CN113092927A - 基于录波波形图像和人工智能的交流滤波器状态诊断方法 - Google Patents
基于录波波形图像和人工智能的交流滤波器状态诊断方法 Download PDFInfo
- Publication number
- CN113092927A CN113092927A CN202110536460.6A CN202110536460A CN113092927A CN 113092927 A CN113092927 A CN 113092927A CN 202110536460 A CN202110536460 A CN 202110536460A CN 113092927 A CN113092927 A CN 113092927A
- Authority
- CN
- China
- Prior art keywords
- recording
- data
- waveform
- switching value
- fault
- 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
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
- 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
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
Abstract
本发明公开了基于录波波形图像和人工智能的交流滤波器状态诊断方法，其特征在于，所述诊断方法包括以下步骤：S1、以事件触发或定时查询的方式从换流站故障录波装置或故障录波服务器获得某次故障录波的波形数据文件，波形数据文件为COMTARDE格式的文件，COMTARDE格式即电力系统瞬态数据交换的通用格式。本发明能够有效避免换流站交流滤波器组遗产而造成断路器的跳闸事件，且本发明能够对交流滤波器组及其断路器健康状态进行分析，判断其运行情况，以期在故障跳闸发生之前，将缺陷进行处理，避免对电网造成不安全的隐患，同时采用智能化的方式一方面能够减少人为分析的工作量，另一方面还提高了分析的速度与精度。
Description
技术领域
本发明涉及故障诊断技术领域，具体为基于录波波形图像和人工智能的交流滤波器状态诊断方法。
背景技术
在直流输电系统中，换流器在进行电流转化时，会产生大量的谐波，并消耗大量无功，为了不给电网带来负担，各换流站在运行时，会根据直流输电系统的输送功率，在交流侧自动投入相应的交流滤波器组，提供换流器所需的无功并消除谐波，以提高电网的电能质量。由于直流输电的灵活性，每天需要调整多次输送功率，因此交流滤波器也跟着频繁投切，使得其断路器的投切频率远远高于站内其他的线路断路器。这无疑给交流滤波器组的安全运行带来了压力，极大地考验着交流滤波器断路器的性能。目前国内已发生多起由于断路器故障导致交流滤波器跳闸及功率回降事故，极大影响直流功率的外送水平。
为了尽量避免换流站交流滤波器组异常而造成断路器的跳闸事件，迫切需要一种对交流滤波器组及其断路器健康状态进行分析的技术手段，用以判断其运行情况，以期在故障跳闸发生之前，将缺陷进行处理，避免对电网造成不安全的隐患。目前换流站交流滤波器组异常情况的分析手段主要都是对故障录波波形的进行人工分析，缺少自动化智能分析的手段。
针对上述情况，我们需要基于录波波形图像和人工智能的交流滤波器状态诊断方法。
发明内容
本发明的目的在于提供基于录波波形图像和人工智能的交流滤波器状态诊断方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：基于录波波形图像和人工智能的交流滤波器状态诊断方法，其特征在于，所述诊断方法包括以下步骤：
S1、以事件触发或定时查询的方式从换流站故障录波装置或故障录波服务器获得某次故障录波的波形数据文件，波形数据文件为COMTARDE格式的文件，COMTARDE格式即电力系统瞬态数据交换的通用格式；
S2、利用已知COMTARDE文件分析软件读取对应的COMTARDE格式波形数据文件的数据，并将数据转换为电压模拟量信号、电流模拟量信号和开关量信号；
S3、自动检索步骤S2中故障录波文件中转换的开关量信号变化的时刻，判断是断路器是合闸状态或是分闸状态，根据断路器状态进一步判断故障录波文件的录波类型，录波类型包括合闸录波、分闸录波和其他录波，
当断路器为合闸状态时，记录本次故障录波文件为合闸录波，转步骤S4，
当断路器为分闸状态时，记录本次故障录波文件为分闸录波，转步骤S4，
当断路器既不是为合闸状态又不是分闸状态时，记录本次故障录波文件为其他录波，并退出分析流程；
S4、记录开关量信号变化时刻，并根据该时刻提取故障录波波形在相应时间段的数据；
S5、检索断路器实际动作的时刻，以该时刻为中心，以不同的分辨率生成多张波形图片，所述分辨率由相同大小显示的数据点个数决定，所述生成图片的方式为将数据波形通过画图软件或程序以图形的形式进行展示并保持为图片格式的文件；
S6、对提取的录波数据进行计算分析，并将经过计算后的数据也相应的生成多张波形图片，所述计算分析方式包括：FFT分析、小波分析、差动分析；
本发明采用FFT分析、小波分析、差动分析对录波数据进行数据分析，是为了能够把故障和异常的特征进行提取。不同类型的故障和异常用不同的分析方法所展示的效果各不相同，因此采用多种方式进行分析，获取的故障和异常特征点更加全面，使得最终得到的结果更加精准。
S7、将步骤S5和S6获取的图片文件输入人工智能模型进行分析，所述人工智能模型能够自动学习；
S8、获取输出的分析结果。
进一步的，所述步骤S1中换流站故障录波装置是在换流站交流滤波器断路器动作或其他异常情况下将交流滤波器相关的测量点的电压波形、电流波形和开关量信号进行采样、录波和存储，进而对设备状态和其他异常进行分析；
故障录波服务器是用于故障录波数据存储和备份的服务器，故障录波装置能自动的将每次录波数据存放至故障录波服务器。
进一步的，所述步骤S1中事件触发的方式是以故障录波装置每次启动作为触发分析的条件；
所述定时查询的方式是以某个固定的时间为周期去访问故障录波装置或故障录波服务器，判断是否存在新的故障录波数据，若存在新的故障录波数据则依次将新的故障录波数据中的每一笔故障录波数据执行步骤S2至步骤S8所述内容进行分析。
进一步的，所述步骤S3中判断是断路器是合闸状态或是分闸状态的方法如下：
通过开关量信号变化的时刻进行判断，所述开关量信号为数字量信号，即为0或者为1，对某一开关量信号而言，
当开关量信号从0变化为1表示合闸信号，即断路器是合闸状态，
当开关量信号从1变化为0表示分闸信号，即断路器是分闸状态；
所述合闸信号与分闸信号对应的数字信号变化范围也可以相反，但都必须是明确定义好的。
本发明开关量信号从0变化为1既可以表示合闸信号，又可以表示分闸信号，但是当表示的内容确认后，相应的开关量信号从1变化为0表示的内容即为另一个信号，即：当开关量信号从0变化为1表示合闸信号时，那么开关量信号从1变化为0表示分闸信号；同理，当开关量信号从0变化为1表示分闸信号时，那么开关量信号从1变化为0表示合闸信号。
进一步的，所述步骤S4中开关量信息变化时刻为开关量信号从0到1和从1到0的变化的时刻，对于一个录波文件而言，假设总的录波点数为N，则这个变化时刻可为0至N-1，即在这一点上开关量信号发生变化；
所述相应时间段的数据为开关量信号发生变化开始长度为M个数据点的数据，所述M的长度包含滤波器短路动作的暂态数据波形。
进一步的，所述步骤S5检索断路器实际动作的时刻中，不同滤波器断路器从开关量信号变化到实际动作的时刻不同，需要从开关量信号变化时刻向后检索断路器实际动作的时刻，
当故障录波文件为合闸录波时，检索的方法为：从开关量信号变化时刻开始，判断该录波对应的A、B、C三相电流波形的前后两个点的变化幅值超过设定的第一门限的第一个点即为断路器实际动作的时刻；
当故障录波文件为分闸录波时，检索的方法为：从开关量信号变化时刻开始，判断对应的A、B、C三相电流波形的第一个满足连续L个值均小于设定的第二门限的数据点即为断路器实际动作的时刻，所述L为预制的值，所述第二门限值接近于0。
本发明中在检索到断路器实际动作的时刻后，以该时刻为中心，采用不同的分辨率生成多张波形图片是因为对于不同类型的异常情况而言，需要关注的暂态波形的长度是不同的，也就是需要的波形的分辨率不同。另外不同分辨率的图片可以从宏观和细节等不同方面进行展示，进而便于对波形数据进行分析。
进一步的，所述步骤S7中人工智能模型在已有的经数据训练的的一种分析模型的基础上进行改进，使该分析模型收集现有的滤波器录波数据文件和已知的故障波形案例，通过机器学习算法建立初步嵌入式人工智能模型，同时持续的收集录波数据，
将每次获得的波形图片输入人工智能模型后会得到分析的结果，同时也会进行人工的分析和验证，然后利用人工分析对波形图片进行标定后再对人工智能模型进行训练，在数据的积累下，不断对识别标准和模型进行更新，
所述收集的录波数据还包括波形图片。
进一步的，所述步骤S8中输出分析结果的方式包括：文件输出和语音输出，
若本次的输出分析结果被判定为异常，则对输出的分析结果进行报警，所述报警方式包括：语音报警、开关量信号报警。
与现有技术相比，本发明所达到的有益效果是：本发明能够有效避免换流站交流滤波器组遗产而造成断路器的跳闸事件，且本发明能够对交流滤波器组及其断路器健康状态进行分析，判断其运行情况，以期在故障跳闸发生之前，将缺陷进行处理，避免对电网造成不安全的隐患，同时采用智能化的方式一方面能够减少人为分析的工作量，另一方面还提高了分析的速度与精度。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明基于录波波形图像和人工智能的交流滤波器状态诊断方法的结构示意图；
图2是本发明基于录波波形图像和人工智能的交流滤波器状态诊断方法中信号长度为200个数据点对应分辨率的录波波形示意图；
图3是本发明基于录波波形图像和人工智能的交流滤波器状态诊断方法中信号长度为50个数据点对应分辨率的录波波形示意图；
图4是本发明基于录波波形图像和人工智能的交流滤波器状态诊断方法中信号长度为20个数据点对应分辨率的录波波形示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
请参阅图1-4，本发明提供技术方案：基于录波波形图像和人工智能的交流滤波器状态诊断方法，其特征在于，所述诊断方法包括以下步骤：
S1、以事件触发或定时查询的方式从换流站故障录波装置或故障录波服务器获得某次故障录波的波形数据文件，波形数据文件为COMTARDE格式的文件，COMTARDE格式即电力系统瞬态数据交换的通用格式；
S2、利用已知COMTARDE文件分析软件读取对应的COMTARDE格式波形数据文件的数据，并将数据转换为电压模拟量信号、电流模拟量信号和开关量信号；
S3、自动检索步骤S2中故障录波文件中转换的开关量信号变化的时刻，判断是断路器是合闸状态或是分闸状态，根据断路器状态进一步判断故障录波文件的录波类型，录波类型包括合闸录波、分闸录波和其他录波，
当断路器为合闸状态时，记录本次故障录波文件为合闸录波，转步骤S4，
当断路器为分闸状态时，记录本次故障录波文件为分闸录波，转步骤S4，
当断路器既不是为合闸状态又不是分闸状态时，记录本次故障录波文件为其他录波，并退出分析流程；
S4、记录开关量信号变化时刻，并根据该时刻提取故障录波波形在相应时间段的数据；
S5、检索断路器实际动作的时刻，以该时刻为中心，以不同的分辨率生成多张波形图片，所述分辨率由相同大小显示的数据点个数决定，所述生成图片的方式为将数据波形通过画图软件或程序以图形的形式进行展示并保持为图片格式的文件；
S6、对提取的录波数据进行计算分析，并将经过计算后的数据也相应的生成多张波形图片，所述计算分析方式包括：FFT分析、小波分析、差动分析；
S7、将步骤S5和S6获取的图片文件输入人工智能模型进行分析，所述人工智能模型能够自动学习；
S8、获取输出的分析结果。
所述步骤S1中换流站故障录波装置是在换流站交流滤波器断路器动作或其他异常情况下将交流滤波器相关的测量点的电压波形、电流波形和开关量信号进行采样、录波和存储，进而对设备状态和其他异常进行分析；
故障录波服务器是用于故障录波数据存储和备份的服务器，故障录波装置能自动的将每次录波数据存放至故障录波服务器。
所述步骤S1中事件触发的方式是以故障录波装置每次启动作为触发分析的条件；
所述定时查询的方式是以某个固定的时间为周期去访问故障录波装置或故障录波服务器，判断是否存在新的故障录波数据，若存在新的故障录波数据则依次将新的故障录波数据中的每一笔故障录波数据执行步骤S2至步骤S8所述内容进行分析。
所述步骤S3中判断是断路器是合闸状态或是分闸状态的方法如下：
通过开关量信号变化的时刻进行判断，所述开关量信号为数字量信号，即为0或者为1，对某一开关量信号而言，
当开关量信号从0变化为1表示合闸信号，即断路器是合闸状态，
当开关量信号从1变化为0表示分闸信号，即断路器是分闸状态；
所述合闸信号与分闸信号对应的数字信号变化范围也可以相反，但都必须是明确定义好的。
本发明开关量信号从0变化为1既可以表示合闸信号，又可以表示分闸信号，但是当表示的内容确认后，相应的开关量信号从1变化为0表示的内容即为另一个信号，即：当开关量信号从0变化为1表示合闸信号时，那么开关量信号从1变化为0表示分闸信号；同理，当开关量信号从0变化为1表示分闸信号时，那么开关量信号从1变化为0表示合闸信号。
所述步骤S4中开关量信息变化时刻为开关量信号从0到1和从1到0的变化的时刻，对于一个录波文件而言，假设总的录波点数为N，则这个变化时刻可为0至N-1，即在这一点上开关量信号发生变化；
所述相应时间段的数据为开关量信号发生变化开始长度为M个数据点的数据，所述M的长度包含滤波器短路动作的暂态数据波形。
所述步骤S5检索断路器实际动作的时刻中，不同滤波器断路器从开关量信号变化到实际动作的时刻不同，需要从开关量信号变化时刻向后检索断路器实际动作的时刻，
当故障录波文件为合闸录波时，检索的方法为：从开关量信号变化时刻开始，判断该录波对应的A、B、C三相电流波形的前后两个点的变化幅值超过设定的第一门限的第一个点即为断路器实际动作的时刻；
当故障录波文件为分闸录波时，检索的方法为：从开关量信号变化时刻开始，判断对应的A、B、C三相电流波形的第一个满足连续L个值均小于设定的第二门限的数据点即为断路器实际动作的时刻，所述L为预制的值，所述第二门限值接近于0。
本发明中在检索到断路器实际动作的时刻后，以该时刻为中心，采用不同的分辨率生成多张波形图片是因为对于不同类型的异常情况而言，需要关注的暂态波形的长度是不同的，也就是需要的波形的分辨率不同。另外不同分辨率的图片可以从宏观和细节等不同方面进行展示，进而便于对波形数据进行分析。
所述步骤S7中人工智能模型在已有的经数据训练的的一种分析模型的基础上进行改进，使该分析模型收集现有的滤波器录波数据文件和已知的故障波形案例，通过机器学习算法建立初步嵌入式人工智能模型，同时持续的收集录波数据，
将每次获得的波形图片输入人工智能模型后会得到分析的结果，同时也会进行人工的分析和验证，然后利用人工分析对波形图片进行标定后再对人工智能模型进行训练，在数据的积累下，不断对识别标准和模型进行更新，
所述收集的录波数据还包括波形图片。
所述步骤S8中输出分析结果的方式包括：文件输出和语音输出，
若本次的输出分析结果被判定为异常，则对输出的分析结果进行报警，所述报警方式包括：语音报警、开关量信号报警。
本发明提供的基于录波波形图像和人工智能的交流滤波器状态诊断方法的具体实施可以为一套运行于通用计算机或服务器的软件程序，也可以为跟具体硬件相结合的保护软硬件的装置，所示具体硬件可为用于数据分析的高速DSP芯片，单核或多核ARM处理器，FPGA，人工智能加速卡等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，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 (8)
1.基于录波波形图像和人工智能的交流滤波器状态诊断方法，其特征在于，所述诊断方法包括以下步骤：
S1、以事件触发或定时查询的方式从换流站故障录波装置或故障录波服务器获得某次故障录波的波形数据文件，波形数据文件为COMTARDE格式的文件，COMTARDE格式即电力系统瞬态数据交换的通用格式；
S2、利用已知COMTARDE文件分析软件读取对应的COMTARDE格式波形数据文件的数据，并将数据转换为电压模拟量信号、电流模拟量信号和开关量信号；
S3、自动检索步骤S2中故障录波文件中转换的开关量信号变化的时刻，判断是断路器是合闸状态或是分闸状态，根据断路器状态进一步判断故障录波文件的录波类型，录波类型包括合闸录波、分闸录波和其他录波，
当断路器为合闸状态时，记录本次故障录波文件为合闸录波，转步骤S4，
当断路器为分闸状态时，记录本次故障录波文件为分闸录波，转步骤S4，
当断路器既不是为合闸状态又不是分闸状态时，记录本次故障录波文件为其他录波，并退出分析流程；
S4、记录开关量信号变化时刻，并根据该时刻提取故障录波波形在相应时间段的数据；
S5、检索断路器实际动作的时刻，以该时刻为中心，以不同的分辨率生成多张波形图片，所述分辨率由相同大小显示的数据点个数决定，所述生成图片的方式为将数据波形通过画图软件或程序以图形的形式进行展示并保持为图片格式的文件；
S6、对提取的录波数据进行计算分析，并将经过计算后的数据也相应的生成多张波形图片，所述计算分析方式包括：FFT分析、小波分析、差动分析；
S7、将步骤S5和S6获取的图片文件输入人工智能模型进行分析，所述人工智能模型能够自动学习；
S8、获取输出的分析结果。
2.根据权利要求1所述的基于录波波形图像和人工智能的交流滤波器状态诊断方法，其特征在于：所述步骤S1中换流站故障录波装置是在换流站交流滤波器断路器动作或其他异常情况下将交流滤波器相关的测量点的电压波形、电流波形和开关量信号进行采样、录波和存储，进而对设备状态和其他异常进行分析；
故障录波服务器是用于故障录波数据存储和备份的服务器，故障录波装置能自动的将每次录波数据存放至故障录波服务器。
3.根据权利要求1所述的基于录波波形图像和人工智能的交流滤波器状态诊断方法，其特征在于：所述步骤S1中事件触发的方式是以故障录波装置每次启动作为触发分析的条件；
所述定时查询的方式是以某个固定的时间为周期去访问故障录波装置或故障录波服务器，判断是否存在新的故障录波数据，若存在新的故障录波数据则依次将新的故障录波数据中的每一笔故障录波数据执行步骤S2至步骤S8所述内容进行分析。
4.根据权利要求1所述的基于录波波形图像和人工智能的交流滤波器状态诊断方法，其特征在于：所述步骤S3中判断是断路器是合闸状态或是分闸状态的方法如下：
通过开关量信号变化的时刻进行判断，所述开关量信号为数字量信号，即为0或者为1，对某一开关量信号而言，
当开关量信号从0变化为1表示合闸信号，即断路器是合闸状态，
当开关量信号从1变化为0表示分闸信号，即断路器是分闸状态；
所述合闸信号与分闸信号对应的数字信号变化范围也可以相反，但都必须是明确定义好的。
5.根据权利要求1所述的基于录波波形图像和人工智能的交流滤波器状态诊断方法，其特征在于：所述步骤S4中开关量信息变化时刻为开关量信号从0到1和从1到0的变化的时刻，对于一个录波文件而言，假设总的录波点数为N，则这个变化时刻可为0至N-1，即在这一点上开关量信号发生变化；
所述相应时间段的数据为开关量信号发生变化开始长度为M个数据点的数据，所述M的长度包含滤波器短路动作的暂态数据波形。
6.根据权利要求1所述的基于录波波形图像和人工智能的交流滤波器状态诊断方法，其特征在于：所述步骤S5检索断路器实际动作的时刻中，不同滤波器断路器从开关量信号变化到实际动作的时刻不同，需要从开关量信号变化时刻向后检索断路器实际动作的时刻，
当故障录波文件为合闸录波时，检索的方法为：从开关量信号变化时刻开始，判断该录波对应的A、B、C三相电流波形的前后两个点的变化幅值超过设定的第一门限的第一个点即为断路器实际动作的时刻；
当故障录波文件为分闸录波时，检索的方法为：从开关量信号变化时刻开始，判断对应的A、B、C三相电流波形的第一个满足连续L个值均小于设定的第二门限的数据点即为断路器实际动作的时刻，所述L为预制的值，所述第二门限值接近于0。
7.根据权利要求1所述的基于录波波形图像和人工智能的交流滤波器状态诊断方法，其特征在于：所述步骤S7中人工智能模型在已有的经数据训练的的一种分析模型的基础上进行改进，使该分析模型收集现有的滤波器录波数据文件和已知的故障波形案例，通过机器学习算法建立初步嵌入式人工智能模型，同时持续的收集录波数据，
将每次获得的波形图片输入人工智能模型后会得到分析的结果，同时也会进行人工的分析和验证，然后利用人工分析对波形图片进行标定后再对人工智能模型进行训练，在数据的积累下，不断对识别标准和模型进行更新，
所述收集的录波数据还包括波形图片。
8.根据权利要求1所述的基于录波波形图像和人工智能的交流滤波器状态诊断方法，其特征在于：所述步骤S8中输出分析结果的方式包括：文件输出和语音输出，
若本次的输出分析结果被判定为异常，则对输出的分析结果进行报警，所述报警方式包括：语音报警、开关量信号报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110536460.6A CN113092927A (zh) | 2021-05-17 | 2021-05-17 | 基于录波波形图像和人工智能的交流滤波器状态诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110536460.6A CN113092927A (zh) | 2021-05-17 | 2021-05-17 | 基于录波波形图像和人工智能的交流滤波器状态诊断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113092927A true CN113092927A (zh) | 2021-07-09 |
Family
ID=76666011
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110536460.6A Pending CN113092927A (zh) | 2021-05-17 | 2021-05-17 | 基于录波波形图像和人工智能的交流滤波器状态诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113092927A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113834987A (zh) * | 2021-09-03 | 2021-12-24 | 广州智光电气股份有限公司 | 变流器故障录波方法及变流器 |
| CN115276238A (zh) * | 2022-08-18 | 2022-11-01 | 上海联元智能科技有限公司 | 基于AIoT的智能断路器健康度诊断系统 |
-
2021
- 2021-05-17 CN CN202110536460.6A patent/CN113092927A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113834987A (zh) * | 2021-09-03 | 2021-12-24 | 广州智光电气股份有限公司 | 变流器故障录波方法及变流器 |
| CN115276238A (zh) * | 2022-08-18 | 2022-11-01 | 上海联元智能科技有限公司 | 基于AIoT的智能断路器健康度诊断系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lee et al. | New fault diagnosis of circuit breakers | |
| CN105974265B (zh) | 一种基于svm分类技术的电网故障原因诊断方法 | |
| CN113092927A (zh) | 基于录波波形图像和人工智能的交流滤波器状态诊断方法 | |
| CN110855502A (zh) | 一种基于时空分析日志的故障定因方法和系统 | |
| CN112149510A (zh) | 一种非侵入式负荷检测方法 | |
| CN110222765B (zh) | 一种永磁同步电机健康状态监测方法及系统 | |
| CN114509283A (zh) | 系统故障监测方法、装置、电子设备和存储介质 | |
| CN103018629A (zh) | 一种基于马拉算法的电力系统故障录波数据分析方法 | |
| JPH11142466A (ja) | 配電線の事故原因推定方法及び装置 | |
| CN112462193B (zh) | 一种基于实时故障滤波数据的配电网自动重合闸判断方法 | |
| CN116029699A (zh) | 一种基于数据孪生的电力信息系统及运维方法 | |
| CN105321039A (zh) | 一种隔离开关在线监测数据管理系统及方法 | |
| KR102056856B1 (ko) | Pmu데이터 및 comtrade형식 데이터를 활용한 계통사고 감시 및 분석방법 | |
| WO2024078344A1 (zh) | 一种高频外电网质量监测方法、系统及装置 | |
| CN111856313B (zh) | 双路电源实时监测装置 | |
| CN113837895A (zh) | 基于电力扰动数据的配电网异常事件识别方法及系统 | |
| CN110321585A (zh) | 基于ga-bp神经网络开关柜绝缘缺陷检测方法及系统 | |
| CN114243654A (zh) | 基于纯模拟量识别的录波数据故障线路判定系统、方法 | |
| CN117277566B (zh) | 基于大数据的电网数据分析电力调度系统及方法 | |
| CN215067002U (zh) | 一种电能质量扰动分类检测装置 | |
| CN117409816B (zh) | 一种基于声音信号的设备故障检测方法及系统 | |
| Jiang et al. | Automated fault analysis and diagnosis using high-frequency and maintenance data from distribution networks | |
| CN117633612A (zh) | 一种基于大数据自诊断的电能计量方法及系统 | |
| CN116859159A (zh) | 一种基于数字孪生模型的电力变压器故障监测管理系统 | |
| CN116298659A (zh) | 一种基于分布式电流监测数据挖掘的配电网故障辨识方法 |
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 |