CN114114001B - 一种gis设备隔离开关机械状态监测方法及系统 - Google Patents
一种gis设备隔离开关机械状态监测方法及系统 Download PDFInfo
- Publication number
- CN114114001B CN114114001B CN202111406414.0A CN202111406414A CN114114001B CN 114114001 B CN114114001 B CN 114114001B CN 202111406414 A CN202111406414 A CN 202111406414A CN 114114001 B CN114114001 B CN 114114001B
- Authority
- CN
- China
- Prior art keywords
- current moment
- group
- vibration signals
- weighted complex
- complex network
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims abstract description 67
- 238000001228 spectrum Methods 0.000 claims abstract description 56
- 230000008859 change Effects 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 17
- 238000012163 sequencing technique Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 14
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 6
- 238000011282 treatment Methods 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims description 5
- 238000002955 isolation Methods 0.000 claims 3
- 230000007246 mechanism Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000021615 conjugation Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 101100001673 Emericella variicolor andH gene Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000011418 maintenance treatment Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种GIS设备隔离开关机械状态监测方法及系统，首先构建当前时刻每组振动信号的加权复杂网络，并对当前时刻每组振动信号的加权复杂网络进行图傅里叶变换，获得当前时刻每个加权复杂网络的频谱图，然后提取所有加权复杂网络的频谱图中的幅值，构成当前时刻的幅值矩阵，进而计算当前时刻的幅值矩阵的归一化奇异谱熵，最后根据归一化奇异谱熵的变化率诊断GIS设备隔离开关的机械状态是否发生了变化，实现GIS设备隔离开关机械状态的准确监测，有效识别GIS设备隔离开关初期故障隐患，从而对GIS设备隔离开关及时采取有效措施，提高其运行可靠性。
Description
技术领域
本发明涉及GIS设备隔离开关领域，特别是涉及一种GIS设备隔离开关机械状态监测方法及系统。
背景技术
GIS(GAS Insulated Switchgear，GIS)是一种气体绝缘全密封型的开关装置，在现代电网中的应用十分广泛，其集隔离开关、断路器、互感器、接地装置、避雷器、电缆与母线、连接件和出线终端等于一体，具有体积小、重量轻、模块化设计集成诸多功能、可靠性高、及维护工作量少等诸多优点。
隔离开关是一种起着隔离作用的开关设备，主要作用为隔离电路，是GIS组合设备中的重要组成部分之一。近年来，因为隔离开关内部的缺陷而导致的GIS内部故障问题不断出现，往往会导致大面积的停电事故，甚至导致整个变电站停电，从而引发上级电网停电的重大事故，给电力设备和用户带去较大的麻烦和损失。GIS设备隔离开关的故障主要包括导电回路的故障、传动机构的故障、操作机构的故障、支柱绝缘子的故障和系统的机械故障等。其中，现有的GIS设备隔离开关机械故障主要依据其机械特性试验数据如平均开合持续时间、平均开合速度等进行判别，并不能准备判别GIS设备隔离开关的内部状态。实际中，由于在实际安装及运行工作过程中的各种人为或环境因素造成GIS的实际运行过程中相关的刀闸隔离开关无法有效合到位等问题时有发生，极大的影响了局部电网乃至整个电网的供电可靠性。
GIS设备隔离开关主要由连杆机构、驱动电机、动静触头等部件组成，其中，动静触头通过操作机构的驱动电机驱动连杆动作来可靠地完成分合闸操作，这一动作过程伴随着与GIS设备隔离开关机械状态密切相关的振动信号的产生。具体来说，驱动连杆的运动、动静触头机械闭合力的冲击、及触头间应力的作用均会产生机械振动信号，这些信号经SF6气体或结构件传递至GIS设备箱体表面，故可经放置于GIS设备箱体表面的振动传感器方便获取，操作便捷且具有较高的灵敏度，便于实现在线监测，提高GIS设备隔离开关的运行可靠性。
然而，GIS设备隔离开关的机械结构较为复杂，机械振动信号呈现强时变及非线性特征，如何获取用于表征GIS设备隔离开关机械状态的振动信号的评判指标一直是研究难点。
发明内容
本发明的目的是提供一种GIS设备隔离开关机械状态监测方法及系统，以实现GIS设备隔离开关机械状态的准确监测，有效识别GIS设备隔离开关初期故障隐患。
为实现上述目的，本发明提供了如下方案：
一种GIS设备隔离开关机械状态监测方法，所述方法包括：
获取当前时刻GIS设备隔离开关分合闸过程中的多组振动信号；
根据当前时刻每组振动信号，采用基于符号化模式表征的有向加权复杂网络建网方法，构建当前时刻每组振动信号的加权复杂网络；
对当前时刻每组振动信号的加权复杂网络进行图傅里叶变换，获得当前时刻每个加权复杂网络的频谱图；
提取所有加权复杂网络的频谱图中的幅值，构成当前时刻的幅值矩阵；
计算当前时刻的幅值矩阵的归一化奇异谱熵；
若当前时刻的幅值矩阵的归一化奇异谱熵相对于前一时刻的幅值矩阵的归一化奇异谱熵的变化率大于变化率阈值，则判定当前时刻GIS设备隔离开关的机械状态发生了变化，GIS设备隔离开关存在故障隐患。
可选的，所述根据当前时刻每组振动信号，采用基于符号化模式表征的有向加权复杂网络建网方法，构建当前时刻每组振动信号的加权复杂网络，具体包括：
对当前时刻每组振动信号进行标准化处理，获得每组标准化后的振动信号；
对多组标准化后的振动信号分别进行符号化处理，形成多个符号化时间序列；
提取每个符号化时间序列的符号化模式，并依据符号化模式将各自符号化时间序列转换为加权复杂网络，作为当前时刻每组振动信号的加权复杂网络。
可选的，所述对多组标准化后的振动信号分别进行符号化处理，形成多个符号化时间序列，具体包括：
将第i组标准化后的振动信号按照从小到大的顺序进行排序，获得第i组排序后的振动信号；
初始化符号集大小q的数值；
将第i组排序后的振动信号划分为q个不相交的区域；
根据q个不相交的区域，利用公式对第i组标准化后的振动信号分别进行符号化处理，形成第i组标准化后的振动信号对应的符号化时间序列；其中，si(j)为第i组标准化后的振动信号对应的符号化时间序列中第j个元素，C1、C2和Cq分别为对第i组标准化后的振动信号划分得到的第1、2、q个集合，y(j)为第i组标准化后的振动信号中第j个振动信号，ymin和ymax分别为第i组标准化后的振动信号的最小值和最大值，N0为第i组标准化后的振动信号的长度；y1/(q+1)、y2/(q+1)、yq/(q+1)分别为第1、2、q个区域划分点；
利用公式hi(q)＝Hi(q)-Hi(q-1)和计算第i组标准化后的振动信号对应的符号化时间序列的信息熵变化量；其中，hi(q)为第i组标准化后的振动信号对应的符号化时间序列的信息熵变化量，Hi(q)和Hi(q-1)分别为第i组排序后的振动信号划分为q个、q-1个不相交的区域时对应的符号化时间序列的信息熵，pik为第i组标准化后的振动信号对应的符号化时间序列中第k个符号出现的概率，且满足pik≥0和/>
若所述信息熵变化量大于变化量阈值，则令q的数值增加1，返回步骤“将第i组排序后的振动信号划分为q个不相交的区域”；
若所述信息熵变化量小于或等于变化量阈值，则输出第i组标准化后的振动信号对应的符号化时间序列；
重复以上步骤，获得多组标准化后的振动信号对应的符号化时间序列。
可选的，所述提取每个符号化时间序列的符号化模式，并依据符号化模式将各自符号化时间序列转换为加权复杂网络，作为当前时刻每组振动信号的加权复杂网络，具体包括：
采用预设长度的滑动窗口按照预设滑动步长从符号化时间序列的第一个符号开始自左向右滑动，获得多个符号化子片段；
将每个符号化子片段记为一个网络节点，并从第1个网络节点开始，基于每个网络节点对应的符号化子片段的符号化模式，根据相邻网络节点之间的转换频次和转换方向确定所有网络节点之间的连边权重和方向，构建加权复杂网络，作为当前时刻每组振动信号的加权复杂网络。
可选的，所述基于每个网络节点对应的符号化子片段的符号化模式，根据相邻网络节点之间的转换频次和转换方向确定所有网络节点之间的连边权重和方向，具体包括：
若当前网络节点与下一个网络节点的符号化模式相同，则保持网络节点不变；
若当前网络节点与下一个网络节点的符号化模式不同，则这两个网络节点之间存在连边，方向为从当前网络节点指向下一个网络节点，且这两个网络节点之间的连边权重加1。
可选的，所述对当前时刻每组振动信号的加权复杂网络进行图傅里叶变换，获得当前时刻每个加权复杂网络的频谱图，具体包括：
利用公式将当前时刻每组振动信号的加权复杂网络按照图拉普拉斯矩阵特征函数进行图傅里叶变换，得到当前时刻每组振动信号的加权复杂网络的多个不同阶次的特征向量，构成当前时刻每个加权复杂网络的频谱图；
其中，为当前时刻第i组振动信号的加权复杂网络对应的第r阶次特征向量，fi(k′)为第i组振动信号的加权复杂网络的第k'个元素，/>为拉普拉斯矩阵中第i'个元素的共轭，M为特征向量的个数。
可选的，所述计算当前时刻的幅值矩阵的归一化奇异谱熵，具体包括：
对当前时刻的幅值矩阵进行奇异值分解，得到多个奇异值；
根据多个奇异值，利用公式和/>计算当前时刻的幅值矩阵的归一化奇异谱熵；其中，/>为归一化奇异谱熵，δn为第n个奇异值，bn为第n个奇异值与全部N个奇异值之和的比值，L为幅值矩阵的列向量维度。
一种GIS设备隔离开关机械状态监测系统，所述系统包括：
振动信号获取模块，用于获取当前时刻GIS设备隔离开关分合闸过程中的多组振动信号；
加权复杂网络构建模块，用于根据当前时刻每组振动信号，采用基于符号化模式表征的有向加权复杂网络建网方法，构建当前时刻每组振动信号的加权复杂网络；
频谱图获得模块，用于对当前时刻每组振动信号的加权复杂网络进行图傅里叶变换，获得当前时刻每个加权复杂网络的频谱图；
幅值矩阵构成模块，用于提取所有加权复杂网络的频谱图中的幅值，构成当前时刻的幅值矩阵；
归一化奇异谱熵计算模块，用于计算当前时刻的幅值矩阵的归一化奇异谱熵；
机械状态判定模块，用于若当前时刻的幅值矩阵的归一化奇异谱熵相对于前一时刻的幅值矩阵的归一化奇异谱熵的变化率大于变化率阈值，则判定当前时刻GIS设备隔离开关的机械状态发生了变化，GIS设备隔离开关存在故障隐患。
可选的，所述加权复杂网络构建模块，具体包括：
振动信号获得子模块，用于对当前时刻每组振动信号进行标准化处理，获得每组标准化后的振动信号；
符号化时间序列形成子模块，用于对多组标准化后的振动信号分别进行符号化处理，形成多个符号化时间序列；
加权复杂网络确定子模块，用于提取每个符号化时间序列的符号化模式，并依据符号化模式将各自符号化时间序列转换为加权复杂网络，作为当前时刻每组振动信号的加权复杂网络。
可选的，所述归一化奇异谱熵计算模块，具体包括：
奇异值分解子模块，用于对当前时刻的幅值矩阵进行奇异值分解，得到多个奇异值；
归一化奇异谱熵计算子模块，用于根据多个奇异值，利用公式和/>计算当前时刻的幅值矩阵的归一化奇异谱熵；其中，/>为归一化奇异谱熵，δn为第n个奇异值，bn为第n个奇异值与全部N个奇异值之和的比值，L为幅值矩阵的列向量维度。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明公开一种GIS设备隔离开关机械状态监测方法及系统，首先构建当前时刻每组振动信号的加权复杂网络，并对当前时刻每组振动信号的加权复杂网络进行图傅里叶变换，获得当前时刻每个加权复杂网络的频谱图，然后提取所有加权复杂网络的频谱图中的幅值，构成当前时刻的幅值矩阵，进而计算当前时刻的幅值矩阵的归一化奇异谱熵，最后根据归一化奇异谱熵的变化率诊断GIS设备隔离开关的机械状态是否发生了变化，实现GIS设备隔离开关机械状态的准确监测，有效识别GIS设备隔离开关初期故障隐患，从而对GIS设备隔离开关及时采取有效措施，提高其运行可靠性。
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性的前提下，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GIS设备隔离开关机械状态监测方法的流程图；
图2为本发明提供的一种GIS设备隔离开关机械状态监测方法的原理图；
图3为本发明实施例提供的GIS隔离开关合闸过程中的3组振动信号图；
图3(a)、(b)、(c)分别为第1、2、3组振动信号图。
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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种GIS设备隔离开关机械状态监测方法及系统，以实现GIS设备隔离开关机械状态的准确监测，有效识别GIS设备隔离开关初期故障隐患。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明提供了一种GIS设备隔离开关机械状态监测方法，如图1-2所示，方法包括：
步骤101，获取当前时刻GIS设备隔离开关分合闸过程中的多组振动信号.
步骤102，根据当前时刻每组振动信号，采用基于符号化模式表征的有向加权复杂网络建网方法，构建当前时刻每组振动信号的加权复杂网络。
具体包括：
102-1，对当前时刻每组振动信号进行标准化处理，获得每组标准化后的振动信号；
102-2，对多组标准化后的振动信号分别进行符号化处理，形成多个符号化时间序列，具体过程为：
将第i组标准化后的振动信号按照从小到大的顺序进行排序，获得第i组排序后的振动信号；
初始化符号集大小q的数值；
将第i组排序后的振动信号划分为q个不相交的区域；
根据q个不相交的区域，利用公式对第i组标准化后的振动信号分别进行符号化处理，形成第i组标准化后的振动信号对应的符号化时间序列；其中，si(j)为第i组标准化后的振动信号对应的符号化时间序列中第j个元素，C1、C2和Cq分别为对第i组标准化后的振动信号划分得到的第1、2、q个集合，y(j)为第i组标准化后的振动信号中第j个振动信号，ymin和ymax分别为第i组标准化后的振动信号的最小值和最大值，N0为第i组标准化后的振动信号的长度；y1/(q+1)、y2/(q+1)、yq/(q+1)分别为第1、2、q个区域划分点；
利用公式hi(q)＝Hi(q)-Hi(q-1)和计算第i组标准化后的振动信号对应的符号化时间序列的信息熵变化量；其中，hi(q)为第i组标准化后的振动信号对应的符号化时间序列的信息熵变化量，Hi(q)和Hi(q-1)分别为第i组排序后的振动信号划分为q个、q-1个不相交的区域时对应的符号化时间序列的信息熵，pik为第i组标准化后的振动信号对应的符号化时间序列中第k个符号出现的概率，且满足pik≥0和/>
若信息熵变化量大于变化量阈值，则令q的数值增加1，返回步骤“将第i组排序后的振动信号划分为q个不相交的区域”；
若信息熵变化量小于或等于变化量阈值，则输出第i组标准化后的振动信号对应的符号化时间序列；
重复以上步骤，获得多组标准化后的振动信号对应的符号化时间序列。
102-3，提取每个符号化时间序列的符号化模式，并依据符号化模式将各自符号化时间序列转换为加权复杂网络，作为当前时刻每组振动信号的加权复杂网络，具体过程为：
采用预设长度的滑动窗口按照预设滑动步长从符号化时间序列的第一个符号开始自左向右滑动，获得多个符号化子片段；
将每个符号化子片段记为一个网络节点，并从第1个网络节点开始，基于每个网络节点对应的符号化子片段的符号化模式，根据相邻网络节点之间的转换频次和转换方向确定所有网络节点之间的连边权重和方向，构建加权复杂网络，作为当前时刻每组振动信号的加权复杂网络。
其中，基于每个网络节点对应的符号化子片段的符号化模式，根据相邻网络节点之间的转换频次和转换方向确定所有网络节点之间的连边权重和方向，具体包括：
若当前网络节点与下一个网络节点的符号化模式相同，则保持网络节点不变；
若当前网络节点与下一个网络节点的符号化模式不同，则这两个网络节点之间存在连边，方向为从当前网络节点指向下一个网络节点，且这两个网络节点之间的连边权重加1。
步骤103，对当前时刻每组振动信号的加权复杂网络进行图傅里叶变换，获得当前时刻每个加权复杂网络的频谱图。
具体包括：
利用公式将当前时刻每组振动信号的加权复杂网络按照图拉普拉斯矩阵特征函数进行图傅里叶变换，得到当前时刻每组振动信号的加权复杂网络的多个不同阶次的特征向量，构成当前时刻每个加权复杂网络的频谱图；
其中，为当前时刻第i组振动信号的加权复杂网络对应的第r阶次特征向量，fi(k′)为第i组振动信号的加权复杂网络的第k'个元素，/>为拉普拉斯矩阵中第i'个元素的共轭，M为特征向量的个数。
步骤104，提取所有加权复杂网络的频谱图中的幅值，构成当前时刻的幅值矩阵。
步骤105，计算当前时刻的幅值矩阵的归一化奇异谱熵。
具体包括：
对当前时刻的幅值矩阵进行奇异值分解，得到多个奇异值；
根据多个奇异值，利用公式和/>计算当前时刻的幅值矩阵的归一化奇异谱熵；其中，/>为归一化奇异谱熵，δn为第n个奇异值，bn为第n个奇异值与全部N个奇异值之和的比值，L为幅值矩阵的列向量维度。
步骤106，若当前时刻的幅值矩阵的归一化奇异谱熵相对于前一时刻的幅值矩阵的归一化奇异谱熵的变化率大于变化率阈值，则判定当前时刻GIS设备隔离开关的机械状态发生了变化，GIS设备隔离开关存在故障隐患。
本发明所提及的GIS设备隔离开关由于采用了上述技术方案，使得其可以通过GIS设备隔离开关分合闸过程中的振动信号实现其机械状态的准确监测，从而可以对GIS设备隔离开关初期故障隐患进行有效识别，进而采取有效运维策略，避免形成重大故障。
参照图3，以某220kVGIS设备隔离开关为测试对象，对其分合闸过程中的振动信号进行测试，据此说明GIS设备隔离开关的机械状态监测方法。
包括如下步骤：
(1)在GIS设备壳体上对应隔离开关静触头处放置M个振动加速度传感器，经线缆连接至信号采集与分析系统，获取GIS设备隔离开关分合闸过程中的振动信号，其中，M组振动信号的长度为N0，采样频率为fs。此处，以GIS设备隔离开关合闸过程中的振动信号为例进行说明，如图3所示，其中，M＝3，N0＝100000，fs＝51.2kHz；
(2)分别对M组振动信号进行标准化处理，得到标准化后的M组振动信号，所述的M组振动信号标准化处理公式为
式中：为第i组振动信号均值，σi为第i组振动信号的标准差；
(3)对经标准化处理后的M组振动信号y(n)进行符号化处理，得到符号化处理后的时间序列s(n)，具体过程如下：
3a.分别将M组振动信号y(n)按照从小到大的顺序进行排序，得到排序后的M组振动信号yp(n)；
3b.分别将M组振动信号yp(n)划分为q个不相交的区域，得到符号化处理后的M组序列s(n)，其长度为N0，此处，对第i组符号化序列si(n)来说，其任一元素si(j)可表示为
式中：Ck(1≤k≤q)是对振动信号y(n)进行划分得到的不相交集合，且有Ck∩Cw＝Φ(k≠w)；ymin和ymax分别为振动信号y(n)的最小值和最大值。
3c.根据符号化处理后的序列s(n)的信息熵的变化确定符号集的大小，此处，以第i组符号化序列si(n)为例进行说明，其中，si(n)的信息熵及其变化量可表示为
hi(q)＝Hi(q)-Hi(q-1)
式中：pik为符号化序列si(n)中各个符号出现的概率，且满足pik≥0和Hi(q)为第i组符号化序列si(n)的信息熵；hi(q)为信息熵Hi(q)随q的变化量；
迭代过程如下：初始化符号集大小，计算第i组符号化序列si(n)的信息熵及其变化量，若满足hi(q)≤ε，则完成符号集大小q的选取；否则，令q＝q+1，继续计算符号化序列si(n)的信息熵及其变化量，直至满足hi(q)＞ε。此处，ε＝0.4，q＝4。
(4)分别提取M组符号化时间序列s(n)的符号化模式，依据符号化模式将符号化时间序列s(n)转换成为M组加权复杂网络，以第i个符号化序列si(n)为例进行说明，具体过程如下：
4a.从符号化时间序列si(n)的首端开始，采用长度为l的滑动时间窗口，每次向后滑动1个符号，得到长度为l的N0个片段；
4b.将长度为l的N0个片段视为N0个模态，并将其记为网络的N0个节点；
4c.从第1个节点开始，根据相邻节点之间的转换频次和转换方向确定N0个网络节点之间的连边权重和方向，构建加权复杂网络，所述的加权复杂网络的构建规则为：如果当前节点与下一个节点相同，则保持节点不变；如果当前节点预下一个节点不同，则这两个节点之间存在连边，方向为从当前节点指向下一个节点，且这两个节点之间的连边权重加1。
(5)分别将M个加权复杂网络按照图拉普拉斯矩阵特征函数进行图傅里叶变换，得到M个加权复杂网络的多个不同阶次的特征向量，以第i组符号化序列si(n)为例进行说明，所述的将加权复杂网络图傅里叶变换的计算公式为：
式中：r为特征向量的阶次；M为特征向量的个数；fi表示第i组加权复杂网络信号；x*表示拉普拉斯矩阵的共轭；表示fi的图傅里叶变换结果；
(6)计算M个加权复杂网络的图傅里叶变换幅值的归一化奇异谱熵，具体过程如下：
6a.将M个加权复杂网络的图傅里叶变换的幅值写成矩阵的形式，记为矩阵A，所述的矩阵A为M×L维矩阵，此处，每个行向量为第i组加权复杂网络信号的图傅里叶变换幅值；
6b.对矩阵A进行奇异值分解，得到矩阵A的M个奇异值δ1,δ2,…,δM，且有δ1≥δ2≥…≥δM；
6c.计算M个加权复杂网络的图傅里叶变换幅值的归一化奇异谱熵，计算公式为：
式中：H为M个加权复杂网络的图傅里叶变换幅值的奇异谱熵；为归一化后的奇异谱熵；bi为第i个奇异值与全部M个奇异值之和的比值；
(7)根据M个加权复杂网络的图傅里叶变换幅值的归一化奇异谱熵的变化对GIS设备隔离开关机械状态进行判别：当归一化奇异谱熵的变化超过10％时，判定隔离开关的机械状态发生变化，此时需要及时进行检修处理，避免形成重大故障。
此处，对测量得到的GIS设备隔离开关M组振动信号的加权复杂网络的图傅里叶变换幅值的归一化奇异谱熵计算的结果为0.5746，之前记录的奇异谱熵结果为0.6581，发现奇异谱熵的变化为14.53％，经现场排查，发现GIS设备隔离开关的弹簧机构出力不足。
本发明提供了一种基于图谱熵的GIS设备隔离开关机械状态监测方法，包括下列步骤：(1)在GIS设备壳体上对应隔离开关静触头处放置多个振动加速度传感器，获取多组GIS设备隔离开关分合闸过程中的振动信号；(2)分别对多组振动信号进行标准化处理；(3)对经标准化处理后的多组振动信号进行符号化处理，得到符号化处理后的时间序列；(4)提取多组符号化时间序列的符号化模式，构建多个加权复杂网络；(5)分别将多个加权复杂网络按照图拉普拉斯矩阵特征函数进行图傅里叶变换；(6)计算多个加权复杂网络的图傅里叶变换幅值的归一化奇异谱熵；(7)根据GIS设备隔离开关多组振动信号的图傅里叶变换幅值的归一化奇异谱熵的变化对GIS设备隔离开关机械状态进行判别。该方法能对GIS设备隔离开关的机械工作状态进行诊断，有效地、准确地检测出GIS设备隔离开关的机械状态是否发生变化，从而可对GIS设备隔离开关及时采取有效措施，提高其运行可靠性。
本发明还提供了一种GIS设备隔离开关机械状态监测系统，系统包括：
振动信号获取模块，用于获取当前时刻GIS设备隔离开关分合闸过程中的多组振动信号；
加权复杂网络构建模块，用于根据当前时刻每组振动信号，采用基于符号化模式表征的有向加权复杂网络建网方法，构建当前时刻每组振动信号的加权复杂网络；
频谱图获得模块，用于对当前时刻每组振动信号的加权复杂网络进行图傅里叶变换，获得当前时刻每个加权复杂网络的频谱图；
幅值矩阵构成模块，用于提取所有加权复杂网络的频谱图中的幅值，构成当前时刻的幅值矩阵；
归一化奇异谱熵计算模块，用于计算当前时刻的幅值矩阵的归一化奇异谱熵；
机械状态判定模块，用于若当前时刻的幅值矩阵的归一化奇异谱熵相对于前一时刻的幅值矩阵的归一化奇异谱熵的变化率大于变化率阈值，则判定当前时刻GIS设备隔离开关的机械状态发生了变化，GIS设备隔离开关存在故障隐患。
加权复杂网络构建模块，具体包括：
振动信号获得子模块，用于对当前时刻每组振动信号进行标准化处理，获得每组标准化后的振动信号；
符号化时间序列形成子模块，用于对多组标准化后的振动信号分别进行符号化处理，形成多个符号化时间序列；
加权复杂网络确定子模块，用于提取每个符号化时间序列的符号化模式，并依据符号化模式将各自符号化时间序列转换为加权复杂网络，作为当前时刻每组振动信号的加权复杂网络。
归一化奇异谱熵计算模块，具体包括：
奇异值分解子模块，用于对当前时刻的幅值矩阵进行奇异值分解，得到多个奇异值；
归一化奇异谱熵计算子模块，用于根据多个奇异值，利用公式和/>计算当前时刻的幅值矩阵的归一化奇异谱熵；其中，/>为归一化奇异谱熵，δn为第n个奇异值，bn为第n个奇异值与全部N个奇异值之和的比值，L为幅值矩阵的列向量维度。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种GIS设备隔离开关机械状态监测方法，其特征在于，所述方法包括：
获取当前时刻GIS设备隔离开关分合闸过程中的多组振动信号；
根据当前时刻每组振动信号，采用基于符号化模式表征的有向加权复杂网络建网方法，构建当前时刻每组振动信号的加权复杂网络；
对当前时刻每组振动信号的加权复杂网络进行图傅里叶变换，获得当前时刻每个加权复杂网络的频谱图；具体包括：利用公式将当前时刻每组振动信号的加权复杂网络按照图拉普拉斯矩阵特征函数进行图傅里叶变换，得到当前时刻每组振动信号的加权复杂网络的多个不同阶次的特征向量，构成当前时刻每个加权复杂网络的频谱图；其中，/>为当前时刻第i组振动信号的加权复杂网络对应的第r阶次特征向量，fi(k′)为第i组振动信号的加权复杂网络的第k'个元素，/>为拉普拉斯矩阵中第i'个元素的共轭，M为特征向量的个数；
提取所有加权复杂网络的频谱图中的幅值，构成当前时刻的幅值矩阵；
计算当前时刻的幅值矩阵的归一化奇异谱熵；
若当前时刻的幅值矩阵的归一化奇异谱熵相对于前一时刻的幅值矩阵的归一化奇异谱熵的变化率大于变化率阈值，则判定当前时刻GIS设备隔离开关的机械状态发生了变化，GIS设备隔离开关存在故障隐患。
2.根据权利要求1所述的GIS设备隔离开关机械状态监测方法，其特征在于，所述根据当前时刻每组振动信号，采用基于符号化模式表征的有向加权复杂网络建网方法，构建当前时刻每组振动信号的加权复杂网络，具体包括：
对当前时刻每组振动信号进行标准化处理，获得每组标准化后的振动信号；
对多组标准化后的振动信号分别进行符号化处理，形成多个符号化时间序列；
提取每个符号化时间序列的符号化模式，并依据符号化模式将各自符号化时间序列转换为加权复杂网络，作为当前时刻每组振动信号的加权复杂网络。
3.根据权利要求2所述的GIS设备隔离开关机械状态监测方法，其特征在于，所述对多组标准化后的振动信号分别进行符号化处理，形成多个符号化时间序列，具体包括：
将第i组标准化后的振动信号按照从小到大的顺序进行排序，获得第i组排序后的振动信号；
初始化符号集大小q的数值；
将第i组排序后的振动信号划分为q个不相交的区域；
根据q个不相交的区域，利用公式对第i组标准化后的振动信号分别进行符号化处理，形成第i组标准化后的振动信号对应的符号化时间序列；其中，si(j)为第i组标准化后的振动信号对应的符号化时间序列中第j个元素，C1、C2和Cq分别为对第i组标准化后的振动信号划分得到的第1、2、q个集合，y(j)为第i组标准化后的振动信号中第j个振动信号，ymin和ymax分别为第i组标准化后的振动信号的最小值和最大值，N0为第i组标准化后的振动信号的长度；y1/(q+1)、y2/(q+1)、yq/(q+1)分别为第1、2、q个区域划分点；
利用公式hi(q)＝Hi(q)-Hi(q-1)和计算第i组标准化后的振动信号对应的符号化时间序列的信息熵变化量；其中，hi(q)为第i组标准化后的振动信号对应的符号化时间序列的信息熵变化量，Hi(q)和Hi(q-1)分别为第i组排序后的振动信号划分为q个、q-1个不相交的区域时对应的符号化时间序列的信息熵，pik为第i组标准化后的振动信号对应的符号化时间序列中第k个符号出现的概率，且满足pik≥0和/>
若所述信息熵变化量大于变化量阈值，则令q的数值增加1，返回步骤“将第i组排序后的振动信号划分为q个不相交的区域”；
若所述信息熵变化量小于或等于变化量阈值，则输出第i组标准化后的振动信号对应的符号化时间序列；
重复以上步骤，获得多组标准化后的振动信号对应的符号化时间序列。
4.根据权利要求2所述的GIS设备隔离开关机械状态监测方法，其特征在于，所述提取每个符号化时间序列的符号化模式，并依据符号化模式将各自符号化时间序列转换为加权复杂网络，作为当前时刻每组振动信号的加权复杂网络，具体包括：
采用预设长度的滑动窗口按照预设滑动步长从符号化时间序列的第一个符号开始自左向右滑动，获得多个符号化子片段；
将每个符号化子片段记为一个网络节点，并从第1个网络节点开始，基于每个网络节点对应的符号化子片段的符号化模式，根据相邻网络节点之间的转换频次和转换方向确定所有网络节点之间的连边权重和方向，构建加权复杂网络，作为当前时刻每组振动信号的加权复杂网络。
5.根据权利要求4所述的GIS设备隔离开关机械状态监测方法，其特征在于，所述基于每个网络节点对应的符号化子片段的符号化模式，根据相邻网络节点之间的转换频次和转换方向确定所有网络节点之间的连边权重和方向，具体包括：
若当前网络节点与下一个网络节点的符号化模式相同，则保持网络节点不变；
若当前网络节点与下一个网络节点的符号化模式不同，则这两个网络节点之间存在连边，方向为从当前网络节点指向下一个网络节点，且这两个网络节点之间的连边权重加1。
6.根据权利要求1所述的GIS设备隔离开关机械状态监测方法，其特征在于，所述计算当前时刻的幅值矩阵的归一化奇异谱熵，具体包括：
对当前时刻的幅值矩阵进行奇异值分解，得到多个奇异值；
根据多个奇异值，利用公式和/>计算当前时刻的幅值矩阵的归一化奇异谱熵；其中，/>为归一化奇异谱熵，δn为第n个奇异值，bn为第n个奇异值与全部N个奇异值之和的比值，L为幅值矩阵的列向量维度。
7.一种GIS设备隔离开关机械状态监测系统，其特征在于，所述系统包括：
振动信号获取模块，用于获取当前时刻GIS设备隔离开关分合闸过程中的多组振动信号；
加权复杂网络构建模块，用于根据当前时刻每组振动信号，采用基于符号化模式表征的有向加权复杂网络建网方法，构建当前时刻每组振动信号的加权复杂网络；
频谱图获得模块，用于对当前时刻每组振动信号的加权复杂网络进行图傅里叶变换，获得当前时刻每个加权复杂网络的频谱图；
幅值矩阵构成模块，用于提取所有加权复杂网络的频谱图中的幅值，构成当前时刻的幅值矩阵；
归一化奇异谱熵计算模块，用于计算当前时刻的幅值矩阵的归一化奇异谱熵；
机械状态判定模块，用于若当前时刻的幅值矩阵的归一化奇异谱熵相对于前一时刻的幅值矩阵的归一化奇异谱熵的变化率大于变化率阈值，则判定当前时刻GIS设备隔离开关的机械状态发生了变化，GIS设备隔离开关存在故障隐患。
8.根据权利要求7所述的GIS设备隔离开关机械状态监测系统，其特征在于，所述加权复杂网络构建模块，具体包括：
振动信号获得子模块，用于对当前时刻每组振动信号进行标准化处理，获得每组标准化后的振动信号；
符号化时间序列形成子模块，用于对多组标准化后的振动信号分别进行符号化处理，形成多个符号化时间序列；
加权复杂网络确定子模块，用于提取每个符号化时间序列的符号化模式，并依据符号化模式将各自符号化时间序列转换为加权复杂网络，作为当前时刻每组振动信号的加权复杂网络。
9.根据权利要求7所述的GIS设备隔离开关机械状态监测系统，其特征在于，所述归一化奇异谱熵计算模块，具体包括：
奇异值分解子模块，用于对当前时刻的幅值矩阵进行奇异值分解，得到多个奇异值；
归一化奇异谱熵计算子模块，用于根据多个奇异值，利用公式和计算当前时刻的幅值矩阵的归一化奇异谱熵；其中，/>为归一化奇异谱熵，δn为第n个奇异值，bn为第n个奇异值与全部N个奇异值之和的比值，L为幅值矩阵的列向量维度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111406414.0A CN114114001B (zh) | 2021-11-24 | 2021-11-24 | 一种gis设备隔离开关机械状态监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111406414.0A CN114114001B (zh) | 2021-11-24 | 2021-11-24 | 一种gis设备隔离开关机械状态监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114114001A CN114114001A (zh) | 2022-03-01 |
| CN114114001B true CN114114001B (zh) | 2023-10-31 |
Family
ID=80372145
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111406414.0A Active CN114114001B (zh) | 2021-11-24 | 2021-11-24 | 一种gis设备隔离开关机械状态监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114114001B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115144695B (zh) * | 2022-06-29 | 2023-09-19 | 国网北京市电力公司 | 小电流接地系统故障线路寻找方法、装置、设备及介质 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011081373A (ja) * | 2009-09-14 | 2011-04-21 | Shinya Saito | ブラインド信号分離方法およびその装置 |
| CN105093059A (zh) * | 2015-08-26 | 2015-11-25 | 云南电网有限责任公司电力科学研究院 | 一种基于归一化奇异谱熵的变压器绕组工作状态检测方法 |
| CN105628419A (zh) * | 2015-12-18 | 2016-06-01 | 国网安徽省电力公司 | 基于独立分量分析去噪的gis机械缺陷诊断系统及方法 |
| CN105703258A (zh) * | 2016-03-21 | 2016-06-22 | 广东电网有限责任公司东莞供电局 | Gis开关设备动作状态监测系统及其使用方法 |
| CN106645856A (zh) * | 2017-01-03 | 2017-05-10 | 电子科技大学 | 基于奇异谱熵的数字示波器异常信号检测方法及系统 |
| CN107702908A (zh) * | 2017-10-12 | 2018-02-16 | 国网山东省电力公司莱芜供电公司 | 基于vmd自适应形态学的gis机械振动信号时频分析方法 |
| CN109768890A (zh) * | 2019-01-17 | 2019-05-17 | 内蒙古工业大学 | 基于stl分解法的符号化有向加权复杂网络建网方法 |
| CN109839263A (zh) * | 2019-02-26 | 2019-06-04 | 北京航空航天大学 | 一种基于振动信息的gis特征提取及机械缺陷诊断方法 |
| CN111307438A (zh) * | 2020-03-11 | 2020-06-19 | 上海纵行实业有限公司 | 一种基于信息熵的旋转机械振动故障诊断方法及其系统 |
| CN112147444A (zh) * | 2020-09-25 | 2020-12-29 | 广东电网有限责任公司佛山供电局 | 一种电力变压器工作状态监测方法及系统 |
| CN112199897A (zh) * | 2020-11-02 | 2021-01-08 | 国网重庆市电力公司电力科学研究院 | 一种基于粒子群算法改进的gis设备异响振动识别方法 |
| CN112307950A (zh) * | 2020-10-29 | 2021-02-02 | 重庆大学 | Gis振动缺陷辨识的细节特征量提取及智能分析方法 |
| CN112508019A (zh) * | 2020-12-16 | 2021-03-16 | 国网江苏省电力有限公司检修分公司 | 基于图像识别的gis隔离/接地开关状态检测方法及系统 |
| CN112819719A (zh) * | 2021-02-02 | 2021-05-18 | 武汉科技大学 | 一种基于图滤波的回转窑火焰图像去噪方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7248841B2 (en) * | 2000-06-13 | 2007-07-24 | Agee Brian G | Method and apparatus for optimization of wireless multipoint electromagnetic communication networks |
-
2021
- 2021-11-24 CN CN202111406414.0A patent/CN114114001B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011081373A (ja) * | 2009-09-14 | 2011-04-21 | Shinya Saito | ブラインド信号分離方法およびその装置 |
| CN105093059A (zh) * | 2015-08-26 | 2015-11-25 | 云南电网有限责任公司电力科学研究院 | 一种基于归一化奇异谱熵的变压器绕组工作状态检测方法 |
| CN105628419A (zh) * | 2015-12-18 | 2016-06-01 | 国网安徽省电力公司 | 基于独立分量分析去噪的gis机械缺陷诊断系统及方法 |
| CN105703258A (zh) * | 2016-03-21 | 2016-06-22 | 广东电网有限责任公司东莞供电局 | Gis开关设备动作状态监测系统及其使用方法 |
| CN106645856A (zh) * | 2017-01-03 | 2017-05-10 | 电子科技大学 | 基于奇异谱熵的数字示波器异常信号检测方法及系统 |
| CN107702908A (zh) * | 2017-10-12 | 2018-02-16 | 国网山东省电力公司莱芜供电公司 | 基于vmd自适应形态学的gis机械振动信号时频分析方法 |
| CN109768890A (zh) * | 2019-01-17 | 2019-05-17 | 内蒙古工业大学 | 基于stl分解法的符号化有向加权复杂网络建网方法 |
| CN109839263A (zh) * | 2019-02-26 | 2019-06-04 | 北京航空航天大学 | 一种基于振动信息的gis特征提取及机械缺陷诊断方法 |
| CN111307438A (zh) * | 2020-03-11 | 2020-06-19 | 上海纵行实业有限公司 | 一种基于信息熵的旋转机械振动故障诊断方法及其系统 |
| CN112147444A (zh) * | 2020-09-25 | 2020-12-29 | 广东电网有限责任公司佛山供电局 | 一种电力变压器工作状态监测方法及系统 |
| CN112307950A (zh) * | 2020-10-29 | 2021-02-02 | 重庆大学 | Gis振动缺陷辨识的细节特征量提取及智能分析方法 |
| CN112199897A (zh) * | 2020-11-02 | 2021-01-08 | 国网重庆市电力公司电力科学研究院 | 一种基于粒子群算法改进的gis设备异响振动识别方法 |
| CN112508019A (zh) * | 2020-12-16 | 2021-03-16 | 国网江苏省电力有限公司检修分公司 | 基于图像识别的gis隔离/接地开关状态检测方法及系统 |
| CN112819719A (zh) * | 2021-02-02 | 2021-05-18 | 武汉科技大学 | 一种基于图滤波的回转窑火焰图像去噪方法 |
Non-Patent Citations (13)
| Title |
|---|
| A newrollingbearingfaultdiagnosismethodbasedonGFT impulse componentextraction;Lu Ou等;Mechanical Systems and Signal Processing;第1卷(第81期);162-182 * |
| Symbolic time series analysis via wavelet-based partitioning;Vemlatesj Rakagpalan等;SIGNAL PROCESSING;第86卷(第1期);3309-3320 * |
| 变压器绕组振动监测技术研究综述;王丰华等;广东电力;第31卷(第8期);52-61 * |
| 基于奇异谱熵和支持向量机的变压器绕组松动识别及定位;张琳等;电力系统保护与控制;第45卷(第18期);69-75 * |
| 基于振动信号分析的矿井提升机主轴装置在线监测与故障诊断系统设计应用;乔国厚;矿山机械;第41卷(第12期);51-55 * |
| 基于时间序列符号化模式表征的有向加权复杂网络;曾明等;物理学报;第66卷(第21期);292-302 * |
| 基于栈式自编码器的变压器机械故障诊断;解颖等;高压电器;第56卷(第9期);46-59 * |
| 基于概率密度空间划分的符号化时间序列分析及其在异常诊断中的应用;胡世杰;振动工程学报;第27卷(第5期);780-784 * |
| 基于符号熵与支持向量机的滚动轴承故障诊断;陈晓平等;中国机械工程;第21卷(第17期);2079-2082 * |
| 复杂网络在转子故障诊断中的应用;孙斌;振动、测试与诊断;第32卷(第6期);1010-1015 * |
| 大型变压器绕组振动频响特性的试验研究;钱国超等;高压电技术;第44卷(第3期);821-826 * |
| 滚动轴承故障振动信号特征与诊断方法;吴斌等;大连理工大学学报;第53卷(第1期);76-89 * |
| 滚动轴承故障振动信号的分析方法研究;耶晓东;煤矿机械;第33卷(第12期);257-259 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114114001A (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Judd et al. | Partial discharge monitoring of power transformers using UHF sensors. Part I: sensors and signal interpretation | |
| CN110926778A (zh) | 基于异常振动的气体绝缘组合开关设备机械故障诊断方法 | |
| CN109374270A (zh) | 一种gis异常振动分析及机械故障诊断装置及方法 | |
| 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 | |
| Jayasinghe et al. | Investigations on sensitivity of FRA technique in diagnosis of transformer winding deformations | |
| WO2022105287A1 (zh) | 一种基于声纹诊断来监测异常状态的系统及方法 | |
| WO2022105286A1 (zh) | 一种基于递进式识别来监测异常状态的系统及方法 | |
| CN114114001B (zh) | 一种gis设备隔离开关机械状态监测方法及系统 | |
| CN102135560A (zh) | 雷电波侵入变电站的扰动识别方法 | |
| CN109061414A (zh) | 光伏系统直流故障电弧检测方法 | |
| CN111551352B (zh) | 一种gis设备的断路器的状态的检测方法及系统 | |
| CN105186491A (zh) | 一种开关操作导致电力系统一次侧过电压的评估方法 | |
| WO2022105285A1 (zh) | 一种基于冲击事件来监测异常状态的系统及方法 | |
| JP2005331415A (ja) | 絶縁診断システム | |
| CN108519150B (zh) | 一种模拟运行工况下gis的振动检测装置 | |
| CN116449077B (zh) | 基于Wigner-Ville分布算法对PT二次侧骚扰电压进行时频分析方法 | |
| CN113640703B (zh) | 一种高频高压谐振点捕捉的绝缘状态测试方法 | |
| CN112179481B (zh) | 一种gis设备的机械故障诊断方法及系统 | |
| CN114112017B (zh) | 一种gis隔离开关的振动信号提取方法及系统 | |
| CN204065345U (zh) | 一种高压断路器机械特性故障诊断装置 | |
| CN109164338B (zh) | 一种具有在线监测功能的大功率中压直流干式负载装置 | |
| Capelini et al. | Development of a system for detecting and locating damaged insulator strings with signals collected at substations | |
| CN116383602B (zh) | 考虑噪声与样本量的gis隔离开关机械缺陷辨识方法 | |
| CN116298844B (zh) | 基于半动态布置的变电站高压断路器状态监测系统及方法 | |
| CN115856603A (zh) | 基于imf能量熵的gis设备状态研判方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |