CN114662548B - 一种基于动作异常的断路器诊断方法及系统 - Google Patents
一种基于动作异常的断路器诊断方法及系统 Download PDFInfo
- Publication number
- CN114662548B CN114662548B CN202210381176.0A CN202210381176A CN114662548B CN 114662548 B CN114662548 B CN 114662548B CN 202210381176 A CN202210381176 A CN 202210381176A CN 114662548 B CN114662548 B CN 114662548B
- Authority
- CN
- China
- Prior art keywords
- target
- vibration signal
- circuit breaker
- component
- preset
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/16—Classification; Matching by matching signal segments
-
- 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
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Arc-Extinguishing Devices That Are Switches (AREA)
Abstract
本发明公开了一种基于动作异常的断路器诊断方法及系统,涉及电力设备故障检测技术领域。获取目标断路器的目标振动信号,提取目标振动信号的第一时域特征;通过预设端点检测算法获取第一时域特征的第一时间参数;根据第一时间参数分割目标振动信号,得到待检测振动信号;将待检测振动信号分解为目标AM‑FM分量;根据目标AM‑FM分量与预设对比AM‑FM分量,对目标断路器进行故障诊断。通过该方法可以精准的提取目标断路器的机构动作时间区间内的待检测振动信号,有效降低待检测振动信号中各个分量之间的重叠效应干扰,进而提高了故障诊断的准确度。
Description
技术领域
本发明涉及电力设备故障检测技术领域,具体涉及一种基于动作异常的断路器诊断方法及系统。
背景技术
高压断路器(HVCB)是高压电路中的重要控制元件之一,承担着切断电流和保护电网中其他设备的功能,直接影响电力系统的稳定性和安全性。而高压断路器的绝大多数故障是机械故障。因此,有必要监测HVCB的机械状态,确定HVCB是否正常工作,以保证电网正常运行。
由于HVCB动作时间极短、运动部件碰撞严重的特点,导致HVCB的振动信号与旋转机械的振动信号有很大不同:时域很短、频域很宽、高度非线性和非平稳性。因此,提取HVCB的振动信号中动作时间内的数据较为困难,且HVCB的振动信号的各个分量之间重叠效应干扰严重,使得通过振动信号对HVCB的故障进行诊断的准确度非常低。
发明内容
本发明的目的就在于解决上述背景技术的问题,而提出一种基于动作异常的断路器诊断方法及系统。
本发明的目的可以通过以下技术方案实现:
本发明实施例第一方面,提供了一种基于动作异常的断路器诊断方法,所述方法包括:
获取目标断路器的目标振动信号,提取所述目标振动信号的第一时域特征;
通过预设端点检测算法获取所述第一时域特征的第一时间参数;所述第一时间参数用于表示目标断路器的内部机构的动作时间段;
根据所述第一时间参数分割所述目标振动信号,得到待检测振动信号;
将所述待检测振动信号分解为目标AM-FM分量;
根据所述目标AM-FM分量与预设对比AM-FM分量,对所述目标断路器进行故障诊断。
可选地,在获取目标断路器的目标振动信号,提取所述目标振动信号的短时能量信号之前,所述方法还包括:
通过加速度传感器获取所述目标断路器的振动信号,作为原始振动信号;
对所述原始信号进行分帧预处理,得到所述目标振动信号。
可选地,提取所述目标振动信号的第一时域特征,包括:
可选地,通过预设端点检测算法获取所述时域特征的第一时间参数,包括:
通过预设端点检测算法获取所述时域特征的第一片段;所述第一片段内的短时能量信号大于第一阈值;
通过预设端点检测算法获取所述时域特征的第二片段;所述第二片段内的短时能量信号大于第二阈值;所述第一阈值大于所述第二阈值;
若所述第二片段包含所述第一片段,则将所述第二片段的时间区间作为所述时域特征的第一时间参数。
可选地,所述目标AM-FM分量包括多个不同频率的目标IMF子分量;
将所述待检测振动信号分解为目标AM-FM分量,包括:
使用变分模态分解VMD算法将所述待检测振动信号分解多个不同频率的初始IMF子分量,作为初始AM-FM分量;
对所述初始AM-FM分量进行希尔伯特变换,消减初始IMF子分量之间的重叠部分得到多个修剪IMF子分量,作为HT-AM-FM分量;
对所述HT-AM-FM分量进行积分运算,得到多个目标IMF子分量,作为目标AM-FM分量。
可选地,在根据所述目标AM-FM分量与预设对比AM-FM分量,对所述目标断路器进行故障诊断之前,所述方法还包括:
获取预设断路器的原始对比振动信号,提取所述原始对比振动信号的第二时域特征;所述预设断路器包括正常断路器和目标异常类型的断路器;
通过预设端点检测算法获取所述第二时域特征的第二时间参数;所述第二时间参数用于表示所述预设断路器的内部机构的动作时间段;
根据所述第二时间参数分割所述原始对比振动信号,得到对比振动信号;
将所述对比振动信号分解为AM-FM分量,作为所述预设对比AM-FM分量。
可选地,根据所述目标AM-FM分量与预设对比AM-FM分量,对所述目标断路器进行故障诊断,包括:
对所述目标AM-FM分量与所述对比AM-FM分量中,相同频率的目标IMF子分量的幅度值进行一一对比,确定所述目标断路器为正常断路器,或者确定所述目标断路器为目标异常类型的断路器。
本发明实施例第二方面,还提供了一种基于动作异常的断路器诊断系统,其特征在于,包括特征提取模块、信号分解模块和故障诊断模块:
所述特征提取模块,用于获取目标断路器的目标振动信号,提取所述目标振动信号的第一时域特征;通过预设端点检测算法获取所述第一时域特征的第一时间参数;所述第一时间参数用于表示目标断路器的内部机构的动作时间段;根据所述第一时间参数分割所述目标振动信号,得到待检测振动信号;
所述信号分解模块,用于将所述待检测振动信号分解为目标AM-FM分量;
所述故障诊断模块,用于根据所述目标AM-FM分量与预设对比AM-FM分量,对所述目标断路器进行故障诊断。
基于本发明实施例提供的一种基于动作异常的断路器诊断方法,获取目标断路器的目标振动信号,提取目标振动信号的第一时域特征;通过预设端点检测算法获取第一时域特征的第一时间参数;第一时间参数用于表示目标断路器的内部机构的动作时间段;根据第一时间参数分割目标振动信号,得到待检测振动信号;将待检测振动信号分解为目标AM-FM分量;根据目标AM-FM分量与预设对比AM-FM分量,对目标断路器进行故障诊断。通过对目标振动信号进行时域分析,提取表征目标断路器的机构动作时间区间的第一时间参数,可以精准的提取目标断路器的机构动作时间区间内的待检测振动信号,将待检测振动信号分解为AM-FM分量进行故障诊断,有效降低待检测振动信号中各个分量之间的重叠效应干扰,进而提高了故障诊断的准确度。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明实施例提供的一种基于动作异常的断路器诊断方法的流程图;
图2为本发明实施例提供的另一种基于动作异常的断路器诊断方法的流程图;
图3为本发明实施例提供的一种基于动作异常的断路器诊断系统的系统框图。
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它实施例,都属于本发明保护的范围。
本发明实施例提供了一种基于动作异常的断路器诊断方法。参见图1,图1为本发明实施例提供的一种基于动作异常的断路器诊断方法的流程图,该方法可以包括以下步骤:
S101,获取目标断路器的目标振动信号,提取目标振动信号的第一时域特征。
S102,通过预设端点检测算法获取第一时域特征的第一时间参数。
S103,根据第一时间参数分割目标振动信号,得到待检测振动信号。
S104,将待检测振动信号分解为目标AM-FM分量。
S105,根据目标AM-FM分量与预设对比AM-FM分量,对目标断路器进行故障诊断。
第一时间参数用于表示目标断路器的内部机构的动作时间段。
基于本发明实施例提供的一种基于动作异常的断路器诊断方法,通过对目标振动信号进行时域分析,提取表征目标断路器的机构动作时间区间的第一时间参数,可以精准的提取目标断路器的机构动作时间区间内的待检测振动信号,将待检测振动信号分解为AM-FM分量进行故障诊断,有效降低待检测振动信号中各个分量之间的重叠效应干扰,进而提高了故障诊断的准确度。
一种实现方式中,根据第一时间参数分割目标振动信号,将第一时间参数的时间段内的振动信号,作为待检测振动信号,即可确定待检测振动信号为目标断路器的机构动作时间区间内的振动信号。
在一个实施例中,在步骤S101之前,该方法还包括:
步骤一,通过加速度传感器获取目标断路器的振动信号,作为原始振动信号。
步骤二,对原始信号进行分帧预处理,得到目标振动信号。
一种实现方式中,可以在目标断路器重要的机构设置高灵敏度加速度传感器,当检测到目标断路器的振动幅度超过预设阈值时触发振动信号采集系统,采样率可以设为100kHz,采集时间可以设为40ms。
一种实现方式中,通过窗函数对原始信号进行分帧预处理,将原始振动信号分割成多个帧,便于后续进行时域分析。窗函数可以由技术人员根据实际情况进行设置,例如,窗函数可以为矩形窗、汉明窗等任一一种。
在一个实施例中,步骤S101中提取目标振动信号的第一时域特征,具体为:
通过公式(1)和公式(2)的STZCR方法提取目标振动信号的短时能量信号,作为第一时域特征。
其中,sgn[x]为符号函数,N为所述目标振动信号的帧长。
在一个实施例中,步骤S102包括:
步骤一,通过预设端点检测算法获取时域特征的第一片段。
步骤二,通过预设端点检测算法获取时域特征的第二片段。
步骤三,若第二片段包含第一片段,则将第二片段的时间区间作为时域特征的第一时间参数。
第一片段内的短时能量信号大于第一阈值,第二片段内的短时能量信号大于第二阈值,第一阈值大于第二阈值。
一种实现方式中,通过双阈值可以判断目标断路器的内部机构动作的时间区域。第一阈值用于判断内部机构是否发生动作,第二阈值用于确定发生该动作的开始时间和结束时间,进而确定内部机构动作的时间区域。
在一个实施例中,目标AM-FM分量包括多个不同频率的目标IMF子分量。参见图2,在图1的基础啥上,步骤S104包括:
S1041、使用变分模态分解VMD算法将待检测振动信号分解多个不同频率的初始IMF子分量,作为初始AM-FM分量。
S1042,对初始AM-FM分量进行希尔伯特变换,消减初始IMF子分量之间的重叠部分得到多个修剪IMF子分量,作为HT-AM-FM分量。
S1043,对HT-AM-FM分量进行积分运算,得到多个目标IMF子分量,作为目标AM-FM分量。
一种实现方式中,变分模态分解VMD算法可以将待检测振动信号在频域进行分解,得到多个不同频率的初始IMF子分量。通过希尔伯特变换可以修剪初始IMF子分量的旁瓣,以消减初始IMF子分量之间的重叠部分。通过对HT-AM-FM分量进行积分运算,使HT-AM-FM分量在频域更加集中,进一步区分各个HT-AM-FM分量。通过上述步骤可以有效降低待检测振动信号中各个分量之间的重叠效应干扰。
在一个实施例中,在步骤S105之前,该还方法包括:
步骤一,获取预设断路器的原始对比振动信号,提取原始对比振动信号的第二时域特征。
步骤二,通过预设端点检测算法获取第二时域特征的第二时间参数。
步骤三,根据第二时间参数分割原始对比振动信号,得到对比振动信号。
步骤四,将对比振动信号分解为AM-FM分量,作为预设对比AM-FM分量。
预设断路器包括正常断路器和目标异常类型的断路器,第二时间参数用于表示预设断路器的内部机构的动作时间段。
一种实现方式中,目标异常类型可以为断路器常见的故障类型,例如,油减震器失效、绝缘拉杆异常等。
在一个实施例中,步骤S105具体包括:对目标AM-FM分量与对比AM-FM分量中,相同频率的目标IMF子分量的幅度值进行一一对比,确定目标断路器为正常断路器,或者确定目标断路器为目标异常类型的断路器。
一种实现方式中,对比AM-FM分量也包括多个不同频率的对比IMF子分量,且对比IMF子分量的各个频率与目标IMF子分量的各个频率一一对应。例如,目标AM-FM分量包括三个目标IMF子分量(第一分量、第二分量和第三分量),频率分别为频率一、频率二和频率三,则对比AM-FM分量也包括三个对比IMF子分量(第一对比量、第二对比量和第三对比量),频率也分别为频率一、频率二和频率三。通过将第一分量与第一对比量、第二分量与第二对比量和第三分量与第三对比量的幅度值分别进行对比,若第一分量与第一对比量的幅度值相近,和/或第二分量与第二对比量的幅度值相近,和/或第三分量与第三对比量的幅度值相近,则确定目标断路器和预设断路器状态一致。根据预设断路器的故障类型,即可确定目标断路器故障类型。
一种实现方式中,可以通过ELM、SVM、BPNN、RF、FCM和GRNN中的任一一种分类算法,确定目标断路器的故障类型。
基于相同的发明构思本发明实施例还提供了一种基于动作异常的断路器诊断系统。参见图3,图3为本发明实施例提供的一种基于动作异常的断路器诊断系统的系统框图。该系统包括特征提取模块、信号分解模块和故障诊断模块,其中:
特征提取模块,用于获取目标断路器的目标振动信号,提取目标振动信号的第一时域特征;通过预设端点检测算法获取第一时域特征的第一时间参数;第一时间参数用于表示目标断路器的内部机构的动作时间段;根据第一时间参数分割所述目标振动信号,得到待检测振动信号;
信号分解模块,用于将待检测振动信号分解为目标AM-FM分量;
故障诊断模块,用于根据目标AM-FM分量与预设对比AM-FM分量,对目标断路器进行故障诊断。
基于本发明实施例提供的一种基于动作异常的断路器诊断系统,通过对目标振动信号进行时域分析,提取表征目标断路器的机构动作时间区间的第一时间参数,可以精准的提取目标断路器的机构动作时间区间内的待检测振动信号,将待检测振动信号分解为AM-FM分量进行故障诊断,有效降低待检测振动信号中各个分量之间的重叠效应干扰,进而提高了故障诊断的准确度。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (4)
1.一种基于动作异常的断路器诊断方法,其特征在于,所述方法包括:
获取目标断路器的目标振动信号,提取所述目标振动信号的第一时域特征;
通过预设端点检测算法获取所述第一时域特征的第一时间参数;所述第一时间参数用于表示目标断路器的内部机构的动作时间段;
根据所述第一时间参数分割所述目标振动信号,得到待检测振动信号;
将所述待检测振动信号分解为目标AM-FM分量;所述目标AM-FM分量包括多个不同频率的目标IMF子分量;
将所述待检测振动信号分解为目标AM-FM分量,包括:
使用变分模态分解VMD算法将所述待检测振动信号分解多个不同频率的初始IMF子分量,作为初始AM-FM分量;
对所述初始AM-FM分量进行希尔伯特变换,消减初始IMF子分量之间的重叠部分得到多个修剪IMF子分量,作为HT-AM-FM分量;
对所述HT-AM-FM分量进行积分运算,得到多个目标IMF子分量,作为目标AM-FM分量;
根据所述目标AM-FM分量与预设对比AM-FM分量,对所述目标断路器进行故障诊断;
通过预设端点检测算法获取所述时域特征的第一时间参数,包括:
通过预设端点检测算法获取所述时域特征的第一片段;所述第一片段内的短时能量信号大于第一阈值;
通过预设端点检测算法获取所述时域特征的第二片段;所述第二片段内的短时能量信号大于第二阈值;所述第一阈值大于所述第二阈值;
若所述第二片段包含所述第一片段,则将所述第二片段的时间区间作为所述时域特征的第一时间参数;
在根据所述目标AM-FM分量与预设对比AM-FM分量,对所述目标断路器进行故障诊断之前,所述方法还包括:
获取预设断路器的原始对比振动信号,提取所述原始对比振动信号的第二时域特征;所述预设断路器包括正常断路器和目标异常类型的断路器;
通过预设端点检测算法获取所述第二时域特征的第二时间参数;所述第二时间参数用于表示所述预设断路器的内部机构的动作时间段;
根据所述第二时间参数分割所述原始对比振动信号,得到对比振动信号;
将所述对比振动信号分解为AM-FM分量,作为所述预设对比AM-FM分量;
根据所述目标AM-FM分量与预设对比AM-FM分量,对所述目标断路器进行故障诊断,包括:
对所述目标AM-FM分量与所述对比AM-FM分量中,相同频率的目标IMF子分量的幅度值进行一一对比,确定所述目标断路器为正常断路器,或者确定所述目标断路器为目标异常类型的断路器。
2.基于权利要求1所述的一种基于动作异常的断路器诊断方法,其特征在于,在获取目标断路器的目标振动信号,提取所述目标振动信号的短时能量信号之前,所述方法还包括:
通过加速度传感器获取所述目标断路器的振动信号,作为原始振动信号;
对所述原始振动信号进行分帧预处理,得到所述目标振动信号。
4.一种基于动作异常的断路器诊断系统,其特征在于,包括特征提取模块、信号分解模块和故障诊断模块:
所述特征提取模块,用于获取目标断路器的目标振动信号,提取所述目标振动信号的第一时域特征;通过预设端点检测算法获取所述第一时域特征的第一时间参数;所述第一时间参数用于表示目标断路器的内部机构的动作时间段;根据所述第一时间参数分割所述目标振动信号,得到待检测振动信号;
通过预设端点检测算法获取所述时域特征的第一时间参数,包括:
通过预设端点检测算法获取所述时域特征的第一片段;所述第一片段内的短时能量信号大于第一阈值;
通过预设端点检测算法获取所述时域特征的第二片段;所述第二片段内的短时能量信号大于第二阈值;所述第一阈值大于所述第二阈值;
若所述第二片段包含所述第一片段,则将所述第二片段的时间区间作为所述时域特征的第一时间参数;
所述信号分解模块,用于将所述待检测振动信号分解为目标AM-FM分量;所述目标AM-FM分量包括多个不同频率的目标IMF子分量;
所述信号分解模块具体用于:
使用变分模态分解VMD算法将所述待检测振动信号分解多个不同频率的初始IMF子分量,作为初始AM-FM分量;对所述初始AM-FM分量进行希尔伯特变换,消减初始IMF子分量之间的重叠部分得到多个修剪IMF子分量,作为HT-AM-FM分量;对所述HT-AM-FM分量进行积分运算,得到多个目标IMF子分量,作为目标AM-FM分量;
所述信号分解模块,还用于获取预设断路器的原始对比振动信号,提取所述原始对比振动信号的第二时域特征;所述预设断路器包括正常断路器和目标异常类型的断路器;通过预设端点检测算法获取所述第二时域特征的第二时间参数;所述第二时间参数用于表示所述预设断路器的内部机构的动作时间段;根据所述第二时间参数分割所述原始对比振动信号,得到对比振动信号;将所述对比振动信号分解为AM-FM分量,作为预设对比AM-FM分量;
所述故障诊断模块,用于根据所述目标AM-FM分量与预设对比AM-FM分量,对所述目标断路器进行故障诊断;对所述目标AM-FM分量与所述对比AM-FM分量中,相同频率的目标IMF子分量的幅度值进行一一对比,确定所述目标断路器为正常断路器,或者确定所述目标断路器为目标异常类型的断路器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210381176.0A CN114662548B (zh) | 2022-04-12 | 2022-04-12 | 一种基于动作异常的断路器诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210381176.0A CN114662548B (zh) | 2022-04-12 | 2022-04-12 | 一种基于动作异常的断路器诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114662548A CN114662548A (zh) | 2022-06-24 |
CN114662548B true CN114662548B (zh) | 2023-06-20 |
Family
ID=82034429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210381176.0A Active CN114662548B (zh) | 2022-04-12 | 2022-04-12 | 一种基于动作异常的断路器诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114662548B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103076168B (zh) * | 2013-01-09 | 2015-01-21 | 西安交通大学 | 一种断路器机械故障的诊断方法 |
CN107817098B (zh) * | 2017-10-12 | 2019-06-28 | 东北电力大学 | 一种高压断路器机械故障诊断方法 |
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 |
CN109270441B (zh) * | 2018-07-17 | 2021-03-19 | 国网浙江省电力有限公司检修分公司 | 基于振动信号的高压断路器分闸特性参数在线检测方法 |
CN109188258A (zh) * | 2018-07-17 | 2019-01-11 | 国网浙江省电力有限公司检修分公司 | 基于振电结合的高压断路器特征提取及分类方法 |
CN110061792B (zh) * | 2019-04-04 | 2020-05-08 | 西安电子科技大学 | 一种基于变分模态分解的频谱感知方法 |
CN110514921B (zh) * | 2019-07-22 | 2022-07-26 | 华南理工大学 | 一种电力电子变换器非平稳信号中非线性现象的识别方法 |
CN110931048B (zh) * | 2019-12-12 | 2024-04-02 | 广州酷狗计算机科技有限公司 | 语音端点检测方法、装置、计算机设备及存储介质 |
CN111189639B (zh) * | 2020-01-08 | 2021-09-14 | 重庆交通大学 | 一种基于瞬时频率优化vmd的轴承故障诊断方法 |
-
2022
- 2022-04-12 CN CN202210381176.0A patent/CN114662548B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114662548A (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10281504B2 (en) | Method and apparatus for analyzing waveform signals of a power system | |
CN110361686B (zh) | 基于多参数的电容式电压互感器故障检测方法 | |
US20140198413A1 (en) | Method for adapting an arc sensor | |
US10581665B2 (en) | Content-aware anomaly detection and diagnosis | |
CN109655692B (zh) | 一种基于录波文件的暂态同源数据比对方法 | |
Ray et al. | Detection of faults in a power system using wavelet transform and independent component analysis | |
Ferreira et al. | A new power quality deviation index based on principal curves | |
US20220156586A1 (en) | System for monitoring a circuit breaker | |
CN114662548B (zh) | 一种基于动作异常的断路器诊断方法及系统 | |
CN101106487A (zh) | 一种检测网络流量异常的方法及装置 | |
JP2010002403A (ja) | 避雷器漏れ電流の状態監視装置 | |
US8326576B2 (en) | Detecting power quality events in power distribution networks | |
Hu et al. | Mahalanobis distance based approach for anomaly detection of analog filters using frequency features and Parzen window density estimation | |
CN107505337B (zh) | 一种复合绝缘子缺陷检测用微波反射信号特征数据库 | |
US11372040B2 (en) | Method and arrangement for detecting partial discharges in an electric operating means | |
JP2019045401A (ja) | 部分放電診断装置および部分放電診断方法 | |
Furlani Bastos et al. | Detection of inconspicuous power quality disturbances through step changes in rms voltage profile | |
Jiang et al. | A sequential Bayesian approach to online power quality anomaly segmentation | |
Haghjoo et al. | Wavelet transform based decomposition and reconstruction for on‐line PD detection and measurement. Part I: Narrow band components decomposition | |
CN114675143A (zh) | 一种局部放电测量方法及装置 | |
MukeshThakre et al. | Distribution system faults classification and location based on wavelet transform | |
JP7044170B2 (ja) | 異常検知装置、方法、およびプログラム | |
Chougule et al. | Real‐time data‐assisted replay attack detection in wide‐area protection system | |
CN102735924B (zh) | 一种超外差式微波分析仪器中的频率瞬变特征检测装置及方法 | |
WO2020216723A1 (en) | Substation equipment monitoring using a scada 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |