CN113607271A - 一种基于振动信号的gil缺陷在线监测系统及方法 - Google Patents
一种基于振动信号的gil缺陷在线监测系统及方法 Download PDFInfo
- Publication number
- CN113607271A CN113607271A CN202110800887.2A CN202110800887A CN113607271A CN 113607271 A CN113607271 A CN 113607271A CN 202110800887 A CN202110800887 A CN 202110800887A CN 113607271 A CN113607271 A CN 113607271A
- Authority
- CN
- China
- Prior art keywords
- vibration signal
- gil
- defect
- equipment
- vibration
- 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
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于振动信号的GIL缺陷在线监测系统及方法，包括振动信号采集模块、振动信号特征提取模块、设备缺陷识别模块和数据存储展示模块；所述振动信号采集模块用于采集GIL壳体振动信号，所述振动信号特征提取模块用于提取振动信号在时域和/或频域和/或时频域三个方面的特征参数，所述设备缺陷识别模块用于识别GIL是否存在缺陷及缺陷类型并将无法识别的振动信号特征参数及对应设备状态存入数据存储展示模块。本发明不但可以通过不停电方式实现对GIL运行过程中的状态进行在线监测与带电检测，还可以分析GIL运行状态并实时报警，还可以根据GIL运行过程中的新增缺陷类型进行数据库更新，提高GIL缺陷识别准确性。
Description
技术领域
本发明属于电工检测技术领域，尤其涉及气体绝缘金属封闭输电线路(GIL)缺陷检测技术。
背景技术
气体绝缘金属封闭输电线路(GIL)是一种采用SF6或者SF6/N2混合气体绝缘，外壳与导体同轴布置的高电压、大电流电力传输设备。具有输电容量大、占地少、布置灵活、可靠性高、免维护、寿命长、与环境相互影响小等优点。采用GIL可解决特殊气象环境或特殊地段的输电线路架设问题，通过合理规划和设计，不但可以大大降低系统造价，而且也能提高系统的可靠性。
GIL采用全密封设计，且气室大、管道长，运行过程中发生放电、机械或过热缺陷时，现有的手段难以对故障点进行准确定位。为了降低GIL严重故障的发生概率，提高故障发生后的修复效率，需要对GIL进行准确、快速的缺陷识别、定位及预警。
目前针对GIL故障诊断技术，主要集中在特高频及超声放电信号的检测技术研究，对GIL振动技术及机械缺陷研究较少。同时，主要是对于GIL击穿故障进行事后定位，缺乏在线监测、故障前预警技术的研究。
发明内容
本发明的目的就是要提供一种基于振动信号的GIL缺陷在线监测系统及方法，实现GIL运行状态的在线监测、并实时判断GIL是否存在机械或放电缺陷，实现故障的提前识别及预警，降低GIL设备故障发生概率，并对设备缺陷类型进行识别判断，给出可能出现缺陷的位置，从而降低故障排查事件，提高故障发生后的修复效率。
为实现此目的，本发明所设计的基于振动信号的GIL缺陷在线监测系统，包括振动信号采集模块、振动信号特征提取模块、设备缺陷识别模块和数据存储展示模块；所述振动信号采集单元用于采集GIL壳体振动信号，并将振动信号传递至所述振动信号特征提取模块；所述振动信号特征提取模块用于提取振动信号在时域、频域和时频域三个方面的特征参数，并将振动信号特征参数传输至所述设备缺陷识别模块；所述设备缺陷识别模块将振动信号特征参数进行归一化处理，再利用最大相关最小冗余算法分析各特征参数之间的冗余性以及特征参数与所述数据存储展示模块中各类振动信号特征图谱之间的相关性，并按照特征参数的权重对特征参数进行优选排序，最后运用缺陷识别算法分析各特征参数表征的设备状态，综合所述设备状态评估GIL是否存在缺陷并获得设备缺陷类型和缺陷级别数据，所述设备缺陷识别模块将振动信号的特征参数、设备状态、设备缺陷类型和级别数据传输至所述数据存储展示模块；若设备缺陷级别达到故障级别，则所述设备缺陷识别模块生成告警信号；所述数据存储展示模块用于存储和展示所述振动信号的特征参数、设备状态、设备缺陷类型和级别数据。
一种基于振动信号的GIL缺陷在线监测诊断方法，包括如下步骤：
步骤1，振动信号采集：振动信号采集单元采集GIL壳体振动信号，并将振动信号传输至振动信号特征提取模块；
步骤2，振动信号特征提取：所述振动信号特征提取模块提取GIL壳体振动信号在时域、频域和时频域三个方面的特征参数，并将振动信号特征参数传输至设备缺陷识别模块；
步骤3，GIL设备状态诊断：所述设备缺陷识别模块将振动信号特征参数进行归一化处理，再利用最大相关最小冗余算法分析各特征参数之间的冗余性以及特征参数与数据存储展示模块中各类振动信号特征图谱之间的相关性，并按照特征参数的权重对特征参数进行优选排序，最后运用缺陷识别算法分析各特征参数表征的设备状态，综合所述设备状态评估GIL是否存在缺陷并获得设备缺陷类型和缺陷级别数据，所述设备缺陷识别模块将振动信号的特征参数、设备状态、设备缺陷类型和级别数据传输至所述数据存储展示模块；若设备缺陷级别达到故障级别，则所述设备缺陷识别模块生成告警信号。
本发明的有益效果为：
1、本发明通过采集分析GIL壳体振动信号就能实现设备的缺陷分析，在不停电方式下实现了对GIL运行过程中的状态进行在线监测和带电检测；
2、本发明可以实时分析GIL运行状态并实时报警，并根据GIL运行过程中的新增缺陷类型进行数据库更新，提高GIL缺陷识别准确性；
3、本发明对设备缺陷类型进行识别判断，给出可能出现缺陷的位置，从而降低故障排查事件，提高故障发生后的修复效率。
附图说明
图1为本发明的系统结构示意图；
图2为本发明的方法流程图；
其中，1-振动信号采集模块、2-振动信号特征提取模块、3-设备缺陷识别模块、4-数据存储展示模块、5-设备缺陷告警模块、11-振动传感器和12-采集卡。
具体实施方式
以下结合附图和具体实施例对本发明作进一步的详细说明：
一种基于振动信号的GIL缺陷在线监测系统，如图1所示，它包括振动信号采集模块1、振动信号特征提取模块2、设备缺陷识别模块3和数据存储展示模块4；所述振动信号采集单元1用于采集GIL壳体振动信号，并将振动信号传递至所述振动信号特征提取模块2；所述振动信号特征提取模块2用于提取振动信号在时域、频域和时频域三个方面的特征参数，并将振动信号特征参数传输至所述设备缺陷识别模块3；所述设备缺陷识别模块3将振动信号特征参数进行归一化处理，再利用最大相关最小冗余算法分析各特征参数之间的冗余性以及特征参数与所述数据存储展示模块4中各类振动信号特征图谱之间的相关性，并按照特征参数的权重对特征参数进行优选排序得到特征参数排序结果，最后运用缺陷识别算法对所述冗余性、所述特征图谱之间的相关性及所述特征参数排序结果进行分析，评估各特征参数表征的设备状态，综合所述设备状态评估GIL是否存在缺陷并获得设备缺陷类型和缺陷级别数据，所述设备缺陷识别模块3将振动信号的特征参数、设备状态、设备缺陷类型和级别数据传输至所述数据存储展示模块4；若设备缺陷级别达到故障级别，则所述设备缺陷识别模块3生成告警信号；所述数据存储展示模块4用于存储和展示所述振动信号的特征参数、设备状态、设备缺陷类型和级别数据。
上述技术方案中，所述特征参数权重根据缺陷模拟试验结果确定，并可根据现场故障检测结果进行调整更新。
一种基于振动信号的GIL缺陷在线监测系统，如图1所示，它还包括设备缺陷告警模块5，所述设备缺陷告警模块5用于发布所述设备缺陷识别模块3生成的告警信号。
上述技术方案中，若所述设备缺陷识别模块3无法识别振动信号特征参数，则工作人员通过试验及现场检测排查手段确定设备状态，所述设备缺陷识别模块3接收所述设备状态，并将无法识别的振动信号特征参数及对应设备状态存入数据存储展示模块4。
上述技术方案中，所述振动信号采集单元1包括多个振动传感器11和采集卡12，所述振动传感器11用于采集GIL壳体振动信号，所述采集卡12用于接收振动传感器11的振动信号并将振动信号传输至所述振动信号特征提取模块2。
上述技术方案中，所述振动信号特征参数包括以下任一参数或其任意组合：振动信号的幅值、频率特性、衰减特性、脉冲特性、边际谱分布特性。
上述技术方案中，所述振动传感器11可通过粘贴或绑带方式固定于GIL壳体上，所述振动传感器11的基座材质由GIL外壳材料决定，所述振动传感器11的基座曲率由GIL外壳半径决定，确保所述振动传感器11的基座与GIL外壳半径契合，且所述振动传感器11可牢靠固定于GIL表面；所述振动传感器(11)的大小与表面根据GIL外壳进行调节，所述振动传感器11的检测频率范围为0～15kHz，测量灵敏度不低于0.00001g。
一种基于振动信号的GIL缺陷在线监测诊断方法，如图2所示，它包括如下步骤：
步骤1，振动信号采集单元1采集GIL壳体振动信号，并将振动信号传输至振动信号特征提取模块2；
步骤2，所述振动信号特征提取模块2提取GIL壳体振动信号在时域、频域和时频域三个方面的特征参数，并将振动信号特征参数传输至设备缺陷识别模块3；
步骤3，所述设备缺陷识别模块3将振动信号特征参数进行归一化处理，再利用最大相关最小冗余算法分析各特征参数之间的冗余性以及特征参数与数据存储展示模块4中各类振动信号特征图谱之间的相关性，并按照特征参数的权重对特征参数进行优选排序，最后运用缺陷识别算法分析各特征参数表征的设备状态，综合所述设备状态评估GIL是否存在缺陷并获得设备缺陷类型和缺陷级别数据，所述设备缺陷识别模块3将振动信号的特征参数、设备状态、设备缺陷类型和级别数据传输至所述数据存储展示模块4；若设备缺陷级别达到故障级别，则所述设备缺陷识别模块3生成告警信号；
步骤4：设备缺陷告警模块5用于发布所述设备缺陷识别模块3生成的告警信号，提醒运维人员注意设备状态；若所述设备缺陷识别模块3无法识别振动信号特征参数，则工作人员通过试验及现场检测排查手段确定设备状态，所述设备缺陷识别模块3接收所述设备状态，并将无法识别的振动信号特征参数及对应设备状态存入数据存储展示模块4，以新增GIL振动缺陷特征图谱。
上述技术方案中，所述缺陷识别算法为BP神经网络算法或支持向量机算法。
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。
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (10)
1.一种基于振动信号的GIL缺陷在线监测系统，其特征在于：它包括振动信号采集模块(1)、振动信号特征提取模块(2)、设备缺陷识别模块(3)和数据存储展示模块(4)；
所述振动信号采集单元(1)用于采集GIL壳体振动信号，并将振动信号传递至所述振动信号特征提取模块(2)；
所述振动信号特征提取模块(2)用于提取振动信号在时域和/或频域和/或时频域三个方面的特征参数，并将振动信号特征参数传输至所述设备缺陷识别模块(3)；
所述设备缺陷识别模块(3)利用最大相关最小冗余算法分析各特征参数之间的冗余性以及特征参数与所述数据存储展示模块(4)中各类振动信号特征图谱之间的相关性，并按照特征参数的权重对特征参数进行优选排序得到特征参数排序结果，最后运用缺陷识别算法对所述冗余性、所述特征图谱之间的相关性及所述特征参数排序结果进行分析，评估各特征参数表征的设备状态，综合所述设备状态评估GIL是否存在缺陷并获得设备缺陷类型和缺陷级别数据，所述设备缺陷识别模块(3)将振动信号的特征参数、设备状态、设备缺陷类型和级别数据传输至所述数据存储展示模块(4)；若设备缺陷级别达到故障级别，则所述设备缺陷识别模块(3)生成告警信号；
所述数据存储展示模块(4)用于存储和展示所述振动信号的特征参数、设备状态、设备缺陷类型和级别数据。
2.基于权利要求1所述的基于振动信号的GIL缺陷在线监测系统，其特征在于：所述设备缺陷识别模块(3)首先对所述振动信号特征提取模块(2)输出的振动信号特征参数进行归一化处理获得归一化处理后的振动信号特征参数，再进行后续的最大相关最小冗余算法分析。
3.基于权利要求1所述的基于振动信号的GIL缺陷在线监测系统，其特征在于：它还包括设备缺陷告警模块(5)，所述设备缺陷告警模块(5)用于发布所述设备缺陷识别模块(3)生成的告警信号。
4.基于权利要求1所述的基于振动信号的GIL缺陷在线监测系统，其特征在于：若所述设备缺陷识别模块(3)无法识别振动信号特征参数，则所述设备缺陷识别模块(3)接收设备状态，并将无法识别的振动信号特征参数及对应设备状态存入数据存储展示模块(4)。
5.基于权利要求1所述的基于振动信号的GIL缺陷在线监测系统，其特征在于：
所述振动信号采集单元(1)包括多个振动传感器(11)和采集卡(12)，所述振动传感器(11)用于采集GIL壳体振动信号，所述采集卡(12)用于接收振动传感器(11)的振动信号并将振动信号传输至所述振动信号特征提取模块(2)。
6.基于权利要求1所述的基于振动信号的GIL缺陷在线监测系统，其特征在于：
所述振动信号特征参数包括以下任一参数或其任意组合：振动信号的幅值、频率特性、衰减特性、脉冲特性、边际谱分布特性。
7.基于权利要求5所述的基于振动信号的GIL缺陷在线监测系统，其特征在于：所述振动传感器(11)可通过粘贴或绑带方式固定于GIL壳体上，所述振动传感器(11)的基座材质由GIL外壳材料决定，所述振动传感器(11)的基座曲率由GIL外壳半径决定；所述振动传感器(11)的大小与表面根据GIL外壳进行调节，所述振动传感器(11)的检测频率范围为0～15kHz，测量灵敏度不低于0.00001g。
8.一种基于振动信号的GIL缺陷在线监测诊断方法，其特征在于：它包括如下步骤：
步骤1，采集GIL壳体振动信号，并将振动信号传输至振动信号特征提取模块(2)；
步骤2，提取GIL壳体振动信号在时域和/或频域和/或时频域三个方面的特征参数，并将振动信号特征参数传输至设备缺陷识别模块(3)；
步骤3，将振动信号特征参数进行归一化处理，再利用最大相关最小冗余算法分析各特征参数之间的冗余性以及特征参数与数据存储展示模块(4)中各类振动信号特征图谱之间的相关性，并按照特征参数的权重对特征参数进行优选排序，最后运用缺陷识别算法分析各特征参数表征的设备状态，综合所述设备状态评估GIL是否存在缺陷并获得设备缺陷类型和缺陷级别数据，所述设备缺陷识别模块(3)将振动信号的特征参数、设备状态、设备缺陷类型和级别数据传输至所述数据存储展示模块(4)；若设备缺陷级别达到故障级别，则所述设备缺陷识别模块(3)生成告警信号。
9.基于权利要求8所述的基于振动信号的GIL缺陷在线监测方法，其特征在于：它还包括步骤4：发布所述设备缺陷识别模块(3)生成的告警信号；若所述设备缺陷识别模块(3)无法识别振动信号特征参数，则所述设备缺陷识别模块(3)接收设备状态，并将无法识别的振动信号特征参数及对应设备状态存入数据存储展示模块(4)。
10.基于权利要求9所述的基于振动信号的GIL缺陷在线监测方法，其特征在于：所述缺陷识别算法为BP神经网络算法或支持向量机算法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110800887.2A CN113607271A (zh) | 2021-07-15 | 2021-07-15 | 一种基于振动信号的gil缺陷在线监测系统及方法 |
| LU503633A LU503633B1 (en) | 2021-07-15 | 2021-09-27 | Vibration-signal-based online monitoring system for gil defects, and method |
| PCT/CN2021/120820 WO2023284127A1 (zh) | 2021-07-15 | 2021-09-27 | 一种基于振动信号的gil缺陷在线监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110800887.2A CN113607271A (zh) | 2021-07-15 | 2021-07-15 | 一种基于振动信号的gil缺陷在线监测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113607271A true CN113607271A (zh) | 2021-11-05 |
Family
ID=78337632
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110800887.2A Pending CN113607271A (zh) | 2021-07-15 | 2021-07-15 | 一种基于振动信号的gil缺陷在线监测系统及方法 |
Country Status (3)
| Country | Link |
|---|---|
| CN (1) | CN113607271A (zh) |
| LU (1) | LU503633B1 (zh) |
| WO (1) | WO2023284127A1 (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114046974A (zh) * | 2021-11-09 | 2022-02-15 | 南方电网科学研究院有限责任公司 | Gil外壳焊接松动的振动监测装置 |
| CN114065814A (zh) * | 2021-11-16 | 2022-02-18 | 中国南方电网有限责任公司超高压输电公司广州局 | Gil局部放电的缺陷类型识别方法、装置 |
| CN116011183A (zh) * | 2022-12-08 | 2023-04-25 | 中国石油大学(北京) | 在役油气管道检测方法、装置、设备和存储介质 |
| WO2024198834A1 (zh) * | 2023-03-31 | 2024-10-03 | 浙江工业大学 | 一种封闭压缩机制造中产品缺陷在线检测装置及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006079975A2 (en) * | 2005-01-31 | 2006-08-03 | Csi Technology, Inc. | Machine condition indication system |
| CN108168682A (zh) * | 2017-12-22 | 2018-06-15 | 中国南方电网有限责任公司超高压输电公司曲靖局 | 一种基于振动信号支持向量机的gil故障在线监测系统 |
| CN111426473A (zh) * | 2020-05-19 | 2020-07-17 | 国网江苏省电力有限公司电力科学研究院 | 一种利用扫频交流电流的gis设备缺陷检测系统及方法 |
| CN112485610A (zh) * | 2020-11-05 | 2021-03-12 | 国网电力科学研究院有限公司 | 考虑绝缘劣化的gis局部放电特征参数提取方法 |
| CN112816838A (zh) * | 2021-01-06 | 2021-05-18 | 国网重庆市电力公司电力科学研究院 | 基于fft、vmd和ls-svm的gis设备缺陷诊断装置及方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2994261B1 (fr) * | 2012-07-31 | 2014-07-18 | Eurocopter France | Procede de detection de defauts d'un roulement par analyse vibratoire |
| CN109506761B (zh) * | 2018-06-12 | 2021-08-27 | 国网四川省电力公司乐山供电公司 | 一种变压器表面振动特征提取方法 |
| CN112666430B (zh) * | 2020-12-07 | 2023-07-07 | 北京博研中能科技有限公司 | 变压器声纹智能故障检测方法及系统 |
| CN113110386A (zh) * | 2021-04-19 | 2021-07-13 | 重庆大学 | Gis/gil设备机械振动状态在线监测及机械故障云诊断系统 |
-
2021
- 2021-07-15 CN CN202110800887.2A patent/CN113607271A/zh active Pending
- 2021-09-27 WO PCT/CN2021/120820 patent/WO2023284127A1/zh active Application Filing
- 2021-09-27 LU LU503633A patent/LU503633B1/en active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006079975A2 (en) * | 2005-01-31 | 2006-08-03 | Csi Technology, Inc. | Machine condition indication system |
| CN108168682A (zh) * | 2017-12-22 | 2018-06-15 | 中国南方电网有限责任公司超高压输电公司曲靖局 | 一种基于振动信号支持向量机的gil故障在线监测系统 |
| CN111426473A (zh) * | 2020-05-19 | 2020-07-17 | 国网江苏省电力有限公司电力科学研究院 | 一种利用扫频交流电流的gis设备缺陷检测系统及方法 |
| CN112485610A (zh) * | 2020-11-05 | 2021-03-12 | 国网电力科学研究院有限公司 | 考虑绝缘劣化的gis局部放电特征参数提取方法 |
| CN112816838A (zh) * | 2021-01-06 | 2021-05-18 | 国网重庆市电力公司电力科学研究院 | 基于fft、vmd和ls-svm的gis设备缺陷诊断装置及方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114046974A (zh) * | 2021-11-09 | 2022-02-15 | 南方电网科学研究院有限责任公司 | Gil外壳焊接松动的振动监测装置 |
| CN114065814A (zh) * | 2021-11-16 | 2022-02-18 | 中国南方电网有限责任公司超高压输电公司广州局 | Gil局部放电的缺陷类型识别方法、装置 |
| CN116011183A (zh) * | 2022-12-08 | 2023-04-25 | 中国石油大学(北京) | 在役油气管道检测方法、装置、设备和存储介质 |
| CN116011183B (zh) * | 2022-12-08 | 2023-09-15 | 中国石油大学(北京) | 在役油气管道检测方法、装置、设备和存储介质 |
| WO2024198834A1 (zh) * | 2023-03-31 | 2024-10-03 | 浙江工业大学 | 一种封闭压缩机制造中产品缺陷在线检测装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| LU503633B1 (en) | 2023-05-15 |
| WO2023284127A1 (zh) | 2023-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113607271A (zh) | 一种基于振动信号的gil缺陷在线监测系统及方法 | |
| CN106199305B (zh) | 煤矿井下供电系统用干式变压器绝缘健康状态评估方法 | |
| CN113124929A (zh) | 一种变电站多参数信号采集综合分析系统和方法 | |
| CN102156245B (zh) | 一种矿用高压电缆在线故障诊断及预警方法 | |
| CN110647924B (zh) | 一种基于支持向量描述与k近邻算法的gis设备状态评估方法 | |
| CN103675354B (zh) | 一种风速仪故障检测的方法和系统 | |
| CN109580268A (zh) | 一种产品异响、异音智能检测方法 | |
| CN117390403A (zh) | 一种新能源灯塔发电站的电网故障检测方法及系统 | |
| CN113177646A (zh) | 一种基于自适应边缘代理的配电设备在线监测方法及系统 | |
| CN117572837B (zh) | 一种智慧电厂ai主动运维方法及系统 | |
| CN110531735A (zh) | 一种仪器电控系统的可靠性指标考核方法 | |
| CN118038295A (zh) | 输电线路缺陷实时在线识别系统 | |
| CN117272032A (zh) | 一种基于振动检测的空压机故障诊断方法与装置 | |
| CN117234156A (zh) | 选矿厂巡检系统及巡检方法 | |
| CN116840631A (zh) | 基于联合诊断模型的变压器局部放电监测与定位方法 | |
| CN116434368A (zh) | 一种多功能手持巡检仪及巡检方法 | |
| CN116206625A (zh) | 基于频谱与时间信息结合的自监督异常声音检测方法 | |
| CN113380273B (zh) | 异常声音检测及判断形成原因的系统 | |
| CN115392313A (zh) | 一种屏蔽电机阀门的状态检测和故障智能诊断系统 | |
| CN116979702B (zh) | 基于大数据的输电线路智能监测质检方法、系统和介质 | |
| CN116993327B (zh) | 用于变电站的缺陷定位系统及其方法 | |
| CN117113259B (zh) | 用于安全隐患预测的煤矿状态数据处理方法及系统 | |
| CN115144711A (zh) | 电力设备的异常检测方法、装置、介质及系统 | |
| CN112648715A (zh) | 基于智能变电站的空调控制系统及装置 | |
| CN117630594A (zh) | 变压器运行状态评价系统及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211105 |