CN114113997A - 一种基于颗粒度分析的有载分接开关故障预测方法及装置 - Google Patents
一种基于颗粒度分析的有载分接开关故障预测方法及装置 Download PDFInfo
- Publication number
- CN114113997A CN114113997A CN202111359406.5A CN202111359406A CN114113997A CN 114113997 A CN114113997 A CN 114113997A CN 202111359406 A CN202111359406 A CN 202111359406A CN 114113997 A CN114113997 A CN 114113997A
- Authority
- CN
- China
- Prior art keywords
- oil
- changer
- load tap
- particle
- fault
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004458 analytical method Methods 0.000 title claims abstract description 11
- 239000002245 particle Substances 0.000 claims abstract description 110
- 238000001816 cooling Methods 0.000 claims abstract description 43
- 238000004088 simulation Methods 0.000 claims abstract description 29
- 238000009826 distribution Methods 0.000 claims abstract description 27
- 230000033001 locomotion Effects 0.000 claims abstract description 18
- 239000007788 liquid Substances 0.000 claims abstract description 16
- 230000005514 two-phase flow Effects 0.000 claims abstract description 16
- 230000008859 change Effects 0.000 claims abstract description 9
- 230000002776 aggregation Effects 0.000 claims description 10
- 238000004220 aggregation Methods 0.000 claims description 10
- 230000003628 erosive effect Effects 0.000 claims description 10
- 230000015556 catabolic process Effects 0.000 claims description 7
- 238000011835 investigation Methods 0.000 claims description 7
- 230000001052 transient effect Effects 0.000 claims description 6
- 238000003921 particle size analysis Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000009413 insulation Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 2
- 238000012986 modification Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 230000006399 behavior Effects 0.000 description 14
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007704 transition Effects 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
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Housings And Mounting Of Transformers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于颗粒度分析的有载分接开关故障预测方法及装置，该方法包括：获取当前目标变压器有载分接开关油冷却系统中油液的颗粒度数据，油液的速度分布以及温度数据；将所述当前的油液颗粒度、油液温度以及油液速度数据导入已经调试好的油液‑颗粒行为预测模型中，进行固液两相流数值模拟，得到油中颗粒的运动规律，并以此计算当前颗粒浓度分布；判断目标变压器有载分接开关是否会发生相应的故障并进行数值模拟，得到颗粒浓度分布随时间的变化，并实时判断是否会发生相应的故障。本发明能够在对变压器有载分接开关影响较小的前提下，相对准确而又快速地判断和预测其故障的发生，尽可能减少有载分接开关的故障对变压器的运行产生影响。
Description
技术领域
本发明涉及变压器技术领域，尤其涉及一种基于颗粒度分析的有载分接开关故障预测方法。
背景技术
随着科技的发展和人民生活水平的提高，人们对于电力的需求也越来越大，电力的传输和合理分配显得尤为重要。近年来，我国的变压器制造水平发展迅速，尤其是在高压及超高压设计方面。有载分接开关是变压器的重要组成部件之一，为了保证变压器在负载变化时提供恒定电压，就需要有载分接开关在不中断负载电流的情况下，实现变压器绕组中分接头之间的切换，从而改变绕组的匝数，最终实现调压的目的。对于一些电压等级较高的变压器的真空分接开关，为了降低温升还会配置相应的油冷却系统。当油冷却系统的油中存在异物，过渡电阻在切换过程中发热产生的油液流动和分接开关切换过程中芯体的振动都会导致异物的运动，当异物在油流的作用下进入分接开关高场强区域，就有可能导致油隙绝缘发生击穿，进而引发分接开关级间短路，最终引发起火。因此除了增强分接开关的绝缘性之外，如果能有一套系统可以对分接开关的故障进行预测，并及时做出预警，将大大提高变压器的可靠性。
发明内容
鉴于上述问题，本发明提出一种基于颗粒度分析的有载分接开关故障预测方法及装置，
本发明的目的是通过以下技术方案来实现的：一种基于颗粒度分析的有载分接开关故障预测方法，所述方法包括：
(1)根据实际的变压器有载分接开关油冷却系统内部结构进行三维建模，设置初始的边界条件，构建油液-颗粒行为预测模型；
(2)采集历史故障数据，包括油液颗粒度、油液温度以及油液速度数据，依据历史故障数据设置模型参数，进行数值模拟；
(3)将数值模拟得到的油液颗粒运动行为特征和颗粒聚集趋势与所述的历史故障数据进行比对，若误差超出可接受的范围，则对模型进行相应的修正，获得调试好的油液-颗粒行为预测模型；
(4)获取当前目标变压器有载分接开关油冷却系统中油液的颗粒度数据、油液的速度数据以及温度数据；
(5)将获取的当前的油液颗粒度、油液温度以及油液速度数据输入已经调试好的油液-颗粒行为预测模型中，进行固液两相流数值模拟，得到油中颗粒的运动规律，并以此计算当前颗粒浓度分布；
(6)根据计算得到的当前颗粒浓度分布，并结合历史故障数据，判断目标变压器有载分接开关是否会发生相应的故障；
(7)若判断出目标变压器有载分接开关不会发生相应故障，在考虑颗粒冲蚀的条件下对固液两相流进行瞬态数值模拟，得到颗粒浓度分布随时间的变化，并实时判断是否会发生相应的故障。
进一步地，对模型的修正进行若干次，直到仿真获得的结果与获得历史故障数据是进行的事故调研报告和实验室故障复现的结果全部吻合。
进一步地，考虑颗粒冲蚀条件下的固液两相流数值模拟，是对颗粒冲蚀壁面产生的新颗粒进行实时更新，即模拟一定时间内全局颗粒浓度的增长和局部颗粒浓度的变化。
进一步地，判断目标变压器有载分接开关是否会发生相应的故障具体过程如下：
当判断出所述油冷却系统内的颗粒浓度或是颗粒最大直径超过预设阈值时，进行故障预警。
当判断出所述的总体颗粒浓度和颗粒最大直径均未超过预设阈值时，对易发生绝缘油隙击穿的区域进行颗粒聚集的监测，若是颗粒浓度超过警戒阈值，进行故障预警。
当油冷却系统的整体颗粒浓度和局部颗粒浓度都未达到阈值时，通过数值模拟对颗粒在预设未来时间段内的运动趋势进行预测，若是存在颗粒聚集，且聚集速度超过设定的限值，则进行故障预警。
进一步地，颗粒浓度警戒阈值是通过分析历史故障数据以及故障复现实验得到的。
本发明还提供了一种基于颗粒度分析的有载分接开关故障预测装置，所述装置包括：
数据获取单元，用于获取目标有载分接开关油冷却系统中油液的颗粒度数据、所述目标有载分接开关油冷却系统中油液的温度数据、以及所述目标有载分接开关油冷却系统中油液的速度分布数据；
数值模拟单元，根据实际的变压器有载分接开关油冷却系统内部结构进行三维建模，设置初始的边界条件，基于所述数据获取单元获取的数据，对有载分接开关油冷却系统内部的固液两相流进行数值模拟，以获得油冷却系统内部油液的流动规律以及颗粒的运动特性，并计算得到当前颗粒浓度在油冷却系统内部的分布情况；
故障判断单元，用于根据所述当前颗粒浓度分布判断相应区域是否会发生故障；
预测单元，考虑颗粒冲蚀的条件下对固液两相流进行瞬态计算，用于预测预设未来时间段内，全局颗粒浓度的增长和局部颗粒浓度的变化；
故障预警单元，用于当所述油冷却系统中的整体颗粒浓度或是局部颗粒浓度大于预设的阈值时，进行故障预警。
本发明的有益效果：目前对于变压器有载分接开关油冷却系统中颗粒聚集导致的油隙击穿的防护措施，主要集中在加强各个部件的结构强度和绝缘性能，对于监控和预测所述油冷却系统中油液和颗粒的运动行为的措施较少。本发明所述的基于颗粒度分析的有载分接开关故障预测方法及装置，由于所述的油液物性参数以及颗粒度等参数都是数据采集装置获得的实时数据，且所述的油液-颗粒行为预测模型是经过充足的历史故障数据校准、调试后得到的，因此所述模型输出的颗粒运动行为以及颗粒浓度分布数据是相对准确、可靠的，最后通过所述颗粒浓度分布可以对故障的发生进行预测。可见，本发明提供的技术方案可以在对变压器有载分接开关影响较小的前提下，相对准确而又快速地预测其故障的发生概率，尽可能减少有载分接开关的故障对变压器的运行产生影响。
附图说明
图1为本发明实施例的方法流程图；
图2为本发明实施例中获得已调试好的油液-颗粒行为预测模型的方法流程图；
图3为本发明实施例的装置结构图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
本发明提供的一种基于颗粒度分析的有载分接开关故障预测方法如图1所示，包括以下步骤：
步骤101，获取目标变压器有载分接开关油冷却系统中油液的颗粒度数据，油液的速度数据以及温度数据。
本实施例中，所述油液中颗粒度的检测装置为油液颗粒度分析仪，所述的油液的速度由激光多普勒测速仪测得，所述油液的温度数据由PT100热电阻温度传感器测量。
本发明实施例对于冷却系统中油液的颗粒度数据，油液的速度分布以及温度数据的获取，即获取当前同一时刻下的油液的颗粒度数据，油液的速度分布以及温度数据，以作为已调试好的油液-颗粒行为预测模型的输入数据。
步骤102，将获得的油液颗粒度、油液温度以及油液速度数据导入已经调试好的油液-颗粒行为预测模型中，进行固液两相流数值模拟，得到油中颗粒的运动规律，并以此计算当前颗粒浓度的分布。
本实施例中，所述已调试好的油液-颗粒行为预测模型采用如下方式获得，如图2所示：
步骤1021，根据实际的变压器有载分接开关油冷却系统内部结构进行三维建模，设置初始的边界条件。
本实施例中，所述的油冷却系统内部结构建模针对实际运行过程中容易发生油隙击穿的高场强区域进行了细化处理。
步骤1022，采集历史故障调研报告和实验室故障复现的结果，依据所述的事故调研结果和实验结果中的参数设置仿真模型，进行数值模拟。
本实施例中，所述的事故调研报告结果和实验结果中的参数包括：油液的颗粒度、颗粒的浓度分布、油液的温度以及发生油隙击穿的区域。
步骤1023，将数值模拟得到的颗粒运动行为特征和颗粒聚集趋势与所述的历史故障调研报告和实验室故障复现的结果进行比对，若误差超出可接受的范围，则对模型进行相应的修正，获得已调试好的油液-颗粒行为预测模型。
本实施例中，所述的对模型进行相应的修正可以大于等于一次，直到仿真获得的结果与所述的事故调研报告和实验室故障复现的结果全部吻合。
本实施例中，所述的发生故障的概率是根据已调试好的油液-颗粒行为预测模型得到的油液颗粒各个区域的浓度与实际发生故障时相应区域的颗粒浓度值进行对比计算得到的。
步骤103，根据计算得到的当前颗粒浓度分布，并结合历史故障数据，判断目标变压器有载分接开关是否会发生相应的故障。
具体地，根据历史故障数据设定不同区域的浓度阈值，并给定相应区域一个安全系数。例如，当计算得到某一区域的浓度超过该区域浓度阈值的70％时，判定有载分接开关将会发生对应类型的故障，其中70％为安全系数，可以依据实际需求进行设置。
步骤104，若判断出目标变压器有载分接开关不会发生相应故障，在考虑颗粒冲蚀的条件下对固液两相流进行瞬态数值模拟，得到颗粒浓度分布随时间的变化，并实时判断是否会发生相应的故障。
进一步地，本实施例所述的方法还包括：当判断出所述目标有载分接开关油冷却系统会发生相应位置的故障时，进行故障预警，提醒相关检修人员和设备专职人员对该变压器进行及时检修，避免故障的实际发生。
为了更加精确地进行故障预警，本实施例中，当判断出目标有载分接开关当下不会发生故障时，所述方法还包括：当某一区域的颗粒浓度增长速度大于预设阈值时，则进行故障预警。
与上述实施方式相对应地，本发明还提供一种基于颗粒度分析的有载分接开关故障预测装置，能够对有载分接开关的油冷却系统内部的固液两相流动进行数值模拟，评估油隙发生击穿的风险，并起到故障预警的作用。如图3所示，本实施例提供的装置包括：
数据获取单元201，用于获取目标有载分接开关油冷却系统中油液的颗粒度数据、所述目标有载分接开关油冷却系统中油液的温度数据、以及所述目标有载分接开关油冷却系统中油液的速度分布数据；
数值模拟单元202，根据实际的变压器有载分接开关油冷却系统内部结构进行三维建模，设置初始的边界条件，基于所述数据获取单元获取的数据，对有载分接开关油冷却系统内部的固液两相流进行数值模拟，以获得油冷却系统内部油液的流动规律以及颗粒的运动特性，并计算得到当前颗粒浓度在油冷却系统内部的分布情况；
故障判断单元203，用于根据所述当前颗粒浓度分布判断相应区域是否会发生故障；
预测单元204，考虑颗粒冲蚀的条件下对固液两相流进行瞬态计算，用于预测预设未来时间段内，全局颗粒浓度的增长和局部颗粒浓度的变化；
故障预警单元205，用于当所述油冷却系统中的整体颗粒浓度或是局部颗粒浓度大于预设的阈值时，进行故障预警。
进一步地，当某一区域的颗粒浓度增长速度大于阈值，进行故障预警。
此外，本发明实施例的不同实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。
上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。
Claims (6)
1.一种基于颗粒度分析的有载分接开关故障预测方法，其特征在于，所述方法包括：
(1)根据实际的变压器有载分接开关油冷却系统内部结构进行三维建模，设置初始的边界条件，构建油液-颗粒行为预测模型；
(2)采集历史故障数据，包括油液颗粒度、油液温度以及油液速度数据，依据历史故障数据设置模型参数，进行数值模拟；
(3)将数值模拟得到的油液颗粒运动行为特征和颗粒聚集趋势与所述的历史故障数据进行比对，若误差超出可接受的范围，则对模型进行相应的修正，获得调试好的油液-颗粒行为预测模型；
(4)获取当前目标变压器有载分接开关油冷却系统中油液的颗粒度数据、油液的速度数据以及温度数据；
(5)将获取的当前的油液颗粒度、油液温度以及油液速度数据输入已经调试好的油液-颗粒行为预测模型中，进行固液两相流数值模拟，得到油中颗粒的运动规律，并以此计算当前颗粒浓度分布；
(6)根据计算得到的当前颗粒浓度分布，并结合历史故障数据，判断目标变压器有载分接开关是否会发生相应的故障；
(7)若判断出目标变压器有载分接开关不会发生相应故障，在考虑颗粒冲蚀的条件下对固液两相流进行瞬态数值模拟，得到颗粒浓度分布随时间的变化，并实时判断是否会发生相应的故障。
2.根据权利要求1所述的基于颗粒度分析的有载分接开关故障预测方法，其特征在于，对模型的修正进行若干次，直到仿真获得的结果与获得历史故障数据是进行的事故调研报告和实验室故障复现的结果全部吻合。
3.根据权利要求1所述的基于颗粒度分析的有载分接开关故障预测方法，其特征在于，考虑颗粒冲蚀条件下的固液两相流数值模拟，是对颗粒冲蚀壁面产生的新颗粒进行实时更新，即模拟一定时间内全局颗粒浓度的增长和局部颗粒浓度的变化。
4.根据权利要求1所述的基于颗粒度分析的有载分接开关故障预测方法，其特征在于，判断目标变压器有载分接开关是否会发生相应的故障具体过程如下：
当判断出所述油冷却系统内的颗粒浓度或是颗粒最大直径超过预设阈值时，进行故障预警。
当判断出所述的总体颗粒浓度和颗粒最大直径均未超过预设阈值时，对易发生绝缘油隙击穿的区域进行颗粒聚集的监测，若是颗粒浓度超过警戒阈值，进行故障预警。
当油冷却系统的整体颗粒浓度和局部颗粒浓度都未达到阈值时，通过数值模拟对颗粒在预设未来时间段内的运动趋势进行预测，若是存在颗粒聚集，且聚集速度超过设定的限值，则进行故障预警。
5.根据权利要求4所述的基于颗粒度分析的有载分接开关故障预测方法，其特征在于，颗粒浓度警戒阈值是通过分析历史故障数据以及故障复现实验得到的。
6.一种基于颗粒度分析的有载分接开关故障预测装置，其特征在于，所述装置包括：
数据获取单元，用于获取目标有载分接开关油冷却系统中油液的颗粒度数据、所述目标有载分接开关油冷却系统中油液的温度数据、以及所述目标有载分接开关油冷却系统中油液的速度分布数据；
数值模拟单元，根据实际的变压器有载分接开关油冷却系统内部结构进行三维建模，设置初始的边界条件，基于所述数据获取单元获取的数据，对有载分接开关油冷却系统内部的固液两相流进行数值模拟，以获得油冷却系统内部油液的流动规律以及颗粒的运动特性，并计算得到当前颗粒浓度在油冷却系统内部的分布情况；
故障判断单元，用于根据所述当前颗粒浓度分布判断相应区域是否会发生故障；
预测单元，考虑颗粒冲蚀的条件下对固液两相流进行瞬态计算，用于预测预设未来时间段内，全局颗粒浓度的增长和局部颗粒浓度的变化；
故障预警单元，用于当所述油冷却系统中的整体颗粒浓度或是局部颗粒浓度大于预设的阈值时，进行故障预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111359406.5A CN114113997B (zh) | 2021-11-17 | 2021-11-17 | 一种基于颗粒度分析的有载分接开关故障预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111359406.5A CN114113997B (zh) | 2021-11-17 | 2021-11-17 | 一种基于颗粒度分析的有载分接开关故障预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114113997A true CN114113997A (zh) | 2022-03-01 |
| CN114113997B CN114113997B (zh) | 2023-09-15 |
Family
ID=80397040
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111359406.5A Active CN114113997B (zh) | 2021-11-17 | 2021-11-17 | 一种基于颗粒度分析的有载分接开关故障预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114113997B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117804978A (zh) * | 2024-02-28 | 2024-04-02 | 上海交通大学 | 一种高压有载分接开关绝缘油中金属颗粒检测方法及系统 |
| CN117852308A (zh) * | 2024-03-04 | 2024-04-09 | 上海交通大学 | 一种基于动态绝缘油流体与金属颗粒运动判断方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63199408A (ja) * | 1987-02-16 | 1988-08-17 | Toshiba Corp | 負荷時タツプ切換装置 |
| CN205593885U (zh) * | 2015-12-23 | 2016-09-21 | 电子科技大学 | 一种变压器油中颗粒杂质的在线检测器 |
| CN107133395A (zh) * | 2017-04-26 | 2017-09-05 | 北京航空航天大学 | 一种基于动态污染颗粒浓度的配流滑阀冲蚀磨损计算方法 |
| CN107328560A (zh) * | 2017-05-26 | 2017-11-07 | 国网山东省电力公司青岛供电公司 | 一种有载分接开关诊断方法及装置 |
| CN207163599U (zh) * | 2017-07-05 | 2018-03-30 | 辽宁中旭石化科技股份有限公司 | 一种变压器油模拟检测系统 |
| CN112285551A (zh) * | 2020-11-19 | 2021-01-29 | 特变电工衡阳变压器有限公司 | 有载分接开关在线监测方法、装置和系统 |
-
2021
- 2021-11-17 CN CN202111359406.5A patent/CN114113997B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63199408A (ja) * | 1987-02-16 | 1988-08-17 | Toshiba Corp | 負荷時タツプ切換装置 |
| CN205593885U (zh) * | 2015-12-23 | 2016-09-21 | 电子科技大学 | 一种变压器油中颗粒杂质的在线检测器 |
| CN107133395A (zh) * | 2017-04-26 | 2017-09-05 | 北京航空航天大学 | 一种基于动态污染颗粒浓度的配流滑阀冲蚀磨损计算方法 |
| CN107328560A (zh) * | 2017-05-26 | 2017-11-07 | 国网山东省电力公司青岛供电公司 | 一种有载分接开关诊断方法及装置 |
| CN207163599U (zh) * | 2017-07-05 | 2018-03-30 | 辽宁中旭石化科技股份有限公司 | 一种变压器油模拟检测系统 |
| CN112285551A (zh) * | 2020-11-19 | 2021-01-29 | 特变电工衡阳变压器有限公司 | 有载分接开关在线监测方法、装置和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 张立静，盛戈皞，侯慧娟，江秀臣: "基于电热特性融合分析的油浸式变压器匝间短路故障辨识方法", 电网技术, vol. 45, no. 7, pages 2473 - 2482 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117804978A (zh) * | 2024-02-28 | 2024-04-02 | 上海交通大学 | 一种高压有载分接开关绝缘油中金属颗粒检测方法及系统 |
| CN117852308A (zh) * | 2024-03-04 | 2024-04-09 | 上海交通大学 | 一种基于动态绝缘油流体与金属颗粒运动判断方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114113997B (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Žarković et al. | Analysis of artificial intelligence expert systems for power transformer condition monitoring and diagnostics | |
| CN114113997B (zh) | 一种基于颗粒度分析的有载分接开关故障预测方法及装置 | |
| Yang et al. | State evaluation of power transformer based on digital twin | |
| CN111784178B (zh) | 一种基于多源信息融合的配电变压器状态评估方法 | |
| WO2019144716A1 (zh) | 户外柱上真空开关的状态评价方法及装置 | |
| CN108491990A (zh) | 一种风电场设备状态评价及检修决策支持检测方法及系统 | |
| CN108414898A (zh) | 一种风电场设备带电检测的状态试验方法及系统 | |
| CN103513139A (zh) | 一种电力变压器故障智能诊断技术、方法及设备 | |
| Khoddam et al. | Performance evaluation of circuit breaker electrical contact based on dynamic resistance signature and using health index | |
| CN110456299B (zh) | 一种电流互感器二次绕组匝间短路故障在线检测方法 | |
| CN105223293A (zh) | 基于油色谱在线监测的变压器状态预警方法 | |
| Oleg et al. | Fault diagnosis of power transformer using method of graphic images | |
| CN116754901B (zh) | 一种基于快速定位的配电网故障分析管理平台 | |
| Niţu et al. | Power transformer fault diagnosis using fuzzy logic technique based on dissolved gas analysis and furan analysis | |
| CN116885716B (zh) | 基于边缘计算的低压配电网电能质量态势感知方法及系统 | |
| Tylavsky et al. | Transformer thermal modeling: Improving reliability using data quality control | |
| Fazliddinov et al. | Analysis of modern methods of determination of mechanical status and diagnostic models of power transformers | |
| Cichecki et al. | Statistical approach in power cables diagnostic data analysis | |
| CN116542655B (zh) | 基于事件树的变电设备故障机理推演方法 | |
| CN115932564A (zh) | 高压断路器故障评估方法、装置、设备及可读存储介质 | |
| CN115639502A (zh) | 异常工况下变压器绕组运行状态下的综合评估方法及系统 | |
| CN113721142B (zh) | 断路器的拒动风险的评价方法及其评价装置 | |
| Lu et al. | Online estimation of residual electrical lifetime for PV low voltage circuit breaker based grey algorithm | |
| Mihalcea et al. | An integrated probabilistic approach for power transformers availability | |
| Kumar et al. | Review Paper on Diagnostics Study of Dry Transformer |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |