CN113657426A - 一种gil电接触状态发热-振动联合检测方法、装置及系统 - Google Patents
一种gil电接触状态发热-振动联合检测方法、装置及系统 Download PDFInfo
- Publication number
- CN113657426A CN113657426A CN202110722559.5A CN202110722559A CN113657426A CN 113657426 A CN113657426 A CN 113657426A CN 202110722559 A CN202110722559 A CN 202110722559A CN 113657426 A CN113657426 A CN 113657426A
- Authority
- CN
- China
- Prior art keywords
- vibration
- gil
- heating
- contact state
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 230000004927 fusion Effects 0.000 claims abstract description 49
- 238000005259 measurement Methods 0.000 claims abstract description 35
- 238000010438 heat treatment Methods 0.000 claims abstract description 28
- 230000000007 visual effect Effects 0.000 claims abstract description 19
- 238000013135 deep learning Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims abstract description 11
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 10
- 238000001931 thermography Methods 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 12
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 230000008646 thermal stress Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明提供一种GIL电接触状态发热‑振动联合检测方法、装置及系统，所述方法包括以下步骤：获取GIL外壳原始发热信息和原始振动信息；通过背景去噪算法，去除原始测温图像的环境热源和涡流热源；去除模块自身振动对测量结果的影响；通过对预处理后的发热和振动信息进行可视化融合，获取发热‑振动融合关联矩阵；通过可视化融合数据，结合深度学习算法，对GIL电接触状态进行检测分析。本发明所提供的GIL电接触状态发热‑振动联合检测方法、装置及系统，可实现多尺度对GIL电接触状态的检测，同时为GIL设备的电接触状态检修提供技术支持，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，尤其涉及一种GIL电接触状态发热-振动联合检测方法、装置及系统。
背景技术
气体绝缘输电线路（Gasinsulatedline, GIL）因输送容量大、布置方式灵活、检修周期长、维护费用低等优势，在国内外输变电领域得到了长足发展和广泛应用。触头系统是GIL的重要组件，承担传输电能，吸收设备装配公差和运行热应力等重要功能，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，因热应力位移量大、装用数量多、实际接触状态难以检测等原因，使其成为GIL的薄弱环节和故障多发部位。国内外对GIL运行故障的调查统计数据显示，触头系统接触不良是GIL设备故障的主要类型之一，约占设备整体故障的29%。运行经验表明，随着新GIL设备大量投入使用和早年投运设备的老化, 因设备触头系统故障所引发的电力系统非计划停运事故时有发生。严重威胁设备和电力系统的安全稳定运行。
目前，针对GIL电接触状态的检测方法主要关注与设备整体设计密切相关的温升特性、绝缘特性和振动特性。由于GIL电接触状态较为复杂，且温升与振动传播规律不清晰，接触式振动传感器自身易对测量结果产生干扰，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内部已经出现了接触缺陷，设备的绝缘特性无法有效用于GIL电接触状态检测。因此现有的方法无法满足对GIL电接触状态的精准检测。
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电接触状态发热-振动联合检测方法、装置及系统。
第一方面，本发明提供一种GIL电接触状态发热-振动联合检测方法，所述方法包括：
S01：获取GIL外壳的原始发热信息和原始振动信息；
S02：通过背景去噪算法，去除原始测温图像的环境热源和涡流热源；
S03：去除模块自身振动对测量结果的影响；
S04：通过对预处理后的所述原始发热信息和和所述原始振动信息进行可视化融合，获取发热-振动融合关联矩阵；
S05：通过可视化融合数据，结合深度学习算法，对GIL电接触状态进行检测分析。
进一步地，采用检测GIL温升特性的红外热成像镜头，根据GIL铺设位置调节测量角度，获取GIL外壳所述原始发热的信息；激光器向GIL测点发射测量激光，根据多普勒效应获取GIL外壳测点的所述原始振动信息。
进一步，通过红外图像去噪算法，去除原始测温图像的环境热源和涡流热源，提升红外热成像图的质量，实现发热信息的准确测量。
进一步，通过内置在激光测振设备中的陀螺仪及补偿算法，测量并计算所述激光测振设备的位置参数和速度参数，去除所述激光测振设备自身振动对于振动信息测量结果的影响。
进一步，通过特征提取融合等异构数据的融合算法，实现GIL发热和振动检测信息的可视化融合，获取发热-振动融合关联矩阵，建立GIL电接触状态知识库。
进一步地，通过不同接触状态下GIL外壳发热和振动可视化融合特征，构建接触状态样本数据集，根据标记的接触状态样本库，构建深度学习神经网络模型，实现对GIL电接触状态的检测与分析。
第二方面，本发明还提供一种实现上述方法的GIL电接触状态发热-振动联合检测装置，所述装置包括：
参数获取单元，用于获取GIL外壳的原始发热信息和原始振动信息；
背景去噪单元，用于通过背景去噪算法去除原始测温图像的环境热源和涡流热源；
信号补偿单元，用于去除模块自身振动对测量结果的影响；
数据融合单元，用于对预处理后的所述原始发热信息和和所述原始振动信息进行可视化融合，获取发热-振动融合关联矩阵；
状态检测单元，用于通过可视化融合数据，结合深度学习算法，对GIL电接触状态进行检测分析。
第三方面，本发明还提供一种实现上述方法的GIL电接触状态发热-振动联合检测系统，所述系统包括：待测GIL间隔（1），红外热成像模块（2），背景去噪模块（3），激光测振模块（4），振动信号补偿模块（5），发热-振动数据融合模块（6），电接触状态检测模块（7）；
所述红外热成像模块（2）负责采集待测GIL间隔1外壳的红外温升图像；所述背景去噪模块（3）与所述红外热成像模块（2）电连接，负责去除噪声信号，改善采集到的红外温升图像；所述激光测振模块（4）负责对所述待测GIL间隔（1）外壳的振动信息进行测量；所述振动信号补偿模块（5）与所述激光测振模块（4）电连接，去除所述激光测振模块（4）自身振动对测量结果的影响；所述发热-振动数据融合模块（6）与所述背景去噪模块（3）和所述振动信号补偿模块（5）电连接，负责对处理后的温升信息与振动信息进行可视化融合；所述电接触状态检测模块（7）与所述发热-振动数据融合模块（6）连接，负责GIL电接触状态的检测。
与现有技术相比，本发明的有益效果为：
本发明所提供的GIL电接触状态发热-振动联合检测方法、装置及系统，可实现多尺度对GIL电接触状态的检测，同时为GIL设备的电接触状态检修提供了技术支持，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为本发明实施例提供的一种GIL电接触状态发热-振动联合检测方法的流程图；
图2为本发明实施例提供的一种GIL电接触状态发热-振动联合检测装置的示意图；
图3为本发明实施例提供的一种GIL电接触状态发热-振动联合检测系统的示意图。
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。
下面结合附图和具体实施例对本发明的技术方案作进一步详细地说明。
请参见图1，本发明实施例提供的一种GIL电接触状态发热-振动联合检测方法，包括以下步骤：
S01：获取GIL外壳的原始发热信息和原始振动信息；
作为一个实施例，本发明通过用于检测GIL温升特性的红外热成像镜头，根据GIL铺设位置调节测量角度，获取GIL外壳原始发热的信息；与此同时，激光器向GIL测点发射测量激光，根据多普勒效应获取GIL外壳测点的振动特性；
S02：通过背景去噪算法，去除原始测温图像的环境热源和涡流热源；
作为一个实施例，本发明通过红外图像去噪算法，去除原始测温图像的环境热源和涡流热源，进而提升红外图像的质量并充分提取图像中的有效信息，实现发热信息的准确测量；
S03：通过测振模块内置的陀螺仪，去除模块自身振动对测量结果的影响；
作为一个实施例，本发明通过内置在振动检测设备中的陀螺仪及相应的补偿算法，测量并计算激光测振设备的位置、速度等参数，去除测振模块自身振动对于振动信息测量结果的影响；
S04：通过对预处理后的发热和振动信息进行可视化融合，获取发热-振动融合关联矩阵；作为一个实施例，本发明通过特征提取融合等异构数据的融合算法，实现GIL发热和振动检测信息的可视化融合，获取发热-振动融合关联矩阵，建立GIL电接触状态知识库；
S05：通过可视化融合数据，结合深度学习算法，对GIL电接触状态进行检测分析。
作为一个实施例，本发明通过不同接触状态下GIL外壳发热和振动可视化融合特征，构建接触状态样本数据集，根据标记的接触状态样本库，构建深度学习神经网络模型，实现对GIL电接触状态的检测与分析。
请参见图2，本发明实施例还提供的一种GIL电接触状态发热-振动联合检测装置，该装置实现上述GIL电接触状态发热-振动联合检测方法，包括：
参数获取单元210，用于获取GIL外壳的原始发热信息和原始振动信息；
背景去噪单元220，用于通过背景去噪算法去除原始测温图像的环境热源和涡流热源；
信号补偿单元230，用于去除模块自身振动对测量结果的影响；
数据融合单元240，用于对预处理后的所述原始发热信息和和所述原始振动信息进行可视化融合，获取发热-振动融合关联矩阵；
状态检测单元250，用于通过可视化融合数据，结合深度学习算法，对GIL电接触状态进行检测分析。
应理解的是，该装置与上述的GIL电接触状态发热-振动联合检测方法实施例对应，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。
请参见图3，本发明实施例又提供一种GIL电接触状态发热-振动联合检测系统，该系统实现上述GIL电接触状态发热-振动联合检测方法，所述系统包括：待测GIL间隔1，红外热成像模块2，背景去噪模块3，激光测振模块4，振动信号补偿模块5，发热-振动数据融合模块6，电接触状态检测模块7。其中，红外热成像模块2负责采集待测GIL间隔1外壳的红外温升图像；背景去噪模块3与红外热成像模块2电连接，负责去除噪声信号，改善采集到的红外温升图像；激光测振模块4负责对待测GIL间隔1外壳的振动信息进行测量；振动信号补偿模块5与激光测振模块4电连接，负责去除激光振动模块4自身振动对测量结果的影响；发热-振动数据融合模块6与背景去噪模块3和振动信号补偿模块5电连接，负责对处理后的温升信息与振动信息进行可视化融合；电接触状态检测模块7与发热-振动数据融合模块6电连接，负责GIL电接触状态的检测。
在应用中，首先通过用于检测GIL温升特性的红外热成像镜头，根据GIL铺设位置调节测量角度，获取GIL外壳原始发热的信息；与此同时，激光器向GIL测点发射测量激光，根据多普勒效应获取GIL外壳测点的振动特性。
进一步，将背景去噪模块3与红外热成像模块2连接，去除红外热成像图中的环境热源和涡流热源的影响，提升红外热成像图的质量，实现发热信息的准确测量。
进一步，将振动信号补偿模块5（主要由陀螺仪组成）内置于激光测振模块4，通过陀螺仪及相应的补偿算法，测量并计算激光测振模块4的位置、速度等参数，去除激光测振模块4自身振动对于振动信息测量结果的影响。
进一步，通过特征提取融合等异构数据的融合算法，实现GIL发热和振动检测信息的可视化融合，获取发热-振动融合关联矩阵，建立GIL电接触状态知识库，根据标记的接触状态样本库，构建深度学习神经网络模型，实现对GIL接触状态的检测。
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 (8)
1.一种GIL电接触状态发热-振动联合检测方法，其特征在于，包括以下步骤：
S01：获取GIL外壳的原始发热信息和原始振动信息；
S02：通过背景去噪算法去除原始测温图像的环境热源和涡流热源；
S03：去除模块自身振动对测量结果的影响；
S04：通过对预处理后的所述原始发热信息和和所述原始振动信息进行可视化融合，获取发热-振动融合关联矩阵；
S05：通过可视化融合数据，结合深度学习算法，对GIL电接触状态进行检测分析。
2.根据权利要求1所述的GIL电接触状态发热-振动联合检测方法，其特征在于，所述步骤S01包括：
采用检测GIL温升特性的红外热成像镜头，根据GIL铺设位置调节测量角度，获取GIL外壳所述原始发热的信息；激光器向GIL测点发射测量激光，根据多普勒效应获取GIL外壳测点的所述原始振动信息。
3.根据权利要求1所述的GIL电接触状态发热-振动联合检测方法，其特征在于，所述步骤S02包括：
通过红外图像去噪算法，去除原始测温图像的环境热源和涡流热源。
4.根据权利要求1所述的GIL电接触状态发热-振动联合检测方法，其特征在于，所述步骤S03包括：
通过内置在激光测振设备中的陀螺仪及补偿算法，测量并计算所述激光测振设备的位置参数和速度参数，去除所述激光测振设备自身振动对于振动信息测量结果的影响。
5.根据权利要求1所述的GIL电接触状态发热-振动联合检测方法，其特征在于，所述步骤S04包括：
采用异构数据融合算法，实现发热和振动的可视化融合，获取发热-振动融合关联矩阵，建立GIL电接触状态知识库。
6.根据权利要求1所述的GIL电接触状态发热-振动联合检测方法，其特征在于，所述步骤S05包括：
通过不同接触状态下GIL外壳发热和振动可视化融合特征，构建接触状态样本数据集，根据标记的接触状态样本库，构建深度学习神经网络模型，实现对GIL接触状态的检测与分析。
7.一种GIL电接触状态发热-振动联合检测装置，其特征在于，所述装置包括：
参数获取单元，用于获取GIL外壳的原始发热信息和原始振动信息；
背景去噪单元，用于通过背景去噪算法去除原始测温图像的环境热源和涡流热源；
信号补偿单元，用于去除模块自身振动对测量结果的影响；
数据融合单元，用于对预处理后的所述原始发热信息和和所述原始振动信息进行可视化融合，获取发热-振动融合关联矩阵；
状态检测单元，用于通过可视化融合数据，结合深度学习算法，对GIL电接触状态进行检测分析。
8.一种GIL电接触状态发热-振动联合检测系统，其特征在于，所述系统包括：
待测GIL间隔（1），红外热成像模块（2），背景去噪模块（3），激光测振模块（4），振动信号补偿模块（5），发热-振动数据融合模块（6），电接触状态检测模块（7）；
所述红外热成像模块（2）负责采集待测GIL间隔1外壳的红外温升图像；所述背景去噪模块（3）与所述红外热成像模块（2）电连接，负责去除噪声信号，改善采集到的红外温升图像；所述激光测振模块（4）负责对所述待测GIL间隔（1）外壳的振动信息进行测量；所述振动信号补偿模块（5）与所述激光测振模块（4）电连接，去除所述激光测振模块（4）自身振动对测量结果的影响；所述发热-振动数据融合模块（6）与所述背景去噪模块（3）和所述振动信号补偿模块（5）电连接，负责对处理后的温升信息与振动信息进行可视化融合；所述电接触状态检测模块（7）与所述发热-振动数据融合模块（6）连接，负责GIL电接触状态的检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110722559.5A CN113657426A (zh) | 2021-06-28 | 2021-06-28 | 一种gil电接触状态发热-振动联合检测方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110722559.5A CN113657426A (zh) | 2021-06-28 | 2021-06-28 | 一种gil电接触状态发热-振动联合检测方法、装置及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113657426A true CN113657426A (zh) | 2021-11-16 |
Family
ID=78489144
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110722559.5A Pending CN113657426A (zh) | 2021-06-28 | 2021-06-28 | 一种gil电接触状态发热-振动联合检测方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113657426A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105675115A (zh) * | 2016-01-18 | 2016-06-15 | 佛山科学技术学院 | 一种激光多普勒在线测振系统及方法 |
| CN206876293U (zh) * | 2017-06-01 | 2018-01-12 | 深圳钰湖电力有限公司 | 振动设备的非接触式测振系统 |
| CN112101450A (zh) * | 2020-09-14 | 2020-12-18 | 济南浪潮高新科技投资发展有限公司 | 一种基于深度学习和多传感融合的无接触测振设备和方法 |
| 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 |
| WO2021107342A1 (ko) * | 2019-11-28 | 2021-06-03 | (주) 위세아이텍 | 딥러닝 기반의 시계열 분석을 이용한 회전설비 진동 상태 감시 장치 및 방법 |
-
2021
- 2021-06-28 CN CN202110722559.5A patent/CN113657426A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105675115A (zh) * | 2016-01-18 | 2016-06-15 | 佛山科学技术学院 | 一种激光多普勒在线测振系统及方法 |
| CN206876293U (zh) * | 2017-06-01 | 2018-01-12 | 深圳钰湖电力有限公司 | 振动设备的非接触式测振系统 |
| WO2021107342A1 (ko) * | 2019-11-28 | 2021-06-03 | (주) 위세아이텍 | 딥러닝 기반의 시계열 분석을 이용한 회전설비 진동 상태 감시 장치 및 방법 |
| CN112101450A (zh) * | 2020-09-14 | 2020-12-18 | 济南浪潮高新科技投资发展有限公司 | 一种基于深度学习和多传感融合的无接触测振设备和方法 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN202221693U (zh) | 光纤测温变压器 | |
| CN106959210B (zh) | 一种用于敞开式隔离开关的分合状态检测方法及装置 | |
| CN109060039B (zh) | 一种电气预警保护方法 | |
| CN104898013A (zh) | 一种利用声学测量诊断电路故障的方法及系统 | |
| CN114417669A (zh) | 一种基于数字孪生的变电设备故障监测预警方法与装置 | |
| CN105716664A (zh) | 基于标幺化算法的电缆状态监测多参数关联分析方法 | |
| CN112526334A (zh) | 基于数字孪生系统的直流输配电隔离开关的状态检测方法及装置 | |
| CN108267100B (zh) | 一种变压器绕组变形监测系统 | |
| CN114994460A (zh) | 一种电缆绝缘性能预测装置及方法 | |
| CN203657735U (zh) | 一种变压器绕组变形测试仪 | |
| CN109632146B (zh) | 电力设备温度监测系统和无线温度传感器 | |
| CN102680142B (zh) | 带温度修正的电缆测温装置 | |
| 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 | |
| CN108519158A (zh) | 一种gis设备内部过热缺陷的红外检测方法 | |
| CN114895163A (zh) | 一种基于电缆绝缘性能的电缆巡检定位装置及方法 | |
| CN109342889A (zh) | 一种在线式高压电缆击穿故障的快速定位方法 | |
| CN113049086B (zh) | 用于变压器声学诊断的动态数据库形成方法及装置 | |
| 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 | |
| CN114204680A (zh) | 多类型自动化检测设备融合远程诊断系统及方法 | |
| CN210724801U (zh) | 一种基于相干光时域反射计的电力光缆监控装置 | |
| CN113654646A (zh) | 一种gil内部机械缺陷的定位与诊断方法、装置及系统 | |
| CN109406002B (zh) | 一种光伏逆变器现场运行工况下的温升测试系统及方法 | |
| CN107102235B (zh) | 一种gis母线接头的电接触状态判别方法和装置 | |
| CN112034375B (zh) | 一种通信电源监控及模块维修测试系统 | |
| CN110850235A (zh) | 基于电缆拓扑及故障暂态行波的多端定位算法及定位系统 |
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 |