CN113533950B - 一种基于BiLSTM的高压断路器操作电压采样方法 - Google Patents
一种基于BiLSTM的高压断路器操作电压采样方法 Download PDFInfo
- Publication number
- CN113533950B CN113533950B CN202110658361.5A CN202110658361A CN113533950B CN 113533950 B CN113533950 B CN 113533950B CN 202110658361 A CN202110658361 A CN 202110658361A CN 113533950 B CN113533950 B CN 113533950B
- Authority
- CN
- China
- Prior art keywords
- voltage
- breaker
- data
- circuit breaker
- bilstm
- 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.)
- Active
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012549 training Methods 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
- G01R31/3271—Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
- G01R31/3272—Apparatus, systems or circuits therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
- G01R19/2506—Arrangements for conditioning or analysing measured signals, e.g. for indicating peak values ; Details concerning sampling, digitizing or waveform capturing
- G01R19/2509—Details concerning sampling, digitizing or waveform capturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Driving Mechanisms And Operating Circuits Of Arc-Extinguishing High-Tension Switches (AREA)
- Emergency Protection Circuit Devices (AREA)
Abstract
本发明公开了一种基于BiLSTM的高压断路器操作电压采样方法。为了克服现有技术断路器操作电压采样频率过高,影响数据采集设备的运行速度,影响设备的使用寿命的问题;本发明包括以下步骤:S1:采集电网数据和断路器操作数据,结合历史数据训练BiLSTM模型;S2:将实时采集的电网数据输入到训练好的BiLSTM模型中,预测断路器操作电压状态;S3:断路器收到操作指令后,根据预测的断路器操作电压状态自适应调整操作电压采样频率,采集断路器操作电压。本发明根据BiLSTM模型输出的预测电压波形确定操作电压采样频率,既能避免重复数据拖慢运行速度,保证断路器的使用寿命;又能够避免错失重要数据,提高数据采集设备的使用效率。
Description
技术领域
本发明涉及一种操作电压采样领域,尤其涉及一种基于双向长短期记忆网络的高压断路器操作电压采样方法。
背景技术
操作过电压对电网安全有重大的影响,采样高压断路器的操作电压,可通过分析波形与质量来判断高压断路器的工作状态,因此操作过电压的信息采集对电网至关重要。操作过电压的采集频率对操作过电压的精确采集至关重要,采样频率过高会采集过多的重复信息,数据采集设备运行速度会变慢,设备使用寿命也会受到影响,降低操作电压的采集频率又会错失重要数据,对波形与质量的分析造成影响。
现在的断路器电压采集一般都都是实时采集,例如,一种在中国专利文献上公开的“永磁真空断路器控制装置”,其公告号CN106444457A,通过直流采样模块用于采集断路器行程、励磁电流、操作电压等直流模拟量信号;开入采集模块用于采集数字开入信号;交流采样模块用于采样保护电压、保护电流及测量电流等交流模拟量信号;处理模块用于根据交流电流信号、电压模拟信号及数字开入信号、保护电压、保护电流及测量电流发出具有指定逻辑的控制信号;驱动控制模块用于根据控制信号控制永磁真空断路器动作。该方案断路器操作电压采样频率过高,影响数据采集设备的运行速度,影响设备的使用寿命。
发明内容
本发明主要解决现有技术断路器操作电压采样频率过高,影响数据采集设备的运行速度,影响设备的使用寿命的问题;提供一种基于BiLSTM的高压断路器操作电压采样方法,通过电网数据确定断路器操作电压采集频率,提高数据采集设备的使用效率,保证断路器的使用寿命。
本发明的上述技术问题主要是通过下述技术方案得以解决的:
一种基于BiLSTM的高压断路器操作电压采样方法,包括以下步骤:
S1:采集电网数据和断路器操作数据,结合历史数据训练BiLSTM模型;
S2:将实时采集的电网数据输入到训练好的BiLSTM模型中,预测断路器操作电压状态;
S3:断路器收到操作指令后,根据预测的断路器操作电压状态自适应调整操作电压采样频率,采集断路器操作电压。
电网数据包括电网的电压数据、电流数据、温度数据等,根据电网数据与断路器操作数据训练出来的BiLSTM模型,将电网数据与断路器操作电压相关联,能够根据输入的电网数据预测断路器操作电压状态,包括操作电压的波形,以此来调整操作电压采集频率,提高数据采集设备的使用效率,保证断路器的使用寿命。
作为优选,所述的电网数据包括电网电压数据、电网电流数据和环境温度数据;所述的断路器操作数据包括操作电压数据、励磁电流数据、设备红外温度数据和行程数据。通过电网电压数据以及断路器操作数据,具体的将电网环境与断路器操作过程数据关联,能够根据电网环境的数据以及断路器本身的特性推断出操作电压的变化,以此来确定操作电压的采样频率,提高设备的使用效率。
作为优选,不同断路器各自对应不同的BiLSTM模型;训练好的BiLSTM模型输入电网数据,输出断路器操作电压波形。不同的断路器训练出来的BiLSTM模型均不同,根据不同断路器各自特性训练出来的BiLSTM模型针对性更强,预测的操作电压波形更加精准。
作为优选,所述的步骤S3包括以下步骤:
S31:断路器判断是否接收到操作指令,若是,则进入步骤S32:若否,循环本步骤的判断;
S32:调取步骤S2中预测的断路器操作电压状态中的操作电压波形,从时域分解操作电压波形,将操作电压波形依次分解为若干个波动阶段;
S33:根据每个波动阶段的时间长度确定该波动阶段对应的操作电压采样频率fn;
S34:各波动阶段对应的操作电压采样频率fn在预先设定的采样频率范围内,选取最大值作为的操作电压采样频率fd;
fd=max{f1,f2,f3,...,fN}
s.t.fm≤fd≤fM
其中,fm为预设的采样频率范围最小值;
fM为预设的采样频率范围最大值;
fn为第n个波动阶段对应的操作电压采样频率;
N为波动阶段个数;
S35:依照操作电压采样频率fd进行断路器操作电压的采集。
根据BiLSTM模型输出的预测电压波形确定操作电压采样频率,既能避免重复数据拖慢运行速度,保证断路器的使用寿命;又能够避免错失重要数据,提高数据采集设备的使用效率。
作为优选,所述的分解操作电压波形包括以下步骤:
S321:依次以操作电压波形上的点作为中心,设置阈值矩形框,遍历所有操作电压点后,进入步骤S324;
阈值矩形框的上限为Vi+ΔV;阈值矩形框的下限为Vi-ΔV;阈值矩形框的左边框为ti-Δtk;阈值矩形框的右边框为ti+Δtk;
其中,Vi为选取的第i个操作电压的电压值;ΔV为电压阈值;ti为选取的第i个操作电压的时间点;Δtk为第k种时间阈值;
S322:判断时间阈值范围内的各点电压值是否在电压阈值范围内;若是,则返回步骤S321,对下一个操作电压点设置阈值矩形框;若否,则将改点标记为边界点,并进入步骤S323;
S323:变换时间阈值,使得时间阈值内的各点电压值均在电压阈值范围内,并返回步骤S321;
S324:选取斜率为0的操作电压点,作为边界点;
S325:以各相邻边界点之间的区域作为一个波动阶段。
使用上述方式分解出波动阶段,符合电压波形,避免出现改变采样频率后的错失重要数据。
作为优选,,所述的S325还包括:
判断相邻的采用同一种时间阈值的边界点之间的电压差值△Vb是否大于分解阈值VB,若是,则保留,若否,则合并以该边界点分解的波动阶段。
去除电压抖动带来的干扰。
作为优选,断路器执行操作命令后的tL时间段内,以操作电压采集频率fd继续采集断路器电压,tL为延时时间段。
设置延时时间段进行断路器电压采集,避免操作完成后的断路器重燃。
作为优选,还包括以下步骤:
S4:根据断路器操作过程中采集到的断路器操作电压,评估断路器的使用寿命,结合断路器的使用时间优化BiLSTM模型。
通过本方案进行断路器使用寿命的估计,进行断路器的健康管理。
作为优选,所述的步骤S4包括以下步骤:
S41:将本次采集到的断路器操作电压与上次采集到的断路器操作电压对比,提取断路器性能变化;
S42:将本次采集到的断路器操作电压以及断路器性能变化与历史数据库中的数据比较,评估断路器使用寿命;
S43:将断路器的使用时间作为训练因素,进行BiLSTM模型的训练,优化模型。
优化后的模型考虑了断路器的使用时间因素,使得预估的操作电压波形更加准确。
本发明的有益效果是:
1.根据BiLSTM模型输出的预测电压波形确定操作电压采样频率,既能避免重复数据拖慢运行速度,保证断路器的使用寿命;又能够避免错失重要数据,提高数据采集设备的使用效率。
2.不同的断路器训练出来的BiLSTM模型均不同,根据不同断路器各自特性训练出来的BiLSTM模型针对性更强,预测的操作电压波形更加精准。
3.采用阈值矩形框分解出波动阶段,符合电压波形,避免出现改变采样频率后的错失重要数据。
4.在断路器执行操作后,设置延时时间段进行断路器电压采集,避免操作完成后的断路器重燃。
附图说明
图1是本发明的一种高压断路器操作电压采样方法的流程图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:
本实施例的一种基于BiLSTM的高压断路器操作电压采样方法,如图1所示,包括以下步骤:S1:采集电网数据和断路器操作数据,结合历史数据训练BiLSTM模型。
电网数据包括电网电压数据、电网电流数据和环境温度数据。
断路器操作数据包括操作电压数据、励磁电流数据、设备红外温度数据和行程数据。
该数据作为BiLSTM模型的训练数据,经过输入门、遗忘门和输出门;训练模型,将电网数据与断路器操作数据项关联。
通过电网电压数据以及断路器操作数据,具体的将电网环境数据与断路器操作过程数据关联,能够根据电网环境的数据以及断路器本身的特性推断出操作电压的变化,依次来确定操作电压的采样频率,提高设备的使用效率。
S2:将实时采集的电网数据输入到训练好的BiLSTM模型中,预测断路器操作电压状态。断路器操作电压状态包括断路器操作电压波形。
不同断路器有不同的特性,所以断路器各自对应不同的BiLSTM模型;训练好的BiLSTM模型输入电网数据,输出断路器操作电压波形。
不同的断路器训练出来的BiLSTM模型均不同,根据不同断路器各自特性训练出来的BiLSTM模型针对性更强,预测的操作电压波形更加精准。
S3:断路器收到操作指令后,根据预测的断路器操作电压状态自适应调整操作电压采样频率,采集断路器操作电压。
S31:断路器判断是否接收到操作指令,若是,则进入步骤S32:若否,循环本步骤的判断。
S32:调取步骤S2中预测的断路器操作电压状态中的操作电压波形,从时域分解操作电压波形,将操作电压波形依次分解为若干个波动阶段。
S321:依次以操作电压波形上的点作为中心,设置阈值矩形框,遍历所有操作电压点后,进入步骤S324。
阈值矩形框的上限为Vi+ΔV;阈值矩形框的下限为Vi-ΔV;阈值矩形框的左边框为ti-Δtk;阈值矩形框的右边框为ti+Δtk。
其中,Vi为选取的第i个操作电压的电压值;ΔV为电压阈值;ti为选取的第i个操作电压的时间点;Δtk为第k种时间阈值。
S322:判断时间阈值范围内的各点电压值是否在电压阈值范围内;若是,则返回步骤S321,对下一个操作电压点设置阈值矩形框;若否,则将改点标记为边界点,并进入步骤S323。
S323:变换时间阈值,使得时间阈值内的各点电压值均在电压阈值范围内,并返回步骤S321。
S324:选取斜率为0的操作电压点,作为边界点。
S325:以各相邻边界点之间的区域作为一个波动阶段。
判断相邻的采用同一种时间阈值的边界点之间的电压差值ΔVb是否大于分解阈值VB,若是,则保留,若否,则合并以该边界点分解的波动阶段。去除电压抖动带来的干扰。
使用上述方式分解出波动阶段,符合电压波形,避免出现改变采样频率后的错失重要数据。
S33:根据每个波动阶段的时间长度确定该波动阶段对应的操作电压采样频率fn。采样频率为时间的倒数。
S34:各波动阶段对应的操作电压采样频率fn在预先设定的采样频率范围内,选取最大值作为的操作电压采样频率fd;
fd=max{f1,f2,f3,...,fN}
s.t.fm≤fd≤fM
其中,fm为预设的采样频率范围最小值;
fM为预设的采样频率范围最大值;
fn为第n个波动阶段对应的操作电压采样频率;
N为波动阶段个数。
S35:依照操作电压采样频率fd进行断路器操作电压的采集。
根据BiLSTM模型输出的预测电压波形确定操作电压采样频率,既能避免重复数据拖慢运行速度,保证断路器的使用寿命;又能够避免错失重要数据,提高数据采集设备的使用效率。
断路器执行操作命令后的tL时间段内,以操作电压采集频率fd继续采集断路器电压,tL为延时时间段。设置延时时间段进行断路器电压采集,避免操作完成后的断路器重燃。
S4:根据断路器操作过程中采集到的断路器操作电压,评估断路器的使用寿命,结合断路器的使用时间优化BiLSTM模型。
S4l:将本次采集到的断路器操作电压与上次采集到的断路器操作电压对比,提取断路器性能变化;
S42:将本次采集到的断路器操作电压以及断路器性能变化与历史数据库中的数据比较,评估断路器使用寿命;
S43:将断路器的使用时间作为训练因素,进行BiLSTM模型的训练,优化模型。
优化后的模型考虑了断路器的使用时间因素,使得预估的操作电压波形更加准确。
本方案根据BiLSTM模型输出的预测电压波形确定操作电压采样频率,既能避免重复数据拖慢运行速度,保证断路器的使用寿命;又能够避免错失重要数据,提高数据采集设备的使用效率。
应理解,实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (7)
1.一种基于BiLSTM的高压断路器操作电压采样方法,其特征在于,包括以下步骤:
S1:采集电网数据和断路器操作数据,结合历史数据训练BiLSTM模型;
S2:将实时采集的电网数据输入到训练好的BiLSTM模型中,预测断路器操作电压状态;
S3:断路器收到操作指令后,根据预测的断路器操作电压状态自适应调整操作电压采样频率,采集断路器操作电压;
所述的步骤S3包括以下步骤:
S31:断路器判断是否接收到操作指令,若是,则进入步骤S32:若否,循环本步骤的判断;
S32:调取步骤S2中预测的断路器操作电压状态中的操作电压波形,从时域分解操作电压波形,将操作电压波形依次分解为若干个波动阶段;
所述的分解操作电压波形包括以下步骤:
S321:依次以操作电压波形上的点作为中心,设置阈值矩形框,遍历所有操作电压点后,进入步骤S324;
阈值矩形框的上限为Vi+ΔV;阈值矩形框的下限为Vi-ΔV;阈值矩形框的左边框为ti-Δtk;阈值矩形框的右边框为ti+Δtk;
其中,Vi为选取的第i个操作电压的电压值;ΔV为电压阈值;ti为选取的第i个操作电压的时间点;Δtk为第k种时间阈值;
S322:判断时间阈值范围内的各点电压值是否在电压阈值范围内;若是,则返回步骤S321,对下一个操作电压点设置阈值矩形框;若否,则将改点标记为边界点,并进入步骤S323;
S323:变换时间阈值,使得时间阈值内的各点电压值均在电压阈值范围内,并返回步骤S321;
S324:选取斜率为0的操作电压点,作为边界点;
S325:以各相邻边界点之间的区域作为一个波动阶段;
S33:根据每个波动阶段的时间长度确定该波动阶段对应的操作电压采样频率fn;
S34:各波动阶段对应的操作电压采样频率fn在预先设定的采样频率范围内,选取最大值作为的操作电压采样频率fd;
fd=max{f1,f2,f3,....,fN}
s.t.fm≤fd≤fM
其中,fm为预设的采样频率范围最小值;
fM为预设的采样频率范围最大值;
fn为第n个波动阶段对应的操作电压采样频率;
N为波动阶段个数;
S35:依照操作电压采样频率fd进行断路器操作电压的采集。
2.根据权利要求1所述的一种基于BiLSTM的高压断路器操作电压采样方法,其特征在于,所述的电网数据包括电网电压数据、电网电流数据和环境温度数据;所述的断路器操作数据包括操作电压数据、励磁电流数据、设备红外温度数据和行程数据。
3.根据权利要求1或2所述的一种基于BiLSTM的高压断路器操作电压采样方法,其特征在于,不同断路器各自对应不同的BiLSTM模型;训练好的BiLSTM模型输入电网数据,输出断路器操作电压波形。
4.根据权利要求1所述的一种基于BiLSTM的高压断路器操作电压采样方法,其特征在于,所述的S325还包括:
判断相邻的采用同一种时间阈值的边界点之间的电压差值ΔVb是否大于分解阈值VB,若是,则保留,若否,则合并以该边界点分解的波动阶段。
5.根据权利要求1所述的一种基于BiLSTM的高压断路器操作电压采样方法,其特征在于,断路器执行操作命令后的tL时间段内,以操作电压采集频率fd继续采集断路器电压,tL为延时时间段。
6.根据权利要求1所述的一种基于BiLSTM的高压断路器操作电压采样方法,其特征在于,还包括以下步骤:
S4:根据断路器操作过程中采集到的断路器操作电压,评估断路器的使用寿命,结合断路器的使用时间优化BiLSTM模型。
7.根据权利要求6所述的一种基于BiLSTM的高压断路器操作电压采样方法,其特征在于,所述的步骤S4包括以下步骤:
S41:将本次采集到的断路器操作电压与上次采集到的断路器操作电压对比,提取断路器性能变化;
S42:将本次采集到的断路器操作电压以及断路器性能变化与历史数据库中的数据比较,评估断路器使用寿命;
S43:将断路器的使用时间作为训练因素,进行BiLSTM模型的训练,优化模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110658361.5A CN113533950B (zh) | 2021-06-11 | 2021-06-11 | 一种基于BiLSTM的高压断路器操作电压采样方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110658361.5A CN113533950B (zh) | 2021-06-11 | 2021-06-11 | 一种基于BiLSTM的高压断路器操作电压采样方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113533950A CN113533950A (zh) | 2021-10-22 |
CN113533950B true CN113533950B (zh) | 2023-12-26 |
Family
ID=78124886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110658361.5A Active CN113533950B (zh) | 2021-06-11 | 2021-06-11 | 一种基于BiLSTM的高压断路器操作电压采样方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113533950B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115963312B (zh) * | 2023-02-03 | 2023-08-08 | 电子科技大学 | 一种周期波形统计参数测量方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073795A (zh) * | 2011-02-18 | 2011-05-25 | 昆明理工大学 | 一种110kV线缆混合线路操作过电压水平预测方法 |
CN107844638A (zh) * | 2017-10-16 | 2018-03-27 | 国网浙江省电力公司电力科学研究院 | 一种开断感性小电流的断路器仿真方法及系统 |
CN109270442A (zh) * | 2018-08-21 | 2019-01-25 | 西安工程大学 | 基于dbn-ga神经网络的高压断路器故障检测方法 |
CN109471021A (zh) * | 2018-01-05 | 2019-03-15 | 国家电网公司 | 检测高压断路器分合闸性能的装置和方法 |
CN109917175A (zh) * | 2019-03-11 | 2019-06-21 | 云南电网有限责任公司电力科学研究院 | 一种针对高抗退出时的过电压快速预测方法 |
CN110648315A (zh) * | 2019-09-06 | 2020-01-03 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于大数据技术的高压断路器状态评估方法 |
CN111060813A (zh) * | 2019-12-09 | 2020-04-24 | 国网北京市电力公司 | 高压断路器操作机构的故障诊断方法及装置、电子设备 |
CN111289888A (zh) * | 2019-12-11 | 2020-06-16 | 嘉兴恒创电力集团有限公司博创物资分公司 | 一种基于大数据技术的高压断路器状态检测及故障诊断方法 |
CN112290516A (zh) * | 2020-10-10 | 2021-01-29 | 威胜信息技术股份有限公司 | 基于母线和出线极性特征的过电压保护系统、方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103961126B (zh) * | 2013-02-05 | 2016-07-06 | 苏州瑞派宁科技有限公司 | 一种多阈值采样数字化器件的阈值校正方法 |
EP3154144B1 (en) * | 2015-10-06 | 2020-04-22 | General Electric Technology GmbH | Improvements in or relating to direct current distance protection controllers |
-
2021
- 2021-06-11 CN CN202110658361.5A patent/CN113533950B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073795A (zh) * | 2011-02-18 | 2011-05-25 | 昆明理工大学 | 一种110kV线缆混合线路操作过电压水平预测方法 |
CN107844638A (zh) * | 2017-10-16 | 2018-03-27 | 国网浙江省电力公司电力科学研究院 | 一种开断感性小电流的断路器仿真方法及系统 |
CN109471021A (zh) * | 2018-01-05 | 2019-03-15 | 国家电网公司 | 检测高压断路器分合闸性能的装置和方法 |
CN109270442A (zh) * | 2018-08-21 | 2019-01-25 | 西安工程大学 | 基于dbn-ga神经网络的高压断路器故障检测方法 |
CN109917175A (zh) * | 2019-03-11 | 2019-06-21 | 云南电网有限责任公司电力科学研究院 | 一种针对高抗退出时的过电压快速预测方法 |
CN110648315A (zh) * | 2019-09-06 | 2020-01-03 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于大数据技术的高压断路器状态评估方法 |
CN111060813A (zh) * | 2019-12-09 | 2020-04-24 | 国网北京市电力公司 | 高压断路器操作机构的故障诊断方法及装置、电子设备 |
CN111289888A (zh) * | 2019-12-11 | 2020-06-16 | 嘉兴恒创电力集团有限公司博创物资分公司 | 一种基于大数据技术的高压断路器状态检测及故障诊断方法 |
CN112290516A (zh) * | 2020-10-10 | 2021-01-29 | 威胜信息技术股份有限公司 | 基于母线和出线极性特征的过电压保护系统、方法和装置 |
Non-Patent Citations (10)
Title |
---|
基于XGBoost的集成式隔离断路器状态评估;李劲彬;夏天;黄烁;方华亮;胡傲;韩柳;;高电压技术(第05期);全文 * |
基于卷积神经网络算法的高压断路器故障诊断;黄新波;胡潇文;朱永灿;魏雪倩;周岩;高华;;电力自动化设备(第05期);全文 * |
夏明玉,张芳榴.应用快速傅立叶交换法计算超高压输电系统的操作过电压.清华大学学报(自然科学版).1982,(第02期),全文. * |
应用快速傅立叶交换法计算超高压输电系统的操作过电压;夏明玉, 张芳榴;清华大学学报(自然科学版)(第02期);全文 * |
李劲彬 ; 夏天 ; 黄烁 ; 方华亮 ; 胡傲 ; 韩柳 ; .基于XGBoost的集成式隔离断路器状态评估.高电压技术.2020,(第05期),全文. * |
李庆民,王冠,李清泉.电力系统相控开关技术及其智能控制策略.电气开关.2004,(第03期),全文. * |
电力系统相控开关技术及其智能控制策略;李庆民, 王冠, 李清泉;电气开关(第03期);全文 * |
自适应配电网拓扑与开关配置的智能分布式保护方法;林志超;电力系统保护与控制;全文 * |
高压断路器试验集成式柔性接线快速检测系统的研究;周刚;电子产品世界;全文 * |
黄新波 ; 胡潇文 ; 朱永灿 ; 魏雪倩 ; 周岩 ; 高华 ; .基于卷积神经网络算法的高压断路器故障诊断.电力自动化设备.2018,(第05期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN113533950A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107480440B (zh) | 一种基于两阶段随机退化建模的剩余寿命预测方法 | |
Mittal et al. | Dynamics and performance modeling of multi-stage manufacturing systems using nonlinear stochastic differential equations | |
CN109936113B (zh) | 一种基于随机森林算法的保护动作智能诊断方法及系统 | |
US11520395B2 (en) | Integrated circuit power systems with machine learning capabilities | |
CN113533950B (zh) | 一种基于BiLSTM的高压断路器操作电压采样方法 | |
CN112731981B (zh) | 一种水利闸门自动化远程控制系统 | |
CN112379273A (zh) | 基于人工智能的锂离子电池充电曲线重构及状态估计方法 | |
US7656978B2 (en) | Fast Q-filter | |
Isaksson et al. | Event-triggered deadtime estimation from closed-loop data | |
CN114330642A (zh) | 一种用于多采样时间的建筑电力负荷预测方法 | |
CN117078232B (zh) | 一种基于大数据的加工设备故障预防系统及方法 | |
CN112214911B (zh) | 一种电源的健康状态预测方法 | |
CN112036436B (zh) | 一种调相机油温预测系统的数据噪声处理方法及处理系统 | |
CN117556359A (zh) | 配电设备健康状态评估系统及方法 | |
CN115883424B (zh) | 一种高速骨干网间流量数据预测方法及系统 | |
CN111191908A (zh) | 一种负荷事件检测方法、系统及存储介质 | |
CN112862911A (zh) | 以可视化图像建立电池状态模型的方法 | |
CN116819352A (zh) | 电池阈值的自适应设定方法、装置、设备及存储介质 | |
CN114021855A (zh) | 一种基于历史数据的牵引电机温升预测方法 | |
EP1943566B1 (en) | Initializing an estimation of dynamic model parameters | |
Züfle et al. | A framework for time series preprocessing and history-based forecasting method recommendation | |
CN116070734A (zh) | 一种变压器故障预测方法、装置、设备及存储介质 | |
CN111814325B (zh) | 燃煤发电装备非平稳运行的单变量报警阈值优化方法 | |
CN117463506B (zh) | 自适应恒流恒压控制高压电源 | |
CN113221492B (zh) | 一种电磁干扰下数字电路内部瞬态分析方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |