CN112665755A - 基于svr模型的开关柜内部异常发热检测方法及装置 - Google Patents
基于svr模型的开关柜内部异常发热检测方法及装置 Download PDFInfo
- Publication number
- CN112665755A CN112665755A CN202011470729.7A CN202011470729A CN112665755A CN 112665755 A CN112665755 A CN 112665755A CN 202011470729 A CN202011470729 A CN 202011470729A CN 112665755 A CN112665755 A CN 112665755A
- Authority
- CN
- China
- Prior art keywords
- temperature
- switch cabinet
- monitoring
- switch
- contact
- 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 25
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 21
- 238000010438 heat treatment Methods 0.000 title claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 76
- 230000006870 function Effects 0.000 claims abstract description 50
- 238000012360 testing method Methods 0.000 claims abstract description 23
- 238000003860 storage Methods 0.000 claims abstract description 8
- 230000001419 dependent effect Effects 0.000 claims abstract description 6
- 238000005457 optimization Methods 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 230000002068 genetic effect Effects 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013021 overheating Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 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
- 230000002265 prevention Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Landscapes
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提供一种基于SVR模型的开关柜内部异常发热检测方法、装置及存储介质,其中方法包括获取开关柜隔离开关温升试验数据;选取开关柜外壳的监测点的温度值以及环境温度值作为自变量,隔离开关触头温度值作为因变量;利用遗传算法对惩罚参数C和核函数参数g进行参数寻优,得到训练好的SVR模型;利用SVR模型进行隔离开关触头温度回归监测;比较不同核函数下的回归监测结果,确定最佳方案,建立隔离开关触头温度回归监测模型;利用隔离开关触头温度回归监测模型测试开关触头的温度。本发明可以进行不同接触电阻、不同负荷电流下的开关柜隔离开关温升计算,为完善开关柜的状态监测和故障诊断打下实验基础。
Description
技术领域
本发明涉及开关柜设备温度检测技术领域,特别是一种基于SVR模型的开关柜内部异常发热检测方法及装置。
背景技术
气体绝缘组合电器(Gas Insulated Switchgear,开关柜)以其优良的性能得到了大规模的应用。尽管开关柜制造质量、运行可靠性较高,但其发生故障时会造成大范围的停电,对电网的正常运行会造成较大的影响。开关柜设备属于封闭式组合结构,对其进行检修维护不仅需耗费大量的人力和物力,也需要花费较长的时间。由于开关柜设备投入运行的时间相对较短,运行工作人员对其内部结构可能还不甚了解,现场实际运行的经验还有些匮乏,这就可能出现对设备故障判断出现偏差,如果不及时处理故障,将会导致设备受损甚至电网崩溃。
开关柜设备中接头是产生局部过热故障的“高危”部位,其故障往往带来严重的后果,轻则减负荷、部分设备断电,重则导致设备损坏甚至引发短路故障,从而威胁整个开关柜设备系统的安全稳定运行。触头温度是反应触头热故障信息最直接的指标,因此应当实时在线监测开关柜设备触头温度,将其温度作为直观反映开关柜运行状态的重要参数。开关柜设备内部温度传递过程复杂,包含热传导、对流、辐射三种热量传递形式,呈现出很强的非线性,利用解析的方法很难基于开关柜隔离开关外壳温度和环境温度求出触头温度。虽然有部分学者提出利用试验数据拟合出了触头与外壳某些单点的温升对应关系,进而由外壳某些单点的温升初步推算出触头温升,但其精度还不能满足工程实际运用的要求。
目前国内外基于开关柜隔离开关外壳多点温度和环境温度来监测隔离开关触头温度的研究还处于起步阶段,尽管有少部分学者提出利用神经网络拟合环境温度、外壳温度与隔离开关触头温度的关系,从而通过外壳和环境温度来间接监测隔离开关触头温度,但其监测精度还有待提高。通过神经网络建模得到的往往是局部最优点,而不是全局最优点,并且神经网络训练学习过程十分依赖学习样本,常常需要大样本数据才能满足其监测精度,实际情况通过试验能够提供的数据是往往有限,一般只能提供小样本的数据。
发明内容
本发明的目的是提供一种基于SVR模型的开关柜内部异常发热检测方法及装置,可以解决现有技术中由外壳某些单点的温升初步推算出触头温升精度不高的问题,和神经网络训练学习过程需要大样本数据的问题。
本发明的目的是通过以下技术方案实现的:
第一方面,本发明提供一种基于SVR模型的开关柜内部异常发热检测方法,包括以下步骤:
步骤1、获取开关柜隔离开关温升试验数据,一部分作为训练样本,剩余部分作为监测样本;
步骤2、选取开关柜外壳的监测点的温度值以及环境温度值作为自变量,隔离开关触头温度值作为因变量;
步骤3、利用遗传算法对惩罚参数C和核函数参数g进行参数寻优,得到训练好的SVR模型;
步骤4、利用训练好的SVR模型进行隔离开关触头温度回归监测;
步骤5、比较不同核函数下的回归监测结果,确定最佳方案,建立隔离开关触头温度回归监测模型;
步骤6、利用隔离开关触头温度回归监测模型测试开关触头的温度。
进一步的,所述的开关柜外壳的监测点的数量为24个。
进一步的,所述的24个测试点的分布方式为:3个分布在开关柜外壳的最上部,6个分布在开关柜外壳的中上部,6个分布在开关柜外壳的中部,9个分布在开关柜外壳的下部。
进一步的,所述的训练好的SVR模型中包含了至少两种不同的核函数。
进一步的,所述的不同的核函数包括但不限于线性核函数、多项式核函数、径向基核函数、sigmoid核函数。
进一步的,所述的步骤5中确定最佳方案的方法为:对不同的核函数时的监测结果进行均方误差、平方相关系数、最大相对监测误差、最小相对监测误差、平均相对监测误差的计算,选择误差最小的一个核函数作为最佳方案。
第二方面,本发明提供一种基于SVR模型的开关柜内部异常发热检测装置,包括温度数据获取模块和检测模块,其中:
温度数据获取模块,用于监测开关柜外壳的温度值和环境温度值;
检测模块,其中设有隔离开关触头温度回归监测模型,所述隔离开关触头温度回归监测模型中保存有核函数,根据温度数据获取模块获取的开关柜外壳的温度值和环境温度值,利用核函数计算出开关触头的温度。
进一步的,所述的温度数据获取模块包括25个温度传感器,其中24个温度传感器分布在开关柜外壳上,1个温度传感器用于检测环境温度。
进一步的,所述的24个温度传感器的分布方式为:3个温度传感器安装在开关柜外壳的最上部,6个温度传感器安装在开关柜外壳的中上部,6个温度传感器安装在开关柜外壳的中部,9个温度传感器安装在开关柜外壳的下部。
第三方面,本发明提供一种存储介质,所述存储介质中存储有计算机程序,运行所述计算机程序,可以执行上述基于SVR模型的开关柜内部异常发热检测方法。
本发明能通过外壳温度反演推算得到开关柜内部热点的温度值,利用SVR构建开关柜隔离开关触头温度监测模型,训练多点外壳温度、环境温度和隔离开关触头温度的对应关系,然后利用多点外壳温度、环境温度来监测开关柜隔离开关触头温度以实现隔离开关触头温度的间接监测,弥补了现有基于开关柜隔离开关外壳多点温度和环境温度来监测隔离开关触头温度研究的部分不足。利用本发明装置可以通过观察外壳的温升情况来判定内部是否出现接触不良故障,为完善开关柜的状态监测和故障诊断打下实验基础。
本发明可以进行不同接触电阻、不同负荷电流下的开关柜隔离开关温升计算,为开关柜隔离开关触头和外壳温升速率变化规律、触头和外壳温度随时间变化规律以及触头与外壳某些点之间的温升对应关系提供条件。
本发明可广泛用于开关柜发生过热性故障时的计算,为开关柜设备在发生过热性故障时的实验研究提供了一种简单易用的方法。
附图说明
图1为开关柜隔离开关触头温度回归监测流程示意图;
图2至图5为不同核函数下实际值与监测值比较结果示意图;
图6为本发明的基于SVR模型的开关柜内部异常发热检测方法的步骤图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
本发明的基于SVR模型的开关柜内部异常发热检测方法,包括以下步骤:
步骤1、获取开关柜隔离开关温升试验数据,一部分作为训练样本,剩余部分作为监测样本。
基于温度场分布可知开关柜的外壳温度大致呈现上方温度高下方温度低,外壳上方测点对触头温度变化反应较为灵敏,结合温度传感器布局原则,采样25个传感器对外壳的温度进行监测,将25个传感器分为5组。
具体分组情况如下所示:
测量开关柜外壳最上部温度场:1-3号传感器;
测量开关柜外壳中上部温度场:4-9号传感器;
测量开关柜外壳中部温度场:10-15号传感器;
测量开关柜外壳下部温度场:16-24号传感器;
测量环境温度:25号传感器。
运行开关柜,采集93组开关柜隔离开关温升试验数据,其中随机选取83组作为训练样本,剩余10组作为监测样本。
步骤2、选取开关柜外壳的24个监测点的温度值以及环境温度值作为自变量,隔离开关触头温度值作为因变量。
由于开关柜隔离开关触头温度与开关柜外壳多点温度、环境温度存在关联关系,在开关柜隔离开关触头温度回归监测模型中把开关柜外壳多点温度、环境温度作为自变量,开关柜隔离开关触头温度作为因变量,开关柜隔离开关触头温度回归监测模型的构建过程如图1所示。
步骤3、利用遗传算法对惩罚参数C和核函数参数g进行参数寻优,得到训练好的SVR模型。
当选择不同的核函数建立模型时,最优参数和监测效果都会有所差异,以下分别列出不同核函数情况下的最优参数选择结果如表1所示。
表1参数寻优结果
步骤4、利用训练好的SVR模型进行隔离开关触头温度回归监测。
核函数及最优参数的选取对回归模型建立十分重要,然而选取何种核函数监测结果将会达到最佳需要探究,因此对这四种核函数条件下的最优参数分别进行训练和监测。为了直观地比较不同核函数情况下监测效果的好坏,可通过柱状图分别比较不同核函数时,训练集10组数据中监测值与实际值间的差异,四种核函数下的监测值和实际值比较如图2至图5所示。其中,图2为线性核函数下的监测值和实际值,图3为多项式核函数下的监测值和实际值,图4为径向基核函数下的监测值和实际值,图5为sigmoid核函数下的监测值和实际值。图2至图5中,每一组数据中,横坐标轴上的虚线左边的为实际值,虚线右边为监测值。
步骤5、比较不同核函数下的回归监测结果,确定最佳方案,建立隔离开关触头温度回归监测模型。
为确定最佳方案,对不同核函数时的监测结果进行均方误差、平方相关系数、最大相对监测误差、最小相对监测误差、平均相对监测误差的计算,计算结果如表2所示。
表2不同核函数时的监测结果误差比较
由表2可知,当t=2时,即核函数取径向基核函数时,平方相关系数R最大,并且监测模型的各项误差均相对偏小,利用开关柜外壳多点温度与环境温度对开关柜隔离开关触头温度拟合监测效果优越,在四种核函数中呈现为监测效果最佳。这时,最优参数C=16、g=0.57435,均方误差达到1.75e-04,平方相关系数达到0.999,平均相对监测误差仅为0.47%,说明该SVR监测模型拟合效果极为优良。并且模型便于新手学习和修改,运算速度也较快。
步骤6、利用隔离开关触头温度回归监测模型测试开关触头的温度。
根据测得的开关触头的温度,可以获悉开关柜内部的温度情况,提早作出预防或其他措施,防止开关触头温度过高而带来的电网运行异常问题。
本发明支持向量机基于统计学习理论,其得到的最优解仅需基于小样本数据,不需要样本数据趋于无穷大,正好适用于基于开关柜外壳和环境测温的隔离开关触头温度预测,因此采用支持向量机训练多点外壳温度、环境温度和内部触头温度的对应关系,然后利用多点外壳温度和环境温度的实测来反演计算开关柜触头热点温度,测量精度高。本发明为监测开关柜隔离开关触头温度提供一种新思路,对开关柜设备温升的状态监测和故障诊断以避免大停电事故及保证电力系统安全运行具有深远的意义。
本发明的基于SVR模型的开关柜内部异常发热检测装置,包括温度数据获取模块和检测模块,其中:
温度数据获取模块,用于监测开关柜外壳的温度值和环境温度值。
检测模块,其中设有隔离开关触头温度回归监测模型,所述隔离开关触头温度回归监测模型中保存有核函数,根据温度数据获取模块获取的开关柜外壳的温度值和环境温度值,利用核函数计算出开关触头的温度。
进一步的,所述的温度数据获取模块包括25个温度传感器,其中24个温度传感器分布在开关柜外壳上,1个温度传感器用于检测环境温度。
进一步的,24个温度传感器的分布方式为:3个温度传感器安装在开关柜外壳的最上部,6个温度传感器安装在开关柜外壳的中上部,6个温度传感器安装在开关柜外壳的中部,9个温度传感器安装在开关柜外壳的下部。
本发明还公开一种存储介质,该存储介质中存储有计算机程序,运行该计算机程序,可以执行以下方法:
步骤1、获取开关柜隔离开关温升试验数据,一部分作为训练样本,剩余部分作为监测样本。
步骤2、选取开关柜外壳的24个监测点的温度值以及环境温度值作为自变量,隔离开关触头温度值作为因变量。
步骤3、利用遗传算法对惩罚参数C和核函数参数g进行参数寻优,得到训练好的SVR模型。
步骤4、利用训练好的SVR模型进行隔离开关触头温度回归监测。
步骤5、比较不同核函数下的回归监测结果,确定最佳方案,建立隔离开关触头温度回归监测模型。
步骤6、利用隔离开关触头温度回归监测模型测试开关触头的温度。
存储介质包括但不限于磁盘存储器、CD-ROM、光学存储器等。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接或彼此可通讯;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
以上仅为说明本发明的实施方式,并不用于限制本发明,对于本领域的技术人员来说,凡在本发明的精神和原则之内,不经过创造性劳动所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于SVR模型的开关柜内部异常发热检测方法,其特征在于,包括以下步骤:
步骤1、获取开关柜隔离开关温升试验数据,一部分作为训练样本,剩余部分作为监测样本;
步骤2、选取开关柜外壳的监测点的温度值以及环境温度值作为自变量,隔离开关触头温度值作为因变量;
步骤3、利用遗传算法对惩罚参数C和核函数参数g进行参数寻优,得到训练好的SVR模型;
步骤4、利用训练好的SVR模型进行隔离开关触头温度回归监测;
步骤5、比较不同核函数下的回归监测结果,确定最佳方案,建立隔离开关触头温度回归监测模型;
步骤6、利用隔离开关触头温度回归监测模型测试开关触头的温度。
2.根据权利要求1所述的基于SVR模型的开关柜内部异常发热检测方法,其特征在于,所述的开关柜外壳的监测点的数量为24个。
3.根据权利要求2所述的基于SVR模型的开关柜内部异常发热检测方法,其特征在于,所述的24个测试点的分布方式为:3个分布在开关柜外壳的最上部,6个分布在开关柜外壳的中上部,6个分布在开关柜外壳的中部,9个分布在开关柜外壳的下部。
4.根据权利要求1所述的基于SVR模型的开关柜内部异常发热检测方法,其特征在于,所述的训练好的SVR模型中包含了至少两种不同的核函数。
5.根据权利要求4所述的基于SVR模型的开关柜内部异常发热检测方法,其特征在于,所述的不同的核函数包括但不限于线性核函数、多项式核函数、径向基核函数、sigmoid核函数。
6.根据权利要求5所述的基于SVR模型的开关柜内部异常发热检测方法,其特征在于,所述的步骤5中确定最佳方案的方法为:对不同的核函数时的监测结果进行均方误差、平方相关系数、最大相对监测误差、最小相对监测误差、平均相对监测误差的计算,选择误差最小的一个核函数作为最佳方案。
7.基于SVR模型的开关柜内部异常发热检测装置,其特征在于,包括温度数据获取模块和检测模块,其中:
温度数据获取模块,用于监测开关柜外壳的温度值和环境温度值;
检测模块,其中设有隔离开关触头温度回归监测模型,所述隔离开关触头温度回归监测模型中保存有核函数,根据温度数据获取模块获取的开关柜外壳的温度值和环境温度值,利用核函数计算出开关触头的温度。
8.根据权利要求7所述的基于SVR模型的开关柜内部异常发热检测装置,其特征在于,所述的温度数据获取模块包括25个温度传感器,其中24个温度传感器分布在开关柜外壳上,1个温度传感器用于检测环境温度。
9.根据权利要求7所述的基于SVR模型的开关柜内部异常发热检测装置,其特征在于,所述的24个温度传感器的分布方式为:3个温度传感器安装在开关柜外壳的最上部,6个温度传感器安装在开关柜外壳的中上部,6个温度传感器安装在开关柜外壳的中部,9个温度传感器安装在开关柜外壳的下部。
10.一种存储介质,所述存储介质中存储有计算机程序,其特征在于,运行所述计算机程序,可以执行权利要求1至6任一项所述的基于SVR模型的开关柜内部异常发热检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011470729.7A CN112665755A (zh) | 2020-12-14 | 2020-12-14 | 基于svr模型的开关柜内部异常发热检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011470729.7A CN112665755A (zh) | 2020-12-14 | 2020-12-14 | 基于svr模型的开关柜内部异常发热检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112665755A true CN112665755A (zh) | 2021-04-16 |
Family
ID=75406029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011470729.7A Pending CN112665755A (zh) | 2020-12-14 | 2020-12-14 | 基于svr模型的开关柜内部异常发热检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112665755A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106777633A (zh) * | 2016-12-07 | 2017-05-31 | 广东工业大学 | 一种固体绝缘开关柜开关触点温度计算方法及装置 |
CN107179143A (zh) * | 2017-06-29 | 2017-09-19 | 江苏省电力试验研究院有限公司 | 一种gis外壳和环境测温的隔离开关触头温度监测模型 |
CN110907064A (zh) * | 2019-11-20 | 2020-03-24 | 国网重庆市电力公司电力科学研究院 | 一种gis隔离开关触头温度预测方法、装置及可读存储介质 |
CN112033571A (zh) * | 2020-09-01 | 2020-12-04 | 国网重庆市电力公司电力科学研究院 | 一种gis隔离开关温升测试方法及系统 |
CN112417679A (zh) * | 2020-11-20 | 2021-02-26 | 广西电网有限责任公司电力科学研究院 | 基于外壳温度场实现开关柜热故障仿真矫正的方法 |
-
2020
- 2020-12-14 CN CN202011470729.7A patent/CN112665755A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106777633A (zh) * | 2016-12-07 | 2017-05-31 | 广东工业大学 | 一种固体绝缘开关柜开关触点温度计算方法及装置 |
CN107179143A (zh) * | 2017-06-29 | 2017-09-19 | 江苏省电力试验研究院有限公司 | 一种gis外壳和环境测温的隔离开关触头温度监测模型 |
CN110907064A (zh) * | 2019-11-20 | 2020-03-24 | 国网重庆市电力公司电力科学研究院 | 一种gis隔离开关触头温度预测方法、装置及可读存储介质 |
CN112033571A (zh) * | 2020-09-01 | 2020-12-04 | 国网重庆市电力公司电力科学研究院 | 一种gis隔离开关温升测试方法及系统 |
CN112417679A (zh) * | 2020-11-20 | 2021-02-26 | 广西电网有限责任公司电力科学研究院 | 基于外壳温度场实现开关柜热故障仿真矫正的方法 |
Non-Patent Citations (1)
Title |
---|
马兴冠等, 技术出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107153162B (zh) | 一种动力电池组多故障在线检测方法 | |
CN110970679B (zh) | 一种基于热对称的电池包温度传感器合理性诊断方法 | |
CN110190306A (zh) | 一种用于燃料电池系统的在线故障诊断方法 | |
CN108268905A (zh) | 一种基于支持向量机的变压器故障诊断方法及系统 | |
Yu et al. | Challenges and outlook for lithium-ion battery fault diagnosis methods from the laboratory to real world applications | |
CN104767482B (zh) | 一种光伏组件老化和短路故障在线诊断方法 | |
CN110398699A (zh) | 多传感器信息融合的动力电池热失控预警方法 | |
CN109781268A (zh) | 一种基于低成本红外热视技术的开关柜内重点部位温度监测系统 | |
CN111579121B (zh) | 在线诊断新能源汽车电池包内温度传感器故障的方法 | |
Zhang et al. | A multi-fault diagnosis method for lithium-ion battery pack using curvilinear Manhattan distance evaluation and voltage difference analysis | |
CN203037628U (zh) | 一种针对运行变压器的绝缘油的气相色谱在线监测装置 | |
CN115096366A (zh) | 一种sf6环网柜运行状态监测系统及其状态评估方法 | |
CN212895016U (zh) | 一种基于LoRa无线测控技术的铝电解槽况诊断系统 | |
CN117368644A (zh) | 一种传感器电缆检测方法 | |
CN109268692B (zh) | 一种供热管网井式补偿器泄漏监测系统及监测方法 | |
CN112665755A (zh) | 基于svr模型的开关柜内部异常发热检测方法及装置 | |
CN113806974B (zh) | 一种变压器套管电连接的稳定性评估方法、装置及系统 | |
CN115684976A (zh) | 储能电池故障在线诊断定位方法、电子设备及介质 | |
CN115563786A (zh) | 一种电化学储能电站故障场景重构方法 | |
Wu et al. | Research on short-circuit fault-diagnosis strategy of lithium-ion battery in an energy-storage system based on voltage cosine similarity | |
CN113725511A (zh) | 一种储能电池热失控的综合探测系统及判定方法 | |
CN111044176A (zh) | 一种发电机温度异常的监测方法 | |
CN112507577B (zh) | 基于模式识别的gis断路器触头稳态温度计算方法和系统 | |
CN113608074B (zh) | 一种多表位耐压试验装置自动化在线监测方法及系统 | |
CN116342110B (zh) | 一种列车多温度测量回路智能故障诊断和容错测量方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210416 |
|
RJ01 | Rejection of invention patent application after publication |