CN112836390A - 一种变流器故障检测方法、系统及存储介质 - Google Patents
一种变流器故障检测方法、系统及存储介质 Download PDFInfo
- Publication number
- CN112836390A CN112836390A CN202110239909.2A CN202110239909A CN112836390A CN 112836390 A CN112836390 A CN 112836390A CN 202110239909 A CN202110239909 A CN 202110239909A CN 112836390 A CN112836390 A CN 112836390A
- Authority
- CN
- China
- Prior art keywords
- converter
- signal
- entropy
- cyclic
- component signal
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Abstract
本发明公开了一种变流器故障检测方法、系统及存储介质,所述方法包括:获取变流器交流侧电流信号的原始分量信号;其中所述原始分量信号由预设的经验小波变换法处理变流器交流侧电流信号得到;计算各原始分量信号相对变流器交流侧电流信号的能量系数,选取得到能量系数最接近所设阈值的分量信号;计算各选取到的分量信号的循环熵,将循环熵进行傅里叶变换后映射到循环频域,得到循环熵谱;根据循环熵谱,确定变流器的功率开关器件的开路故障位置。本发明能够在高斯与非高斯噪声环境下对变流器功率开关器件的开路故障准确检测。
Description
技术领域
本发明涉及一种变流器故障检测方法、系统及存储介质,属于桥式变流器故障检测、信号处理技术领域。
背景技术
随着电动汽车充电站、光伏和风力发电站的发展,大量电力电子器件与变流器接入电力系统中。桥式变流器承担着重要输送功能,是电网与电力系统的接口。驱动控制信号失效、开关损坏、电路元件老化与电网负荷冲击等因素导致桥式变流器极易出现故障。桥式变流器一旦出现故障,轻则降低电力系统性能与供电质量,重则威胁整个电力系统与电网的安全。功率开关器件是桥式变流器的核心器件。因此,桥式变流器故障主要考虑功率开关器件的故障。
目前桥式变流器功率开关器件短路故障可以通过驱动模块集成保护电路进行监控。而现有功率开关器件的开路故障检测研究仅针对理想仿真信号或高斯噪声环境下的故障信号。而在实际应用中,电力系统经常处于非高斯噪声环境下。由于线路内部损耗、电磁感应、设备震动与互干扰等原因,相关电流电压信号经常混叠非高斯噪声与谐波分量。在故障发生时,非高斯噪声与谐波分量急剧放大,对电力信号的特征提取造成极大影响,故障检测难度也大大提高。
目前时频分析技术如小波变换(Wavelet Transform,WT)和经验模态分解(Empirical Mode Decomposition,EMD)都可以从原始信号中分离出具有不同频带的特征分量。但是WT的分解结果高度依赖小波基函数的选择,同时无法处理含非高斯噪声的非线性信号。EMD可以自适应选取基函数并直接分解信号,但是存在端点效应与模态混叠等问题,同时在非高斯噪声环境下的处理性能较不理想。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种变流器故障检测方法、系统及存储介质,能够在高斯与非高斯噪声环境下对变流器功率开关器件的开路故障准确检测。
为达到上述目的,本发明是采用下述技术方案实现的:
第一方面,本发明提供了一种变流器故障检测方法,所述方法包括如下步骤:
获取变流器交流侧电流信号的原始分量信号;其中所述原始分量信号由预设的经验小波变换法处理变流器交流侧电流信号得到;
计算各原始分量信号相对变流器交流侧电流信号的能量系数,选取得到能量系数最接近所设阈值的分量信号;
计算各选取到的分量信号的循环熵,将循环熵进行傅里叶变换后映射到循环频域,得到循环熵谱;
根据循环熵谱,确定变流器的功率开关器件的开路故障位置。
结合第一方面,进一步地,变流器交流侧电流信号,通过如下步骤获得:
在高斯与非高斯噪声环境中,获取原始桥式变流器交流侧电流信号ik(n),包括变流器在功率开关器件开路故障时的交流侧电流信号、以及正常状况下的交流侧电流信号;
将原始桥式变流器交流侧电流信号ik(n)混叠高斯与非高斯噪声,得到变流器交流侧电流信号Ik(n)。
结合第一方面,优选地,所述开路故障为桥式变流器中任意桥单只功率开关器件开路故障。
结合第一方面,优选地,将原始桥式变流器交流侧电流信号ik(n)混叠高斯与非高斯噪声,得到变流器交流侧电流信号Ik(n),通过以下公式表示:
Ik(n)=ik(n)+e(n)+ω(n) (1)
公式(1)中,n为信号长度,且n=1,2,3…L,L表示采集电流信号的最大长度,ik(n)(k=0,1,2…)为原始桥式变流器交流侧电流信号,其中i0(n)为正常交流电流信号,i1(n)~ik(n)为功率开关器件开路故障交流侧电流信号,e(n)为高斯白噪声,其自相关函数rN(n)为:
rN(n)=E[N(n)N(n+τ)] (2)
公式(2)中,E[·]为数学期望,N(n)为随机向量,τ为信号时延;
公式(1)中,ω(n)为符合α稳定分布的非高斯噪声,其特征函数为:
公式(3)中,α为特征指数,表示α稳定分布的拖尾厚度;β为对称参数,表示分布的对称程度;a为位置参数,表示分布的中心位置;γ为分散系数,表示分布的离散程度;sign(n)为符号函数,取值为:
结合第一方面,进一步地,由预设的经验小波变换法处理变流器交流侧电流信号得到原始分量信号,包括如下步骤:
利用傅里叶变换对变流器交流侧电流信号进行处理,得到傅里叶信号谱;
提取傅里叶信号谱中的局部极大值,根据连续极大值与最小极小值将原信号划分成N个区间,并得到频带分界点;
通过频带分界点构建正交滤波器组,得到原始分量信号。
结合第一方面,优选地,所述原始分量信号为N个具有紧支撑性的原始分量信号。
结合第一方面,进一步地,计算各原始分量信号相对变流器交流侧电流信号的能量系数,通过以下公式计算:
公式(5)中,M表示各原始分量信号相对变流器交流侧电流信号的能量系数,E表示变流器交流侧电流信号的能量,通过以下公式计算得到:
公式(6)中,Ik(n)表示变流器交流侧电流信号,且k=0,1,2…,n表示信号长度,且n=1,2,3…L,L表示采集电流信号的最大长度,i表示表示信号数量,N表示分量信号的最大数量;
公式(5)中,Ek,N表示原始分量信号的能量,通过以下公式计算得到:
结合第一方面,优选地,选取得到能量系数最接近所设阈值的分量信号中,所述阈值为1。
结合第一方面,优选地,最接近所设阈值的分量信号为变流器交流侧电流信号中具有故障特征的分量信号。
结合第一方面,优选地,计算各选取到的分量信号的循环熵,将循环熵进行傅里叶变换后映射到循环频域,得到循环熵谱,具体步骤为:
计算得到各原始分量信号的自相关熵;
计算得到各原始分量信号的循环相关熵;
对原始分量信号循环相关熵进行傅里叶变换并映射到循环频域,得到循环相关熵谱。
结合第一方面,进一步地,计算各选取到的分量信号的循环熵,通过以下公式计算:
公式(8)中,表示各选取到的分量信号的循环熵,n表示信号长度,且n=1,2,3…L,L表示采集电流信号的最大长度,<L>为区间长度,ξ表示循环频率,<·>n表示求时间值平均;表示原始分量信号的离散点幅值,且k=0,1,2…;Vk,N(n,δ)表示各选取到的分量信号的自相关熵,通过以下公式计算:
公式(8)和公式(9)中,κσ表示高斯核函数,通过以下公式表示:
结合第一方面,进一步地,将循环熵进行傅里叶变换后映射到循环频域,得到循环熵谱,通过以下公式实现:
结合第一方面,进一步地,根据循环熵谱,确定变流器的故障位置,包括:
对比各选取到的分量信号的循环熵谱,根据循环熵值、循环熵谱,确定变流器功率开关器件的开路故障位置。
第二方面,本发明提供了一种变流器故障检测系统,包括:
获取模块:获取变流器交流侧电流信号的原始分量信号;
第一计算模块:用于计算各原始分量信号相对变流器交流侧电流信号的能量系数,选取得到能量系数最接近所设阈值的分量信号;
第二计算模块:用于计算各选取到的分量信号的循环熵,将循环熵进行傅里叶变换后映射到循环频域,得到循环熵谱;
故障确定模块:用于根据循环熵谱,确定变流器的故障位置。
第三方面,本发明提供了一种变流器故障检测装置,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行第一方面所述方法的步骤。
第四方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面所述方法的步骤。
与现有技术相比,本发明实施例所提供的一种变流器故障检测方法所达到的有益效果包括:
本发明获取变流器交流侧电流信号的原始分量信号,该原始分量信号由预设的经验小波变换法处理变流器交流侧电流信号得到;由经验小波变换法变换处理变流器交流侧电流信号,能够提取信号分量中时域、频域等特征,能够实现自适应频带划分,使变流器故障信息能够在故障特征集中的频带能够更加精细地提取;
本发明计算各原始分量信号相对变流器交流侧电流信号的能量系数,选取得到能量系数最接近所设阈值的分量信号;选取到的分量信号为变流器交流侧电流信号中具有故障特征的分量信号,能够准确选取具有故障特征的频带,消除无用信号频带;
本发明能够在高斯与非高斯噪声环境下,准确提取变流器功率开关器件的故障信号特征,最大限度消除噪声与谐波的干扰,实现对变流器功率开关器件的开路故障准确检测。
附图说明
图1是本发明实施例一提供的一种变流器故障检测方法的流程图;
图2是本发明实施例二提供的一种变流器故障检测方法中混叠高斯与非高斯噪声的电流信号的电流波形图;
图3是本发明实施例二提供的一种变流器故障检测方法中混叠高斯与非高斯噪声的电流信号的频谱分布图;
图4是本发明实施例二提供的一种变流器故障检测方法的循环熵谱。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例一:
如图1所示,本发明实施例提供了一种变流器故障检测方法,包括:
获取变流器交流侧电流信号的原始分量信号;其中所述原始分量信号由预设的经验小波变换法处理变流器交流侧电流信号得到;
计算各原始分量信号相对变流器交流侧电流信号的能量系数,选取得到能量系数最接近所设阈值的分量信号;
计算各选取到的分量信号的循环熵,将循环熵进行傅里叶变换后映射到循环频域,得到循环熵谱;
根据循环熵谱,确定变流器的功率开关器件的开路故障位置。
具体步骤如下:
步骤1:在高斯与非高斯噪声环境中,采集变流器在功率开关器件开路故障和正常状况下的交流侧输出电流信号。
步骤1.1:获取原始桥式变流器交流侧电流信号ik(n)(k=0,1,2…)。
需要说明的是,获取原始桥式变流器交流侧电流信号包括变流器在功率开关器件开路故障时的交流侧电流信号、以及正常状况下的交流侧电流信号。开路故障为桥式变流器中任意桥单只功率开关器件开路故障。
具体地,n为信号长度,且n=1,2,3…L,L表示采集电流信号的最大长度,ik(n)(k=0,1,2…)为原始桥式变流器交流侧电流信号,其中i0(n)为正常交流电流信号,i1(n)~ik(n)为功率开关器件开路故障交流侧电流信号。
步骤1.2:将原始桥式变流器交流侧电流信号ik(n)混叠高斯与非高斯噪声,得到变流器交流侧电流信号Ik(n),通过以下公式表示:
Ik(n)=ik(n)+e(n)+ω(n)(1)
公式(1)中,n为信号长度,且n=1,2,3…L,L表示采集电流信号的最大长度,ik(n)(k=0,1,2…)为原始桥式变流器交流侧电流信号,其中i0(n)为正常交流电流信号,i1(n)~ik(n)为功率开关器件开路故障交流侧电流信号,e(n)为高斯白噪声,其自相关函数rN(n)为:
rN(n)=E[N(n)N(n+τ)] (2)
公式(2)中,E[·]为数学期望,N(n)为随机向量,τ为信号时延;
公式(1)中,ω(n)为符合α稳定分布的非高斯噪声,其特征函数为:
公式(3)中,α为特征指数,表示α稳定分布的拖尾厚度;β为对称参数,表示分布的对称程度;a为位置参数,表示分布的中心位置;γ为分散系数,表示分布的离散程度;sign(n)为符号函数,取值为:
步骤2:预设的经验小波变换法处理变流器交流侧电流信号得到原始分量信号。
步骤2.1:利用傅里叶变换对对变流器交流侧电流信号进行处理,得到傅里叶信号谱。
步骤2.2:提取傅里叶信号谱中的局部极大值,根据连续极大值与最小极小值将原信号划分成N个区间,并得到频带分界点。
具体地,原始分量信号为N个具有紧支撑性的原始分量信号。
具体地,由经验小波变换法变换处理变流器交流侧电流信号,能够提取信号分量中时域、频域等特征,能够实现自适应频带划分,使变流器故障信息能够在故障特征集中的频带能够更加精细地提取。
步骤3:计算各原始分量信号相对变流器交流侧电流信号的能量系数,将能量系数按从大到小顺序排列,选取得到能量系数最接近1的分量信号。
步骤3.1:计算变流器交流侧电流信号Ik(n)的能量,通过以下公式计算得到:
公式(5)中,Ik(n)表示变流器交流侧电流信号,且k=0,1,2…,n表示信号长度,且n=1,2,3…L,L表示采集电流信号的最大长度,i表示表示信号数量,N表示分量信号的最大数量。
步骤3.3:原始分量信号相对变流器交流侧电流信号的能量系数M,通过以下公式计算:
公式(7)中,M表示各原始分量信号相对变流器交流侧电流信号的能量系数。
步骤3.4:将能量系数M按从大到小顺序排列,选取能量系数最接近1的分量信号。
具体地,能量系数最接近1的分量信号为变流器交流侧电流信号中具有故障特征的分量信号,能够准确选取具有故障特征的频带,消除无用信号频带。
步骤4:计算各选取到的分量信号的循环熵,将循环熵进行傅里叶变换后映射到循环频域,得到循环熵谱。
步骤4.1:计算得到各原始分量信号的自相关熵Vk,N(n,δ),通过以下公式计算:
步骤4.2:计算得到各原始分量信号的循环相关熵,通过以下公式计算:
具体地,公式(8)和公式(9)中,κσ表示高斯核函数,通过以下公式表示:
步骤4.3:对原始分量信号循环相关熵进行傅里叶变换并映射到循环频域,得到循环相关熵谱,通过以下公式实现:
步骤5:对不同功率开关器件的故障分量信号谱分布结果进行对比,实现不同位置功率开关器件的开路故障检测。
步骤5.1:对不同功率开关器件的故障分量信号循环熵值、循环熵谱分布结果进行对比。
步骤5.2:根据循环熵值与循环熵谱分布结果的不同确定不同功率开关器件开路故障的位置。
实施例二:
本实施例是采用本发明实施例一提供的一种变流器故障检测方法的具体应用场景,以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
将本发明实施例一提供的一种变流器故障检测方法用于电动汽车充电站中变流器开路故障检测,方法流程如图1所示。混叠高斯与非高斯噪声的电流信号如图2所示;其频谱分布如图3所示,从图2和图3中能够看出谐波分量完全淹没在噪声中,传统小波变换与经验模态分解等对此类非线性信号的处理性能较差。
图4为采用本发明实施例一提供的一种变流器故障检测方法,在噪声环境中计算得到的循环熵谱,能够看出经过循环熵处理后的信号可以清晰分辨基频信号与谐波分量,对非高斯噪声的抑制性能较好。
本发明实施例一提供的方法能够在高斯与非高斯噪声环境下,准确提取变流器功率开关器件的故障信号特征,最大限度消除噪声与谐波的干扰,实现对变流器功率开关器件的开路故障准确检测。
实施例三:
本发明实施例提供本发明提供了一种变流器故障检测系统,包括:
获取模块:获取变流器交流侧电流信号的原始分量信号;
第一计算模块:用于计算各原始分量信号相对变流器交流侧电流信号的能量系数,选取得到能量系数最接近所设阈值的分量信号;
第二计算模块:用于计算各选取到的分量信号的循环熵,将循环熵进行傅里叶变换后映射到循环频域,得到循环熵谱;
故障确定模块:用于根据循环熵谱,确定变流器的故障位置。
实施例四:
本发明实施例提供本发明提供了一种变流器故障检测装置,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行实施例一所述方法的步骤。
实施例五:
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现实施例一所述方法的步骤。
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。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种变流器故障检测方法,其特征在于,所述方法包括如下步骤:
获取变流器交流侧电流信号的原始分量信号;其中所述原始分量信号由预设的经验小波变换法处理变流器交流侧电流信号得到;
计算各原始分量信号相对变流器交流侧电流信号的能量系数,选取得到能量系数最接近所设阈值的分量信号;
计算各选取到的分量信号的循环熵,将循环熵进行傅里叶变换后映射到循环频域,得到循环熵谱;
根据循环熵谱,确定变流器的功率开关器件的开路故障位置。
2.根据权利要求1所述的变流器故障检测方法,其特征在于,变流器交流侧电流信号,通过如下步骤获得:
在高斯与非高斯噪声环境中,获取原始桥式变流器交流侧电流信号ik(n),包括变流器在功率开关器件开路故障时的交流侧电流信号、以及正常状况下的交流侧电流信号;
将原始桥式变流器交流侧电流信号ik(n)混叠高斯与非高斯噪声,得到变流器交流侧电流信号Ik(n)。
3.根据权利要求1所述的变流器故障检测方法,其特征在于,由预设的经验小波变换法处理变流器交流侧电流信号得到原始分量信号,包括如下步骤:
利用傅里叶变换对对变流器交流侧电流信号进行处理,得到傅里叶信号谱;
提取傅里叶信号谱中的局部极大值,根据连续极大值与最小极小值将原信号划分成N个区间,并得到频带分界点;
通过频带分界点构建正交滤波器组,得到原始分量信号。
5.根据权利要求4所述的变流器故障检测方法,其特征在于,计算各选取到的分量信号的循环熵,通过以下公式计算:
公式(4)中,表示各选取到的分量信号的循环熵,n表示信号长度,且n=1,2,3…L,L表示采集电流信号的最大长度,<L>为区间长度,ξ表示循环频率,<·>n表示求时间值平均;表示原始分量信号的离散点幅值,且k=0,1,2…;Vk,N(n,δ)表示各选取到的分量信号的自相关熵,通过以下公式计算:
公式(4)和公式(5)中,κσ表示高斯核函数,通过以下公式表示:
7.根据权利要求2所述的变流器故障检测方法,其特征在于,根据循环熵谱,确定变流器的故障位置,包括:
对比各选取到的分量信号的循环熵谱,根据循环熵值、循环熵谱,确定变流器功率开关器件的开路故障位置。
8.一种变流器故障检测系统,其特征在于,包括:
获取模块:获取变流器交流侧电流信号的原始分量信号;
第一计算模块:用于计算各原始分量信号相对变流器交流侧电流信号的能量系数,选取得到能量系数最接近所设阈值的分量信号;
第二计算模块:用于计算各选取到的分量信号的循环熵,将循环熵进行傅里叶变换后映射到循环频域,得到循环熵谱;
故障确定模块:用于根据循环熵谱,确定变流器的故障位置。
9.一种变流器故障检测装置,其特征在于,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行权利要求1~7任一项所述方法的步骤。
10.计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1~7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110239909.2A CN112836390B (zh) | 2021-03-04 | 2021-03-04 | 一种变流器故障检测方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110239909.2A CN112836390B (zh) | 2021-03-04 | 2021-03-04 | 一种变流器故障检测方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112836390A true CN112836390A (zh) | 2021-05-25 |
CN112836390B CN112836390B (zh) | 2022-09-16 |
Family
ID=75934594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110239909.2A Active CN112836390B (zh) | 2021-03-04 | 2021-03-04 | 一种变流器故障检测方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112836390B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451557A (zh) * | 2017-07-29 | 2017-12-08 | 吉林化工学院 | 基于经验小波变换与局部能量的输电线路短路故障诊断方法 |
-
2021
- 2021-03-04 CN CN202110239909.2A patent/CN112836390B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451557A (zh) * | 2017-07-29 | 2017-12-08 | 吉林化工学院 | 基于经验小波变换与局部能量的输电线路短路故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112836390B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9404957B2 (en) | Fault diagnosis and preliminary location system and method for transformer core looseness | |
Wang et al. | A new method with Hilbert transform and slip-SVD-based noise-suppression algorithm for noisy power quality monitoring | |
Li et al. | Improved S transform-based fault detection method in voltage source converter interfaced DC system | |
CN110068759A (zh) | 一种故障类型获得方法及装置 | |
Samantaray et al. | Power transformer protection using S-transform with complex window and pattern recognition approach | |
CN113032716A (zh) | 基于加窗插值和Prony算法的谐波与间谐波分析方法 | |
CN110991481B (zh) | 一种基于交叉小波变换的高压并联电抗器内部松动故障诊断方法 | |
CN111007359A (zh) | 一种配电网单相接地故障识别启动方法及系统 | |
CN108090270B (zh) | 一种基于形态学滤波和盲源分离的暂态振荡参数识别方法 | |
Zhang et al. | Frequency shifting and filtering algorithm for power system harmonic estimation | |
Climente-Alarcon et al. | Diagnosis of rotor asymmetries in wound rotor induction generators operating under varying load conditions via the Wigner-Ville Distribution | |
CN112836390B (zh) | 一种变流器故障检测方法、系统及存储介质 | |
CN112345885A (zh) | 一种高压直流输电线路故障检测方法 | |
CN109586249B (zh) | 变压器励磁涌流判别方法和装置 | |
CN108594156B (zh) | 一种改进的电流互感器饱和特性识别方法 | |
Hwang | Improvement of phasor estimation accuracy by prony-based identification of two decaying dc components | |
Mishra | Sag, swell and interruption detection using wavelet in LabVIEW | |
CN107525969A (zh) | 一种融合多种算法的自适应式电网谐波分析方法 | |
CN114002475B (zh) | 一种避雷器阻性电流在线监测方法 | |
CN115219787A (zh) | 基于改进矩阵束的电网相量移动测量方法、系统及介质 | |
CN113030570A (zh) | 一种谐波电能检测方法和自适应滤波器 | |
Lv et al. | Research on Decomposition and Identification of Wide-Band Polymorphic Signals in Active Distribution Network Based on Data Decoupling Analysis | |
Stanisavljević et al. | Voltage dips detection in a microgrid with distributed generation for grid-tie inverter protection purposes | |
Moreto et al. | Using disturbance records to automate the diagnosis of faults and operational procedures in power generators | |
CN109902961A (zh) | 用于能量分解中功率信号滤波的多尺度滤波方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |