CN114485379A - 一种变压器绕组在线监测方法 - Google Patents
一种变压器绕组在线监测方法 Download PDFInfo
- Publication number
- CN114485379A CN114485379A CN202210102422.4A CN202210102422A CN114485379A CN 114485379 A CN114485379 A CN 114485379A CN 202210102422 A CN202210102422 A CN 202210102422A CN 114485379 A CN114485379 A CN 114485379A
- Authority
- CN
- China
- Prior art keywords
- transformer
- transformer winding
- detected
- vibration
- real
- 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
- 238000004804 winding Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000005284 excitation Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 208000025274 Lightning injury Diseases 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005520 electrodynamics Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
- G01B7/16—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B17/00—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations
- G01B17/04—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations for measuring the deformation in a solid, e.g. by vibrating string
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明属于变压器绕组故障监测领域，公开了一种变压器绕组在线监测方法，包括以下步骤：S1：获取变压器的振动信号和变压器负载端的电流信号；S2：提取振动信号的振动基波分量和电流信号的电流基波分量；S3：将电流基波分量进行平方处理，获得电流基波分量平方值；S4：根据振动基波分量、电流基波分量平方值构建变压器的实时特征轨迹曲线；S5：根据实时特征轨迹曲线判断变压器绕组是否发生形变。解决了现有技术无法对变压器绕组进行在线监测，监测结果灵敏性和准确性低的问题。
Description
技术领域
本发明属于变压器绕组故障监测领域，具体涉及一种变压器绕组在线监测方法。
背景技术
变压器作为电力系统最重要的核心设备，其正常运行是电力系统安全供电的条件之一。而变压器绕组变形是导致变压器运行事故发生的主要因素。在变压器运行过程中，由于雷击、短路等产生的大电流会形成电动力，造成绕组线圈变形，不仅会给变压器带来致命损伤，还导致供电区域大面积停电，给社会带来巨大的经济损失。
现有技术中，变压器绕组状态检测常用的以下4种方法，包括短路阻抗法、扫频频率响应法、脉冲频率响应法和电压电流分析法：①短路阻抗法需要在检测过程中将变压器从电路中断开，该方法会影响电力系统正常运作，且检测设备体积笨重，灵敏性不足，难以反映绕组微小变形缺陷；②扫频频率响应法应用在变压器短路故障停运后，对变压器绕组进行检测，难以准确地获取变压器绕组实时状态；③脉冲频率响应法虽然可以实现在线监测变压器绕组状态，但检测过程易受干扰，重复性较差，导致监测结果准确性低；④电压电流分析法，利用变压器内现有的变压器中的电流、电压互感器采集获得变压器运行过程中的电流信号和电压信号，但是绕组变形引起的漏抗变化较小，使得变压器的电压信号变化很小，难以清楚地反应出绕组的变形情况，尤其是绕组变形较小时，检测灵敏度较低，导致变压器绕组的变形监测反应不明显；并且该方法对某些电容性故障(如绕组轴向变形)的检测灵敏度普遍偏低。
为解决上述方法缺陷，本发明提出一种融合变压器振动信号、电流信号的多特征信息融合轨迹曲线对变压器进行在线监测，以解决现有技术无法对变压器绕组进行在线监测，监测结果灵敏性和准确性低的问题。
发明内容
本发明意在提供一种变压器绕组在线监测方法，解决了现有技术无法对变压器绕组进行在线监测，监测结果灵敏性和准确性低的问题。
本发明提供的基础方案：一种变压器绕组在线监测方法，包括以下步骤：
S1：获取待检测的变压器的振动信号和待检测的变压器负载端的电流信号；
S2：提取振动信号的振动基波分量和电流信号的电流基波分量；
S3：将电流基波分量进行平方处理，获得电流基波分量平方值；
S4：根据振动基波分量、电流基波分量平方值构建变压器的实时特征轨迹曲线；
S5：根据实时特征轨迹曲线判断待检测的变压器绕组是否发生形变。
本方案的基本原理及有益效果：由于绕组受到的电磁力随着负载电流的改变而变化，在电磁力和负载电流的作用下，绕组会发生振动，产生形变，因此通过监测待检测的变压器的振动信号和电流信号，提取振动信号和电流信号的基波分量，构建振动基波分量和电流基波分量平方值的实时特征轨迹曲线，通过观察和对比待检测的变压器绕组的实时特征轨迹曲线判断绕组是否发生形变。本方案的优点在于：与现有技术相比，本方案通过获取待检测的变压器的振动信号的电流信号即可判断绕组是否发生形变，能够在线对变压器绕组进行监测；由于绕组变形时会发出振动，因此与电压信号的变化相比，绕组变形时的振动信号变化更明显，因此振动信号的检测灵敏度更高；并且变压器在正常运行过程中不会发生其他振动，因此检测振动信号不容易受到干扰，使变压器绕组是否变形的结论更加准确。
进一步，所述步骤S5包括以下步骤：
S5-1：获取变压器正常运行时的标准特征轨迹曲线；
S5-2：将待检测的变压器的实时特征轨迹曲线与标准特征轨迹曲线进行对比，判断待检测的变压器绕组是否发生形变。
有益效果：将变压器的正常运行时的标准特征轨迹曲线与实时特征轨迹曲线进行对比，提高判断待检测的变压器绕组形变的准确性。
进一步，所述步骤S5-2具体为：分别计算实时特征轨迹曲线和标准特征轨迹曲线的特征量，所述特征量包括长轴、短轴、倾斜角，将实时特征轨迹曲线的特征量与标准特征轨迹曲线的特征量进行对比，判断待检测的变压器绕组是否发生形变。
有益效果：引入特征轨迹曲线的特征量，将实时特征轨迹曲线的特征量和标准特征轨迹曲线的特征量相比，提高判断待检测的变压器绕组形变的准确性。
进一步，还包括步骤S6：获取变压器绕组不同形变程度下特征轨迹曲线的特征量，建立形变数据库；
S7：查询形变数据库，根据实时特征轨迹曲线的特征量判断待检测的变压器绕组的实时形变程度。
有益效果：通过建立形变数据库，通过实时特征轨迹曲线的特征量判断便器绕组的实时变形程度，利于开展后续的变压器绕组变形报警、维修和更换等事项，提高待检测的变压器绕组监测结果的精准性。
进一步，所述步骤S6具体包括以下步骤：
S6-1：获取变压器绕组不同形变程度下特征轨迹曲线的特征量，建立形变数据库；
S6-2：设定变压器绕组形变程度的阈值；
还包括步骤S8：判断待检测的变压器绕组的实时形变程度是否达到形变程度的阈值，若是，则发起报警提示。
有益效果：绕组发成轻微形变时，变压器不会受到影响，只有当绕组达到一定变形量时才会影响变压器的正常工作，因此设置变压器绕组的形变程度阈值，当绕组的变形量达到该形变程度阈值，变压器受到影响，发出报警提示，相关人员在收到报警提示后能及时地对变压器进行维修和更换，避免绕组变形导致变压器无法正常运作，使电力设备瘫痪。
进一步，所述步骤S1具体包括以下步骤：
S1-1：在待检测的变压器上安装振动传感器，检测该变压器的振动信号；
S1-2：获取变压器内的电流传感器的检测值为负载端的电流信号。
有益效果：通过在变压器安装振动传感器，提高振动信号检测的准确性；实时检测变压器的振动信号，提高监测过程的严谨性。
进一步，所述步骤S2具体为：将振动信号和电流信号转化为数字信号，并通过FFT算法提取出振动信号的振动基波分量和电流信号的振动基波分量。
有益效果：FFT算法是由DFT算法变化而来，与DFT算法相比，FFT算法更加简化，运算速度提高1-2个数量级，提高绕组的变形判断效率。
进一步，所述步骤S4具体为：根据李萨如图形公式，以振动基波分量、电流基波分量平方值构建待检测的变压器的实时特征轨迹曲线。
有益效果：李萨如图形具有多个特征产量，能够充分反应振动、电流与绕组变形量的变化，提高判断绕组变形的可靠性和有效性。
附图说明
图1为本发明一种变压器绕组在线监测方法实施例一的逻辑示意图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例一
本实施例基本如附图1所示：一种变压器绕组在线监测方法，包括以下步骤：
S1-1：在变压器上安装振动传感器，检测变压器的振动信号；其中变压器的振动信号主要来源于漏磁场与负载电流相互作用产生的振动。漏磁场与负载电流相互作用产生绕组振动时，绕组所受电磁力计算公式为：
it＝Icosωt
其中I为负载电流，F为电磁力；因此，绕组收到的电磁力随着负载电流的改变而变化，因电磁力而引起的绕组振动也会变化，使绕组发生形变；由此可见，计算电磁力需要得知变压器的负载电流；
S1-2：获取待检测的变压器内的电流传感器的检测值为负载端的电流信号；
S2：将振动信号和电流信号转化为数字信号，并通过FFT算法提取出振动信号的振动基波分量Sf100和电流信号的振动基波分量I2f50，其中，振动信号的基频是负载电流基频的两倍。
S3：将电流基波分量进行平方处理，获得电流基波分量平方值；
S4：根据李萨如图形公式，以振动基波分量、电流基波分量平方值构建待检测的变压器的实时特征轨迹曲线；特征轨迹曲线中包含振动信息、电磁力信息、电流信息，及时发现绕组变形。
S5-1：获取待检测的变压器正常运行时的标准特征轨迹曲线；
S5-2：分别计算实时特征轨迹曲线和标准特征轨迹曲线的特征量，所述特征量包括长轴A、短轴B、倾斜角θ，将实时特征轨迹曲线的特征量与标准特征轨迹曲线的特征量进行对比，判断待检测的变压器绕组是否发生形变；
S6-1：获取变压器绕组不同形变程度下特征轨迹曲线的特征量，针对不同绕组变形程度(变形量1％，2％......n％)获得多组数据(A1，B1，θ1)，(A2，B2，θ2，)......(An，Bn，θn，)，建立形变数据库；
S6-2：设定变压器绕组形变程度的阈值；
S7：查询形变数据库，根据实时特征轨迹曲线的特征量判断待检测的变压器绕组的实时形变程度。
S8：判断待检测的变压器绕组的实时形变程度是否达到形变程度的阈值，若是，则发起报警提示。
具体实施过程：
在运行中的变压器上安装振动传感器，通过振动传感器采集测量出待检测的变压器实时振动信号，同时通过待检测的变压器自带的电流互感器得到其负载侧电流信号I2，通过单片机及通讯模块以无线传输的方式将采集信息传送到监测控制主机，主机程序通过FFT算法提取出振动信号的基波分量(100Hz)Sf100,提取电流基波分量(50Hz)I2f50,将电流电流基波分量(50Hz)I2f50进行平方处理得到I2 2，根据李萨如图形的构建方式，以使用Sf100和I2 2为特征量构建待检测的变压器的实施特征信息轨迹曲线，提取李萨如图形的长轴A、短轴B、倾斜角θ三个特征量，根据待检测的变压器实施特征信息轨迹曲线的特征量与变压器标准特征信息轨迹曲线的特征量(标准图纹)进行对比分析，判断绕组是否发生形变。
实施例二
本实施例与实施例一的区别在于：所述步骤S5-1还包括以下步骤：
S5-1-1：获取不同环境条件下的变压器正常运行时的振动信号和电流信号，建立标准特征轨迹曲线；所述环境条件包括运行温度、运行湿度和使用年限
S5-1-2：对环境条件和标准特征轨迹曲线进行训练，生成标准曲线模型；
S5-1-3：将待检测的变压器的实时环境条件输入标准曲线模型中，获取待检测的变压器正常运行时的标准特征轨迹曲线。
有益效果：随着变压器绕组的运行环境条件的不同，变压器绕组的本身材质会发生一定的变化，该变化与变压器绕组发生的形变量息息相关，例如相同的振动信号对使用年限为1年和使用年限为5年的变压器产生的形变量不同，因此不能一概而论。本实施例中，通过检测不同环境条件下的变压器正常运行时的振动信号和电流信号，生成不同环境条件下的变压器标准特征轨迹曲线，并通过训练生成标准曲线模型，在使用时，将待检测的变压器的实时环境条件输入标准曲线模型中，获取该条件下的变压器正常运行时的标准特征轨迹曲线，提高变压器形变量的判断的准确性。
所述标准曲线模型的训练过程如下：
所述标准曲线模型采用BP网络模型，使用BP神经网络技术生成安装方案。具体的，首先构建一个三层的BP神经网络模型，包括输入层、隐层和输出层，本实施例中，以运行湿度、运行温度、使用年限作为输入层的输入，因此输入层有3个节点，而输出是标准特征轨迹曲线，因此输出层有1个节点；针对于隐层，本实施例使用了以下公式来确定隐层节点的数量：
其中k为隐层的节点数，n为输入层的节点数，m为输出层的节点数，a为1至10之间的一个数，本实施例中a取6，因此隐层供有8个节点。BP神经网络经常采用sigmoid可微函数和线性函数作为网络的激励函数。本文选择S型正切函数tansig作为隐层神经元的激励函数。预测模型选取S型对数函数tansig作为输出层神经元的激励函数。在BP神经网络模型构建完毕后，利用历史数据库中的再制造记录作为样本对模型进行训练，通过再制造记录训练完成后得到的模型可以取得较为准确的评定结果.
以上的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (8)
1.一种变压器绕组在线监测方法，其特征在于：包括以下步骤：
S1：获取待检测的变压器的振动信号和待检测的变压器负载端的电流信号；
S2：提取振动信号的振动基波分量和电流信号的电流基波分量；
S3：将电流基波分量进行平方处理，获得电流基波分量平方值；
S4：根据振动基波分量、电流基波分量平方值构建待检测的变压器的实时特征轨迹曲线；
S5：根据实时特征轨迹曲线判断待检测的变压器绕组是否发生形变。
2.根据权利要求1所述的一种变压器绕组在线监测方法，其特征在于：所述步骤S5包括以下步骤：
S5-1：获取变压器正常运行时的标准特征轨迹曲线；
S5-2：将待检测的变压器的实时特征轨迹曲线与标准特征轨迹曲线进行对比，判断待检测的变压器绕组是否发生形变。
3.根据权利要求2所述的一种变压器绕组在线监测方法，其特征在于：所述步骤S5-2具体为：分别计算实时特征轨迹曲线和标准特征轨迹曲线的特征量，所述特征量包括长轴、短轴、倾斜角，将实时特征轨迹曲线的特征量与标准特征轨迹曲线的特征量进行对比，判断待检测的变压器绕组是否发生形变。
4.根据权利要求3所述的一种变压器绕组在线监测方法，其特征在于：还包括步骤S6：获取变压器绕组不同形变程度下特征轨迹曲线的特征量，建立形变数据库；
S7：查询形变数据库，根据实时特征轨迹曲线的特征量判断待检测的变压器绕组的实时形变程度。
5.根据权利要求4所述的一种变压器绕组在线监测方法，其特征在于：所述步骤S6具体包括以下步骤：
S6-1：获取变压器绕组不同形变程度下特征轨迹曲线的特征量，建立形变数据库；
S6-2：设定待检测的变压器绕组形变程度的阈值；
还包括步骤S8：判断待检测的变压器绕组的实时形变程度是否达到形变程度的阈值，若是，则发起报警提示。
6.根据权利要求5所述的一种变压器绕组在线监测方法，其特征在于：所述步骤S1具体包括以下步骤：
S1-1：在待检测的变压器上安装振动传感器，检测该变压器的振动信号；
S1-2：获取待检测的变压器内的电流传感器的检测值为负载端的电流信号。
7.根据权利要求6所述的一种变压器绕组在线监测方法，其特征在于：所述步骤S2具体为：将振动信号和电流信号转化为数字信号，并通过FFT算法提取出振动信号的振动基波分量和电流信号的振动基波分量。
8.根据权利要求7所述的一种变压器绕组在线监测方法，其特征在于：所述步骤S4具体为：根据李萨如图形公式，以振动基波分量、电流基波分量平方值构建待检测的变压器的实时特征轨迹曲线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210102422.4A CN114485379A (zh) | 2022-01-27 | 2022-01-27 | 一种变压器绕组在线监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210102422.4A CN114485379A (zh) | 2022-01-27 | 2022-01-27 | 一种变压器绕组在线监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114485379A true CN114485379A (zh) | 2022-05-13 |
Family
ID=81477004
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210102422.4A Pending CN114485379A (zh) | 2022-01-27 | 2022-01-27 | 一种变压器绕组在线监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114485379A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115453419A (zh) * | 2022-07-28 | 2022-12-09 | 国网福建省电力有限公司电力科学研究院 | 一种基于变压器绕组检测的变压器抗短路能力评价方法 |
| CN117706299A (zh) * | 2023-12-13 | 2024-03-15 | 西南交通大学 | 一种基于潮湿环境下的变压器绕组故障识别方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102998545A (zh) * | 2011-09-16 | 2013-03-27 | 河南电力试验研究院 | 一种变压器绕组工作状态的在线监测方法 |
| CN104061851A (zh) * | 2014-07-03 | 2014-09-24 | 重庆大学 | 基于过电压响应的变压器绕组变形在线监测方法 |
| CN104991160A (zh) * | 2015-06-24 | 2015-10-21 | 云南电网有限责任公司电力科学研究院 | 基于电压电流特性的变压器绕组故障检测诊断方法 |
| CN105092024A (zh) * | 2015-08-24 | 2015-11-25 | 江苏省电力公司南京供电公司 | 一种电力变压器绕组轴向压紧状态在线监测方法及系统 |
| CN106443316A (zh) * | 2016-10-12 | 2017-02-22 | 国网辽宁省电力有限公司电力科学研究院 | 一种电力变压器绕组形变状态多信息检测方法及装置 |
| CN106970297A (zh) * | 2017-05-25 | 2017-07-21 | 河海大学 | 一种基于振动的变压器绕组变形的在线检测方法 |
| CN111006579A (zh) * | 2019-12-27 | 2020-04-14 | 广东电网有限责任公司电力科学研究院 | 一种变压器在线绕组变形诊断方法、系统以及设备 |
| CN112556828A (zh) * | 2020-11-20 | 2021-03-26 | 国网天津市电力公司电力科学研究院 | 一种变压器绕组松动故障检测方法 |
| CN113791369A (zh) * | 2021-09-27 | 2021-12-14 | 重庆大学 | 基于三次谐波的李萨如图形变压器绕组变形在线监测方法 |
-
2022
- 2022-01-27 CN CN202210102422.4A patent/CN114485379A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102998545A (zh) * | 2011-09-16 | 2013-03-27 | 河南电力试验研究院 | 一种变压器绕组工作状态的在线监测方法 |
| CN104061851A (zh) * | 2014-07-03 | 2014-09-24 | 重庆大学 | 基于过电压响应的变压器绕组变形在线监测方法 |
| CN104991160A (zh) * | 2015-06-24 | 2015-10-21 | 云南电网有限责任公司电力科学研究院 | 基于电压电流特性的变压器绕组故障检测诊断方法 |
| CN105092024A (zh) * | 2015-08-24 | 2015-11-25 | 江苏省电力公司南京供电公司 | 一种电力变压器绕组轴向压紧状态在线监测方法及系统 |
| CN106443316A (zh) * | 2016-10-12 | 2017-02-22 | 国网辽宁省电力有限公司电力科学研究院 | 一种电力变压器绕组形变状态多信息检测方法及装置 |
| CN106970297A (zh) * | 2017-05-25 | 2017-07-21 | 河海大学 | 一种基于振动的变压器绕组变形的在线检测方法 |
| CN111006579A (zh) * | 2019-12-27 | 2020-04-14 | 广东电网有限责任公司电力科学研究院 | 一种变压器在线绕组变形诊断方法、系统以及设备 |
| CN112556828A (zh) * | 2020-11-20 | 2021-03-26 | 国网天津市电力公司电力科学研究院 | 一种变压器绕组松动故障检测方法 |
| CN113791369A (zh) * | 2021-09-27 | 2021-12-14 | 重庆大学 | 基于三次谐波的李萨如图形变压器绕组变形在线监测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王丰华;张君;江秀臣;: "变压器振动特性测试平台的设计与实现" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115453419A (zh) * | 2022-07-28 | 2022-12-09 | 国网福建省电力有限公司电力科学研究院 | 一种基于变压器绕组检测的变压器抗短路能力评价方法 |
| CN117706299A (zh) * | 2023-12-13 | 2024-03-15 | 西南交通大学 | 一种基于潮湿环境下的变压器绕组故障识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114485379A (zh) | 一种变压器绕组在线监测方法 | |
| Montanari et al. | Partial discharge diagnostics: from apparatus monitoring to smart grid assessment | |
| CN107843718A (zh) | 一种变压器绝缘油老化状态评估的方法 | |
| CN102998545B (zh) | 一种变压器绕组工作状态的在线监测方法 | |
| CN110531266A (zh) | 一种同步电机励磁绕组匝间短路故障预警方法 | |
| CN113124929A (zh) | 一种变电站多参数信号采集综合分析系统和方法 | |
| CN109613428A (zh) | 一种能像系统及其在电机设备故障检测方法中的应用 | |
| CN110221137B (zh) | 一种基于振声相关性的配电变压器异常状态检测方法 | |
| CN107831415A (zh) | 一种变压器绝缘纸老化状态评估的区间值模糊集方法 | |
| CN117270514B (zh) | 基于工业物联网的生产过程全流程故障检测方法 | |
| CN108051364A (zh) | 一种epr核能电缆剩余寿命评估方法与预测epr核能电缆剩余使用寿命方法 | |
| CN115856724B (zh) | 一种考虑温度因素的变压器绕组故障识别方法 | |
| Abu-Elanien et al. | Survey on the transformer condition monitoring | |
| CN107576884A (zh) | 基于经验模态分解和神经网络的变压器绕组变形在线故障定位方法 | |
| CN115542099A (zh) | 一种在线gis局部放电检测方法和装置 | |
| CN117517907A (zh) | 一种变电站电容型设备的绝缘状态监测方法及系统 | |
| CN117471370A (zh) | 一种基于人工智能的变压器性能检测系统 | |
| CN118091490A (zh) | 一种架空高压电缆线路电流检测方法 | |
| Tippannavar et al. | Smart transformer-An analysis of recent technologies for monitoring transformer | |
| Venkataswamy et al. | Deformation diagnostic methods for transformer winding through system identification | |
| CN109086484A (zh) | 一种变压器健康状态评估的证据融合与集对分析方法 | |
| CN115218777A (zh) | 一种基于漏磁场分布的变压器绕组形变的检测方法及系统 | |
| Zhao et al. | Research on Transformer Oil Multi-frequency Ultrasonic Monitoring Technology Based on Convolutional Neural Network | |
| CN112595913A (zh) | 一种电缆局部老化检测方法及检测装置 | |
| Li et al. | Research on intelligent structural health monitoring system |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220513 |
|
| RJ01 | Rejection of invention patent application after publication |