CN112595919A - 避雷器的故障检测系统、方法及装置、服务器 - Google Patents
避雷器的故障检测系统、方法及装置、服务器 Download PDFInfo
- Publication number
- CN112595919A CN112595919A CN202011619540.XA CN202011619540A CN112595919A CN 112595919 A CN112595919 A CN 112595919A CN 202011619540 A CN202011619540 A CN 202011619540A CN 112595919 A CN112595919 A CN 112595919A
- Authority
- CN
- China
- Prior art keywords
- data
- detection
- fault
- lightning arrester
- fault 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 200
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000007613 environmental effect Effects 0.000 claims abstract description 25
- 230000006870 function Effects 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 12
- 238000009413 insulation Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000000126 substance Substances 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Abstract
本申请提供的避雷器的故障检测系统、方法、装置及服务器,对电力参数传感器和环境参数传感器采集的数据,获取检测数据,并基于检测数据以及故障检测模型,确定避雷器的故障检测结果,从而能够准确而快速地确定故障的避雷器。
Description
技术领域
本申请涉及电力设备维护领域,尤其涉及一种避雷器的故障检测系统、方法及装置、服务器。
背景技术
避雷器是连接在导线和地之间的一种防止雷击的设备,通常与被保护设备并联。避雷器可以有效的保护电力设备,一旦出现不正常电压,避雷器产生作用,起到保护作用,当电压值正常后,避雷器又迅速恢复原状,以保证系统正常供电。避雷器不仅可用来防护大气高电压,也可用来防护操作高电压。所以,对避雷器进行故障检测具有重要意义。
现有技术中,通常是根据人为经验判断某个避雷器是否可能发生故障,极容易漏掉故障的避雷器。或者沿线逐个检查避雷器以判断是否发生故障,因此,需要准确找到故障点则需消耗时间过多,而不能及时找到故障点并对故障的避雷器进行维修或更换,则很可能引起该避雷器所在线路段受到雷击,进而造成大面积停电。
可见,如何能够准确而快速地确定故障的避雷器,成为目前亟待解决的问题。
发明内容
本申请提供了一种避雷器的故障检测系统、方法及装置、服务器,目的在于解决如何能够准确而快速地确定故障的避雷器的问题。
为了实现上述目的,本申请提供了以下技术方案:
一种避雷器的故障检测系统,包括:
与避雷器相连的电力参数传感器和环境参数传感器、与所述电力参数传感器和环境参数传感器分别相连的传输组件、检测服务器;
所述传输组件用于,基于所述电力参数传感器和环境参数传感器采集的数据,获取检测数据,并将所述检测数据发送至所述检测服务器;
所述检测服务器用于,基于所述检测数据以及故障检测模型,确定所述避雷器的故障检测结果,所述故障检测模型通过学习样本故障避雷器的检测数据的特征构建。
可选的,所述电力参数传感器包括:
电流电压互感器。
可选的,所述述电力参数传感器采集的数据包括:
泄漏电流、阻性电流、绝缘电阻、工频放电电压、冲击次数、以及局部放电参数。
可选的,所述环境参数传感器包括:
温度传感器和/或湿度传感器;
所述环境参数传感器采集的数据包括:温度和/或湿度。
可选的,所述传输组件包括:
处理器和无线传输组件。
可选的,还包括:
模型构建服务器,用于构建并训练所述故障检测模型;
其中,训练所述故障检测模型的过程包括:
获取已停用避雷器的检测数据和状态数据,作为第一样本数据,所述已停用避雷器的状态数据指示所述已停用避雷器为故障或非故障;
获取配置故障避雷器的检测数据和状态数据,作为第二样本数据,所述配置故障避雷器为按照故障类型被配置为故障状态的避雷器;
将样本数据中的第一比例的数据作为训练样本,训练预先构建的模型,得到训练后模型;所述样本数据包括所述第一样本数据和所述第二样本数据;
在使用剩余数据验证所述训练后模型满足条件后,将所述训练后模型作为所述故障检测模型,所述剩余数据为所述样本数据中,除所述训练样本之外的数据。
可选的,所述检测服务器用于,基于所述检测数据以及故障检测模型,确定所述避雷器的故障检测结果,包括:
所述检测服务器具体用于,将所述检测数据输入所述故障检测模型,并依据所述故障检测模型的输出数据,确定所述避雷器的故障检测结果;
其中,所述故障检测模型依据所述检测数据得到所述输出数据的过程包括:
将所述检测数据进行聚类运算,得到聚类中心,计算所述检测数据与所述聚类中心的范数,依据所述范数确定高斯函数的参数,将所述参数代入所述高斯函数,得到目标数值,依据所述范数、所述检测数据和所述聚类中心确定权值,将所述权值与所述目标数值的加权和,作为所述输出数据。
一种避雷器的故障检测方法,包括:
接收检测数据,所述检测数据依据所述避雷器的电力参数和环境参数获取;
基于所述检测数据以及故障检测模型,确定所述避雷器的故障检测结果,其中,所述故障检测模型用于,将所述检测数据进行聚类运算,得到聚类中心,计算所述检测数据与所述聚类中心的范数,依据所述范数确定高斯函数的参数,将所述参数代入所述高斯函数,得到目标数值,依据所述范数确定权值,将所述权值与所述目标数值的加权和,作为输出数据。
一种避雷器的故障检测装置,包括:
接收模块,用于接收检测数据,所述检测数据依据所述避雷器的电力参数和环境参数获取;
检测模块,用于基于所述检测数据以及故障检测模型,确定所述避雷器的故障检测结果,其中,所述故障检测模型用于,将所述检测数据进行聚类运算,得到聚类中心,计算所述检测数据与所述聚类中心的范数,依据所述范数确定高斯函数的参数,将所述参数代入所述高斯函数,得到目标数值,依据所述范数确定权值,将所述权值与所述目标数值的加权和,作为输出数据。
一种避雷器的故障检测服务器,包括存储器和处理器;
所述存储器用于存储程序;
所述处理器用于运行所述程序,以实现上述的避雷器的故障检测方法。
本申请提供的避雷器的故障检测系统、方法、装置及服务器,对电力参数传感器和环境参数传感器采集的数据,获取检测数据,并基于检测数据以及故障检测模型,确定避雷器的故障检测结果,从而能够准确而快速地确定故障的避雷器。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种避雷器的故障检测系统的结构示意图;
图2为本申请实施例公开的一种避雷器的故障检测方法的流程图;
图3为本申请实施例公开的检测模型依据检测数据,输出数据的过程的流程图;
图4为本申请实施例公开的又一种避雷器的故障检测系统的结构示意图;
图5为本申请实施例公开的故障检测模型的训练过程的流程图;
图6为本申请实施例公开的避雷器的故障检测装置的结构示意图。
具体实施方式
本申请实施例提供的技术方案,通过对避雷器安装辅助检测设备,并使用预先构建的模型,自动检测避雷器是否故障,从而实现准确且快速定位故障的避雷器的目的。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请实施例公开的一种避雷器的故障检测系统,包括:电力参数传感器1、环境参数传感器2、传输组件3和检测服务器4。
其中,电力参数传感器1和环境参数传感器2分别与避雷器相连。电力参数传感器1和环境参数传感器2分别与传输组件3相连。传输组件3与检测服务器4数据相连。
可选的,电力参数传感器1可以为电流电压互感器。电流电压互感器能够采集到的检测参数包括但不限于:泄漏电流、阻性电流、绝缘电阻、工频放电电压、冲击次数、以及局部放电参数。
可选的,环境参数传感器2可以为温度传感器以及湿度传感器中的至少一项。温度传感器可以采集温度数据,温度传感器可以采集湿度数据。因为温度和湿度对于避雷器的寿命的影响较大,所以本实施例中,使用温度传感器以及湿度传感器。实际中,可以依据避雷器所处的具体地域环境,设置其它环境参数的传感器,例如空气成分传感器等。
可选的,传输组件3包括处理器31和无线传输组件32。其中,处理器31用于对接收到的电力参数传感器1和环境参数传感器2的数据进行处理,得到处理后数据,其中,处理可以包括清洗等,这里不做限定。无线传输组件32用于将处理后数据发送至检测服务器。
图2所示的各个部件之间的相互协作,实现故障检测的流程如图2所示,包括以下步骤:
S21、电力参数传感器1和环境参数传感器2分别采集检测数据。
如前所述,电力参数传感器1采集泄漏电流、阻性电流、绝缘电阻、工频放电电压、冲击次数、以及局部放电参数。环境参数传感器2采集温度和湿度数据。
可以理解的是,传感器可以使用预设周期采集数据,也可以实时采集数据,这里不做限定。
S22、处理器31接收到检测数据,对检测数据进行处理。
具体的处理步骤可以预先配置在处理器31中。可以理解的是,S2为可选步骤,也可以直接传输传感器采集的原始数据。
S23、处理器31控制传输组件32将检测数据发送至检测服务器4。
其中,控制的具体实现方式可以参见现有技术,这里不再赘述。
S24、检测服务器4将检测数据输入故障检测模型,并依据故障检测模型的输出数据,确定避雷器的故障检测结果。
具体的,故障检测模型依据检测数据得到输出数据的过程包括:将检测数据进行聚类运算,得到聚类中心,计算检测数据与聚类中心的范数,依据范数确定高斯函数的参数,将参数代入高斯函数,得到目标数值,依据范数确定权值,将权值与目标数值的加权和,作为输出数据。
具体的,输出数据为数值,再依据数值与故障类型的对应关系,输出数据对应的故障类型,可以理解的是,如果输出数据不对应任一种故障类型,则可以确定避雷器没有发生故障。
可见,图1所示的避雷器的故障检测系统,无需人为介入,而是借助传感器采集的数据和预设的故障检测模型,确定避雷器是否发生故障以及故障的类型。因为传感器采集的是避雷器的电力参数和所处的环境的参数,所以能够客观反映避雷器的状态,从而使得检测结果较为准确。又因为传感器和传输组件的设置方式简单,所以能够为各个避雷器均设置传感器和传输组件,因此,通过传输技术即可获得避雷器的检测参数,而无需人工介入采集,因此提高了检测速度,也大大提升了检测效率。
并且,因为检测模型的使用,使得尚不明显的故障可以被发现,从而可以在避雷器失效前判断出故障,为计划停电检修提供依据,为电网的安全可靠运行提供有力的支持。
下面将详细说明检测模型的工作原理:
如图3所示,检测模型依据检测数据,输出数据的过程包括以下步骤:
S31、接收到检测数据后,对检测数据进行聚类,得到多个聚类中心xi。
S32、计算检测数据与各个聚类中心的范数。
具体的,计算公式如式(1):
S33、依据范数确定高斯函数的参数。
具体的,使用公式(2)得到δ。
S34、将参数代入高斯函数,得到目标数值。
S35、依据范数、检测数据和聚类中心确定权值。
S36、将权值与目标数值的加权和,作为输出数据。
图4为本申请实施例公开的又一种避雷器的故障检测系统,与图1所示的系统相比,增加了模型构建服务器5。
具体的,模型构建服务器的功能为:构建并训练故障检测模型。
进一步的,可以使用人工交互的方式构建故障检测模型的具体结构。
训练过程如图5所示,包括以下步骤:
S51、获取已停用避雷器的检测数据和状态数据。
其中,已停用避雷器为因故障已经停止使用的避雷器,例如,已经被替换下的避雷器。
因为故障被停用的避雷器的检测数据,可以通过查询历史维修记录,获取检测数据。并且,因为故障被停用的避雷器的状态数据指示故障,例如状态数据为1。
S52、获取配置故障避雷器的检测数据和状态数据,作为第二样本数据。
其中,配置故障避雷器为按照故障类型被配置为故障状态的避雷器。
具体的,配置故障避雷器的检测数据和状态数据的获取方式可以包括以下两种:
1、获取正在运行的不良状态的避雷器,使其停用并对其进行若干次检测,获得不良状态下的检测数据,作为不良状态的检测数据。
不良状态的避雷器为因雷击等外部原因或线路系统内部原因使其故障过、但仍在继续使用的避雷器。需要说明的是,不良状态也作为故障。
2、获取正常的避雷器,人为设定不良状态和/或故障并进行检测,获得不良状态数据和故障状态数据对应的检测数据。
具体的,人为设定不良状态或故障状态并进行检测的方法包括:
1、对避雷器进行若干次的检测。
2、根据非故障的避雷器需要满足的条件,依次选择一个条件使其不满足,进行若干次检测,以得到一个条件不满足情况下的检测数据和状态数据。
3、依次选择两个条件使其不达标,进行若干次检测,以得到两个条件不满足情况下的检测数据和状态数据。
依次类推,得到条件不满足情况下的检测数据和状态数据。
S53、将样本数据中的第一比例的数据作为训练样本,训练预先构建的模型,得到训练后模型。
其中,样本数据包括第一样本数据和第二样本数据。
例如,第一比例为80%。
S54、在使用剩余数据验证训练后模型满足条件后,将训练后模型作为故障检测模型。
其中,剩余数据为样本数据中,除训练样本之外的数据。
满足条件可以为,输出数据与样本数据中的状态参数(即真实状态参数)相比,错误率小于预设数值。
可以理解的是,如果训练后模型不满足条件,则需要重新获取样本数据,并使用重新获取的样本数据,按照上述训练流程继续训练模型,直至训练后模型满足条件。
可以理解的是,构建的模型的运行原理可以参见图4的流程,这里不再赘述。
图6为本申请实施例公开的一种避雷器的故障检测装置,包括:
接收模块,用于接收检测数据,所述检测数据依据所述避雷器的电力参数和环境参数获取。
检测模块,用于基于所述检测数据以及故障检测模型,确定所述避雷器的故障检测结果,其中,所述故障检测模型用于,将所述检测数据进行聚类运算,得到聚类中心,计算所述检测数据与所述聚类中心的范数,依据所述范数确定高斯函数的参数,将所述参数代入所述高斯函数,得到目标数值,依据所述范数确定权值,将所述权值与所述目标数值的加权和,作为输出数据。
以上各个模块的功能的具体实现方式可以参见上述实施例,这里不再赘述。
本实施例所述的避雷器的故障检测装置,能够快速而准确地定位故障的避雷器。
本申请实施例还公开了一种避雷器的故障检测服务器,包括存储器和处理器。其中,存储器用于存储程序,处理器用于运行所述程序,以实现上述实施例所述的避雷器的故障检测流程。
本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算设备可读取存储介质中。基于这样的理解,本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种避雷器的故障检测系统,其特征在于,包括:
与避雷器相连的电力参数传感器和环境参数传感器、与所述电力参数传感器和环境参数传感器分别相连的传输组件、检测服务器;
所述传输组件用于,基于所述电力参数传感器和环境参数传感器采集的数据,获取检测数据,并将所述检测数据发送至所述检测服务器;
所述检测服务器用于,基于所述检测数据以及故障检测模型,确定所述避雷器的故障检测结果,所述故障检测模型通过学习样本故障避雷器的检测数据的特征构建。
2.根据权利要求1所述的系统,其特征在于,所述电力参数传感器包括:
电流电压互感器。
3.根据权利要求2所述的系统,其特征在于,所述述电力参数传感器采集的数据包括:
泄漏电流、阻性电流、绝缘电阻、工频放电电压、冲击次数、以及局部放电参数。
4.根据权利要求1所述的系统,其特征在于,所述环境参数传感器包括:
温度传感器和/或湿度传感器;
所述环境参数传感器采集的数据包括:温度和/或湿度。
5.根据权利要求1所述的系统,其特征在于,所述传输组件包括:
处理器和无线传输组件。
6.根据权利要求1-5任一项所述的系统,其特征在于,还包括:
模型构建服务器,用于构建并训练所述故障检测模型;
其中,训练所述故障检测模型的过程包括:
获取已停用避雷器的检测数据和状态数据,作为第一样本数据,所述已停用避雷器的状态数据指示所述已停用避雷器为故障或非故障;
获取配置故障避雷器的检测数据和状态数据,作为第二样本数据,所述配置故障避雷器为按照故障类型被配置为故障状态的避雷器;
将样本数据中的第一比例的数据作为训练样本,训练预先构建的模型,得到训练后模型;所述样本数据包括所述第一样本数据和所述第二样本数据;
在使用剩余数据验证所述训练后模型满足条件后,将所述训练后模型作为所述故障检测模型,所述剩余数据为所述样本数据中,除所述训练样本之外的数据。
7.根据权利要求1或6所述的系统,其特征在于,所述检测服务器用于,基于所述检测数据以及故障检测模型,确定所述避雷器的故障检测结果,包括:
所述检测服务器具体用于,将所述检测数据输入所述故障检测模型,并依据所述故障检测模型的输出数据,确定所述避雷器的故障检测结果;
其中,所述故障检测模型依据所述检测数据得到所述输出数据的过程包括:
将所述检测数据进行聚类运算,得到聚类中心,计算所述检测数据与所述聚类中心的范数,依据所述范数确定高斯函数的参数,将所述参数代入所述高斯函数,得到目标数值,依据所述范数、所述检测数据和所述聚类中心确定权值,将所述权值与所述目标数值的加权和,作为所述输出数据。
8.一种避雷器的故障检测方法,其特征在于,包括:
接收检测数据,所述检测数据依据所述避雷器的电力参数和环境参数获取;
基于所述检测数据以及故障检测模型,确定所述避雷器的故障检测结果,其中,所述故障检测模型用于,将所述检测数据进行聚类运算,得到聚类中心,计算所述检测数据与所述聚类中心的范数,依据所述范数确定高斯函数的参数,将所述参数代入所述高斯函数,得到目标数值,依据所述范数确定权值,将所述权值与所述目标数值的加权和,作为输出数据。
9.一种避雷器的故障检测装置,其特征在于,包括:
接收模块,用于接收检测数据,所述检测数据依据所述避雷器的电力参数和环境参数获取;
检测模块,用于基于所述检测数据以及故障检测模型,确定所述避雷器的故障检测结果,其中,所述故障检测模型用于,将所述检测数据进行聚类运算,得到聚类中心,计算所述检测数据与所述聚类中心的范数,依据所述范数确定高斯函数的参数,将所述参数代入所述高斯函数,得到目标数值,依据所述范数确定权值,将所述权值与所述目标数值的加权和,作为输出数据。
10.一种避雷器的故障检测服务器,其特征在于,包括存储器和处理器;
所述存储器用于存储程序;
所述处理器用于运行所述程序,以实现权利要求8所述的避雷器的故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011619540.XA CN112595919A (zh) | 2020-12-31 | 2020-12-31 | 避雷器的故障检测系统、方法及装置、服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011619540.XA CN112595919A (zh) | 2020-12-31 | 2020-12-31 | 避雷器的故障检测系统、方法及装置、服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112595919A true CN112595919A (zh) | 2021-04-02 |
Family
ID=75206361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011619540.XA Pending CN112595919A (zh) | 2020-12-31 | 2020-12-31 | 避雷器的故障检测系统、方法及装置、服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112595919A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023202529A1 (zh) * | 2022-04-20 | 2023-10-26 | 松灵机器人(深圳)有限公司 | 一种割草机控制方法、装置、割草机以及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN209148783U (zh) * | 2018-10-09 | 2019-07-23 | 中国神华能源股份有限公司 | 用于金属氧化物避雷器的在线监测系统 |
CN111707971A (zh) * | 2020-06-30 | 2020-09-25 | 国网冀北电力有限公司唐山供电公司 | 一种避雷器绝缘状态检测方法 |
CN111832653A (zh) * | 2019-07-17 | 2020-10-27 | 山东电工电气集团有限公司 | 基于XGboost算法的避雷器缺陷诊断方法及系统 |
-
2020
- 2020-12-31 CN CN202011619540.XA patent/CN112595919A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN209148783U (zh) * | 2018-10-09 | 2019-07-23 | 中国神华能源股份有限公司 | 用于金属氧化物避雷器的在线监测系统 |
CN111832653A (zh) * | 2019-07-17 | 2020-10-27 | 山东电工电气集团有限公司 | 基于XGboost算法的避雷器缺陷诊断方法及系统 |
CN111707971A (zh) * | 2020-06-30 | 2020-09-25 | 国网冀北电力有限公司唐山供电公司 | 一种避雷器绝缘状态检测方法 |
Non-Patent Citations (1)
Title |
---|
MATLAB神经网络43个案例分析: "《MATLAB神经网络43个案例分析》", 31 August 2013, 北京:北京航空航天大学出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023202529A1 (zh) * | 2022-04-20 | 2023-10-26 | 松灵机器人(深圳)有限公司 | 一种割草机控制方法、装置、割草机以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107390049A (zh) | 一种电力电缆故障监测方法及装置 | |
CN109839559B (zh) | 防雷检测机器人系统 | |
CN108536945A (zh) | 一种用于大型调相机的故障诊断方法及系统 | |
CN116069079B (zh) | 一种智能开关柜的散热智能控制方法及系统 | |
CN115995886A (zh) | 一种电力设备的电力监控系统 | |
CN104821789A (zh) | 一种光伏发电系统可靠性的检测方法 | |
CN112595919A (zh) | 避雷器的故障检测系统、方法及装置、服务器 | |
CN111289812A (zh) | 一种输变电设备状态监测管理方法及其系统 | |
CN110749810A (zh) | 一种调相机绝缘故障预测方法及系统 | |
CN107328438A (zh) | 一种电力变压器运行综合监测系统 | |
CN112731827A (zh) | 一种用于电力设备的智能传感器的监控系统 | |
CN105514843B (zh) | 一种基于监测数据的750kV变电站二次设备检修方法 | |
CN107102633A (zh) | 一种配电终端故障自诊断方法及系统 | |
CN106877290A (zh) | 一种发电企业集团级继电保护定值监督的方法 | |
CN113172764B (zh) | 搅拌站监控方法及系统 | |
CN115684829A (zh) | 一种电力二次回路故障检测预警方法及系统 | |
CN114675148A (zh) | 一种配网开关故障电弧检测装置及方法 | |
CN109209781A (zh) | 风力发电机组的故障定位方法及装置 | |
CN111146863A (zh) | 一种变电站的电力安全检测方法 | |
CN113469453B (zh) | 基于信息物理系统的电梯评估方法以及电梯评估装置 | |
CN116107265B (zh) | 一种人造板材加工设备远程控制系统及方法 | |
CN117486029B (zh) | 基于传感器网络的电梯能耗实时监控方法及系统 | |
CN117406048B (zh) | 一种变压器放电故障诊断方法及装置 | |
CN114116395B (zh) | 一种老化室供电线路功率过载防护方法、系统及装置 | |
CN110936073B (zh) | 焊接设备及其监控方法、电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210402 |
|
RJ01 | Rejection of invention patent application after publication |