CN114184909B - 基于粒子群优化置信规则库的油纸绝缘微水含量评估方法 - Google Patents
基于粒子群优化置信规则库的油纸绝缘微水含量评估方法 Download PDFInfo
- Publication number
- CN114184909B CN114184909B CN202111390537.XA CN202111390537A CN114184909B CN 114184909 B CN114184909 B CN 114184909B CN 202111390537 A CN202111390537 A CN 202111390537A CN 114184909 B CN114184909 B CN 114184909B
- Authority
- CN
- China
- Prior art keywords
- water content
- confidence
- oil paper
- rule base
- paper insulation
- 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
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
- G01R27/26—Measuring inductance or capacitance; Measuring quality factor, e.g. by using the resonance method; Measuring loss factor; Measuring dielectric constants ; Measuring impedance or related variables
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明涉及一种基于粒子群优化置信规则库的油纸绝缘微水含量评估方法,包括以下步骤:制备多组水分含量不同的油纸绝缘试品,对各油纸绝缘试品进行频域介电检测并提取表征油纸绝缘微水含量的频域特征参量;基于提取出的所述频域特征参量,构建基于置信规则库的初始油纸绝缘微水含量评估模型;通过粒子群优化算法对初始油纸绝缘微水含量评估模型的参数进行优化,得到最终油纸绝缘微水含量评估模型;对目标变压器的油纸绝缘进行频域介电检测,获取频域特征参量,通过最终油纸绝缘微水含量评估模型和ER证据推理算法对置信规则库的激活规则进行合成,得到具有置信分布的推理结果;根据推理结果确定目标变压器的油纸绝缘的微水含量。
Description
技术领域
本发明涉及一种基于粒子群优化置信规则库的油纸绝缘微水含量评估方法,属于变压器油纸绝缘系统微水含量检测技术领域。
背景技术
作为电力系统中的关键设备,电力变压器的绝缘良好对于电网稳定运行具有重要意义。电力变压器主绝缘由油纸两相复合绝缘组成,其剩余寿命主要取决于内部油纸绝缘的状态,由于受到电场、温度、机械振动及水分等多重因素的综合作用,油纸的电气和机械性能会随时间逐渐下降。当前通过FDS进行油纸绝缘微水含量评估的方法更多为通过获取制备的油纸绝缘样品的频域介电谱曲线而寻找规律,于谱线中提取微水含量相关特征参量并建立该特征参量与微水含量关系的模型以实现微水含量评估。在以往的研究当中,往往只给出最终的评估结果,而变压器的内部机理复杂且具有不确定性。
发明内容
为了解决上述现有技术中存在的问题,本发明提出了一种基于粒子群优化置信规则库的油纸绝缘微水含量评估方法,能够有效的处理输入信息的模糊不确定性、概率不确定性和不完全性的置信规则库系统引入到油纸绝缘老化程度的评估,以提高油纸绝缘微水含量评估结果的准确性与可靠性。
本发明的技术方案如下:
一方面,本发明提供一种基于粒子群优化置信规则库的油纸绝缘微水含量评估方法,包括以下步骤:
制备多组水分含量不同的油纸绝缘试品,对各油纸绝缘试品进行频域介电检测并提取表征油纸绝缘微水含量的频域特征参量;
基于提取出的所述频域特征参量,结合专家知识构建基于置信规则库的初始油纸绝缘微水含量评估模型;
通过粒子群优化算法,对所述基于置信规则库的初始油纸绝缘微水含量评估模型的参数进行优化,得到最终油纸绝缘微水含量评估模型;
对目标变压器的油纸绝缘进行频域介电检测,获取所述频域特征参量,通过最终油纸绝缘微水含量评估模型和ER证据推理算法对置信规则库的激活规则进行合成,得到具有置信分布的推理结果;根据推理结果确定目标变压器的油纸绝缘的微水含量。
作为优选实施方式,所述频域特征参量包括介质损耗因数tanδ的频域介电谱曲线在三个高频采样区间内的积分值Mc1、Mc2、Mc3,计算公式分别为:
作为优选实施方式,所述基于提取出的所述频域特征参量,结合专家知识构建基于置信规则库的初始油纸绝缘微水含量评估模型的步骤具体为:
将提取出的所述频域特征参量作为置信规则库的前提属性;
将各前提属性划分出n个参考值,同时设定若干评价等级;
基于所述前提属性、各前提属性的参考值以及评价等级表示置信规则库中的规则;
结合专家知识,设定置信规则库中各规则的各前提属性权重、规则权重及各规则评价结果置信分布的初始值;完成基于置信规则库的初始油纸绝缘微水含量评估模型的构建。
作为优选实施方式,所述通过粒子群优化算法,对所述基于置信规则库的初始油纸绝缘微水含量评估模型的参数进行优化,得到最终油纸绝缘微水含量评估模型的步骤具体为:
引入粒子群优化算法,对于一个规模为N,搜索空间维数为D的粒子群,第i个粒子的位置表示为xi=(xi,1,xi,2,…,xi,D),飞行速度表示为vi=(vi,1,vi,2,…,vi,D),粒子根据自身保存的最优位置pi=(pi,1,pi,2,…,pi,D)和群体中保存的最优位置pg=(pg,1,pg,2,…,pg,D),更新飞行速度;
初始化粒子群,基于约束条件对各粒子的速度和位置取随机初始值;确定置信规则库需要优化的参数位置的约束条件;
基于约束条件约束粒子位置,在满足约束条件情况下随机确定各粒子位置并将其中一个粒子的位置设置为置信规则库中各规则的各前提属性权重、规则权重及各规则评价结果置信分布的初始值;
基于目标函数依次计算各粒子的适应值,目标函数选取置信规则库模型的评估期望值与实际微水含量值的平均方差;
基于各粒子的适应值,记录各粒子本身局部最优解pBest以及种群最优解gBest;
将各粒子于各维度内的速度及位置依据约束条件和更新公式对粒子群进行速度及位置更新,经过反复迭代,当迭代次数到达预设值或全局最优解gBest对应的适应值满足收敛条件时,将全局最优解gBest所在位置替代置信规则库中各规则的各前提属性权重、规则权重及各规则评价结果置信分布的初始值。
作为优选实施方式,所述通过最终油纸绝缘微水含量评估模型和ER证据推理算法对置信规则库的激活规则进行合成,得到具有置信分布的推理结果的步骤具体为:
通过频域介电检测得到的目标变压器的油纸绝缘的频域特征参量作为输入数据,计算输入数据的置信分布形式;
通过输入数据的置信分布形式计算置信规则库中各规则的激活权重;
根据置信规则库中各规则的激活权重,采用ER证据推理算法对激活的规则进行合成,获得带有置信分布的推理结果:
取最大置信度的推理结果作为输出,得到目标变压器的油纸绝缘的微水含量的评估结论。
另一方面,本发明提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明任一实施例所述的油纸绝缘微水含量评估方法。
再一方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例所述的油纸绝缘微水含量评估方法。
本发明具有如下有益效果:
1、本发明一种基于粒子群优化置信规则库的油纸绝缘微水含量评估方法,基于多组水分含量不同的油纸绝缘试品的频域介电谱曲线规律,选取三个不同的能够反映油纸绝缘微水含量的特征参量,为评估油纸绝缘微水含量提供了可靠的参考依据。
2、本发明一种基于粒子群优化置信规则库的油纸绝缘微水含量评估方法,将置信规则库模型与ER证据推理算法运用至油纸绝缘微水含量评估领域,同时通过引进群体智能算法中的PSO优化算法对仅由专家经验得到的初始置信规则库模型参数进行优化,避免了传统的利用专家经验直接建立置信规则库模型所带来的在内部机理复杂、参数众多的情况下专家对参数设置的不精确性,使得最终构建的置信规则库评估模型更具可靠性,诊断结果更加客观,达到更贴合实际、更准确评估油纸绝缘微水含量的目的。
附图说明
图1为本发明实施例的方法流程图。
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作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。
应当理解,文中所使用的步骤编号仅是为了方便描述,不对作为对步骤执行先后顺序的限定。
应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
实施例一:
参见图1,一种基于粒子群优化置信规则库的油纸绝缘微水含量评估方法,包括以下步骤:
步骤S1、制备多组水分含量不同的油纸绝缘试品,对各油纸绝缘试品进行频域介电检测并提取表征油纸绝缘微水含量的频域特征参量;
步骤S2、基于提取出的所述频域特征参量,结合专家知识构建基于置信规则库的初始油纸绝缘微水含量评估模型;
步骤S3、引入群体智能算法中的粒子群优化算法(PSO),对所述基于置信规则库的初始油纸绝缘微水含量评估模型的前提属性权重、规则权重、置信度等参数进行优化,得到最终油纸绝缘微水含量评估模型;
步骤S4、对目标变压器的油纸绝缘进行频域介电检测,获取所述频域特征参量,通过最终油纸绝缘微水含量评估模型和ER证据推理算法对置信规则库的激活规则进行合成,得到具有置信分布的推理结果;根据推理结果确定目标变压器的油纸绝缘的微水含量。
作为本实施例的优选实施方式,所述步骤S1具体为:
步骤S11、制备多组水分含量不同的油纸绝缘试品并通过DIRANA介电响应分析仪测试油纸绝缘试品获取介质损耗因数tanδ的频域介电谱曲线;
步骤S12、油纸绝缘微水含量的增加将影响tanδ曲线全频段内的形状,而绝缘老化程度的增强主要影响tanδ曲线低频段形状,因此为避免绝缘老化程度对油纸绝缘微水含量评估准确性造成影响同时防止因单个采样点的测量误差对评估结果造成不必要的影响,提取tanδ曲线在不同高频采样区间内的积分值作为表征及评估绝缘样本微水含量的介电响应频域特征参量并将其定义为Mc1、Mc2、Mc3,计算公式分别为:
作为本实施例的优选实施方式,所述步骤S2具体为:
步骤S21、将基于步骤S1提取的三个频域特征参量作为建立置信规则库油纸绝缘微水含量评估模型的前提属性;
步骤S22、依据历史评估数据及油纸绝缘内部机理将各前提属性划分出三个参考值,由此可得到初始置信规则库规则数为33条,同时设定评价等级为受潮良好、受潮中等、受潮严重共三个等级;
步骤S23、置信规则库的第k条规则可表示为:
式中Ui表示前提属性;表示在第k条规则中第i个前提属性的参考值,Di表示第i个评价等级;/>表示第i个评价等级的置信度;/>表示评价结果的置信分布形式;N表示评价等级的个数;δi表示第i个前提属性权重;θk表示第k条规则的权重。
步骤S24、结合专家知识及经验,设定置信规则库共33条规则的各前提属性权重、规则权重及各规则评价结果置信分布的初始值;完成基于置信规则库的初始油纸绝缘微水含量评估模型的构建。
作为本实施例的优选实施方式,所述步骤S3具体为:
步骤S31、引入粒子群优化算法,对于一个规模为N,搜索空间维数为D的粒子群,第i个粒子的位置表示为xi=(xi,1,xi,2,…,xi,D),飞行速度表示为vi=(vi,1,vi,2,…,vi,D),粒子根据自身保存的最优位置pi=(pi,1,pi,2,…,pi,D)和群体中保存的最优位置pg=(pg,1,pg,2,…,pg,D),更新飞行速度;
首先初始化粒子群,基于约束条件对各粒子的速度和位置取随机初值。置信规则库需要优化的参数位置约束条件如下:
约束条件1:任一规则中每个评价等级上的置信度均不得小于0或大于1,即:
0≤βj,k≤1;j=1,2,3,k=1,2,…,27 (5)
约束条件2:若第k条规则是完整的,则该规则的置信度之和等于1;否则置信度之和小于1,即:
约束条件3:规则权重应在0到1之间,即:
0≤θk≤1;k=1,2,…27 (7)
约束条件4:前提属性权重应在0到1之间,即:
0≤δi≤1;i=1,2,3 (8)
上述约束条件用以约束粒子位置,在满足约束条件情况下随机确定各粒子位置并将其中一个粒子的位置设置为步骤S2所得置信规则库中各规则的各前提属性权重、规则权重及各规则评价结果置信分布的初始值;
步骤S32、基于目标函数依次计算各粒子的适应值,目标函数选取置信规则库模型的评估期望值与实际微水含量值的平均方差;
其中置信规则库模型评估期望值计算公式:
将u(受潮良好)、u(受潮中等)、u(受潮严重)分别设置为0.5%、2%、4%,根据式(9)可求得置信规则库模型评估的期望值,再通过目标函数计算粒子适应值。基于适应值,记录各粒子本身局部最优解pBest以及种群最优解gBest。
步骤S33、将各粒子于各维度内的速度及位置依据约束条件和更新公式进行更新,使得粒子在可行的搜索空间内不断逼近全局最优解。更新公式如下:
xi,d(t+1)=xi,d(t)+vi,d(t+1) (11)
上式中,i=1,2,…,N(即为种群规模);d=1,2,…,D(搜索空间维度,即为需要优化的参数数量);t表示迭代次数;c1和c2表示学习因子;r1和r2为[0,1]区间的均匀随机数;w为惯性因子,为获得更好的寻优能力,将w依下式设置为动态变化量:
w=wmax-(wmax-wmin)/IterTimen×IterTime (12)
其中:wmax和wmin分别代表的最大惯性权重和最小惯性权重(0≤wmin≤wmax≤1),IterTimen为当前迭代次数,IterTime为预设的迭代次数。
基于式(10)、(11)、(12)对粒子群进行速度及位置更新,每一次迭代经计算后都将得到新的粒子群的适应值,若一粒子的适应值小于其记录的局部最优解pBest位置所得适应值,则更新该粒子的局部最优解,若其适应值小于整个种群的全局最优解gBest位置所得适应值,则在更新该粒子的局部最优解的同时更新种群全局最优解。经过反复迭代,当迭代次数到达预设值或全局最优解gBest对应的适应值满足收敛条件时,将全局最优解gBest所在位置作为各参数替代步骤s2所得置信规则库中各规则的各前提属性权重、规则权重及各规则评价结果置信分布的初始值。
至此经PSO算法优化参数后的最终油纸绝缘微水含量评估模型构建完成。
作为本实施例的优选实施方式,所述步骤S4具体为:
步骤S41、通过频域介电检测得到的目标变压器的油纸绝缘的频域特征参量作为输入数据,设输入数据D={Di,i=1,2,3},由式(13)计算可求得输入数据的置信分布形式:
式中表示在第j条规则中Di对第i个输入属性参考值的置信度,Di表示属性的输入,γik表示由专家建立第i个输入属性各参考值的数值量。
步骤S42、求得后即可计算各规则的激活权重,第k条规则的激活权重计算公式如下:
步骤S43、根据置信规则库中各规则的激活权重,采用ER证据推理算法对激活的规则进行合成,获得带有置信分布的推理结果;ER证据推理算法公式如下:
取最大置信度的推理结果的评价等级作为输出,得到目标变压器的油纸绝缘的微水含量的评估结论:
f(xi)=Dt,t=argmax1≤k≤4{βk} (18)
实施例二:
本实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明任一实施例所述的油纸绝缘微水含量评估方法。
实施例三:
本实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例所述的油纸绝缘微水含量评估方法。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (5)
1.一种基于粒子群优化置信规则库的油纸绝缘微水含量评估方法,其特征在于,包括以下步骤:
制备多组水分含量不同的油纸绝缘试品,对各油纸绝缘试品进行频域介电检测并提取表征油纸绝缘微水含量的频域特征参量;
基于提取出的所述频域特征参量,结合专家知识构建基于置信规则库的初始油纸绝缘微水含量评估模型;
通过粒子群优化算法,对所述基于置信规则库的初始油纸绝缘微水含量评估模型的参数进行优化,得到最终油纸绝缘微水含量评估模型;
对目标变压器的油纸绝缘进行频域介电检测,获取所述频域特征参量,通过最终油纸绝缘微水含量评估模型和ER证据推理算法对置信规则库的激活规则进行合成,得到具有置信分布的推理结果;根据推理结果确定目标变压器的油纸绝缘的微水含量;
其中,所述基于提取出的所述频域特征参量,结合专家知识构建基于置信规则库的初始油纸绝缘微水含量评估模型的步骤具体为:
将提取出的所述频域特征参量作为置信规则库的前提属性;
将各前提属性划分出n个参考值,同时设定若干评价等级;
基于所述前提属性、各前提属性的参考值以及评价等级表示置信规则库中的规则;
结合专家知识,设定置信规则库中各规则的各前提属性权重、规则权重及各规则评价结果置信分布的初始值;完成基于置信规则库的初始油纸绝缘微水含量评估模型的构建;
其中,所述通过最终油纸绝缘微水含量评估模型和ER证据推理算法对置信规则库的激活规则进行合成,得到具有置信分布的推理结果的步骤具体为:
通过频域介电检测得到的目标变压器的油纸绝缘的频域特征参量作为输入数据,计算输入数据的置信分布形式;
通过输入数据的置信分布形式计算置信规则库中各规则的激活权重;
根据置信规则库中各规则的激活权重,采用ER证据推理算法对激活的规则进行合成,获得带有置信分布的推理结果:
取最大置信度的推理结果作为输出,得到目标变压器的油纸绝缘的微水含量的评估结论。
2.根据权利要求1所述的一种基于粒子群优化置信规则库的油纸绝缘微水含量评估方法,其特征在于:所述频域特征参量包括介质损耗因数tanδ的频域介电谱曲线在三个高频采样区间内的积分值Mc1、Mc2、Mc3,计算公式分别为:
3.根据权利要求1所述的一种基于粒子群优化置信规则库的油纸绝缘微水含量评估方法,其特征在于,所述通过粒子群优化算法,对所述基于置信规则库的初始油纸绝缘微水含量评估模型的参数进行优化,得到最终油纸绝缘微水含量评估模型的步骤具体为:
引入粒子群优化算法,对于一个规模为N,搜索空间维数为D的粒子群,第i个粒子的位置表示为xi=(xi,1,xi,2,…,xi,D),飞行速度表示为vi=(vi,1,vi,2,…,vi,D),粒子根据自身保存的最优位置pi=(pi,1,pi,2,…,pi,D)和群体中保存的最优位置pg=(pg,1,pg,2,…,pg,D),更新飞行速度;
初始化粒子群,基于约束条件对各粒子的速度和位置取随机初始值;确定置信规则库需要优化的参数位置的约束条件;
基于约束条件约束粒子位置,在满足约束条件情况下随机确定各粒子位置并将其中一个粒子的位置设置为置信规则库中各规则的各前提属性权重、规则权重及各规则评价结果置信分布的初始值;
基于目标函数依次计算各粒子的适应值,目标函数选取置信规则库模型的评估期望值与实际微水含量值的平均方差;
基于各粒子的适应值,记录各粒子本身局部最优解pBest以及种群最优解gBest;
将各粒子于各维度内的速度及位置依据约束条件和更新公式对粒子群进行速度及位置更新,经过反复迭代,当迭代次数到达预设值或全局最优解gBest对应的适应值满足收敛条件时,将全局最优解gBest所在位置替代置信规则库中各规则的各前提属性权重、规则权重及各规则评价结果置信分布的初始值。
4.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至3任一项所述的油纸绝缘微水含量评估方法。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至3任一项所述的油纸绝缘微水含量评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111390537.XA CN114184909B (zh) | 2021-11-23 | 2021-11-23 | 基于粒子群优化置信规则库的油纸绝缘微水含量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111390537.XA CN114184909B (zh) | 2021-11-23 | 2021-11-23 | 基于粒子群优化置信规则库的油纸绝缘微水含量评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114184909A CN114184909A (zh) | 2022-03-15 |
CN114184909B true CN114184909B (zh) | 2023-07-28 |
Family
ID=80602368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111390537.XA Active CN114184909B (zh) | 2021-11-23 | 2021-11-23 | 基于粒子群优化置信规则库的油纸绝缘微水含量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114184909B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110286305A (zh) * | 2019-07-29 | 2019-09-27 | 福州大学 | 一种利用混合极化模型参数的油纸绝缘微水含量评估方法 |
CN110554287A (zh) * | 2019-09-20 | 2019-12-10 | 福州大学 | 利用向后选择多元回归分析的油纸绝缘微水含量评估方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6927562B2 (en) * | 2002-02-27 | 2005-08-09 | On-Line Monitoring, Inc. | Power factor/tan δtesting of high voltage bushings on power transformers, current transformers, and circuit breakers |
WO2017150691A1 (ja) * | 2016-03-03 | 2017-09-08 | 住友電気工業株式会社 | 絶縁体の絶縁性能の評価方法 |
CN108108532A (zh) * | 2017-12-06 | 2018-06-01 | 华南理工大学 | 运用粒子群算法优化功率电子电路的方法 |
CN109655393A (zh) * | 2018-12-12 | 2019-04-19 | 昆明理工大学 | 一种基于置信规则库的水松纸透气度检测方法 |
CN110596558B (zh) * | 2019-10-24 | 2020-12-25 | 福州大学 | 一种结合邻域粗糙集与证据理论的变压器油纸绝缘状态综合评估方法 |
CN111965133A (zh) * | 2020-07-22 | 2020-11-20 | 中国南方电网有限责任公司电网技术研究中心 | 一种含微水油浸绝缘纸板含水量及极化形式的检测方法 |
CN112698245B (zh) * | 2020-12-02 | 2021-09-28 | 西南交通大学 | 一种少失效数据的变压器绝缘可靠性分析方法 |
CN113514739B (zh) * | 2021-06-16 | 2022-09-06 | 国网吉林省电力有限公司电力科学研究院 | 一种基于iwoa-bp算法的油纸绝缘老化评估方法 |
-
2021
- 2021-11-23 CN CN202111390537.XA patent/CN114184909B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110286305A (zh) * | 2019-07-29 | 2019-09-27 | 福州大学 | 一种利用混合极化模型参数的油纸绝缘微水含量评估方法 |
CN110554287A (zh) * | 2019-09-20 | 2019-12-10 | 福州大学 | 利用向后选择多元回归分析的油纸绝缘微水含量评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114184909A (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109164343B (zh) | 基于特征信息量化与加权knn的变压器故障诊断方法 | |
Hassani et al. | Forecasting European industrial production with singular spectrum analysis | |
CN114460445B (zh) | 考虑老化阈值与寿命的变压器老化不可用率评估方法 | |
CN109031103B (zh) | 一种交流接触器性能退化与状态评估方法 | |
CN109142865B (zh) | 考虑油纸绝缘界面极化等效电路参数的频域谱辨识方法 | |
CN105929340A (zh) | 一种基于arima估算电池soc的方法 | |
CN113075569A (zh) | 一种基于噪声自适应粒子滤波的电池荷电状态估计方法和装置 | |
US8630823B2 (en) | Feature parameter candidate generation apparatus and feature parameter candidate generation method | |
CN114329347B (zh) | 一种电能表计量误差预测方法、装置及存储介质 | |
CN116010884A (zh) | 基于主成分分析的SSA-LightGBM油浸式变压器的故障诊断方法 | |
CN114184909B (zh) | 基于粒子群优化置信规则库的油纸绝缘微水含量评估方法 | |
CN117233687B (zh) | 一种基于历史数据的cvt初始误差评估方法、介质及终端 | |
CN114545270A (zh) | 一种考虑健康因子延迟的锂电池健康状态估计方法 | |
CN113901973A (zh) | 电力负荷识别方法、装置以及存储介质和芯片设备 | |
CN110503301B (zh) | 一种基于Cox比例风险模型的电动汽车传导充电安全影响因素评价方法 | |
Guo et al. | Study on soc estimation of li-ion battery based on the comparison of ukf algorithm and aukf algorithm | |
CN116736214A (zh) | 一种cvt稳定性评估方法和系统 | |
CN114897032B (zh) | 一种基于宽度学习的电流互感器故障诊断方法、装置 | |
CN114564487B (zh) | 预报预测相结合的气象栅格数据更新方法 | |
CN113496255B (zh) | 基于深度学习与决策树驱动的配电网混合观测布点方法 | |
CN114264921B (zh) | 一种基于扩展置信规则库的油纸绝缘老化状态评估方法 | |
CN110726958B (zh) | 一种干式电抗器的故障诊断方法 | |
Peng et al. | Comparative assessment of Kalman filter and Prony methods for power system oscillation monitoring | |
Liu et al. | A simple yet effective resampling rule in noisy evolutionary optimization | |
CN112927013B (zh) | 一种资产价值预测模型构建方法、资产价值预测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |