CN113654646A - 一种gil内部机械缺陷的定位与诊断方法、装置及系统 - Google Patents
一种gil内部机械缺陷的定位与诊断方法、装置及系统 Download PDFInfo
- Publication number
- CN113654646A CN113654646A CN202110729493.2A CN202110729493A CN113654646A CN 113654646 A CN113654646 A CN 113654646A CN 202110729493 A CN202110729493 A CN 202110729493A CN 113654646 A CN113654646 A CN 113654646A
- Authority
- CN
- China
- Prior art keywords
- gil
- mechanical
- vibration
- acoustic
- module
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000003384 imaging method Methods 0.000 claims abstract description 48
- 238000005259 measurement Methods 0.000 claims abstract description 32
- 238000003745 diagnosis Methods 0.000 claims abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 10
- 238000010219 correlation analysis Methods 0.000 claims abstract description 6
- 238000001228 spectrum Methods 0.000 claims abstract description 6
- 230000004927 fusion Effects 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012098 association analyses Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010168 coupling process Methods 0.000 claims description 2
- 238000005859 coupling reaction Methods 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims description 2
- 238000001845 vibrational spectrum Methods 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000012212 insulator Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction 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内部机械缺陷的定位与诊断方法、装置及系统,所述方法包括以下步骤:通过数值建模和物理试验,构建不同机械缺陷类型下,GIL外壳声学成像与机械振动的时空特征关联;获取GIL外壳的声学图谱;对图谱的敏感区进行分割提取;对声学振动图谱敏感区内的机械振动信号进行精细测量;通过声学成像与机械振动的特征关联分析,对GIL内部的机械缺陷类型进行分类识别和诊断。本发明能够实现多尺度对GIL机械缺陷的定位与诊断,能够在设备运行中,对机械缺陷进行更为精准的定位,还可以对缺陷类型进行诊断。本发明还有测量灵活,便于移动的优点,能够有效保证相关电气设备的安全运行。
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内部机械缺陷的定位与诊断方法、装置及系统。
背景技术
气体绝缘金属封闭输电线路(Gas-insulatedtransmissionlines,简称GIL)是实现特高电压、大电流、长距离输电的一种重要的电能输送设备,具有可靠性高,环境利用率高,容量大且不存在电磁干扰等优点。GIL机械缺陷指的是GIL内部由于机械连接状态发生退化而产生的结构性损伤,这些缺陷包括GIL内部电连接处、内部螺栓连接处、内部滑移处、外部螺栓连接处松动和异常振动等。GIL机械缺陷会导致设备在正常振动之外产生异常振动,从而对设备本身造成危害,引起GIL内部连接件脱落、气体泄露、接触过热等,严重时会引发绝缘事故,危及设备和电力系统安全运行。
目前,针对GIL内部机械缺陷的定位和诊断方法有振动测试、声学测试和局部放电测试等。由于GIL内部机械缺陷类型复杂,振动和声学传播规律不清,接触式振动传感器自身易对测量结果产生干扰,点测量的振动和声学检测方法无法获取GIL整体的声学和振动特性,导致上述方法的现场应用效果受限,此外局部放电信号产生时GIL内部已经出现了严重的机械缺陷,导致没有足够的预警时间。因此现有的方法无法满足对GIL内部缺陷的精准定位以及缺陷类型的诊断。
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内部机械缺陷的定位与诊断方法、装置及系统。
第一方面,本发明提供一种GIL内部机械缺陷的定位与诊断方法,包括以下步骤:
S01:通过数值建模和物理试验,构建不同机械缺陷类型下,GIL外壳声学成像与机械振动的时空特征关联;
S02:获取GIL间隔的声学成像图谱,并对声学成像图谱的敏感区进行分割提取;
S03:对声学成像图谱的敏感区机械振动信号进行精细测量;
S04:通过声学成像与机械振动的特征关联分析,对GIL内部的机械缺陷类型进行分类识别和诊断。
第二方面,本发明还提供一种实现上述方法的GIL内部机械缺陷的定位与诊断装置,所述装置包括:
特征关联单元,通过数值建模和物理试验,构建不同机械缺陷类型下,GIL外壳声学成像与机械振动的时空特征关联;
敏感区识别单元,用于对声学成像图谱的敏感区进行分割提取;
激光测振单元,用于对声学成像图谱敏感区的机械振动信号进行精细测量;
缺陷诊断单元,用于通过声学成像与机械振动的特征关联分析,对GIL内部的机械缺陷类型进行分类识别和诊断。
第三方面,本发明还提供一种实现上述方法的GIL内部机械缺陷的定位与诊断系统,所述系统包括:
待测GIL间隔,声学成像模块,敏感区识别模块,激光测振模块,信息融合与特征关联模块,缺陷定位与诊断模块,声学测量点;
其中待测GIL间隔包括法兰侧、波纹管侧和盆式绝缘子侧等典型GIL间隔;
声学成像模块在测量点7处对GIL外壳的声学分布特性进行测量;敏感区识别模块与声学成像模块相连接;激光测振模块与敏感区识别模块相连接;信息融合与特征关联模块与激光测振模块相连接;缺陷定位与诊断模块与信息融合与特征关联模块相连接。
在应用中,首先通过声学成像模块获取现场GIL外壳的声学成像图谱,再通过敏感区识别模块,对GIL外壳声学图谱的敏感区进行分割提取,获取GIL外壳幅值的分布,确定异常振动源的位置。
与现有技术相比,本发明的有益效果为:
本发明实现了多尺度下对GIL机械缺陷的定位与诊断,采用非接触式测量的方法,避免了接触式传感器对检测结果的影响,此外本发明能够判断机械缺陷初期的位置与种类,可以为GIL机械缺陷提供预警时间,确保设备的安全运行。
附图说明
图1为本发明实施例提供的一种GIL内部机械缺陷的定位与诊断方法的流程图;
图2为本发明实施例提供的一种GIL内部机械缺陷的定位与诊断装置的示意图;
图3为本发明实施例提供的一种GIL内部机械缺陷的定位与诊断系统的示意图。
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。
请参见图1,本发明实施例提供的一种GIL内部机械缺陷的定位与诊断方法,该实施例的GIL内部机械缺陷的定位与诊断方法包括以下步骤:
S01:通过数值建模和物理试验,构建不同机械缺陷类型下,GIL外壳声学成像与机械振动的时空特征关联;
作为一个实施例,对GIL进行声学-机械振动耦合数值建模,通过GIL内部电连接处、内部螺栓连接处及内部滑移处、外部螺栓连接处设置预紧力和振动源来模拟GIL机械缺陷,进行GIL外壳声学数值计算与振动数值计算;进行不同机械缺陷类型下GIL原型物理实验,对数值计算结果进行验证,进而获取机械缺陷类型与GIL外壳声学成像与机械振动的时空特征关联;
S02:获取GIL间隔的声学成像图谱,并对声学成像图谱的敏感区进行分割提取;
获取现场GIL外壳的声学成像图谱,对GIL外壳声学图谱的敏感区进行分割提取,进而确定异常振动源的位置,对图谱内的机械振动信号进行初步测量;
S03:对声学成像图谱敏感区的机械振动信号进行精细测量;
在初步获取GIL内部异常振动源位置后,通过激光测振对声学图谱敏感区内的机械振动信号进行精细测量;
S04:通过信息融合与特征关联分析算法,对GIL外壳振动与声学信号进行特征融合;根据不同机械缺陷下GIL外壳振动和声学融合特征构建缺陷样本数据集,根据标记的机械缺陷样本库构建深度学习神经网络模型,实现对GIL内部机械缺陷的分类识别与诊断。
作为一个实施例,图2展示了一种GIL内部机械缺陷的定位与诊断装置的示意图,该装置实现上述种GIL内部机械缺陷的定位与诊断方法,包括:
特征关联单元210,通过数值建模和物理试验,构建不同机械缺陷类型下,GIL外壳声学成像与机械振动的时空特征关联;
敏感区识别单元220,用于对声学成像图谱的敏感区进行分割提取;
激光测振单元230,用于对声学成像图谱敏感区的机械振动信号进行精细测量;
缺陷诊断单元240,用于通过声学成像与机械振动的特征关联分析,对GIL内部的机械缺陷类型进行分类识别和诊断。
应理解的是,该装置与上述的GIL内部机械缺陷的定位与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内部机械缺陷的定位与诊断系统,该系统实现上述GIL内部机械缺陷的定位与诊断方法,包括:待测GIL间隔1,声学成像模块2,敏感区识别模块3,激光测振模块4,信息融合与特征关联模块5,缺陷定位与诊断模块6,声学测量点7。其中GIL间隔1包括法兰侧,波纹管侧和盆式绝缘子侧等典型GIL间隔;声学成像模块2在测量点7处对GIL外壳的声学分布特性进行测量;敏感区识别模块3与声学成像模块2连接,负责对声学成像模块获取的图谱进行敏感区提取,激光测振模块4与敏感区识别模块3连接,负责对敏感区内的机械振动信号进行精细测量;信息融合与特征关联模块5与激光测振模块4相连接,负责振动与声学信号的特征融合;缺陷定位与诊断模块6与信息融合与特征关联模块5相连接,负责GIL内部机械缺陷进行定位,分类识别和诊断。
在应用中,首先通过声学成像模块2获取现场GIL外壳的声学成像图谱,进而通过敏感区识别模块3,对GIL外壳声学图谱的敏感区进行分割提取,获取GIL外壳幅值的分布,确定异常振动源的位置。
进一步,通过分割提取后的声学图谱,初步判断GIL内部异常振动源的位置,通过激光测振模块4对声学图谱敏感区内的机械振动信号进行精细测量。
进一步,通过信息融合与特征关联模块5,对GIL外壳振动信号与声学信号进行信息融合与特征关联分析,依据不同机械缺陷下GIL外壳振动和声学融合特征构建缺陷样本数据集,根据标记的机械缺陷样本库构建深度学习神经网络模型,实现对GIL内部机械缺陷的分类识别与诊断。
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 (7)
1.一种GIL内部机械缺陷的定位与诊断方法,特征在于,所述方法包括以下步骤:
S01:通过数值建模和物理试验,构建不同机械缺陷类型下,GIL外壳声学成像与机械振动的时空特征关联;
S02:获取GIL间隔的声学成像图谱,并对声学成像图谱的敏感区进行分割提取;
S03:对声学成像图谱敏感区的机械振动信号进行精细测量;
S04:通过声学成像与机械振动的特征关联分析,对GIL内部的机械缺陷类型进行分类识别和诊断。
2.根据权利要求1所述的GIL内部机械缺陷的定位与诊断方法,其特征在于,所述步骤S01包括:
对GIL进行声学-机械振动耦合数值建模,通过GIL内部电连接处、内部螺栓连接处及内部滑移处、外部螺栓连接处设置预紧力和振动源来模拟GIL机械缺陷,进行GIL外壳声学数值计算与振动数值计算;
进行不同机械缺陷类型下GIL原型物理实验,对数值计算结果进行验证,进而获取机械缺陷类型与GIL外壳声学成像与机械振动的时空特征关联。
3.根据权利要求1所述的GIL内部机械缺陷的定位与诊断方法,其特征在于,所述步骤S02包括:
获取现场GIL外壳的声学成像图谱,通过对声学成像图谱的敏感区进行分割提取,确定异常振动源的位置,实现对机械振动信号的初步测量。
4.根据权利要求1所述的GIL内部机械缺陷的定位与诊断方法,其特征在于,所述步骤S03包括:
通过分割提取后的声学图谱,初步判断GIL内部异常振动源位置,通过激光测振对声学图谱敏感区内最大值即临近点的机械振动信号进行逐点扫描,实现精细测量。
5.根据权利要求1所述的GIL内部机械缺陷的定位与诊断方法,其特征在于,所述步骤S04包括:
利用信息融合与特征关联分析算法,对GIL外壳振动与声学信号进行特征融合,根据不同机械缺陷下GIL外壳振动和声学融合特征构建缺陷样本数据集,根据标记的机械缺陷样本库构建深度学习神经网络模型,实现对GIL内部机械缺陷的分类识别与诊断。
6.一种GIL内部机械缺陷的定位与诊断装置,其特征在于,所述装置包括:
特征关联单元,通过数值建模和物理试验,构建不同机械缺陷类型下,GIL外壳声学成像与机械振动的时空特征关联;
敏感区识别单元,用于对声学成像图谱的敏感区进行分割提取;
激光测振单元,用于对声学成像图谱敏感区的机械振动信号进行精细测量;
缺陷诊断单元,用于通过声学成像与机械振动的特征关联分析,对GIL内部的机械缺陷类型进行分类识别和诊断。
7.一种GIL内部机械缺陷的定位与诊断系统,其特征在于,所述系统包括:
待测GIL间隔,声学成像模块,敏感区识别模块,激光测振模块,信息融合与特征关联模块,缺陷定位与诊断模块,声学测量点;
所述声学成像模块在测量点处对GIL外壳的声学分布特性进行测量;所述敏感区识别模块与所述声学成像模块连接,负责对所述声学成像模块获取的图谱进行敏感区提取;所述激光测振模块与所述敏感区识别模块连接,负责对敏感区内的机械振动信号进行精细测量;所述信息融合与所述特征关联模块与激光测振模块连接,负责振动与声学信号的特征融合;所述缺陷定位与诊断模块与所述信息融合与特征关联模块连接,负责GIL内部机械缺陷进行定位,分类识别和诊断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110729493.2A CN113654646A (zh) | 2021-06-29 | 2021-06-29 | 一种gil内部机械缺陷的定位与诊断方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110729493.2A CN113654646A (zh) | 2021-06-29 | 2021-06-29 | 一种gil内部机械缺陷的定位与诊断方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113654646A true CN113654646A (zh) | 2021-11-16 |
Family
ID=78477766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110729493.2A Pending CN113654646A (zh) | 2021-06-29 | 2021-06-29 | 一种gil内部机械缺陷的定位与诊断方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113654646A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114137373A (zh) * | 2021-12-01 | 2022-03-04 | 国网河南省电力公司南阳供电公司 | 一种基于振动和声纹特征量提取的gil设备故障联合定位及预警方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050074205A (ko) * | 2004-01-13 | 2005-07-18 | 한국전력공사 | 가스절연개폐장치의 결함 진단장치 |
CN111239263A (zh) * | 2020-01-19 | 2020-06-05 | 国网宁夏电力有限公司电力科学研究院 | 一种gis设备内部的异物缺陷的检测方法及系统 |
CN111487046A (zh) * | 2020-02-27 | 2020-08-04 | 广西电网有限责任公司电力科学研究院 | 一种断路器声纹及振动熵特征融合的故障诊断方法 |
-
2021
- 2021-06-29 CN CN202110729493.2A patent/CN113654646A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050074205A (ko) * | 2004-01-13 | 2005-07-18 | 한국전력공사 | 가스절연개폐장치의 결함 진단장치 |
CN111239263A (zh) * | 2020-01-19 | 2020-06-05 | 国网宁夏电力有限公司电力科学研究院 | 一种gis设备内部的异物缺陷的检测方法及系统 |
CN111487046A (zh) * | 2020-02-27 | 2020-08-04 | 广西电网有限责任公司电力科学研究院 | 一种断路器声纹及振动熵特征融合的故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
詹海峰: ""西安电子科技大学硕士学位论文-基于振声联合分析的GIS设备机械故障诊断"", 《工程科技Ⅱ辑》, no. 4, pages 2 - 3 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114137373A (zh) * | 2021-12-01 | 2022-03-04 | 国网河南省电力公司南阳供电公司 | 一种基于振动和声纹特征量提取的gil设备故障联合定位及预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106526400B (zh) | Dc600v列车供电系统的接地故障诊断方法及装置 | |
CN108985279B (zh) | 多功能车辆总线mvb波形的故障诊断方法及装置 | |
CN106841949B (zh) | 三相异步交流电机定子绝缘在线监测方法和装置 | |
US20220018707A1 (en) | Method and Device for Monitoring a Circuit Breaker | |
CN111007365A (zh) | 一种基于神经网络的超声波局部放电识别方法及系统 | |
CN104007369A (zh) | 基于特高频外置传感器的电力变压器故障在线定位系统 | |
CN115932476B (zh) | 基于数字孪生的故障定位方法、装置、电子设备及介质 | |
CN113654646A (zh) | 一种gil内部机械缺陷的定位与诊断方法、装置及系统 | |
KR20170067292A (ko) | 기계 시스템의 잔여 수명 예측 장치 및 방법 | |
CN114444734A (zh) | 一种基于边缘计算的变压器多模态故障诊断方法 | |
CN216848010U (zh) | 一种边缘计算的电缆局放在线监测装置 | |
CN115993511A (zh) | 一种局部放电类型高精度检测识别装置、方法和设备 | |
CN104583786A (zh) | 电磁波识别方法和识别装置 | |
CN115078912A (zh) | 车顶高压电缆接头异常实时检测方法、系统及列车 | |
CN114460439A (zh) | 一种数字集成电路测试系统 | |
CN114325207A (zh) | 一种智能驾驶汽车传导敏感性测试平台及测试方法 | |
CN102508120A (zh) | 利用局部均值分解实现飞机导线微弱故障诊断与定位方法 | |
CN111880114A (zh) | 一种输电铁塔接地体断点检测方法及系统 | |
US20230024104A1 (en) | Identification of false transformer humming using machine learning | |
CN112860658B (zh) | 基于数据挖掘的高速列车电磁发射预测方法 | |
CN109342889A (zh) | 一种在线式高压电缆击穿故障的快速定位方法 | |
CN111833905B (zh) | 一种基于音频分析的标记字符质量检测系统及方法 | |
CN114895163A (zh) | 一种基于电缆绝缘性能的电缆巡检定位装置及方法 | |
CN105807215B (zh) | 一种蓄能机组二次回路继电器测试方法 | |
CN109633512B (zh) | 一种全光纤电流互感器故障诊断方法及装置 |
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 |