CN113654645A - 一种gil电接触状态监测信息融合与故障诊断方法、装置及系统 - Google Patents
一种gil电接触状态监测信息融合与故障诊断方法、装置及系统 Download PDFInfo
- Publication number
- CN113654645A CN113654645A CN202110722558.0A CN202110722558A CN113654645A CN 113654645 A CN113654645 A CN 113654645A CN 202110722558 A CN202110722558 A CN 202110722558A CN 113654645 A CN113654645 A CN 113654645A
- Authority
- CN
- China
- Prior art keywords
- gil
- vibration
- contact
- fault diagnosis
- monitoring information
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 52
- 230000004927 fusion Effects 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 230000007547 defect Effects 0.000 claims abstract description 24
- 238000013135 deep learning Methods 0.000 claims abstract description 11
- 238000010438 heat treatment Methods 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000013528 artificial neural network Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 17
- 230000001133 acceleration Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 5
- 239000004020 conductor Substances 0.000 claims description 4
- 210000001503 joint Anatomy 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000003780 insertion Methods 0.000 claims description 2
- 230000037431 insertion Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000000513 principal component analysis Methods 0.000 claims description 2
- 238000012706 support-vector machine Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
- G01H11/06—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means
- G01H11/08—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means using piezoelectric devices
-
- 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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
Abstract
本发明提供一种GIL电接触状态监测信息融合与故障诊断方法、装置及系统，所述方法包括以下步骤：获取不同电接触缺陷下GIL外壳的温升和振动图谱；在特征层对GIL外壳的发热和振动监测信息融合，获得内部触头状态的一致性描述；对不同缺陷下的GIL触头状态尚未一致性描述进行标记，利用深度学习神经网络进行分类训练，构建GIL电接触故障诊断方法和模型。本发明所提供的GIL电接触状态监测信息融合与故障诊断方法可实现对GIL设备发热和振动异构信息的融合，为GIL设备的电接触状态检修提供技术支持，实现对GIL触头接触故障智能诊断，对于提高GIL设备的智能化运维水平，保障设备的安全稳定运行具有重要意义。
Description
技术领域
本发明属于本发明涉及电力设备技术领域，特别是涉及一种GIL电接触状态监测信息融合与故障诊断方法、装置及系统。
背景技术
气体绝缘输电线路（GIL）是一种采用SF6气体或SF6与N2混合气体作为绝缘介质，外壳与导体同轴布置，放置于管道的高电压、大电流电力传输设备，具有输电容量大，介质损耗小，可靠等特点，被广泛用于大容量、长距离的输电领域。GIL电接触多采用过盈装配的梅花/表带/螺旋弹簧等插接式结构，运行过程中，电接触部位由于接触电阻的存在，其温升高于导体部位，热量通过GIL内部气体的自然对流与热辐射过程，在外壳表面产生集中的温升区域，同时插接式的结构在运行电流产生电磁力的作用下，将产生机械振动，并通过绝缘子等支撑结构传递至外壳。触头系统一旦出现对接深度不足，对中度差等工况，将形成接触隐患，当电接触部位出现动静触头对接不良，螺栓松动等缺陷时，会引起电接触部位的异常发热和振动并传递至外壳，因而GIL外壳的温升和振动特性可以作为电接触缺陷的诊断依据。
目前，对GIL设备投运前的回路电阻测试只能评估测试回路的整体接触状态，由于GIL电接触采用多触点并联结构，单个触头或触点的接触隐患难以被检测和发现；针对运行中GIL的电接触状态诊断，仅能开展单一的温升或振动信息检测，由于温升-振动多尺度多物理场耦合机理尚不清楚、接触缺陷下GIL温升和振动的故障传播过程不明，缺少有效的温升/振动联合检测技术，难以实现GIL内部电接触状态的准确诊断。
发明内容
本发明的目的在于克服上述技术存在的缺陷，提供一种GIL电接触状态监测信息融合与故障诊断方法、装置及系统。
第一方面，本发明提供一种GIL电接触状态监测信息融合与故障诊断方法，包括以下步骤：
S01：获取不同电接触缺陷下GIL外壳温升和振动图谱；
S02：在特征层对GIL外壳的发热和振动监测信息融合，获得内部触头状态的一致性描述；
S03：对不同缺陷下的GIL触头状态尚未一致性描述进行标记，利用深度学习神经网络进行分类训练，构建GIL电接触故障诊断方法和模型。
第二方面，本发明还提供一种实现上述方法的GIL电接触状态监测信息融合与故障诊断装置，所述装置包括：
数据采集模块，用于获取不同电接触缺陷下GIL外壳的温升和振动图谱；
数据融合模块，用于在特征层对GIL外壳的发热和振动监测信息融合，获得内部触头状态的一致性描述；
故障诊断模块，用于对不同缺陷下的GIL触头状态尚未一致性描述进行标记，利用深度学习神经网络进行分类训练，构建GIL电接触故障诊断方法和模型。
第三方面，本发明又提供一种实现上述方法的一种GIL电接触状态监测信息融合与故障系统，所述系统包括：待测GIL外壳，温度传感器，加速度传感器，温升数据采集与处理单元，振动数据采集与处理单元，温升/振动数据融合单元，故障诊断单元；所述温度传感器和所述加速度传感器布置在待测GIL外壳；所述温升数据采集与处理单元和振动数据采集与处理单元分别与温度传感器和加速度传感器连接；温升/振动数据融合单元与温升数据采集与处理单元和振动数据采集与处理单元连接；故障诊断单元与温升/振动数据融合单元连接。
与现有技术相比，本发明的有益效果为：
本发明可实现对GIL设备发热和振动异构信息的融合，可深入揭示GIL电接触多尺度失效特征，为GIL设备的电接触状态检修提供技术支持，实现对GIL触头接触故障智能诊断，对于提高GIL设备的智能化运维水平，保障设备的安全稳定运行具有重要意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，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的附图。
图1为本发明提供的一种GIL电接触状态监测信息融合与故障诊断方法的流程图；
图2为本发明提供一种GIL电接触状态监测信息融合与故障诊断装置的示意图；
图3为本发明提供一种GIL电接触状态监测信息融合与故障诊断系统的示意图。
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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示，本发明实施例提供的一种GIL电接触状态监测信息融合与故障诊断方法，包括以下步骤：
S01：获取不同电接触缺陷下GIL外壳的温升和振动图谱；
作为其中一个实施例，通过调节母线导体与触头的插入深度、对接、角度和弹簧刚度等条件来模拟不同的接触缺陷；通过在GIL外壳布置温度和加速度传感器来获取不同接触缺陷下GIL外壳的温升和振动特性；通过数据采集单元与传感器连接来获取不同接触缺陷下GIL外壳温度和振动数据；通过时间滑窗方法对温度和振动数据的时间序列进行切分，根据现场GIL状态监测时间精度要求确定数据采样频率和时间滑窗的长度；通过绘制以时间为横坐标，各传感器温度/振动数据为纵轴的温度-时间热度图和加速度-时间热度图来绘制GIL外壳的温升和振动图谱，实现将温度和振动异构信息的一维时间序列数据转换为二维热度图。
S02：在特征层对GIL外壳的发热和振动监测信息融合，获得内部触头状态的一致性描述；
作为其中一个实施例，通过采用层次分析法、多元对应分析、主成分分析、支持向量机等机器学习方法分别提取GIL外壳的发热和振动图谱的特性向量；通过加权融合算法，对GIL温度和振动特征向量进行加权融合，获取GIL触头电接触状态的一致性描述。
S03：对不同缺陷下的GIL触头状态的一致性描述进行标记，利用深度学习神经网络进行分类训练，构建GIL电接触故障诊断方法和模型。
作为其中一个实施例，根据融合后的信息构建GIL电接触故障样本数据集，融合前后的数据应对GIL触头状态有一致性描述即使用融合前的GIL触头状态对融合后的GIL触头状态进行标记，使用数据增强技术扩大GIL电接触故障样本数据集；采用经典深度学习分类网络（AlexNet，VGG，GoogleNet等），构建GIL电接触故障诊断模型，通过网格搜索的参数寻优方式设置模型最优参数设置，然后对模型进行训练，获取不同模型的GIL触头接触状态预测结果；最后通过聚类分析，AP曲线等方法对不同诊断模型的性能进行比较，在此基础上提出基于深度学习的GIL电接触故障诊断方法。
作为一个实施例，图2展示了一种GIL电接触状态监测信息融合与故障诊断装置的示意图，该装置实现上述GIL电接触状态监测信息融合与故障诊断方法，包括：
数据采集模块210，用于获取不同电接触缺陷下GIL外壳的温升和振动图谱；
数据融合模块220，用于在特征层对GIL外壳的发热和振动监测信息融合，获得内部触头状态的一致性描述；
故障诊断模块230，用于对不同缺陷下的GIL触头状态尚未一致性描述进行标记，利用深度学习神经网络进行分类训练，构建GIL电接触故障诊断方法和模型。
应理解的是，该装置与上述的GIL电接触状态监测信息融合与故障诊断方法实施例对应，能够执行上述方法实施例涉及的各个步骤，该装置具体的功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。该装置包括至少一个能以软件或固件(firmware)的形式存储于存储器中或固化在装置的操作系统(operating system，OS)中的软件功能模块。
作为一个实施例，图3展示了一种GIL电接触状态监测信息融合与故障诊断系统的示意图，该系统实现上述GIL电接触状态监测信息融合与故障诊断方法，包括：温度传感器A-1~A-4、E-1；加速度传感器B-1~B-4；待测GIL外壳1；温升数据采集与处理单元2；振动数据采集与处理单元3；温升/振动数据融合单元4；故障诊断单元5。
其中温度传感器和加速度传感器布置在GIL外壳；温升数据采集与处理单元2和振动数据采集与处理单元3分别与温度传感器和加速度传感器连接；温升/振动数据融合单元与数据采集与处理单元连接；故障诊断单元5与温升/振动数据融合单元4连接。
根据传热学和流体力学理论，GIL设备触头发生异常时会在外壳表面发生温度上升和振动等现象，但是触头的温升和振动在外壳不同位置的反映是不同的，因此需要在外壳布置多个温度传感器A-1~A-4和加速度传感器B-1~ B-4来全方位反映外壳的温度信息和振动信息，并且在距GIL外壳2m远处布置一个温度传感器E-1来监测环境温度。
温度传感器和加速度传感器与数据采集单元相连，通过数据采集单元采集温度和加速度的时间序列数据；通过最大最小值归一化对温度和加速度数据进行预处理；通过时间滑窗方法对温度和加速度时间序列进行切分，数据采样频率和时间滑窗的长度可根据现场GIL状态监测时间精度要求来设置；通过对切分后的分组数据绘制温度-时间热度图和加速度-时间热度图，将一维时间序列数据转换为二维热度图。
数据融合单元与数据采集单元连接，通过特征提取把高维的温度-时间热度图和加速度-时间热度图变为低维的特征向量并通过特征加权融合算法对特征向量进行融合，最终获取GIL温升/振动融合数据。故障智能诊断单元与数据融合单元相连，使用训练后的故障诊断模型对数据融合后的数据进行推断，实现GIL电接触状态判断。
以上所述，仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。
Claims (6)
1.一种GIL电接触状态监测信息融合与故障诊断方法，其特征在于，所述方法包括以下步骤：
S01：获取不同电接触缺陷下GIL外壳的温升和振动图谱；
S02：在特征层对GIL外壳的发热和振动监测信息融合，获得内部触头状态的一致性描述；
S03：对不同缺陷下的GIL触头状态尚未一致性描述进行标记，利用深度学习神经网络进行分类训练，构建GIL电接触故障诊断方法和模型。
2.根据权利要求1所述的GIL电接触状态监测信息融合与故障诊断方法，其特征在于，所述步骤S01包括：
通过调节母线导体与触头的插入深度、对接、角度和弹簧刚度来模拟不同的接触缺陷；
采集不同接触缺陷下GIL外壳温度和振动数据；
通过最大最小值归一化对温度和振动数据进行预处理；
通过时间滑窗方法对温度和振动数据的时间序列进行切分，根据现场GIL状态监测时间精度要求确定数据采样频率和时间滑窗的长度；
通过对切分后的分组数据绘制温度-时间热度图和振动-时间热度图，将温度和振动异构信息的一维时间序列数据转换为二维热度图。
3.根据权利要求1所述的GIL电接触状态监测信息融合与故障诊断方法，其特征在于，所述步骤S02包括：
采用机器学习方法对GIL外壳的温度和振动图谱进行特征提取并对权重进行建模，所述机器学习方法包括层次分析法、多元对应分析、主成分分析、支持向量机、BP神经网络；
采用加权融合算法实现GIL温度和振动图谱进行融合，获取GIL触头电接触状态的一致性描述。
4.根据权利要求1所述的GIL电接触状态监测信息融合与故障诊断方法，其特征在于，所述步骤S03包括：
根据融合后的信息构建GIL电接触故障样本数据集，融合前后的数据应对GIL触头状态有一致性描述，使用数据增强技术扩大GIL电接触故障样本数据集；
采用经典深度学习分类网络构建GIL电接触故障诊断模型，通过网格搜索的参数寻优方式设置模型最优参数设置，然后对模型进行训练，获取不同模型的GIL触头接触状态预测结果；
通过聚类分析方法对不同诊断模型的性能进行比较，构建基于深度学习的GIL电接触缺陷诊断方法和模型。
5.一种GIL电接触状态监测信息融合与故障诊断装置，其特征在于，所述装置包括：
数据采集模块，用于获取不同电接触缺陷下GIL外壳的温升和振动图谱；
数据融合模块，用于在特征层对GIL外壳的发热和振动监测信息融合，获得内部触头状态的一致性描述；
故障诊断模块，用于对不同缺陷下的GIL触头状态尚未一致性描述进行标记，利用深度学习神经网络进行分类训练，构建GIL电接触故障诊断方法和模型。
6.一种GIL电接触状态监测信息融合与故障诊断系统，其特征在于，所述系统包括：待测GIL外壳，温度传感器，加速度传感器，温升数据采集与处理单元，振动数据采集与处理单元，温升/振动数据融合单元，故障诊断单元；所述温度传感器和所述加速度传感器布置在待测GIL外壳；所述温升数据采集与处理单元和振动数据采集与处理单元分别与温度传感器和加速度传感器连接；温升/振动数据融合单元与温升数据采集与处理单元和振动数据采集与处理单元连接；故障诊断单元与温升/振动数据融合单元连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110722558.0A CN113654645A (zh) | 2021-06-28 | 2021-06-28 | 一种gil电接触状态监测信息融合与故障诊断方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110722558.0A CN113654645A (zh) | 2021-06-28 | 2021-06-28 | 一种gil电接触状态监测信息融合与故障诊断方法、装置及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113654645A true CN113654645A (zh) | 2021-11-16 |
Family
ID=78477181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110722558.0A Pending CN113654645A (zh) | 2021-06-28 | 2021-06-28 | 一种gil电接触状态监测信息融合与故障诊断方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113654645A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114544205A (zh) * | 2022-01-05 | 2022-05-27 | 北京交通大学 | 机车轮驱跑合试验故障自动诊断系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107515372A (zh) * | 2017-08-21 | 2017-12-26 | 国网上海市电力公司 | 一种开关设备缺陷智能检测分析系统 |
| CN109974986A (zh) * | 2019-03-05 | 2019-07-05 | 国网江苏省电力有限公司电力科学研究院 | 一种基于振动检测的gis设备机械缺陷诊断系统及方法 |
| CN111650536A (zh) * | 2020-05-30 | 2020-09-11 | 国网上海市电力公司 | 一种gis导体接触部件通流试验装置及方法 |
| CN112526265A (zh) * | 2020-11-27 | 2021-03-19 | 广东电网有限责任公司佛山供电局 | 一种gis设备试验系统及方法 |
| CN112966630A (zh) * | 2021-03-18 | 2021-06-15 | 国网安徽省电力有限公司电力科学研究院 | 一种超/特高压gis开关设备运行状态评估方法、系统及设备 |
-
2021
- 2021-06-28 CN CN202110722558.0A patent/CN113654645A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107515372A (zh) * | 2017-08-21 | 2017-12-26 | 国网上海市电力公司 | 一种开关设备缺陷智能检测分析系统 |
| CN109974986A (zh) * | 2019-03-05 | 2019-07-05 | 国网江苏省电力有限公司电力科学研究院 | 一种基于振动检测的gis设备机械缺陷诊断系统及方法 |
| CN111650536A (zh) * | 2020-05-30 | 2020-09-11 | 国网上海市电力公司 | 一种gis导体接触部件通流试验装置及方法 |
| CN112526265A (zh) * | 2020-11-27 | 2021-03-19 | 广东电网有限责任公司佛山供电局 | 一种gis设备试验系统及方法 |
| CN112966630A (zh) * | 2021-03-18 | 2021-06-15 | 国网安徽省电力有限公司电力科学研究院 | 一种超/特高压gis开关设备运行状态评估方法、系统及设备 |
Non-Patent Citations (1)
| Title |
|---|
| 高凯;田昊洋;陆启宇;许乐然;夏昊天;关永刚;: "主回路不同接触状态时GIS外壳振动特性", 高压电器, no. 06 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114544205A (zh) * | 2022-01-05 | 2022-05-27 | 北京交通大学 | 机车轮驱跑合试验故障自动诊断系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111509862B (zh) | 基于数字孪生云的海上平台电力系统结构优化方法及系统 | |
| CN109784348B (zh) | 一种红外电力设备识别和在线诊断方法及其系统 | |
| CN112069930A (zh) | 提升gis设备故障诊断准确率的振动信号处理方法及装置 | |
| WO2023216553A1 (zh) | 一种配电网多重故障诊断方法及系统 | |
| CN109974986A (zh) | 一种基于振动检测的gis设备机械缺陷诊断系统及方法 | |
| CN112180204A (zh) | 一种基于电气量信息的电网线路故障诊断方法 | |
| CN115797708B (zh) | 一种输配电同步数据采集方法 | |
| CN112149569B (zh) | 变压器基于模糊c均值聚类算法的声纹故障诊断方法 | |
| CN113654645A (zh) | 一种gil电接触状态监测信息融合与故障诊断方法、装置及系统 | |
| CN115563897A (zh) | 一种基于数字孪生的变压器状态评价方法 | |
| CN115982663A (zh) | 一种新能源风机设备的故障预警系统 | |
| CN114444734A (zh) | 一种基于边缘计算的变压器多模态故障诊断方法 | |
| CN111953657B (zh) | 一种序列-数据联合驱动的配电网cps网络攻击辨识方法 | |
| CN116614177B (zh) | 一种光纤状态多维度参量监测系统 | |
| CN117110794A (zh) | 一种电缆故障智能诊断系统及方法 | |
| CN115311509A (zh) | 基于图像化数据驱动的电力系统暂态稳定评估方法及系统 | |
| CN112507577B (zh) | 基于模式识别的gis断路器触头稳态温度计算方法和系统 | |
| CN113654646A (zh) | 一种gil内部机械缺陷的定位与诊断方法、装置及系统 | |
| CN113776670A (zh) | 一种基于红外图像的电力设备监测系统及方法 | |
| CN112883639A (zh) | 一种基于机器学习的gis设备寿命预测装置及方法 | |
| CN112037084A (zh) | 一种测试配电主站故障处理测试分析方法及系统 | |
| CN112347642B (zh) | Gis断路器触头温度计算中样本数据集的选取方法和系统 | |
| CN117176270B (zh) | 一种带信号监测功能的室分天线及其监测方法 | |
| CN113740663B (zh) | 一种基于阻抗特征的飞机装机电缆故障定位方法 | |
| CN113657426A (zh) | 一种gil电接触状态发热-振动联合检测方法、装置及系统 |
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 |