CN113553927A - 干式变压器的运行状态分析方法、系统、服务器及介质 - Google Patents
干式变压器的运行状态分析方法、系统、服务器及介质 Download PDFInfo
- Publication number
- CN113553927A CN113553927A CN202110772856.0A CN202110772856A CN113553927A CN 113553927 A CN113553927 A CN 113553927A CN 202110772856 A CN202110772856 A CN 202110772856A CN 113553927 A CN113553927 A CN 113553927A
- Authority
- CN
- China
- Prior art keywords
- dry
- type transformer
- value
- data
- operation state
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 44
- 230000002159 abnormal effect Effects 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000013528 artificial neural network Methods 0.000 claims abstract description 10
- 238000003860 storage Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 12
- 230000005236 sound signal Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 15
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000009413 insulation Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004804 winding Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- RKTYLMNFRDHKIL-UHFFFAOYSA-N copper;5,10,15,20-tetraphenylporphyrin-22,24-diide Chemical group [Cu+2].C1=CC(C(=C2C=CC([N-]2)=C(C=2C=CC=CC=2)C=2C=CC(N=2)=C(C=2C=CC=CC=2)C2=CC=C3[N-]2)C=2C=CC=CC=2)=NC1=C3C1=CC=CC=C1 RKTYLMNFRDHKIL-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Protection Of Transformers (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明公开一种干式变压器的运行状态分析方法,包括以下步骤:通过设置在干式变压器上的采集装置采集干式变压器当前的多模态数据;将多模态数据输入到训练完成的神经网络分析模型中进行处理,输出波形数据;判断波形数据是否超出预设的波形设定值范围,若结果为是,则认为干式变压器运行异常,并发出警报。本发明通过将波形数据与预设的波形设定值范围进行比对,来确定干式变压器当前是否运行异常,从而在在变压器出现异常状态初期,甚至出现异常状态之前,发出报警信息,通知运维主动开展检修工作,从而降低维修成本。本发明还提供了一种干式变压器的运行状态分析系统、服务器及存储介质。
Description
【技术领域】
本发明涉及变压器技术领域,尤其涉及一种干式变压器的运行状态分析方法、系统、服务器及存储介质。
【背景技术】
干式变压器指铁芯和绕组不浸渍在绝缘油中的变压器,具有抗短路能力强、维护工作量小、运行效率高、体积小、噪音低等优点,从而广泛用于局部照明、高层建筑、机场,码头CNC机械设备等场所。当变压器发生故障时,导致电线路断开,从而会影响生产与生活。然而,当变压器发生故障时,表明内部的故障已经较大,此时不利于原因分析,且维修成本较大。
鉴于此,实有必要提供一种干式变压器的运行状态分析方法、系统、服务器及存储介质以克服上述缺陷。
【发明内容】
本发明的目的是提供一种干式变压器的运行状态分析方法、系统、服务器及存储介质,旨在改善不能预先对变压器的运行状态进行检测与分析的问题,在变压器出现异常状态初期,甚至出现异常状态之前,发出报警/预警信息,通知运维主动开展检修工作。
为了实现上述目的,本发明第一方面提供一种干式变压器的运行状态分析方法,包括以下步骤:
通过设置在干式变压器上的采集装置采集所述干式变压器当前的多模态数据;其中,所述多模态数据包括振动信号、声音信号与谐波信号中的至少一种;
将所述多模态数据输入到训练完成的神经网络分析模型中进行处理,输出波形数据;
判断所述波形数据是否超出预设的波形设定值范围,若结果为是,则认为所述干式变压器运行异常,并发出警报。
在一个优选实施方式中,通过设置在干式变压器上的采集装置采集所述干式变压器当前的多模态数据步骤之后还包括步骤:
将所述多模态数据进行归一化处理。
在一个优选实施方式中,所述波形设定值范围通过以下步骤获得:
以同类型场景的多台干式变压器所收集到的历史波形数据为参照,取平均值从而形成标准值;
以所述标准值为基准,根据预设的偏差幅度来确定波形设定值范围。
在一个优选实施方式中,所述历史波形数据包括所述干式变压器的振动波形信号、运行声音信号、负荷电流波形、负荷电流谐波分量与三相铁芯温度。
在一个优选实施方式中,判断所述波形数据是否超出预设的波形设定值范围步骤中包括以下子步骤:
计算所述干式变压器的三相不平衡度;其中,计算公式为:Max(Ia/Ib/Ic-Average(Ia,Ib,Ic))/Average(Ia,Ib,Ic)*100%,Ia,Ib,Ic分别为a相电流值、b相电流值与c相电流值;
判断所述三相不平衡度是否超过不平衡度阈值,若结果为是,则发出警报。
在一个优选实施方式中,判断所述波形数据是否超出预设的波形设定值范围步骤中包括以下子步骤:
采集并获取所述干式变压器中的三相温度值;
判断所述三相温度值是否超过预设的温度范围,若结果为是,则发出警报。
在一个优选实施方式中,所述多模态数据还包括高压值、低压值、高压电流值、低压电流值、温度值、视在功率值、有功功率值、无功功率值、频率值、相角差值中的至少一种。
本发明第二方面提供一种干式变压器的运行状态分析系统,包括:
数据采集模块,用于通过设置在干式变压器上的采集装置采集所述干式变压器当前的多模态数据;其中,所述多模态数据包括振动信号、声音信号与谐波信号中的至少一种;
数据处理模块,用于将所述多模态数据输入到训练完成的神经网络分析模型中进行处理,输出波形数据;
异常判断模块,用于判断所述波形数据是否超出预设的波形设定值范围,若结果为是,则认为所述干式变压器运行异常,并发出警报。
本发明第三方面提供了一种服务器,所述服务器包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的干式变压器的运行状态分析程序,所述干式变压器的运行状态分析程序被所述处理器执行时实现如上述实施方式中任一项所述的干式变压器的运行状态分析方法的各个步骤。
本发明第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有干式变压器的运行状态分析程序,所述干式变压器的运行状态分析程序被处理器执行时实现如上述实施方式任一项所述的干式变压器的运行状态分析方法的各个步骤。
本发明提供的干式变压器的运行状态分析方法,实时采集干式变压器的多模态数据,然后将多模态数据输入到神经网络分析模型中进行状态分析,输出波形数据,通过将波形数据与预设的波形设定值范围进行比对,来确定干式变压器当前是否运行异常,从而在在变压器出现异常状态初期,甚至出现异常状态之前,发出报警信息,通知运维主动开展检修工作,从而降低维修成本。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明提供的干式变压器的运行状态分析方法的流程图;
图2为本发明提供的干式变压器的运行状态分析系统的框架图。
【具体实施方式】
为了使本发明的目的、技术方案和有益技术效果更加清晰明白,以下结合附图和具体实施方式,对本发明进行进一步详细说明。应当理解的是,本说明书中描述的具体实施方式仅仅是为了解释本发明,并不是为了限定本发明。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
在本发明的实施例中,第一方面提供一种干式变压器的运行状态分析方法,用于根据干式变压器当前的运行数据,以及结合历史运行数据,综合分析评估变压器运行状态,发现内在缺陷,,在变压器出现异常状态初期,甚至出现异常状态之前,发出报警信息。
如图1所示,干式变压器的运行状态分析方法包括以下步骤S11-S13。
步骤S11,通过设置在干式变压器上的采集装置采集干式变压器当前的多模态数据;其中,多模态数据包括振动信号、声音信号与谐波信号中的至少一种。具体的,多模态数据还包括高压值、低压值、高压电流值、低压电流值、温度值、视在功率值、有功功率值、无功功率值、频率值、相角差值中的至少一种,即可用的数据变量主要包括振动信号、声音信号、低压电流信号、温度值、x谐波信号共五类。
其中,在执行后续步骤S12之前,将多模态数据进行归一化处理。具体的,归一化方法有两种形式,一种是把多模态数据变为(0,1)之间的小数,一种是把有量纲表达式变为无量纲表达式,方便数据处理,把数据映射到0~1范围之内处理,使得后续的数据处理更加便捷快速。
需要说明的是,采集装置包括采集器与集中器。采集器是一种带外壳绝缘的四方体装置,带有磁吸功能,可吸附于与干式变压器本体硬连接的铁件结构上,与干式变压器本体组成一整体,供电方式采用低压交流供电,从变压器低压母排出线上取电。首先,当干式变压器运行时自身会发生振动,采集器会随之振动。此时通过内置的振动加速度传感器,实现干式变压器振动信号的采集。其次,采集器内安装有声音采集传感器,可以监测采集器周围的环境噪音,当变压器出现异常时,会同步出现特殊的运行声音,因此可通过对该声音的分析,发现变压器本身运行的问题。其中,采集器本身不具备分析计算功能,仅实现信息的采集;同时采集器还具备短距离抗变压器干扰的无线通信功能,可将采集到的振动数据信息、声音数据信息,传输至附近的集中器。
集中器是一种带外壳绝缘的四方体装置,采用外部交流220V供电。首先具备短距离抗变压器干扰的无线通信功能,可与采集器通信,汇聚振动数据信息、声音数据信息。其次具备RS485有线通信功能,可与智能融合终端、变压器信息采集器通信,收集高压值、低压值、高压电流值、低压电流值、温度值、视在功率值、有功功率值、无功功率值、频率值、相角差值、谐波信号等信息数据。
步骤S12,将多模态数据输入到训练完成的神经网络分析模型中进行处理,输出波形数据。
需要说明的是,神经网络分析模型是基于干式变压器的历史波形数据作为训练集训练所得。历史波形数据包括干式变压器的振动波形信号、运行声音信号、负荷电流波形、负荷电流谐波分量与三相铁芯温度。
步骤S13,判断波形数据是否超出预设的波形设定值范围,若结果为是,则认为干式变压器运行异常,并发出警报。
具体的,本步骤包括以下子步骤:
首先,以同类型场景的多台干式变压器所收集到的历史波形数据(振动、声音、谐波)为参照,取平均值从而形成标准值。其中,每类波形数据均为单独求平均值。需要说明的是,这些历史波形数据均为正常运行状态下所采集的数据。
然后,以标准值为基准,根据预设的偏差幅度来确定波形设定值范围。举例来说,可将偏差幅度设为20%,那么波形设定值范围即为标准值±20%内,当然,偏差幅度可根据不同的实际场景进行具体设置。当振动、声音、谐波的波形数据任一种出现较大偏差时,则发出警报信息。即当变压器的某类信号低于或高于预设的设定值时,表明内部开始出现异常,但是表现在外却不明显(类似于人体某个部位肌肉酸痛),此时,可根据信号的变化在变压器出现异常状态初期,甚至出现异常状态之前,发出报警信息,通知运维主动开展检修工作。
具体的,在一个实施例中,本方法还包括以下步骤:计算干式变压器的三相不平衡度;其中,三相不平衡度的计算公式为:Max(Ia/Ib/Ic-Average(Ia,Ib,Ic))/Average(Ia,Ib,Ic)*100%,Ia,Ib,Ic分别为a相电流值、b相电流值与c相电流值,Average(Ia,Ib,Ic)为三相电流的平均值。然后,判断三相不平衡度是否超过不平衡度阈值(例如设为50%),若结果为是,则发出警报。
具体的,在一个实施例中,本方法还包括以下步骤:采集并获取干式变压器中的三相温度值;判断三相温度值是否超过预设的温度范围,若结果为是,则发出警报。
需要说明的是,干式变压器的安全运行和使用寿命,很大程度上取决于变压器绕组绝缘的安全可靠。绕组温度超过绝缘耐受温度使绝缘破坏,是导致变压器不能正常工作的主要原因之一,因此对变压器的运行温度的监测及其报警控制是十分重要的。根据低压电流值和温度值关系(二者存在一定的线性关系),当温度异常偏高而负荷却未发生较大变化时,如三相温度偏差较大(偏差幅度超过预设的温度设定值的10%),或者变压器温度突破120℃时,应发出报警指示。
另外,需要说明的是,对于振动信号、声音信号与谐波信号,根据历史波形学习与比对,以低压电流值为参照,如在不同时间,风机未启动而电流在100A的波形差异较大,则认为出现问题,应报警。
综上所述,本发明提供的干式变压器的运行状态分析方法,实时采集干式变压器的多模态数据,然后将多模态数据输入到神经网络分析模型中进行状态分析,输出波形数据,通过将波形数据与预设的波形设定值范围进行比对,来确定干式变压器当前是否运行异常,从而在在变压器出现异常状态初期,甚至出现异常状态之前,发出报警信息,通知运维主动开展检修工作,从而降低维修成本。
本发明第二方面提供一种干式变压器的运行状态分析系统100,用于根据干式变压器当前的运行数据,以及结合历史运行数据,综合分析评估变压器运行状态,发现内在缺陷,,在变压器出现异常状态初期,甚至出现异常状态之前,发出报警信息。需要说明的是,干式变压器的运行状态分析系统100的实现原理及实施方式与上述的干式变压器的运行状态分析方法相一致,故以下不再赘述。
如图2所示,干式变压器的运行状态分析系统100包括:
数据采集模块10,用于通过设置在干式变压器上的采集装置采集干式变压器当前的多模态数据;其中,多模态数据包括振动信号、声音信号与谐波信号中的至少一种;
数据处理模块20,用于将多模态数据输入到训练完成的神经网络分析模型中进行处理,输出波形数据;
异常判断模块30,用于判断波形数据是否超出预设的波形设定值范围,若结果为是,则认为干式变压器运行异常,并发出警报。
本发明第三方面提供了一种服务器(图中未示出),服务器包括存储器、处理器以及存储在存储器并可在处理器上运行的干式变压器的运行状态分析程序,干式变压器的运行状态分析程序被处理器执行时实现如上述实施方式中任一项所述的干式变压器的运行状态分析方法的各个步骤。
本发明第四方面提供了一种计算机可读存储介质(图中未示出),计算机可读存储介质存储有干式变压器的运行状态分析程序,干式变压器的运行状态分析程序被处理器执行时实现如上述实施方式任一项所述的干式变压器的运行状态分析方法的各个步骤。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述系统的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的系统或系统/服务器设备和方法,可以通过其它的方式实现。例如,以上所描述的系统或系统/服务器设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,系统或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本发明并不仅仅限于说明书和实施方式中所描述,因此对于熟悉领域的人员而言可容易地实现另外的优点和修改,故在不背离权利要求及等同范围所限定的一般概念的精神和范围的情况下,本发明并不限于特定的细节、代表性的设备和这里示出与描述的图示示例。
Claims (10)
1.一种干式变压器的运行状态分析方法,其特征在于,包括以下步骤:
通过设置在干式变压器上的采集装置采集所述干式变压器当前的多模态数据;其中,所述多模态数据包括振动信号、声音信号与谐波信号中的至少一种;
将所述多模态数据输入到训练完成的神经网络分析模型中进行处理,输出波形数据;
判断所述波形数据是否超出预设的波形设定值范围,若结果为是,则认为所述干式变压器运行异常,并发出警报。
2.如权利要求1所述的干式变压器的运行状态分析方法,其特征在于,通过设置在干式变压器上的采集装置采集所述干式变压器当前的多模态数据步骤之后还包括步骤:
将所述多模态数据进行归一化处理。
3.如权利要求1所述的干式变压器的运行状态分析方法,其特征在于,所述波形设定值范围通过以下步骤获得:
以同类型场景的多台干式变压器所收集到的历史波形数据为参照,取平均值从而形成标准值;
以所述标准值为基准,根据预设的偏差幅度来确定波形设定值范围。
4.如权利要求3所述的干式变压器的运行状态分析方法,其特征在于,所述历史波形数据包括所述干式变压器的振动波形信号、运行声音信号、负荷电流波形、负荷电流谐波分量与三相铁芯温度。
5.如权利要求3所述的干式变压器的运行状态分析方法,其特征在于,判断所述波形数据是否超出预设的波形设定值范围步骤中包括以下子步骤:
计算所述干式变压器的三相不平衡度;其中,计算公式为:Max(Ia/Ib/Ic-Average(Ia,Ib,Ic))/Average(Ia,Ib,Ic)*100%,Ia,Ib,Ic分别为a相电流值、b相电流值与c相电流值;
判断所述三相不平衡度是否超过不平衡度阈值,若结果为是,则发出警报。
6.如权利要求1所述的干式变压器的运行状态分析方法,其特征在于,判断所述波形数据是否超出预设的波形设定值范围步骤中包括以下子步骤:
采集并获取所述干式变压器中的三相温度值;
判断所述三相温度值是否超过预设的温度范围,若结果为是,则发出警报。
7.如权利要求1所述的干式变压器的运行状态分析方法,其特征在于,所述多模态数据还包括高压值、低压值、高压电流值、低压电流值、温度值、视在功率值、有功功率值、无功功率值、频率值、相角差值中的至少一种。
8.一种干式变压器的运行状态分析系统,其特征在于,包括:
数据采集模块,用于通过设置在干式变压器上的采集装置采集所述干式变压器当前的多模态数据;其中,所述多模态数据包括振动信号、声音信号与谐波信号中的至少一种;
数据处理模块,用于将所述多模态数据输入到训练完成的神经网络分析模型中进行处理,输出波形数据;
异常判断模块,用于判断所述波形数据是否超出预设的波形设定值范围,若结果为是,则认为所述干式变压器运行异常,并发出警报。
9.一种服务器,其特征在于,所述服务器包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的干式变压器的运行状态分析程序,所述干式变压器的运行状态分析程序被所述处理器执行时实现如权利要求1-7任一项所述的干式变压器的运行状态分析方法的各个步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有干式变压器的运行状态分析程序,所述干式变压器的运行状态分析程序被处理器执行时实现如权利要求1-7任一项所述的干式变压器的运行状态分析方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110772856.0A CN113553927A (zh) | 2021-07-08 | 2021-07-08 | 干式变压器的运行状态分析方法、系统、服务器及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110772856.0A CN113553927A (zh) | 2021-07-08 | 2021-07-08 | 干式变压器的运行状态分析方法、系统、服务器及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113553927A true CN113553927A (zh) | 2021-10-26 |
Family
ID=78102944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110772856.0A Pending CN113553927A (zh) | 2021-07-08 | 2021-07-08 | 干式变压器的运行状态分析方法、系统、服务器及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113553927A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091984A (zh) * | 2022-01-21 | 2022-02-25 | 北京智盟信通科技有限公司 | 一种电力变压器运行状态评估方法和设备 |
CN115951159A (zh) * | 2023-03-14 | 2023-04-11 | 天津华能变压器有限公司 | 一种干式变压器的运行状态分析方法、装置及存储介质 |
CN116937815A (zh) * | 2023-09-13 | 2023-10-24 | 深圳市旺城行电子有限公司 | 一种电源变压器智能维护系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102221651A (zh) * | 2011-03-11 | 2011-10-19 | 太原理工大学 | 一种矿用隔爆型干式变压器故障在线诊断及预警方法 |
CN104237713A (zh) * | 2014-10-17 | 2014-12-24 | 国家电网公司 | 基于离散小波变换的变压器绕组形变诊断方法 |
CN105891708A (zh) * | 2016-05-11 | 2016-08-24 | 四川大学 | 基于anfis的高压断路器操作机构状态评估 |
CN110221139A (zh) * | 2019-05-05 | 2019-09-10 | 新奥数能科技有限公司 | 一种干式变压器的故障预测方法、装置及系统 |
CN111273196A (zh) * | 2020-03-11 | 2020-06-12 | 杭州安脉盛智能技术有限公司 | 一种应用于核电大型电力变压器的健康管理系统及方法 |
CN111610466A (zh) * | 2020-05-14 | 2020-09-01 | 国网江苏省电力有限公司电力科学研究院 | 一种变压器状态预测方法、装置和存储介质 |
CN112731122A (zh) * | 2020-11-25 | 2021-04-30 | 广西电网有限责任公司电力科学研究院 | 一种断路器机构寿命评估的方法及装置 |
-
2021
- 2021-07-08 CN CN202110772856.0A patent/CN113553927A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102221651A (zh) * | 2011-03-11 | 2011-10-19 | 太原理工大学 | 一种矿用隔爆型干式变压器故障在线诊断及预警方法 |
CN104237713A (zh) * | 2014-10-17 | 2014-12-24 | 国家电网公司 | 基于离散小波变换的变压器绕组形变诊断方法 |
CN105891708A (zh) * | 2016-05-11 | 2016-08-24 | 四川大学 | 基于anfis的高压断路器操作机构状态评估 |
CN110221139A (zh) * | 2019-05-05 | 2019-09-10 | 新奥数能科技有限公司 | 一种干式变压器的故障预测方法、装置及系统 |
CN111273196A (zh) * | 2020-03-11 | 2020-06-12 | 杭州安脉盛智能技术有限公司 | 一种应用于核电大型电力变压器的健康管理系统及方法 |
CN111610466A (zh) * | 2020-05-14 | 2020-09-01 | 国网江苏省电力有限公司电力科学研究院 | 一种变压器状态预测方法、装置和存储介质 |
CN112731122A (zh) * | 2020-11-25 | 2021-04-30 | 广西电网有限责任公司电力科学研究院 | 一种断路器机构寿命评估的方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091984A (zh) * | 2022-01-21 | 2022-02-25 | 北京智盟信通科技有限公司 | 一种电力变压器运行状态评估方法和设备 |
CN115951159A (zh) * | 2023-03-14 | 2023-04-11 | 天津华能变压器有限公司 | 一种干式变压器的运行状态分析方法、装置及存储介质 |
CN116937815A (zh) * | 2023-09-13 | 2023-10-24 | 深圳市旺城行电子有限公司 | 一种电源变压器智能维护系统 |
CN116937815B (zh) * | 2023-09-13 | 2023-12-29 | 深圳市旺城行电子有限公司 | 一种电源变压器智能维护系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113553927A (zh) | 干式变压器的运行状态分析方法、系统、服务器及介质 | |
CN106249076B (zh) | 受谐波负载影响下的配电变压器状态检测方法及系统 | |
CN107144757B (zh) | 一种瓦斯继电器油流流速在线监测装置及方法 | |
CN110173422B (zh) | 真空泵物联网在线监测系统、方法及终端设备 | |
CN110556923A (zh) | 一种配电变压器数据监控终端、监控系统及监控方法 | |
CN112600306A (zh) | 一种配电变压器监测系统 | |
CN113514094A (zh) | 一种基于机器学习的电力监测与预警系统 | |
CN103675606A (zh) | 桥式直流故障监测报警器 | |
CN206270446U (zh) | 一种用于中低压输配电系统的接地电阻器智能监控系统 | |
CN111024261A (zh) | 一种nb-iot技术监测电缆接头的方法及系统 | |
CN116760193B (zh) | 电力系统的全面数据监控方法和系统 | |
CN213715353U (zh) | 一种高压配电盘故障检测系统 | |
CN113865649A (zh) | 防雷器劣化度监测装置、系统及方法 | |
CN106771639B (zh) | 高压杆塔接地电阻在线监测系统 | |
CN117553859A (zh) | 一种高低压配电柜的智能检测系统及其检测方法 | |
CN205622325U (zh) | 一种远程智能电力调度自动化设备的检监测系统 | |
CN105259497A (zh) | 一种断路器电弧故障断路系统及方法 | |
CN107727968A (zh) | 一种干式变压器状态监测设备 | |
CN110879338A (zh) | 一种基于感应供电的高压电力设备绝缘检测系统及其检测方法 | |
CN206788283U (zh) | 一种基于电力线载波传输的低压电气安全监测装置 | |
CN206348414U (zh) | 一种电容器组在线监测装置 | |
CN214202080U (zh) | 一种变电站环境参数检测装置 | |
CN203630273U (zh) | 桥式直流故障监测报警器 | |
CN112415926A (zh) | 一种变电站环境参数检测装置 | |
CN209486255U (zh) | 一种基于bn-iot通信的电机集散式管控系统 |
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 |