CN114034997A - 一种基于多参量的绝缘子劣化程度预测方法及系统 - Google Patents
一种基于多参量的绝缘子劣化程度预测方法及系统 Download PDFInfo
- Publication number
- CN114034997A CN114034997A CN202111328018.0A CN202111328018A CN114034997A CN 114034997 A CN114034997 A CN 114034997A CN 202111328018 A CN202111328018 A CN 202111328018A CN 114034997 A CN114034997 A CN 114034997A
- Authority
- CN
- China
- Prior art keywords
- degradation
- composite insulator
- degradation degree
- insulator
- parameters
- 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
- 230000015556 catabolic process Effects 0.000 title claims abstract description 215
- 238000006731 degradation reaction Methods 0.000 title claims abstract description 214
- 239000012212 insulator Substances 0.000 title claims abstract description 183
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000002131 composite material Substances 0.000 claims abstract description 142
- 238000001514 detection method Methods 0.000 claims abstract description 60
- 238000012360 testing method Methods 0.000 claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 230000006866 deterioration Effects 0.000 claims description 25
- 150000001875 compounds Chemical class 0.000 claims description 24
- 238000007689 inspection Methods 0.000 claims description 20
- 238000009825 accumulation Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000011161 development Methods 0.000 claims description 9
- 239000002352 surface water Substances 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 230000002087 whitening effect Effects 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 5
- 201000004569 Blindness Diseases 0.000 abstract description 3
- 230000005611 electricity Effects 0.000 abstract description 2
- 230000018109 developmental process Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 6
- 229920002379 silicone rubber Polymers 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000032683 aging Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 208000025274 Lightning injury Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000007822 coupling agent Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000009422 external insulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 239000004945 silicone rubber Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- 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
- G01R31/1227—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 of components, parts or materials
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Insulators (AREA)
- Testing Relating To Insulation (AREA)
Abstract
一种基于多参量的绝缘子劣化程度预测方法及系统，方法包括：在线监测复合绝缘子的劣化状态参量；对劣化状态参量进行归一化处理；基于试验手段，获取不同劣化状态参量下的复合绝缘子的劣化程度检测参数；基于灰色理论算法，建立复合绝缘子劣化程度预测模型；利用归一化后的劣化状态参量和劣化程度检测参数构成输入序列，输入至复合绝缘子劣化程度预测模型中；由模型输出复合绝缘子劣化程度的预测值。本发明充分考虑了电气、环境、结构等多类参数对劣化程度的影响，提升预测准确性和可靠性；其中劣化状态参量通过在线监测获取，无需对电网进行改造；监测数据实时获取，节省人工，提高监测效率，降低运维人员工作的盲目性。
Description
技术领域
本发明涉及电力设备绝缘状态检测技术领域，更具体地，涉及一种基于多参量的绝缘子劣化程度预测方法及系统。
背景技术
复合绝缘子由于其重量轻体积小，机械性能好，抗污能力强，同时具有安装方便，与传统瓷绝缘子具有可互换性的特点而被大范围使用，然而随着复合绝缘子的大量使用，运行中也逐渐暴露出一些问题。据统计，复合绝缘子在我国电网中已挂网运行30多年，长期运行经验表明，复合绝缘子的使用有效降低了污秽地区的污闪事故率，大大减轻了繁重的清扫及零值检测等运行维护管理工作，是解决污秽地区特别是重污秽地区输电线路外绝缘污闪问题的有效方法之一。
复合绝缘子现场损坏的原因可分为两类：机械方面的损坏，主要是指复合绝缘子在运行中发生的芯棒脆断、因台风等外力的作用导致的芯棒折断等，这类事故的原因和机理尚没有统一认识，但这类事故有可能引起电网出现恶性事故，后果十分严重；电气方面的劣化，主要表现在憎水性下降或丧失、泄漏电流增加等方面，导致复合绝缘子发生界面击穿、沿面闪络等绝缘事故，界面击穿通常是由于偶联剂使用不当或制作工艺存在缺陷引起的，沿面闪络的原因主要有雷击、鸟害、污闪、冰闪、大风、外力等。
结合当前建设“特高压”工程、“西电东送”工程和坚强智能电网的时代背景，大规模推广复合绝缘子在输电线路上运行的趋势，对复杂环境下复合绝缘子性能退化、劣化的评价需要，加强复合绝缘子监测及劣化评价与寿命预测预警、尽力消除一切故障隐患是保障复合绝缘子正常工作、电力系统稳定运行的关键。
针对复合绝缘子的劣化问题，各国学者展开了大量的研究。现有技术1(CN108732470A)“一种基于提升小波时间序列法的劣化绝缘子预测方法”，采集不同间隔时间段待诊断绝缘子串的红外热像图谱，并从中提取绝缘子串红外热像图谱中每片绝缘子的盘面和钢帽温度差作为特征量，得出盘面和钢帽温度差不同间隔的时间序列，以该时间序列作为绝缘子劣化预测的特征参量；以现有技术1代表，多采用静态接触角法、红外光谱法等方法对运行多年的复合绝缘子的理化特性进行测试，对其劣化特性进行分析。或者一些学者对复合绝缘子的表面憎水性及微观结构展开分析，通过与新试样的劣化特性进行对比得出劣化过程中硅橡胶表面劣化的原因，进而推测劣化老化特性。此外，现有技术2(CN112285495A)“一种基于电场分布检测输电线路绝缘子劣化判别方法”，以绝缘子表面轴向电场实测值作为绝缘子劣化预测的特征参量；现有技术3(CN109358271A)“一种基于MEMS光纤微电流传感技术的绝缘子劣化及污秽检测方法”，采用MEMS光纤微电流传感器构建污秽劣化绝缘子检测系统，通过检测绝缘子串微电流特征判断绝缘子运行状态信息；以现有技术2和3为代表，亦可通过电导电流法对现场运行的复合绝缘子状态进行评估。分析现有技术2至4发现，在预测绝缘子劣化程度时采用的特征量集中在温度、电压和电流这些参量上，并未全面考虑绝缘子劣化的不同影响因素，因此现有技术关于复合绝缘子劣化程度的预测可靠性较低。
为全面考虑绝缘子劣化的不同影响因素，现有技术4(CN109387753A)“一种多元化的负荷绝缘子劣化等级划分”，通过记录复合绝缘子在初始状态下的初始泄露电流值；监测时间长度内复合绝缘子的泄露电流值，及对应时刻的环境温度、湿度、降雨量；计算泄露电流值与初始泄露电流值的差值，及差值的算数平均值，根据算数平均值确定复合绝缘子的初始劣化等级；分别计算差值与温度、差值与湿度、差值与降雨量的相关系数，分别根据相关系数对初始劣化等级进行修正，得到修正劣化等级；现有技术1对复合绝缘子劣化程度的判断结论更加准确；可有效指导对复合绝缘子进行选择性处理，可提高线路运维工作的针对性和有效性，确保输电线路的安全稳定运行。但是现有技术1的检测过程中，需求样本量大，计算过程复杂，因此对于预测精度和速度均有所影响。
综上，需要对复合绝缘子劣化程度的评估预测方法进行研究。
发明内容
为解决现有技术中存在的不足，本发明的目的在于，提供一种基于多参量的绝缘子劣化程度预测方法及系统，通过与复合绝缘子劣化状态参量和劣化程度评定参数建立灰色模型，进而对劣化程度进行评估预测，不仅达到复合绝缘子劣化程度预测的目的，填补复合绝缘子硅橡胶材料劣化程度量化评估的空白，而且研究结果可为复合绝缘子运行状态监测、劣化程度预测的关键技术研发提供依据，以及时发现潜在故障缺陷，进一步保证辖区内电力系统的安全稳定运行。
本发明采用如下的技术方案。
一种基于多参量的绝缘子劣化程度预测方法，包括：
步骤1，在线监测复合绝缘子的劣化状态参量；
步骤2，对劣化状态参量进行归一化处理；
步骤3，基于试验手段，获取不同劣化状态参量下的复合绝缘子的劣化程度检测参数；
步骤4，基于灰色理论算法，建立复合绝缘子劣化程度预测模型；利用归一化后的劣化状态参量和劣化程度检测参数构成输入序列，输入至复合绝缘子劣化程度预测模型中；由模型输出复合绝缘子劣化程度的预测值。
优选地，步骤1中，复合绝缘子劣化状态参量包括复合绝缘子的局部放电量，表面平均温度，表面最大温度，表面憎水性等级，表面水膜与试品表面积的比值，表面硬度。
优选地，步骤1包括：
步骤1.1，使用紫外成像仪测量复合绝缘子的表面放电量，作为局部放电量；
步骤1.2，使用红外成像仪测量复合绝缘子的表面平均温度和表面最大温度；
步骤1.3，基于图像识别技术测量复合绝缘子的表面憎水性等级和表面水膜与试品表面积的比值；
步骤1.4，使用硬度计，由复合绝缘子的伞裙根部至伞裙边缘依次测量n次，且每个测量点的间距d相等，将n次的测量值的平均值作为表面硬度；其中，n不小于6，d不小于6mm。
优选地，步骤2中，对劣化状态参量以如下关系式进行归一化处理：
式中，
Wi[t]为第i个劣化状态参量，
W1[t]为第1个劣化状态参量，
W′i[t]为第i个劣化状态参量的归一化值。
优选地，步骤3中，基于闪络试验，获取不同劣化状态参量下的复合绝缘子的单位爬电距离的闪络电压，不同的单位爬电距离的闪络电压分别作为劣化程度检测参数。
进一步，闪络试验中，试验电源由交流试验变压器提供，变压器的额定容量为5kVA，额定电流为0.1A，输入电压0.22kV，输出电压为0～50kV。
优选地，步骤4包括：
步骤4.1，以劣化程度检测参数作为特征序列
以劣化状态参量的归一化值作为相关因素序列
劣化状态参量的编号满足j＝2,3,…,N，N为劣化状态参量总数；其中，建模样品的编号满足k＝1,2,3,…,n，n为建模样品总数；则特征序列
和相关因素序列
构成输入序列
l＝1,2,3,…,N，其中上标0表示为输入阶段；
步骤4.2，对输入序列
进行累加计算，满足如下关系式：
累加计算得到累加生成序列为
其中上标1表示为累加生成阶段；
步骤4.3，基于灰色理论算法，利用输入序列
和累加生成序列为
以如下关系式计算得到背景值：
式中，
以满足如下关系式的灰微化方程计算得到发展系数a和驱动系数bj：
式中，
为第k个建模样品的驱动项；
步骤4.4，利用发展系数a和驱动系数bj构造灰色系数A，满足如下关系式：
A＝(a,b2,…,bN)T
步骤4.5，基于GM(1，N)模型，利用输入序列
和累加生成序列为
构造白微化方程作为复合绝缘子劣化程度预测模型，满足如下关系式：
步骤4.6，对白微化方程进行求解得到如下关系式：
式中，
为白微化方程的解，表征第k+1个建模样品在累加生成阶段下，复合绝缘子的单位爬电距离的闪络电压
与复合绝缘子劣化状态参量
之间的关系；
将灰色系数A代入上式可求得
的具体数值；
步骤4.7，将上述结果进行累减还原，得到复合绝缘子劣化程度的检测值，满足如下关系式：
式中，
为累减还原得到的白微化方程的解，表征第k+1个建模样品在累减还原后，复合绝缘子的单位爬电距离的闪络电压
与复合绝缘子劣化状态参量
之间的关系。
优选地，步骤4还包括：
步骤4.8，对复合绝缘子劣化程度预测模型进行精度检验，包括：
步骤4.8.1，以如下关系式计算残差E(k)：
式中，
为第k个建模样品的劣化程度检测参数的原始数据，
为第k个建模样品的劣化程度检测参数的预测数据；
步骤4.8.2，以如下关系式计算方差S1：
式中，
为均值，满足
步骤4.8.3，以如下关系式计算残差的方差S2：
式中，
为残差的均值，满足
步骤4.8.4，以如下关系式计算后验差比值C：
步骤4.8.5，以如下关系式计算小误差概率P：
步骤4.8.6，对每次预测得到的预测值计算后验差比值C和小误差概率P，当后验差比值C≤0.45且小误差概率P≥0.8时，判定所得预测值的精度合格，由复合绝缘子劣化程度预测模型输出精度合格的预测值；否则，利用返回步骤4.2重新预测。
一种基于多参量的绝缘子劣化程度预测系统，包括：劣化状态参量模块，劣化程度检测参数模块，劣化程度检测模块；
劣化状态参量模块包括：局部放电量测量单元，表面温度测量单元，表面憎水性测量单元，硬度测量单元；劣化状态参量模块，用于实时在线采集复合绝缘子的劣化状态参量，并对劣化状态参量进行归一化处理；
劣化程度检测参数模块，用于基于试验手段，获取不同劣化状态参量下的复合绝缘子的劣化程度检测参数；
劣化程度检测模块包括：劣化程度预测模型单元，预测精度检验单元；劣化程度预测模型单元，用于基于灰色理论算法，建立复合绝缘子劣化程度预测模型，并且以归一化后的劣化状态参量和劣化程度检测参数构成输入序列，由劣化程度预测模型输出复合绝缘子劣化程度的检测值；预测精度检验单元，用于对劣化程度预测模型单元输出的预测值进行精度检验，使得精度检验合格的预测值被输出。
优选地，局部放电量测量单元，使用紫外成像仪测量复合绝缘子的表面放电量，作为局部放电量；
表面温度测量单元，使用红外成像仪测量复合绝缘子的表面平均温度和表面最大温度；
表面憎水性测量单元，基于图像识别技术测量复合绝缘子的表面憎水性等级和表面水膜与试品表面积的比值；
硬度测量单元，使用硬度计，由复合绝缘子的伞裙根部至伞裙边缘依次测量n次，且每个测量点的间距d相等，将n次的测量值的平均值作为表面硬度；其中，n不小于6，d不小于6mm。
优选地，劣化程度检测参数模块，基于闪络试验，获取不同劣化状态参量下的复合绝缘子的单位爬电距离的闪络电压，不同的单位爬电距离的闪络电压分别作为劣化程度检测参数。
进一步，劣化程度检测参数模块包括交流试验变压器，变压器的额定容量为5kVA，额定电流为0.1A，输入电压0.22kV，输出电压为0～50kV；
交流试验变压器用于提供闪络试验电源。
本发明的有益效果在于，与现有技术相比，本发明不仅达到复合绝缘子劣化程度精确预测的目的，填补复合绝缘子硅橡胶材料劣化程度量化预测的空白，而且研究结果可为复合绝缘子运行状态监测、劣化程度预测的关键技术研发提供依据，以及时发现潜在故障缺陷，进一步保证辖区内电力系统的安全稳定运行。
本发明有益效果具体包括：
1、本发明使用多种复合绝缘子劣化状态参量对劣化程度进行预测，充分考虑了复合绝缘子电气参数、环境参数、结构参数等多类参数对其劣化程度的影响，从而提升了预测的准确性和可靠性；
2、复合绝缘子劣化状态参量均可以通过现有的在线监测技术手段获取，无需对目前电网进行任何改造；监测数据实时获取，节省了人工，提高了监测效率，减少线路运维人员对线路设备更换工作的盲目性。
3、使用基于灰色理论建立的灰色模型来对复合绝缘子的劣化程度进行评估和预测，需求样本量少，计算速度快，便于应用推广；
4、通过对劣化程度预测值进行精度检验，进一步提升预测值的准确度和可靠度。
附图说明
图1是本发明一种基于多参量的绝缘子劣化程度预测方法的原理图；
图2是本发明一种基于多参量的绝缘子劣化程度预测方法的步骤框图；
图3是本发明一实施例中灰色模型的计算原理图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。
如图1和2，一种基于多参量的绝缘子劣化程度预测方法，包括步骤1至4，利用该预测方法，一方面通过灰色理论算法科学评估复合绝缘子硅橡胶材料劣化程度，另一方面根据预测的劣化程度对其进行故障报警，以提前提醒人员对材料进行维护更换。该方法具体如下：
步骤1，在线监测复合绝缘子的劣化状态参量。
具体地，步骤1中，复合绝缘子劣化状态参量包括复合绝缘子的局部放电量C1，表面平均温度C2，表面最大温度C3，表面憎水性等级C4，表面水膜与试品表面积的比值C5，表面硬度C6。
具体地，步骤1包括：
步骤1.1，使用紫外成像仪测量复合绝缘子的表面放电量，作为局部放电量C1；
步骤1.2，使用红外成像仪测量复合绝缘子的表面平均温度C2和表面最大温度C3；
步骤1.3，基于图像识别技术测量复合绝缘子的表面憎水性等级C4和表面水膜与试品表面积的比值C5；
步骤1.4，使用硬度计，由复合绝缘子的伞裙根部至伞裙边缘依次测量n次，且每个测量点的间距d相等，将n次的测量值的平均值作为表面硬度C6；其中，n不小于6，d不小于6mm。
本发明优选实施例中，采用Shore-A硬度计对复合绝缘子样品的硬度进行测试。参照GB/T 531.1-2008中的试验方法，由伞裙根部至伞裙边缘依次测量6次，每个点相隔6mm，取平均值作为该样品的硬度。
值得注意的是，本发明优选实施例中，硬度测量点的数量及其间距是一种非限制性的较优选择，本领域技术人员可以根据实际设备的外形尺寸以及现场环境选择合适的硬度测量点的数量及其间距。
步骤2，对劣化状态参量进行归一化处理。
具体地，步骤2中，对劣化状态参量以如下关系式进行归一化处理：
式中，
Wi[t]为第i个劣化状态参量，本发明优选实施例中，i＝1,2,3,…,6；
W1[t]为第1个劣化状态参量，
W′i[t]为第i个劣化状态参量的归一化值。
各劣化状态参量的单位不一致，且初始值各异，为了使监测数据具有可比性，需要消除数据量级、量纲的影响，因此本发明优选实施例中，对劣化状态参量的原始数据进行归一化处理。
步骤3，基于试验手段，获取不同劣化状态参量下的复合绝缘子的劣化程度检测参数；
具体地，步骤3中，基于闪络试验，获取不同劣化状态参量下的复合绝缘子的单位爬电距离的闪络电压，不同的单位爬电距离的闪络电压分别作为劣化程度检测参数。
进一步，闪络试验中，试验电源由交流试验变压器提供，变压器的额定容量为5kVA，额定电流为0.1A，输入电压0.22kV，输出电压为0～50kV，变压器满足IEC对试验电源的要求。
值得注意的是，本发明优选实施例中采用不同的单位爬电距离的闪络电压定量的表征劣化程度，是一种非限制的较优选择，本领域技术人员可以根据实际设备情况选择不同的劣化程度表征数据。
步骤4，基于灰色理论算法，建立复合绝缘子劣化程度预测模型；利用归一化后的劣化状态参量和劣化程度检测参数构成输入序列，输入至复合绝缘子劣化程度预测模型中；由模型输出复合绝缘子劣化程度的预测值。
具体地，如图3，步骤4包括：
步骤4.1，以劣化程度检测参数作为特征序列
以劣化状态参量的归一化值作为相关因素序列
劣化状态参量的编号满足j＝2,3,…,N，N为劣化状态参量总数；其中，建模样品的编号满足k＝1,2,3,…,n，n为建模样品总数；则特征序列
和相关因素序列
构成输入序列
l＝1,2,3,…,N，其中上标0表示为输入阶段；
本发明优选实施例中，N为6，因此输入数据为n个建模样品所测试的复合绝缘子劣化状态相关的6参量序列与1项劣化程度评定参数序列，累计7组序列数据。相当于用7组实验数据建模，假定有10个建模样品，那么输入数据就是7×10的矩阵。
步骤4.2，对输入序列
进行累加计算，满足如下关系式：
累加计算得到累加生成序列为
其中上标1表示为累加生成阶段；
步骤4.3，基于灰色理论算法，利用输入序列
和累加生成序列为
以如下关系式计算得到背景值：
式中，
以满足如下关系式的灰微化方程计算得到发展系数a和驱动系数bj：
式中，
为第k个建模样品的驱动项；
步骤4.4，利用发展系数a和驱动系数bj构造灰色系数A，满足如下关系式：
A＝(a,b2,…,bN)T
步骤4.5，基于GM(1，N)模型，利用输入序列
和累加生成序列为
构造白微化方程作为复合绝缘子劣化程度预测模型，满足如下关系式：
步骤4.6，对白微化方程进行求解得到如下关系式：
式中，
为白微化方程的解，表征第k+1个建模样品在累加生成阶段下，复合绝缘子的单位爬电距离的闪络电压
与复合绝缘子劣化状态参量
之间的关系；
将灰色系数A代入上式可求得
的具体数值；
步骤4.7，将上述结果进行累减还原，得到复合绝缘子劣化程度的检测值，满足如下关系式：
式中，
为累减还原得到的白微化方程的解，表征第k+1个建模样品在累减还原后，复合绝缘子的单位爬电距离的闪络电压
与复合绝缘子劣化状态参量
之间的关系。
本发明优选实施例中，对于7×10的输入数据矩阵，可以根据步骤4.1至4.4计算得到主要参数：发展系数a、驱动系数bj和灰色系数A。然后，通过现有的在线监测装置获得不包括单位爬电距离的闪络电压的6组监测数据，然后通过这6组数据，根据步骤4.5至4.7，可以求得6组监测数据对应的单位爬电距离的闪络电压，进而实现了对单位爬电距离的闪络电压的预测，实现了老化等级的评价。
本发明优选实施例中，采集5组单位爬电距离的闪络电压与复合绝缘子劣化状态相关的6参量数据，如表1所示；归一化处理之后可得表2所示数据。
表1 5组单位爬电距离的闪络电压与复合绝缘子劣化状态相关的6参量数据
| 闪络电压 | 16.01 | 15.28 | 14.56 | 13.72 | 12.77 |
| C1 | 20568 | 32256 | 42456 | 48697 | 53698 |
| C2 | 35 | 37.2 | 38.3 | 39.5 | 41.3 |
| C3 | 39 | 40.9 | 41.8 | 43.5 | 45.6 |
| C4 | 1 | 1 | 2 | 3 | 3 |
| C5 | 0.05 | 0.13 | 0.26 | 0.43 | 0.49 |
| C6 | 62.3 | 64.5 | 66.2 | 67.1 | 68.6 |
表2归一化处理后数据
| 闪络电压 | 1.00 | 0.95 | 0.91 | 0.86 | 0.80 |
| C1 | 1.00 | 1.57 | 2.06 | 2.37 | 2.61 |
| C2 | 1.00 | 1.06 | 1.09 | 1.13 | 1.18 |
| C3 | 1.00 | 1.05 | 1.07 | 1.12 | 1.17 |
| C4 | 1.00 | 1.00 | 2.00 | 3.00 | 3.00 |
| C5 | 1.00 | 2.60 | 5.20 | 8.60 | 9.80 |
| C6 | 1.00 | 1.04 | 1.06 | 1.08 | 1.10 |
将表2的每一序列数据分别进行累加计算，通过步骤4.3和4.4运算可以求解出模型灰参数，其中发展系数a为0.9637，驱动系数bj分别为-0.6090、-0.3699、-1.6716、-0.1072、-0.0157和-0.4386。
此时，只需要获得下一组6参量数据，例如本发明优选实施例获取的第7组6参量数据分别为63421，42.32，46.3，3，0.53和68.9。同样归一化处理后，数据整理为3.08，1.21，1.19，3.00，10.60和1.11，带入求解模型后可预测闪络电压数据为0.72。以此实现对复合绝缘子老化等级的评定。
具体地，步骤4还包括：
步骤4.8，对复合绝缘子劣化程度预测模型进行精度检验，包括：
步骤4.8.1，以如下关系式计算残差E(k)：
式中，
为第k个建模样品的劣化程度检测参数的原始数据，
为第k个建模样品的劣化程度检测参数的预测数据；
步骤4.8.2，以如下关系式计算方差S1：
式中，
为均值，满足
步骤4.8.3，以如下关系式计算残差的方差S2：
式中，
为残差的均值，满足
步骤4.8.4，以如下关系式计算后验差比值C：
步骤4.8.5，以如下关系式计算小误差概率P：
步骤4.8.6，对每次预测得到的预测值计算后验差比值C和小误差概率P，当后验差比值C≤0.45且小误差概率P≥0.8时，判定所得预测值的精度合格，由复合绝缘子劣化程度预测模型输出精度合格的预测值；否则，利用返回步骤4.2重新预测。
一种基于多参量的绝缘子劣化程度预测系统，包括：劣化状态参量模块，劣化程度检测参数模块，劣化程度检测模块；
劣化状态参量模块包括：局部放电量测量单元，表面温度测量单元，表面憎水性测量单元，硬度测量单元；劣化状态参量模块，用于实时在线采集复合绝缘子的劣化状态参量，并对劣化状态参量进行归一化处理；
劣化程度检测参数模块，用于基于试验手段，获取不同劣化状态参量下的复合绝缘子的劣化程度检测参数；
劣化程度检测模块包括：劣化程度预测模型单元，预测精度检验单元；劣化程度预测模型单元，用于基于灰色理论算法，建立复合绝缘子劣化程度预测模型，并且以归一化后的劣化状态参量和劣化程度检测参数构成输入序列，由劣化程度预测模型输出复合绝缘子劣化程度的检测值；预测精度检验单元，用于对劣化程度预测模型单元输出的预测值进行精度检验，使得精度检验合格的预测值被输出。
具体地，局部放电量测量单元，使用紫外成像仪测量复合绝缘子的表面放电量，作为局部放电量；
表面温度测量单元，使用红外成像仪测量复合绝缘子的表面平均温度和表面最大温度；
表面憎水性测量单元，基于图像识别技术测量复合绝缘子的表面憎水性等级和表面水膜与试品表面积的比值；
硬度测量单元，使用硬度计，由复合绝缘子的伞裙根部至伞裙边缘依次测量n次，且每个测量点的间距d相等，将n次的测量值的平均值作为表面硬度；其中，n不小于6，d不小于6mm。
具体地，劣化程度检测参数模块，基于闪络试验，获取不同劣化状态参量下的复合绝缘子的单位爬电距离的闪络电压，不同的单位爬电距离的闪络电压分别作为劣化程度检测参数。
进一步，劣化程度检测参数模块包括交流试验变压器，变压器的额定容量为5kVA，额定电流为0.1A，输入电压0.22kV，输出电压为0～50kV；
交流试验变压器用于提供闪络试验电源。
本发明的有益效果在于，与现有技术相比，本发明不仅达到复合绝缘子劣化程度精确预测的目的，填补复合绝缘子硅橡胶材料劣化程度量化预测的空白，而且研究结果可为复合绝缘子运行状态监测、劣化程度预测的关键技术研发提供依据，以及时发现潜在故障缺陷，进一步保证辖区内电力系统的安全稳定运行。
本发明有益效果具体包括：
1、本发明使用多种复合绝缘子劣化状态参量对劣化程度进行预测，充分考虑了复合绝缘子电气参数、环境参数、结构参数等多类参数对其劣化程度的影响，从而提升了预测的准确性和可靠性；
2、复合绝缘子劣化状态参量均可以通过现有的在线监测技术手段获取，无需对目前电网进行任何改造；监测数据实时获取，节省了人工，提高了监测效率，减少线路运维人员对线路设备更换工作的盲目性。
3、使用基于灰色理论建立的灰色模型来对复合绝缘子的劣化程度进行评估和预测，需求样本量少，计算速度快，便于应用推广；
4、通过对劣化程度预测值进行精度检验，进一步提升预测值的准确度和可靠度。
发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (12)
1.一种基于多参量的绝缘子劣化程度预测方法，其特征在于，
所述方法包括：
步骤1，在线监测复合绝缘子的劣化状态参量；
步骤2，对劣化状态参量进行归一化处理；
步骤3，基于试验手段，获取不同劣化状态参量下的复合绝缘子的劣化程度检测参数；
步骤4，基于灰色理论算法，建立复合绝缘子劣化程度预测模型；利用归一化后的劣化状态参量和劣化程度检测参数构成输入序列，输入至复合绝缘子劣化程度预测模型中；由模型输出复合绝缘子劣化程度的预测值。
2.根据权利要求1所述的一种基于多参量的绝缘子劣化程度预测方法，其特征在于，
步骤1中，复合绝缘子劣化状态参量包括复合绝缘子的局部放电量，表面平均温度，表面最大温度，表面憎水性等级，表面水膜与试品表面积的比值，表面硬度。
3.根据权利要求2所述的一种基于多参量的绝缘子劣化程度预测方法，其特征在于，
步骤1包括：
步骤1.1，使用紫外成像仪测量复合绝缘子的表面放电量，作为局部放电量；
步骤1.2，使用红外成像仪测量复合绝缘子的表面平均温度和表面最大温度；
步骤1.3，基于图像识别技术测量复合绝缘子的表面憎水性等级和表面水膜与试品表面积的比值；
步骤1.4，使用硬度计，由复合绝缘子的伞裙根部至伞裙边缘依次测量n次，且每个测量点的间距d相等，将n次的测量值的平均值作为表面硬度；其中，n不小于6，d不小于6mm。
4.根据权利要求2所述的一种基于多参量的绝缘子劣化程度预测方法，其特征在于，
步骤2中，对劣化状态参量以如下关系式进行归一化处理：
式中，
Wi[t]为第i个劣化状态参量，
W1[t]为第1个劣化状态参量，
Wi′[t]为第i个劣化状态参量的归一化值。
5.根据权利要求2所述的一种基于多参量的绝缘子劣化程度预测方法，其特征在于，
步骤3中，基于闪络试验，获取不同劣化状态参量下的复合绝缘子的单位爬电距离的闪络电压，不同的单位爬电距离的闪络电压分别作为劣化程度检测参数。
6.根据权利要求5所述的一种基于多参量的绝缘子劣化程度预测方法，其特征在于，
闪络试验中，试验电源由交流试验变压器提供，变压器的额定容量为5kVA，额定电流为0.1A，输入电压0.22kV，输出电压为0～50kV。
7.根据权利要求4所述的一种基于多参量的绝缘子劣化程度预测方法，其特征在于，
步骤4包括：
步骤4.1，以劣化程度检测参数作为特征序列
以劣化状态参量的归一化值作为相关因素序列
劣化状态参量的编号满足j＝2,3,…,N，N为劣化状态参量总数；其中，建模样品的编号满足k＝1,2,3,…,n，n为建模样品总数；则特征序列
和相关因素序列
构成输入序列
l＝1,2,3,…,N，其中上标0表示为输入阶段；
步骤4.2，对输入序列
进行累加计算，满足如下关系式：
累加计算得到累加生成序列为
其中上标1表示为累加生成阶段；
步骤4.3，基于灰色理论算法，利用输入序列
和累加生成序列为
以如下关系式计算得到背景值：
式中，
以满足如下关系式的灰微化方程计算得到发展系数a和驱动系数bj：
式中，
为第k个建模样品的驱动项；
步骤4.4，利用发展系数a和驱动系数bj构造灰色系数A，满足如下关系式：
A＝(a,b2,…,bN)T
步骤4.5，基于GM(1，N)模型，利用输入序列
和累加生成序列为
构造白微化方程作为复合绝缘子劣化程度预测模型，满足如下关系式：
步骤4.6，对白微化方程进行求解得到如下关系式：
式中，
为白微化方程的解，表征第k+1个建模样品在累加生成阶段下，复合绝缘子的单位爬电距离的闪络电压
与复合绝缘子劣化状态参量
之间的关系；
将灰色系数A代入上式可求得
的具体数值；
步骤4.7，将上述结果进行累减还原，得到复合绝缘子劣化程度的检测值，满足如下关系式：
式中，
为累减还原得到的白微化方程的解，表征第k+1个建模样品在累减还原后，复合绝缘子的单位爬电距离的闪络电压
与复合绝缘子劣化状态参量
之间的关系。
8.根据权利要求7所述的一种基于多参量的绝缘子劣化程度预测方法，其特征在于，
步骤4还包括：
步骤4.8，对复合绝缘子劣化程度预测模型进行精度检验，包括：
步骤4.8.1，以如下关系式计算残差E(k)：
式中，
为第k个建模样品的劣化程度检测参数的原始数据，
为第k个建模样品的劣化程度检测参数的预测数据；
步骤4.8.2，以如下关系式计算方差S1：
式中，
为均值，满足
步骤4.8.3，以如下关系式计算残差的方差S2：
式中，
为残差的均值，满足
步骤4.8.4，以如下关系式计算后验差比值C：
步骤4.8.5，以如下关系式计算小误差概率P：
步骤4.8.6，对每次预测得到的预测值计算后验差比值C和小误差概率P，当后验差比值C≤0.45且小误差概率P≥0.8时，判定所得预测值的精度合格，由复合绝缘子劣化程度预测模型输出精度合格的预测值；否则，利用返回步骤4.2重新预测。
9.利用权利要求1至8任一项所述的一种基于多参量的绝缘子劣化程度预测方法而实现的一种基于多参量的绝缘子劣化程度预测系统，其特征在于，
所述系统包括：劣化状态参量模块，劣化程度检测参数模块，劣化程度检测模块；
劣化状态参量模块包括：局部放电量测量单元，表面温度测量单元，表面憎水性测量单元，硬度测量单元；劣化状态参量模块，用于实时在线采集复合绝缘子的劣化状态参量，并对劣化状态参量进行归一化处理；
劣化程度检测参数模块，用于基于试验手段，获取不同劣化状态参量下的复合绝缘子的劣化程度检测参数；
劣化程度检测模块包括：劣化程度预测模型单元，预测精度检验单元；劣化程度预测模型单元，用于基于灰色理论算法，建立复合绝缘子劣化程度预测模型，并且以归一化后的劣化状态参量和劣化程度检测参数构成输入序列，由劣化程度预测模型输出复合绝缘子劣化程度的检测值；预测精度检验单元，用于对劣化程度预测模型单元输出的预测值进行精度检验，使得精度检验合格的预测值被输出。
10.根据权利要求9所述的一种基于多参量的绝缘子劣化程度预测系统，其特征在于，
局部放电量测量单元，使用紫外成像仪测量复合绝缘子的表面放电量，作为局部放电量；
表面温度测量单元，使用红外成像仪测量复合绝缘子的表面平均温度和表面最大温度；
表面憎水性测量单元，基于图像识别技术测量复合绝缘子的表面憎水性等级和表面水膜与试品表面积的比值；
硬度测量单元，使用硬度计，由复合绝缘子的伞裙根部至伞裙边缘依次测量n次，且每个测量点的间距d相等，将n次的测量值的平均值作为表面硬度；其中，n不小于6，d不小于6mm。
11.根据权利要求9所述的一种基于多参量的绝缘子劣化程度预测系统，其特征在于，
劣化程度检测参数模块，基于闪络试验，获取不同劣化状态参量下的复合绝缘子的单位爬电距离的闪络电压，不同的单位爬电距离的闪络电压分别作为劣化程度检测参数。
12.根据权利要求11所述的一种基于多参量的绝缘子劣化程度预测系统，其特征在于，
劣化程度检测参数模块包括交流试验变压器，变压器的额定容量为5kVA，额定电流为0.1A，输入电压0.22kV，输出电压为0～50kV；
交流试验变压器用于提供闪络试验电源。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111328018.0A CN114034997A (zh) | 2021-11-10 | 2021-11-10 | 一种基于多参量的绝缘子劣化程度预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111328018.0A CN114034997A (zh) | 2021-11-10 | 2021-11-10 | 一种基于多参量的绝缘子劣化程度预测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114034997A true CN114034997A (zh) | 2022-02-11 |
Family
ID=80137192
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111328018.0A Pending CN114034997A (zh) | 2021-11-10 | 2021-11-10 | 一种基于多参量的绝缘子劣化程度预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114034997A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116466067A (zh) * | 2023-03-20 | 2023-07-21 | 国网江苏省电力有限公司淮安供电分公司 | 一种基于灰色理论的复合绝缘子硅橡胶材料剩余寿命预警方法 |
| CN117129815A (zh) * | 2023-10-27 | 2023-11-28 | 南京中鑫智电科技有限公司 | 一种基于物联网的多劣化绝缘子综合检测方法和系统 |
| CN117214071A (zh) * | 2023-09-18 | 2023-12-12 | 中国南方电网有限责任公司超高压输电公司大理局 | 复合绝缘子硅橡胶老化分析方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102520323A (zh) * | 2011-12-15 | 2012-06-27 | 国网电力科学研究院 | 基于高光谱的复合绝缘子老化运行状态检测方法 |
| CN103018640A (zh) * | 2012-11-27 | 2013-04-03 | 华北电力大学（保定） | 高压绝缘子表面电晕放电强度测试方法 |
| CN103076548A (zh) * | 2013-02-01 | 2013-05-01 | 江苏省电力公司电力科学研究院 | 一种用表面电导率和泄漏电流预测闪络电压的方法 |
| CN103678765A (zh) * | 2013-10-31 | 2014-03-26 | 上海交通大学 | 基于在线监测的变压器运行状态综合评估方法 |
| CN105137299A (zh) * | 2015-08-26 | 2015-12-09 | 芜湖市凯鑫避雷器有限责任公司 | 绝缘子闪络电压预测方法 |
| CN105466693A (zh) * | 2015-11-13 | 2016-04-06 | 哈尔滨工程大学 | 基于灰色模型的柴油机燃油系统故障预诊断方法 |
| CN106771765A (zh) * | 2017-01-05 | 2017-05-31 | 华北电力大学（保定） | 一种运行中的复合绝缘子老化程度的多维参量评估方法 |
| CN107942156A (zh) * | 2017-10-27 | 2018-04-20 | 国家电网公司 | 温度剧变条件下复合绝缘子老化评估方法 |
| CN108181556A (zh) * | 2017-12-18 | 2018-06-19 | 国网浙江省电力有限公司检修分公司 | 基于铁帽温差时间序列分析的瓷质绝缘子零值检测方法 |
| CN108732470A (zh) * | 2018-04-18 | 2018-11-02 | 湖南湖大华龙电气与信息技术有限公司 | 一种基于提升小波时间序列法的劣化绝缘子预测方法 |
| CN109376881A (zh) * | 2018-12-12 | 2019-02-22 | 中国航空工业集团公司上海航空测控技术研究所 | 基于维修成本优化的复杂系统维修决策方法 |
| CN111695248A (zh) * | 2020-05-27 | 2020-09-22 | 淮阴工学院 | 一种抽水蓄能机组劣化状态趋势快速预警方法 |
| CN112257265A (zh) * | 2020-10-22 | 2021-01-22 | 国网河北省电力有限公司石家庄供电分公司 | 一种基于健康指数和非等间距灰色模型的电力变压器寿命预测方法 |
| CN112765772A (zh) * | 2020-12-25 | 2021-05-07 | 武汉理工大学 | 一种基于数据驱动的动力电池剩余寿命预测方法 |
| CN112858851A (zh) * | 2021-01-12 | 2021-05-28 | 国网江苏省电力有限公司电力科学研究院 | 一种适用于特殊工业粉尘地区的复合绝缘子运行性能状态评价方法 |
-
2021
- 2021-11-10 CN CN202111328018.0A patent/CN114034997A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102520323A (zh) * | 2011-12-15 | 2012-06-27 | 国网电力科学研究院 | 基于高光谱的复合绝缘子老化运行状态检测方法 |
| CN103018640A (zh) * | 2012-11-27 | 2013-04-03 | 华北电力大学（保定） | 高压绝缘子表面电晕放电强度测试方法 |
| CN103076548A (zh) * | 2013-02-01 | 2013-05-01 | 江苏省电力公司电力科学研究院 | 一种用表面电导率和泄漏电流预测闪络电压的方法 |
| CN103678765A (zh) * | 2013-10-31 | 2014-03-26 | 上海交通大学 | 基于在线监测的变压器运行状态综合评估方法 |
| CN105137299A (zh) * | 2015-08-26 | 2015-12-09 | 芜湖市凯鑫避雷器有限责任公司 | 绝缘子闪络电压预测方法 |
| CN105466693A (zh) * | 2015-11-13 | 2016-04-06 | 哈尔滨工程大学 | 基于灰色模型的柴油机燃油系统故障预诊断方法 |
| CN106771765A (zh) * | 2017-01-05 | 2017-05-31 | 华北电力大学（保定） | 一种运行中的复合绝缘子老化程度的多维参量评估方法 |
| CN107942156A (zh) * | 2017-10-27 | 2018-04-20 | 国家电网公司 | 温度剧变条件下复合绝缘子老化评估方法 |
| CN108181556A (zh) * | 2017-12-18 | 2018-06-19 | 国网浙江省电力有限公司检修分公司 | 基于铁帽温差时间序列分析的瓷质绝缘子零值检测方法 |
| CN108732470A (zh) * | 2018-04-18 | 2018-11-02 | 湖南湖大华龙电气与信息技术有限公司 | 一种基于提升小波时间序列法的劣化绝缘子预测方法 |
| CN109376881A (zh) * | 2018-12-12 | 2019-02-22 | 中国航空工业集团公司上海航空测控技术研究所 | 基于维修成本优化的复杂系统维修决策方法 |
| CN111695248A (zh) * | 2020-05-27 | 2020-09-22 | 淮阴工学院 | 一种抽水蓄能机组劣化状态趋势快速预警方法 |
| CN112257265A (zh) * | 2020-10-22 | 2021-01-22 | 国网河北省电力有限公司石家庄供电分公司 | 一种基于健康指数和非等间距灰色模型的电力变压器寿命预测方法 |
| CN112765772A (zh) * | 2020-12-25 | 2021-05-07 | 武汉理工大学 | 一种基于数据驱动的动力电池剩余寿命预测方法 |
| CN112858851A (zh) * | 2021-01-12 | 2021-05-28 | 国网江苏省电力有限公司电力科学研究院 | 一种适用于特殊工业粉尘地区的复合绝缘子运行性能状态评价方法 |
Non-Patent Citations (3)
| Title |
|---|
| 李晨: "高湿环境电压作用下硅橡胶材料的理化/闪络特性", 工程科技Ⅱ辑, 15 April 2019 (2019-04-15), pages 9 * |
| 段文军，李达: "高速高铁网络对广西旅游重心的影响及旅游空间结构优化研究", 31 December 2020, 沈阳出版社, pages: 95 * |
| 詹棠森: "陶瓷艺术品的定量评价与定价分析", 31 October 2021, 江西高校出版社, pages: 111 - 112 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116466067A (zh) * | 2023-03-20 | 2023-07-21 | 国网江苏省电力有限公司淮安供电分公司 | 一种基于灰色理论的复合绝缘子硅橡胶材料剩余寿命预警方法 |
| CN117214071A (zh) * | 2023-09-18 | 2023-12-12 | 中国南方电网有限责任公司超高压输电公司大理局 | 复合绝缘子硅橡胶老化分析方法 |
| CN117129815A (zh) * | 2023-10-27 | 2023-11-28 | 南京中鑫智电科技有限公司 | 一种基于物联网的多劣化绝缘子综合检测方法和系统 |
| CN117129815B (zh) * | 2023-10-27 | 2024-02-02 | 南京中鑫智电科技有限公司 | 一种基于物联网的多劣化绝缘子综合检测方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114034997A (zh) | 一种基于多参量的绝缘子劣化程度预测方法及系统 | |
| CN106908674B (zh) | 一种基于多状态量预测的变压器状态评估方法 | |
| WO2021098611A1 (zh) | 一种测评老化后xlpe电缆泄漏电流差异因子的平台及方法 | |
| CN114966467A (zh) | 一种基于数字孪生的输电线路状态评估方法 | |
| CN111669123B (zh) | 用于对光伏组串进行故障诊断的方法和装置 | |
| CN111523699A (zh) | 一种基于综合状态健康度的架空线路故障概率预测方法 | |
| CN104020401A (zh) | 基于云模型理论的变压器绝缘热老化状态的评估方法 | |
| CN109670652A (zh) | 一种光伏组件的故障预测方法 | |
| CN113486291B (zh) | 一种基于深度学习的石油钻机微电网故障预测方法 | |
| CN112288147B (zh) | 一种BP-Adaboost强预测器预测发电机定子绝缘状态的方法 | |
| Yin et al. | A novel method for visualizing the pollution distribution of insulators | |
| CN114839492A (zh) | 一种基于mobilenetv3的gis局部放电类型识别方法及装置 | |
| CN113758604A (zh) | 电气设备运行状态的检测方法、装置、设备及存储介质 | |
| CN109711687B (zh) | 一种基于改进熵值法的绝缘子状态模糊评估方法 | |
| CN116990621B (zh) | 电力安全工器具故障动态监测系统 | |
| CN103928923B (zh) | 一种基于灵敏度分析的网络稳态电能质量预警方法 | |
| CN117708523A (zh) | 户内环氧树脂绝缘设备电气绝缘特性分析管理系统 | |
| CN109784777B (zh) | 基于时序信息片段云相似度度量的电网设备状态评估方法 | |
| CN104732107A (zh) | 以介质参数为评估参量的变压器套管剩余寿命预测方法 | |
| CN117273323A (zh) | 一种基于数字孪生的电力设备管理方法及系统 | |
| CN112132226A (zh) | 一种±1100kV复合绝缘子缺陷诊断方法 | |
| CN105741184A (zh) | 一种变压器状态评估方法及装置 | |
| CN116466067A (zh) | 一种基于灰色理论的复合绝缘子硅橡胶材料剩余寿命预警方法 | |
| CN116415724A (zh) | 一种光伏电站运维检修时间的预测方法及装置 | |
| CN116106627A (zh) | 一种基于电压电流不同相错误接线异常的判断方法 |
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 |