CN112444314A - 一种基于振动噪声的电抗器异常报警系统及方法 - Google Patents
一种基于振动噪声的电抗器异常报警系统及方法 Download PDFInfo
- Publication number
- CN112444314A CN112444314A CN202011203372.6A CN202011203372A CN112444314A CN 112444314 A CN112444314 A CN 112444314A CN 202011203372 A CN202011203372 A CN 202011203372A CN 112444314 A CN112444314 A CN 112444314A
- Authority
- CN
- China
- Prior art keywords
- vibration noise
- data
- noise data
- database
- shunt reactor
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 35
- 230000005856 abnormality Effects 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C25/00—Arrangements for preventing or correcting errors; Monitoring arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
Abstract
本发明公开了一种基于振动噪声的电抗器异常报警系统及方法,属于电网环境保护技术领域。本发明系统,包括:监测终端,所述监测终端在线监测目标高压并联电抗器的振动噪声数据,并将振动噪声数据传输至云平台;云平台,所述云平台根据监测终端在线监测的历史振动噪声数据,搭建振动噪声数据的数据库,接收振动噪声数据,并对振动噪声数据与数据库进行对比,根据对比结果评估高压并联电抗器是否出现异常,若出现异常,针对异常报警。本发明可以实现主设备噪声的全自动在线监测,减小了人力投入,同时提高了监测数据的准确性,连续性和可用性,可以实现对并联电抗器的运行状态进行实时异常噪声预警。
Description
技术领域
本发明涉及电网环境保护技术领域,并且更具体地,涉及一种基于振动噪声的电抗器异常报警系统及方法。
背景技术
环境噪声是一种能量污染,且在时间和空间上具有瞬时性和随即机的特点,不同时刻和地点可能存在差异。
目前应用比较多的噪声检测方法仍然为传统的手工监测方法,即在不同时段对监测区域进行多频次的监测,然而,由于噪声的随机性和瞬时性,用传统监测方法获取的噪声数据的实时性和代表性差,并且需要花费较多的人力和物力,还不利于进一步准确地进行噪声分析、预测和治理。
高压并联电抗器是变电站的主要噪声源之一,也是变电站的主要设备之一,相对于其它电气量的监测,由于针对并联电抗器噪声的高精度长期监测终端缺乏,导致并联电抗器的噪声监测处于滞后状态,目前对电抗器噪声的监测普遍以人工为主,数据实时性、准确性较差,也难以进行长期不间断的噪声监测,这样也导致数据可用性差,数据不连续和不完备,无法采用机器学习等新技术进行数据挖掘分析,导致基于噪声大数据分析技术的电抗器故障分析和预警技术也长期停滞不前。
发明内容
针对上述问题,本发明提出了一种基于振动噪声的电抗器异常报警系统,包括:
监测终端,所述监测终端在线监测目标高压并联电抗器的振动噪声数据,并将振动噪声数据传输至云平台;
云平台,所述云平台根据监测终端在线监测的历史振动噪声数据,搭建振动噪声数据的数据库,接收振动噪声数据,并对振动噪声数据与数据库进行对比,根据对比结果评估高压并联电抗器是否出现异常,若出现异常,针对异常报警。
可选的,所述监测终端,包括:
供电模块,所述供电模块包括充电电池和太阳能电池板,用于为监测终端提供电源;
数据采集模块,所述数据采集模块,包括传感器和前置放大器,所述传感器采集高压并联电抗器的微弱电压信号,所述前置放大器将传感器采集的微弱电压信号放大,输出模拟电压信号并将模拟电压信号传输至数据采集模块;
数据采集模块,所述数据采集模块包括A/D模组、微处理器和存储器,所述A/D模块接收所述模拟电压信号,将模拟电压信号转换为数字电压信号,所述微处理器接收数字电压信号,以预设的数据算法对数字电压信号进行计算,输出振动噪声信号,所述存储器对振动噪声信号进行存储;
通讯模块,所述通讯模块调用数据采集模块存储的振动噪声信号,以预设的数据格式对振动噪声信号进行转换并生成振动噪声数据,将振动噪声数据传输至云平台。
可选的,振动噪声信号为1/3倍频程带上的噪声值。
可选的,数据库为1/3倍频程频带声压级数据库。
可选的,根据对比结果评估高压并联电抗器是否出现异常,具体包括:
选择数据库中N个频段上多个中心频率的噪声幅值,并对噪声幅值进行定义,并确定定义的噪声幅值权重;
根据数据库中高压并联电抗器运行情况正常时的1/3倍频程的频谱图,并确定每个频带上的触发阈值;
根据振动噪声数据,计算振动噪声数据的k个周期内的平均变化率,并确定平均变化率的权重系数;
根据确定的定义的噪声幅值权重、平均变化率的权重系数及每个频带上的触发阈值,判断振动噪声数据是否出现异常;
其中N和k均大于1。
本发明还提出了一种基于振动噪声的电抗器异常报警方法,包括:
在线监测目标高压并联电抗器的振动噪声数据;
根据在线监测的历史振动噪声数据,搭建振动噪声数据的数据库,调用振动噪声数据,并对振动噪声数据与数据库进行对比,根据对比结果评估高压并联电抗器是否出现异常,若出现异常,针对异常报警。
可选的,在线监测目标高压并联电抗器的振动噪声数据,包括:
采集高压并联电抗器的微弱电压信号,传感器采集的微弱电压信号放大,输出模拟电压信号;
将模拟电压信号转换为数字电压信号,以预设的数据算法对数字电压信号进行计算,输出振动噪声信号,并对振动噪声信号进行存储;
调用数据采集模块存储的振动噪声信号,以预设的数据格式对振动噪声信号进行转换并生成振动噪声数据。
可选的,振动噪声信号为1/3倍频程带上的噪声值。
可选的,数据库为1/3倍频程频带声压级数据库。
可选的,根据对比结果评估高压并联电抗器是否出现异常,具体包括:
选择数据库中N个频段上多个中心频率的噪声幅值,并对噪声幅值进行定义,并确定定义的噪声幅值权重;
根据数据库中高压并联电抗器运行情况正常时的1/3倍频程的频谱图,并确定每个频带上的触发阈值;
根据振动噪声数据,计算振动噪声数据的k个周期内的平均变化率,并确定平均变化率的权重系数;
根据确定的定义的噪声幅值权重、平均变化率的权重系数及每个频带上的触发阈值,判断振动噪声数据是否出现异常;
其中N和k均大于1。
本发明可以实现主设备噪声的全自动在线监测,减小了人力投入,同时提高了监测数据的准确性,连续性和可用性,可以实现对并联电抗器的运行状态进行实时异常噪声预警。
附图说明
图1为本发明一种基于振动噪声的电抗器异常报警系统结构图;
图2为本发明一种基于振动噪声的电抗器异常报警系统监测终端框架图;
图3为本发明一种基于振动噪声的电抗器异常报警方法流程图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
本发明提出了一种基于振动噪声的电抗器异常报警系统,如图1所示,包括:
监测终端,所述监测终端在线监测目标高压并联电抗器的振动噪声数据,并将振动噪声数据传输至云平台;
云平台,所述云平台根据监测终端在线监测的历史振动噪声数据,搭建振动噪声数据的数据库,接收振动噪声数据,并对振动噪声数据与数据库进行对比,根据对比结果评估高压并联电抗器是否出现异常,若出现异常,针对异常报警。
所述监测终端,如图2所示,包括:
供电模块,所述供电模块包括充电电池和太阳能电池板,用于为监测终端提供电源;
数据采集模块,所述数据采集模块,包括传感器和前置放大器,所述传感器采集高压并联电抗器的微弱电压信号,所述前置放大器将传感器采集的微弱电压信号放大,输出模拟电压信号并将模拟电压信号传输至数据采集模块;
数据采集模块,所述数据采集模块包括A/D模组、微处理器和存储器,所述A/D模块接收所述模拟电压信号,将模拟电压信号转换为数字电压信号,所述微处理器接收数字电压信号,以预设的数据算法对数字电压信号进行计算,输出振动噪声信号,所述存储器对振动噪声信号进行存储;
通讯模块,所述通讯模块调用数据采集模块存储的振动噪声信号,以预设的数据格式对振动噪声信号进行转换并生成振动噪声数据,将振动噪声数据传输至云平台。
振动噪声信号为1/3倍频程带上的噪声值。
数据库为1/3倍频程频带声压级数据库。
根据对比结果评估高压并联电抗器是否出现异常,具体包括:
选择数据库中N个频段上多个中心频率的噪声幅值,并对噪声幅值进行定义,并确定定义的噪声幅值权重;
根据数据库中高压并联电抗器运行情况正常时的1/3倍频程的频谱图,并确定每个频带上的触发阈值;
根据振动噪声数据,计算振动噪声数据的k个周期内的平均变化率,并确定平均变化率的权重系数;
根据确定的定义的噪声幅值权重、平均变化率的权重系数及每个频带上的触发阈值,判断振动噪声数据是否出现异常;
其中N和k均大于1。
根据对比结果评估高压并联电抗器是否出现异常,具体实施如下:
建立电抗器1/3倍频程频带声压级数据库,选择的中心频率为50Hz,63Hz,80Hz,100Hz,125Hz,160Hz,200Hz,250Hz,315Hz,400Hz等共计N个频段上的噪声幅值,分别定义为Lp1,Lp2,…,LpN。
根据电抗器正常运行情况时的1/3倍频程的频谱图,设置每个频带上的触发阈值L1,…,LN;
根据电抗器实际运行情况,设定k值,计算Lp1,Lp2,…,LpN在k周期内的平均变化率分别为,P1,P2,…,PN;
为Lp1,Lp2,…,LPn的数据,分别设置计算值权重系数X1,X2,…,XN,和变化率关系权重系数Y1,Y2,…,YN。
设置电抗器噪声异常特征系数LA的判定阈值LAP,取值范围为[0,1]。LA的计算方法如公式(2);
计算得出的LA>LAP时,可以认为信号具有显著的噪声异常特征,判定为“噪声异常”,LAP>LA>0.8LAP时判定为“噪声异常临界”,LA<0.8LAP时判定为“正常”。
本发明还提出了一种基于振动噪声的电抗器异常报警方法,如图3所示,包括:
在线监测目标高压并联电抗器的振动噪声数据;
根据在线监测的历史振动噪声数据,搭建振动噪声数据的数据库,调用振动噪声数据,并对振动噪声数据与数据库进行对比,根据对比结果评估高压并联电抗器是否出现异常,若出现异常,针对异常报警。
在线监测目标高压并联电抗器的振动噪声数据,包括:
采集高压并联电抗器的微弱电压信号,传感器采集的微弱电压信号放大,输出模拟电压信号;
将模拟电压信号转换为数字电压信号,以预设的数据算法对数字电压信号进行计算,输出振动噪声信号,并对振动噪声信号进行存储;
调用数据采集模块存储的振动噪声信号,以预设的数据格式对振动噪声信号进行转换并生成振动噪声数据。
振动噪声信号为1/3倍频程带上的噪声值。
数据库为1/3倍频程频带声压级数据库。
根据对比结果评估高压并联电抗器是否出现异常,具体包括:
选择数据库中N个频段上多个中心频率的噪声幅值,并对噪声幅值进行定义,并确定定义的噪声幅值权重;
根据数据库中高压并联电抗器运行情况正常时的1/3倍频程的频谱图,并确定每个频带上的触发阈值;
根据振动噪声数据,计算振动噪声数据的k个周期内的平均变化率,并确定平均变化率的权重系数;
根据确定的定义的噪声幅值权重、平均变化率的权重系数及每个频带上的触发阈值,判断振动噪声数据是否出现异常;
其中N和k均大于1;
本发明可以实现主设备噪声的全自动在线监测,减小了人力投入,同时提高了监测数据的准确性,连续性和可用性,可以实现对并联电抗器的运行状态进行实时异常噪声预警。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现,例如,面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种基于振动噪声的电抗器异常报警系统,所述系统包括:
监测终端,所述监测终端在线监测目标高压并联电抗器的振动噪声数据,并将振动噪声数据传输至云平台;
云平台,所述云平台根据监测终端在线监测的历史振动噪声数据,搭建振动噪声数据的数据库,接收振动噪声数据,并对振动噪声数据与数据库进行对比,根据对比结果评估高压并联电抗器是否出现异常,若出现异常,针对异常报警。
2.根据权利要求1所述的系统,所述监测终端,包括:
供电模块,所述供电模块包括充电电池和太阳能电池板,用于为监测终端提供电源;
数据采集模块,所述数据采集模块,包括传感器和前置放大器,所述传感器采集高压并联电抗器的微弱电压信号,所述前置放大器将传感器采集的微弱电压信号放大,输出模拟电压信号并将模拟电压信号传输至数据采集模块;
数据采集模块,所述数据采集模块包括A/D模组、微处理器和存储器,所述A/D模块接收所述模拟电压信号,将模拟电压信号转换为数字电压信号,所述微处理器接收数字电压信号,以预设的数据算法对数字电压信号进行计算,输出振动噪声信号,所述存储器对振动噪声信号进行存储;
通讯模块,所述通讯模块调用数据采集模块存储的振动噪声信号,以预设的数据格式对振动噪声信号进行转换并生成振动噪声数据,将振动噪声数据传输至云平台。
3.根据权利要求1所述的系统,所述振动噪声信号为1/3倍频程带上的噪声值。
4.根据权利要求1所述的系统,所述数据库为1/3倍频程频带声压级数据库。
5.根据权利要求1所述的系统,所述根据对比结果评估高压并联电抗器是否出现异常,具体包括:
选择数据库中N个频段上多个中心频率的噪声幅值,并对噪声幅值进行定义,并确定定义的噪声幅值权重;
根据数据库中高压并联电抗器运行情况正常时的1/3倍频程的频谱图,并确定每个频带上的触发阈值;
根据振动噪声数据,计算振动噪声数据的k个周期内的平均变化率,并确定平均变化率的权重系数;
根据确定的定义的噪声幅值权重、平均变化率的权重系数及每个频带上的触发阈值,判断振动噪声数据是否出现异常;
其中N和k均大于1。
6.一种基于振动噪声的电抗器异常报警方法,所述方法包括:
在线监测目标高压并联电抗器的振动噪声数据;
根据在线监测的历史振动噪声数据,搭建振动噪声数据的数据库,调用振动噪声数据,并对振动噪声数据与数据库进行对比,根据对比结果评估高压并联电抗器是否出现异常,若出现异常,针对异常报警。
7.根据权利要求6所述的方法,所述在线监测目标高压并联电抗器的振动噪声数据,包括:
采集高压并联电抗器的微弱电压信号,传感器采集的微弱电压信号放大,输出模拟电压信号;
将模拟电压信号转换为数字电压信号,以预设的数据算法对数字电压信号进行计算,输出振动噪声信号,并对振动噪声信号进行存储;
调用数据采集模块存储的振动噪声信号,以预设的数据格式对振动噪声信号进行转换并生成振动噪声数据。
8.根据权利要求6所述的方法,所述振动噪声信号为1/3倍频程带上的噪声值。
9.根据权利要求6所述的方法,所述数据库为1/3倍频程频带声压级数据库。
10.根据权利要求6所述的方法,所述根据对比结果评估高压并联电抗器是否出现异常,具体包括:
选择数据库中N个频段上多个中心频率的噪声幅值,并对噪声幅值进行定义,并确定定义的噪声幅值权重;
根据数据库中高压并联电抗器运行情况正常时的1/3倍频程的频谱图,并确定每个频带上的触发阈值;
根据振动噪声数据,计算振动噪声数据的k个周期内的平均变化率,并确定平均变化率的权重系数;
根据确定的定义的噪声幅值权重、平均变化率的权重系数及每个频带上的触发阈值,判断振动噪声数据是否出现异常;
其中N和k均大于1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011203372.6A CN112444314A (zh) | 2020-11-02 | 2020-11-02 | 一种基于振动噪声的电抗器异常报警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011203372.6A CN112444314A (zh) | 2020-11-02 | 2020-11-02 | 一种基于振动噪声的电抗器异常报警系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112444314A true CN112444314A (zh) | 2021-03-05 |
Family
ID=74735996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011203372.6A Pending CN112444314A (zh) | 2020-11-02 | 2020-11-02 | 一种基于振动噪声的电抗器异常报警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112444314A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112345855A (zh) * | 2020-10-30 | 2021-02-09 | 浙江大学 | 一种并联电抗器运行状态检测系统及方法 |
CN113252165A (zh) * | 2021-03-31 | 2021-08-13 | 国网河北省电力有限公司电力科学研究院 | 变电站噪声监测方法 |
CN114838810A (zh) * | 2022-03-25 | 2022-08-02 | 武汉理工大学 | 一种巡检机器人 |
CN114924157A (zh) * | 2022-06-16 | 2022-08-19 | 中国矿业大学(北京) | 一种基于5g传输的并联电抗器状态监测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1268414A (en) * | 1968-08-09 | 1972-03-29 | Int Standard Electric Corp | Signal-to-noise ratio measuring system |
CN1993285A (zh) * | 2004-08-18 | 2007-07-04 | 东芝电梯株式会社 | 电梯故障检修设备 |
US20120035885A1 (en) * | 2009-02-18 | 2012-02-09 | Optimized Systems And Solutions Limited | Method and apparatus for monitoring and analyzing vibrations in rotary machines |
US20140082686A1 (en) * | 2012-09-20 | 2014-03-20 | Ben Maxson | Characterizing ingress noise |
US20140129688A1 (en) * | 2012-11-02 | 2014-05-08 | Rockwell Automation Technologies, Inc. | Cloud based drive monitoring solution |
CN104266677A (zh) * | 2014-09-15 | 2015-01-07 | 国家电网公司 | 磁控并联电抗器运行健康状态评估方法 |
-
2020
- 2020-11-02 CN CN202011203372.6A patent/CN112444314A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1268414A (en) * | 1968-08-09 | 1972-03-29 | Int Standard Electric Corp | Signal-to-noise ratio measuring system |
CN1993285A (zh) * | 2004-08-18 | 2007-07-04 | 东芝电梯株式会社 | 电梯故障检修设备 |
US20120035885A1 (en) * | 2009-02-18 | 2012-02-09 | Optimized Systems And Solutions Limited | Method and apparatus for monitoring and analyzing vibrations in rotary machines |
US20140082686A1 (en) * | 2012-09-20 | 2014-03-20 | Ben Maxson | Characterizing ingress noise |
US20140129688A1 (en) * | 2012-11-02 | 2014-05-08 | Rockwell Automation Technologies, Inc. | Cloud based drive monitoring solution |
CN104266677A (zh) * | 2014-09-15 | 2015-01-07 | 国家电网公司 | 磁控并联电抗器运行健康状态评估方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112345855A (zh) * | 2020-10-30 | 2021-02-09 | 浙江大学 | 一种并联电抗器运行状态检测系统及方法 |
CN113252165A (zh) * | 2021-03-31 | 2021-08-13 | 国网河北省电力有限公司电力科学研究院 | 变电站噪声监测方法 |
CN113252165B (zh) * | 2021-03-31 | 2022-06-14 | 国网河北省电力有限公司电力科学研究院 | 变电站噪声监测方法 |
CN114838810A (zh) * | 2022-03-25 | 2022-08-02 | 武汉理工大学 | 一种巡检机器人 |
CN114924157A (zh) * | 2022-06-16 | 2022-08-19 | 中国矿业大学(北京) | 一种基于5g传输的并联电抗器状态监测方法及系统 |
CN114924157B (zh) * | 2022-06-16 | 2022-12-20 | 中国矿业大学(北京) | 一种基于5g传输的并联电抗器状态监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112444314A (zh) | 一种基于振动噪声的电抗器异常报警系统及方法 | |
WO2016058372A1 (zh) | 气体检测预警的方法、装置、系统及计算机存储介质 | |
KR101608275B1 (ko) | 전력설비 음향 진단 시스템 | |
EP2244250A1 (en) | Masking of tonal noise within sound generated by a noise source | |
CN106679797B (zh) | 并联电抗器隔声罩隔声量测试方法及装置 | |
KR101491017B1 (ko) | 전력 기기 음향 진단 장치 및 방법 | |
CN107038339B (zh) | 一种城市轨道交通环境振动的计算方法 | |
CN103208281A (zh) | 一种变步长调整的变压器噪声有源控制方法 | |
KR20090010430A (ko) | 기계 장치의 고장 진단 장치 | |
CN110646733A (zh) | 风电机组低电压穿越特征的测试方法、系统及存储介质 | |
CN110595612A (zh) | 电力设备噪声采集装置传声器灵敏度自动校准方法及系统 | |
JPH09229762A (ja) | 機器異常監視方法および装置 | |
WO2022044625A1 (ja) | 異常検出装置、異常検出方法及びプログラム | |
JP7001462B2 (ja) | 機器の耐震評価方法及び装置 | |
US11847018B2 (en) | Method for utility infrastructure fault detection and monitoring | |
KR101641269B1 (ko) | Emf 센서와 음향 센서를 이용한 부분방전 진단 시스템 | |
KR20150118456A (ko) | 감시 장치의 부분방전 진단 방법 | |
CN107194034B (zh) | 一种基于gpr的设备损伤检测方法及系统 | |
CN116592994A (zh) | 一种变压器运行监测方法、装置和电子设备 | |
JPH11212947A (ja) | 時系列データ予測方法および装置 | |
JPH11118593A (ja) | プラント異常監視装置 | |
CN110661261B (zh) | 一种用于低频振荡在线分析的pmu数据处理方法及装置 | |
JP5588231B2 (ja) | 傾向監視装置及びその方法 | |
CN213637092U (zh) | 并网火电机组自动发电控制系统性能指标预警装置 | |
CN116488342A (zh) | 基于参量分析的电缆监测方法及系统 |
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 |