对流边界条件的设定同时考虑自然对流作用的存在,压力速度耦合方式采用对于计算低流速效果更好的SIMPLEC算法。通过改变几何区域的热源体积,对流表面积及干扰环境参数可模拟不同电气设备不同故障区域的温度变化情况。
优选的方案中,所述的干扰环境参数包括风速和环境温度。
优选的方案中,由温度补偿模型得到当前最劣温度诊断指标;
所述的当前最劣温度诊断指标是指当天环境温度最高时设备故障区域无风时自然对流稳态温度。
优选的方案中,温度补偿模型是指以温度补偿区域为目标,将表面辐射率,环境温度,风速,有风时的强制对流稳态温度,故障区域热源体积,受风表面积作为自变量,将无风时的自然对流稳态温度作为因变量,在进行红外检测时,在获取的现有故障区域红外温度的基础上,利用温度补偿模型反向求出无风速与任意环境温度下的所述故障区域的设备温度。
优选的方案中,当前最劣温度诊断指标由温度补偿模型获得或者由检测获得,并将当前最劣温度诊断指标作为后继设备故障诊断的依据。检测获得的无风条件下的实际温度,能够作为温度补偿模型的训练数据,以进一步提高温度补偿模型的精度。
优选的方案中,采用支持向量机多变量回归分析的方法建立温度补偿模型;
采用径向基核函数:
K(x,xi)=exp(-γ||x-xi||2),γ>0 (2)
式中:xi为特征向量;γ为核参数;
最佳惩罚因子参数c值为1024,核函数方差参数g值为0.0442。
优选的方案中,对于电流致热型设备,将诊断标准中的设备故障区域温度和相对温差的计算用当前最劣温度替代;
根据补偿后的设备故障区域温度与温差进行设备的故障诊断。
优选的方案中,对于电压致热型设备:先根据图像特征进行判断,满足要求直接进行后续处理;若环境因素影响较大时,结合同类比较判断法,将设备故障区域和对应同类设备的相同区域温度均补偿至当前最劣温度,再进行温差判断。
实施例2:
如图6中,以中国某地变电站现场实际红外检测图像为例,在风速为6m/s与无风时分别对设备进行检测,图中温度最高的变压器套管引线端在风速为6m/s时的强制对流稳态温度较无风速时自然对流稳态温度下降了37.7%;套管柱头在无风速检测情况下为47.2℃,有两处明显异常,属于电流致热型发热。
1)对红外图像中温度最高区域的变压器套管引线段进行温度补偿。根据该变压器型号获取引线端热源区域的设备补偿参数及环境干扰参数,其中设备的表面辐射率为0.95;检测时环境温度为18℃,风速为6m/s,利用本发明的温度补偿模型得到该处自然对流稳态温度应为:48.7℃;与实际测量温度47.2℃相比,误差为3%。
2)采用优选的诊断方法对变压器套管柱头进行故障诊断。该地区当天最高气温为32℃,利用温度补偿模型可得柱头的最劣温度为62.7℃,比检测时的温度高出19.1%,与设备当天实际最高温度59.3℃相比误差为6%。利用现有技术中的诊断方法在风速干扰的情况下套管柱头处故障诊断结果为无缺陷,如表1所示。仅排除风速的影响,诊断结果为一般缺陷;考虑环境温度的干扰,利用当前最劣温度进行诊断,诊断结果为严重故障,如表2所示。
表1 套管柱头有风时故障诊断情况表
风速为6m/s时热点温度 风速为6m/s时相对温差
套管柱头 23.8℃ 27.59%
缺陷判断 热点温度≤55℃, δ≤35%无缺陷。
表2 套管柱头无风时及引入新指标时故障诊断情况
上述的实施例仅为本发明的优选技术方案,而不应视为对于本发明的限制,本申请中的实施例及实施例中的特征在不冲突的情况下,可以相互任意组合。本发明的保护范围应以权利要求记载的技术方案,包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进,也在本发明的保护范围之内。
Claims (7)
1.一种带电设备红外检测的精确故障诊断方法,其特征是包括以下步骤:
S1、红外检测获取故障设备图像及温度分布数据;
S2、获取环境温度和风速数据,判断是否满足温度补偿条件;
S3、几何提取需进行温度补偿的故障区域;
S4、将设备补偿参数和干扰环境参数引入温度补偿模型;
所述的设备补偿参数包括区域体积或区域对流表面积,还包括区域表面辐射率;
所述的干扰环境参数包括风速和环境温度;
S5、通过温度补偿模型的结果和设备预设的参数进行故障诊断;
温度补偿模型是指以温度补偿区域为目标,将表面辐射率,环境温度,风速,有风时的强制对流稳态温度,故障区域热源体积,受风表面积作为自变量,将无风时的自然对流稳态温度作为因变量,在进行红外检测时,在获取的现有故障区域红外温度的基础上,利用温度补偿模型反向求出无风速与任意环境温度下的所述故障区域的设备温度;
通过以上步骤实现带电设备的红外精确故障诊断。
2.根据权利要求1所述的一种带电设备红外检测的精确故障诊断方法,其特征是:几何提取温度补偿区域包括设备体故障和点面故障;
体故障是指故障为带电设备的某一部分的整体,为立体几何区域;
点面故障是指故障为带电设备表面分布的规则或不规则平面区域;
将体故障和点面故障拟合成规则的几何体或平面,以作为温度补偿的对象。
3.根据权利要求1所述的一种带电设备红外检测的精确故障诊断方法,其特征是:由温度补偿模型得到当前最劣温度诊断指标;
所述的当前最劣温度诊断指标是指当天环境温度最高时设备故障区域无风时自然对流稳态温度。
4.根据权利要求3所述的一种带电设备红外检测的精确故障诊断方法,其特征是:当前最劣温度诊断指标由温度补偿模型获得或者由检测获得,并将当前最劣温度诊断指标作为后继设备故障诊断的依据。
5.根据权利要求3所述的一种带电设备红外检测的精确故障诊断方法,其特征是:采用支持向量机多变量回归分析的方法建立温度补偿模型;
采用径向基核函数:
K(x,xi)=exp(-γ||x-xi||2),γ>0
式中:xi为特征向量;γ为核参数;
最佳惩罚因子参数c值为1024,核函数方差参数g值为0.0442。
6.根据权利要求1所述的一种带电设备红外检测的精确故障诊断方法,其特征是:对于电流致热型设备,将诊断标准中的设备故障区域温度和相对温差的计算用当前最劣温度替代;
根据补偿后的设备故障区域温度与温差进行设备的故障诊断。
7.根据权利要求1所述的一种带电设备红外检测的精确故障诊断方法,其特征是:对于电压致热型设备,先根据图像特征进行判断,满足要求直接进行后续处理;若环境因素影响较大时,结合同类比较判断法,将设备故障区域和对应同类设备的相同区域温度均补偿至当前最劣温度,再进行温差判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010972568.5A CN112254817B (zh) | 2020-09-16 | 2020-09-16 | 带电设备红外检测的精确故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010972568.5A CN112254817B (zh) | 2020-09-16 | 2020-09-16 | 带电设备红外检测的精确故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112254817A CN112254817A (zh) | 2021-01-22 |
CN112254817B true CN112254817B (zh) | 2023-08-01 |
Family
ID=74232511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010972568.5A Active CN112254817B (zh) | 2020-09-16 | 2020-09-16 | 带电设备红外检测的精确故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112254817B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114511120B (zh) * | 2022-04-21 | 2022-07-19 | 浙江天铂云科光电股份有限公司 | 基于温度视觉电线的电力设备故障诊断方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530432A (zh) * | 2019-09-30 | 2019-12-03 | 国网山东省电力公司电力科学研究院 | 一种电网设备带电检测系统、红外热像仪及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4442070A1 (de) * | 1994-11-25 | 1996-05-30 | Hochspannungs Armaturenwerk | Verfahren zur Kontaktdiagnose an Elektroanlagen |
CN101979973B (zh) * | 2010-09-15 | 2012-10-24 | 青海电力科学试验研究院 | 高海拔下110kV及以上变压器散热能力测试及核算方法 |
CN102721479B (zh) * | 2012-04-16 | 2014-11-05 | 沈阳华岩电力技术有限公司 | 一种户外电气设备温升的在线监测方法 |
CN111624229B (zh) * | 2020-05-15 | 2023-03-17 | 嘉兴恒创电力设计研究院有限公司明绘分公司 | 一种基于红外成像的带电设备故障智能诊断方法 |
-
2020
- 2020-09-16 CN CN202010972568.5A patent/CN112254817B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530432A (zh) * | 2019-09-30 | 2019-12-03 | 国网山东省电力公司电力科学研究院 | 一种电网设备带电检测系统、红外热像仪及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112254817A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103901072B (zh) | 利用红外图谱分析诊断设备过热缺陷的方法 | |
CN111707971A (zh) | 一种避雷器绝缘状态检测方法 | |
CN206274265U (zh) | 一种变压器在线监测装置 | |
CN111460706B (zh) | Gil管廊在线监测及温度状态判别方法、系统 | |
CN104729746A (zh) | 一种温度采集故障自我修复系统 | |
CN103760480B (zh) | 利用红外测温技术判断复合绝缘子故障的方法 | |
CN112254817B (zh) | 带电设备红外检测的精确故障诊断方法 | |
CN105973934A (zh) | 一种变压器绕组材质智能诊断装置及方法 | |
CN111965214B (zh) | 一种架空线路复合绝缘子发热缺陷判断方法及系统 | |
CN103901291A (zh) | 一种变电设备内部绝缘缺陷的诊断方法 | |
CN112924046B (zh) | 一种环网柜电缆终端接头发热故障在线监测系统及方法 | |
Jiang et al. | Research on infrared image recognition method of power equipment based on deep learning | |
CN115372245A (zh) | 一种基于数字孪生技术的高温熔盐储罐腐蚀在线监测方法 | |
CN112036021A (zh) | 一种架空线路非接触式载流量测算方法及系统 | |
Ma et al. | Temperature compensation method for infrared detection of live equipment under the interferences of wind speed and ambient temperature | |
CN205808974U (zh) | 一种变压器绕组材质智能诊断装置 | |
CN112129415A (zh) | 一种基于温度动态校准的变电站红外测温装置及方法 | |
CN113640412A (zh) | 一种油浸式电力变压器在线监测装置及方法 | |
CN107860971B (zh) | 理论温度场模拟的配电表箱老化分析方法 | |
CN113884837A (zh) | 一种电缆局部放电在线监测分析系统及分析方法 | |
CN211261438U (zh) | 基于风机振动和信息融合的除霜控制系统 | |
CN109268692B (zh) | 一种供热管网井式补偿器泄漏监测系统及监测方法 | |
NL2026630B1 (en) | Accurate fault diagnosis method for infrared detection of live equipment | |
CN111257690A (zh) | 一种交叉互联高压电缆护层保护器故障诊断及定位方法 | |
CN115931246A (zh) | 一种氢冷发电机的气密性检测与故障处理系统及方法 |
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 |