CN114740343A - 断路器用实时检测系统 - Google Patents
断路器用实时检测系统 Download PDFInfo
- Publication number
- CN114740343A CN114740343A CN202210388724.2A CN202210388724A CN114740343A CN 114740343 A CN114740343 A CN 114740343A CN 202210388724 A CN202210388724 A CN 202210388724A CN 114740343 A CN114740343 A CN 114740343A
- Authority
- CN
- China
- Prior art keywords
- data
- circuit breaker
- information
- single classification
- acquiring
- 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
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了断路器用实时检测系统,属于断路器检测技术领域,包括采集模块、数据处理模块、分析模块和服务器;所述采集模块用于进行断路器信号采集,获得目标采集数据;所述数据处理模块用于对采集模块采集的目标采集数据进行处理,获得单一分类数据表征值集;所述分析模块用于对处理后的采集数据进行分析,通过采集模块、数据处理模块和分析模块之间的相互配合,实现对断路器的实时检测和结果分析,帮助管理人员及时的了解断路器的运行状态;并通过建立区域模型获取偏差值集,进而通过制定对应的检测分析结果,实现对采集数据分析结果的细部划分,辅助管理人员对断路器当前状态的实时了解。
Description
技术领域
本发明属于断路器检测技术领域,具体是断路器用实时检测系统。
背景技术
断路器可以说是电力系统中最重要的控制与保护设备,它在电网中的作用至关重要,断路器的性能可靠性直接关系到电力系统的可靠运行,其故障带来的后果是十分严重的。直接的危害是被断路器所保护的线路、设备受损、电量损失;间接的危害则造成用户大面积停电,影响正常的生活、生产。以前对诸如断路器等电力设备的监测,通常都采用以预防为主的“计划检测”,或者称为“预防检测”的方式来了解电力设备的运行状况以及特征参数;但是这种方式不可避免会造成设备有效利用时间的损失以及人力、物力、财力的浪费,还有可能引发维修故障;因此,本发明提供了断路器用实时检测系统。
发明内容
为了解决上述方案存在的问题,本发明提供了断路器用实时检测系统。
本发明的目的可以通过以下技术方案实现:
断路器用实时检测系统,包括采集模块、数据处理模块、分析模块和服务器;
所述采集模块用于进行断路器信号采集,获得目标采集数据;
所述数据处理模块用于对采集模块采集的目标采集数据进行处理,获得单一分类数据表征值集;
所述分析模块用于对处理后的采集数据进行分析,具体方法包括:
获取同批次采集的所有单一分类数据表征值集,建立区域模型,将单一分类数据表征值集输入到区域模型中,获得偏差值集,将偏差值集标记为{PXi},其中i表示单一分类数据,其中i=1、2、……、n,n为正整数;设置对应的标准比对集{BZi},根据比对公式获得比对值;建立分析模型,将比对值和偏差值集输入到分析模型中,获得对应的检测分析结果。
进一步地,采集模块的工作方法包括:
获取断路器的设备信息,根据获取的断路器设备信息确认检测项目,再根据检测项目检索对应的表征信息,将获得的表征信息进行去重,将去重后的表征信息进行筛选,获得目标信息;根据获得的目标信息构建信息采集体系,根据构建的信息采集体系进行断路器的数据采集,获得目标采集数据。
进一步地,将去重后的表征信息进行筛选的方法包括:
获取表征信息,识别表征信息对应的断路器内结构,标记为当前结构,获取当前结构的使用信息,将当前结构的使用信息与对应的表征信息进行相关联,获取当前断路器的应用环境,将应用环境、使用信息与对应的表征信息整合为筛选输入数据,建立筛选模型,将筛选输入数据输入到筛选模型中,获得对应的筛选结果,包括删除和保留;根据筛选结果对表征信息进行筛选。
进一步地,数据处理模块的工作方法包括:
获取目标采集数据,将目标采集数据进行分类,获得若干组单一分类数据;识别单一分类数据中的元素种类,将元素种类进行匹配转化,获得元素代表值,根据元素代表值将单一分类数据整合为单一分类集;
建立方案处理库,将单一分类集输入到方案处理库中进行匹配,获得对应的采集数据处理方案,根据获得的采集数据处理方案对对应的单一分类数据进行处理,获得对应的单一分类数据表征值集。
进一步地,将元素种类进行匹配转化的方法包括:
获取所有的元素中种类,为每个元素种类设置对应的元素代表值,将元素种类和对应的元素代表值进行汇总,建立元素匹配表;获取需要进行匹配转化的元素种类,将获得的元素种类输入到元素匹配表中进行匹配,获得对应的元素代表值。
进一步地,建立方案处理库的方法包括:
获取元素匹配表,根据获得的元素匹配表进行元素种类组合,获得对应的单一分类集,根据元素种类检索对应的数据处理方案,标记为元素方案,根据元素种类组合将对应的元素方案进行整合,获得对应的采集数据处理方案,并打上对应的单一分类集标签;建立数据库,将采集数据处理方案输入到数据库中,将当前的数据库标记为方案处理库。
进一步地,建立区域模型的方法包括:
建立空间坐标区域,获取具有的单一分类数据种类,标记为空域种类,识别空域种类信息,根据空域种类在空间坐标系中设置定位点,再根据定位点和空域种类信息设置空域种类区域,并打上对应的空域种类标签;在空域种类区域内建立独立坐标系,获取对应的检测数据规范,根据检测数据规范对空域种类区域进行划分,并在对应的划分区域上标记对应的规范标签,建立偏差模型,偏差模型用于确定单一分类数据表征值集在对应的空域种类区域内的偏差值;将偏差模型和空间坐标区域整合为区域模型。
与现有技术相比,本发明的有益效果是:
通过采集模块、数据处理模块和分析模块之间的相互配合,实现对断路器的实时检测和结果分析,帮助管理人员及时的了解断路器的运行状态;并通过建立区域模型获取偏差值集,进而通过制定对应的检测分析结果,实现对采集数据分析结果的细部划分,有助于管理人员根据实际检测需求设置对应的检测分析结果,再通过对检测数据进行分析,实现管理人员对断路器当前状态的实时了解。
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,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,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为本发明原理框图。
具体实施方式
下面将结合实施例对本发明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。
如图1所示,断路器用实时检测系统,包括采集模块、数据处理模块、分析模块和服务器;
所述采集模块用于进行断路器信号采集,因为断路器设备在运行过程中必然会有力、热、振动和能量等各种量的变化,由此会产生各种不同信息;根据不同的诊断需要,选择能表征断路器设备工作状态的不同信号。采集模块的工作方法包括:
获取断路器的设备信息,包括型号、种类、用途等信息;根据获取的断路器设备信息确认检测项目,再根据检测项目检索对应的表征信息,表征信息即为对应检测项目需要检测的数据信息,将获得的表征信息进行去重,将去重后的表征信息进行筛选,获得目标信息;根据获得的目标信息构建信息采集体系,即为设置对应能够完成数据采集的采集设备;根据构建的信息采集体系进行断路器的数据采集,获得目标采集数据。
将获得的表征信息进行去重,进行数据去重的方法为本领域常识,因此不进行详细叙述。
将去重后的表征信息进行筛选就是选择需要进行采集检测的数据,具体方法包括:
在一个实施例中,直接采用人工筛选的方式进行表征信息的筛选,因为人工筛选可以更加的贴合用户的需要,因为对于不同的用户在不同的使用环境和条件下可能会选择需要进行检测的目标信息并不完全相同。
在一个实施例中,因为采用人工筛选的方式,虽然准确率更高、更贴合用户需要,但是进行人工筛选较为耗费人力资源,负担较重,因此本实施例提出了如下方法:
获取表征信息,识别表征信息对应的断路器内结构,标记为当前结构,获取当前结构的使用信息,如剩余使用年限、用途、维修记录等信息,将当前结构的使用信息与对应的表征信息进行相关联,获取当前断路器的应用环境,将应用环境、使用信息与对应的表征信息整合为筛选输入数据,建立筛选模型,将筛选输入数据输入到筛选模型中,获得对应的筛选结果,包括删除和保留;根据筛选结果对表征信息进行筛选。
筛选模型是基于CNN网络或DNN网络进行建立的,通过筛选输入数据和对应设置的筛选结果建立训练集,通过训练集进行训练,具体的建立和训练过程为本领域常识,因此不进行详细叙述。
所述数据处理模块用于对采集模块采集的目标采集数据进行处理,具体方法包括:
获取目标采集数据,将目标采集数据进行分类,根据对应的采集目标进行分类的,获得若干组单一分类数据;识别单一分类数据中的元素种类,元素种类即为单一分类数据中对应不同采集数据的种类,将元素种类进行匹配转化,获得元素代表值,根据元素代表值将单一分类数据整合为单一分类集;
建立方案处理库,将单一分类集输入到方案处理库中进行匹配,获得对应的采集数据处理方案,根据获得的采集数据处理方案对对应的单一分类数据进行处理,获得对应的单一分类数据表征值集。即为根据对应的采集数据处理方案将采集数据处理为表征值,再将属于同一单一分类数据的表征值整合为表征值集。
将元素种类进行匹配转化的方法包括:
获取所有的元素中种类,为每个元素种类设置对应的元素代表值,设置元素代表值的过程为本领常识,但是在设置的过程中需要考虑交叉问题;将元素种类和对应的元素代表值进行汇总,建立元素匹配表;
获取需要进行匹配转化的元素种类,将获得的元素种类输入到元素匹配表中进行匹配,获得对应的元素代表值。
建立方案处理库的方法包括:
获取元素匹配表,根据获得的元素匹配表进行元素种类组合,指的是能够处于同一单一分类数据的元素种类进行组合;获得对应的单一分类集,根据元素种类检索对应的数据处理方案,标记为元素方案,用于将对应元素种类的数据进行处理加工,获得能表征机器特征的处理方案,根据元素种类组合将对应的元素方案进行整合,获得对应的采集数据处理方案,并打上对应的单一分类集标签;建立数据库,将采集数据处理方案输入到数据库中,将当前的数据库标记为方案处理库。
根据元素种类组合将对应的元素方案进行整合的方法是由专家组进行讨论整合并调整的,使其能够获得表征值集;且整合后的采集数据处理方案可以对应多个元素种类组合。
将单一分类集输入到方案处理库中进行匹配的方法包括:
获取输入进来的单一分类集,将单一分类集与采集数据处理方案上标记的单一分类集标签进行匹配,获得对应采集数据处理方案。
所述分析模块用于对处理后的采集数据进行分析,具体方法包括:
获取同批次采集的所有单一分类数据表征值集,即为属于采集数据的所有单一分类数据表征值集,建立区域模型,将单一分类数据表征值集输入到区域模型中,获得偏差值集,将偏差值集标记为{PXi},其中i表示单一分类数据,其中i=1、2、……、n,n为正整数;设置对应的标准比对集{BZi},根据比对公式获得比对值,其中,b1、b2均为比例系数,取值范围为0<b1≤1,0<b2≤1;建立分析模型,将比对值和偏差值集输入到分析模型中,获得对应的检测分析结果;
分析模型是基于CNN网络或DNN网络进行建立的,制定检测分析结果标准,采用人工制定,建立训练集,通过训练集进行训练;具体的建立和训练过程为本领域常识。
检测分析结果标准通常可分为正常状态、异常状态和故障状态几种情况;正常情况指设备的整体或其局部没有缺陷,或虽有缺陷但其性能在允许的限度以内。异常状态指缺陷已有一定程度的扩展,使设备状态信号发生一定的变化,设备性能已经劣化,但仍能维持工作。此时应该注意设备性能的发展趋势,即设备应在监护下运行。故障状态则指设备性能指标已有大的下降,设备已经不能维持正常工作。设备的故障状态还有严重程度之分,包括已有故障萌生并有进一步发展趋势的早期故障;程度尚不严重,设备尚可勉强“带病”运行的一般功能性故障;己发展到设备不能运行必须停机的严重故障;已导致灾难事故的破坏性故障,以及由于某种原因瞬间发生的突发性紧急故障等。
设置对应的标准比对集指的是包括对应单一分类数据的标准比对集,具体的由专家组进行讨论设置。
建立区域模型的方法包括:
建立空间坐标区域,获取具有的单一分类数据种类,标记为空域种类,识别空域种类信息,如具有哪些小项,因为空域种类是一个大项,对应某个结构,而结构是可以从多个角度进行检测的,如温度、湿度等,即单一分类数据表征值集中对应的,根据空域种类在空间坐标系中设置定位点,再根据定位点和空域种类信息设置空域种类区域,并打上对应的空域种类标签;在空域种类区域内建立独立坐标系,获取对应的检测数据规范,根据检测数据规范对空域种类区域进行划分,并在对应的划分区域上标记对应的规范标签,规范标签指的根据规范规定属于什么检测结果;建立偏差模型,偏差模型用于确定单一分类数据表征值集在对应的空域种类区域内的偏差值;将偏差模型和空间坐标区域整合为区域模型。
根据空域种类在空间坐标系中设置定位点的方法为直接由专家组进行讨论设置,用于保障后续设置的空域种类区域不会交叉重合,根据对应的数据可以预估判定,具体的为本领域常识。
根据定位点和空域种类信息设置空域种类区域的方法包括:
根据空域种类信息确定具有的各个小项区间范围,进而标定一个空间区域,该空间区域即为空域种类区域,如具有温度、湿度、电压等检测小项,则根据对应的具有的温度区间、湿度区间、电压区间确定空间区域。
独立坐标系是根据空域种类信息进行设置的。
根据检测数据规范对空域种类区域进行划分就是根据规范内规定的检测标准确定对应的区间区域,进而进行区域划分,具体的为本领域常识。
偏差模型即为根据单一分类数据表征值集在对应空域种类区域内的位置以及对应的定位点,确定偏差值,可以通过建立神经网络模型进行计算偏差值。
区域模型的工作方法包括:
将输入进来的所有单一分类数据表征值集标记到对应的空域种类区域内,通过偏差模型输出对应的偏差值,并打上对应的规范标签,将所有偏差值进行整合,输出偏差值集。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (7)
1.断路器用实时检测系统,其特征在于,包括采集模块、数据处理模块、分析模块和服务器;
所述采集模块用于进行断路器信号采集,获得目标采集数据;
所述数据处理模块用于对采集模块采集的目标采集数据进行处理,获得单一分类数据表征值集;
所述分析模块用于对处理后的采集数据进行分析,具体方法包括:
2.根据权利要求1所述的断路器用实时检测系统,其特征在于,采集模块的工作方法包括:
获取断路器的设备信息,根据获取的断路器设备信息确认检测项目,再根据检测项目检索对应的表征信息,将获得的表征信息进行去重,将去重后的表征信息进行筛选,获得目标信息;根据获得的目标信息构建信息采集体系,根据构建的信息采集体系进行断路器的数据采集,获得目标采集数据。
3.根据权利要求2所述的断路器用实时检测系统,其特征在于,将去重后的表征信息进行筛选的方法包括:
获取表征信息,识别表征信息对应的断路器内结构,标记为当前结构,获取当前结构的使用信息,将当前结构的使用信息与对应的表征信息进行相关联,获取当前断路器的应用环境,将应用环境、使用信息与对应的表征信息整合为筛选输入数据,建立筛选模型,将筛选输入数据输入到筛选模型中,获得对应的筛选结果,包括删除和保留;根据筛选结果对表征信息进行筛选。
4.根据权利要求1所述的断路器用实时检测系统,其特征在于,数据处理模块的工作方法包括:
获取目标采集数据,将目标采集数据进行分类,获得若干组单一分类数据;识别单一分类数据中的元素种类,将元素种类进行匹配转化,获得元素代表值,根据元素代表值将单一分类数据整合为单一分类集;
建立方案处理库,将单一分类集输入到方案处理库中进行匹配,获得对应的采集数据处理方案,根据获得的采集数据处理方案对对应的单一分类数据进行处理,获得对应的单一分类数据表征值集。
5.根据权利要求4所述的断路器用实时检测系统,其特征在于,将元素种类进行匹配转化的方法包括:
获取所有的元素中种类,为每个元素种类设置对应的元素代表值,将元素种类和对应的元素代表值进行汇总,建立元素匹配表;获取需要进行匹配转化的元素种类,将获得的元素种类输入到元素匹配表中进行匹配,获得对应的元素代表值。
6.根据权利要求5所述的断路器用实时检测系统,其特征在于,建立方案处理库的方法包括:
获取元素匹配表,根据获得的元素匹配表进行元素种类组合,获得对应的单一分类集,根据元素种类检索对应的数据处理方案,标记为元素方案,根据元素种类组合将对应的元素方案进行整合,获得对应的采集数据处理方案,并打上对应的单一分类集标签;建立数据库,将采集数据处理方案输入到数据库中,将当前的数据库标记为方案处理库。
7.根据权利要求1所述的断路器用实时检测系统,其特征在于,建立区域模型的方法包括:
建立空间坐标区域,获取具有的单一分类数据种类,标记为空域种类,识别空域种类信息,根据空域种类在空间坐标系中设置定位点,再根据定位点和空域种类信息设置空域种类区域,并打上对应的空域种类标签;在空域种类区域内建立独立坐标系,获取对应的检测数据规范,根据检测数据规范对空域种类区域进行划分,并在对应的划分区域上标记对应的规范标签,建立偏差模型,偏差模型用于确定单一分类数据表征值集在对应的空域种类区域内的偏差值;将偏差模型和空间坐标区域整合为区域模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210388724.2A CN114740343B (zh) | 2022-04-13 | 2022-04-13 | 断路器用实时检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210388724.2A CN114740343B (zh) | 2022-04-13 | 2022-04-13 | 断路器用实时检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114740343A true CN114740343A (zh) | 2022-07-12 |
CN114740343B CN114740343B (zh) | 2023-02-28 |
Family
ID=82282000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210388724.2A Active CN114740343B (zh) | 2022-04-13 | 2022-04-13 | 断路器用实时检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114740343B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117193136A (zh) * | 2023-10-13 | 2023-12-08 | 浙江卓瑞微智能制造有限公司 | 一种智能物联网的断路器控制方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040044280A1 (en) * | 2002-05-20 | 2004-03-04 | Martyn Paley | Methods & apparatus for magnetic resonance imaging |
CN101893686A (zh) * | 2010-06-11 | 2010-11-24 | 河南电力试验研究院 | 基于摄影数字化的断路器动作特性在线检测装置和方法 |
US20150276877A1 (en) * | 2014-03-31 | 2015-10-01 | Schweitzer Engineering Laboratories, Inc. | Electric power system circuit breaker trip diagnostic |
CN208013377U (zh) * | 2018-03-13 | 2018-10-26 | 浙江海洋大学 | 低压断路器用电压监视与电压保护装置 |
CN109164381A (zh) * | 2018-09-07 | 2019-01-08 | 广西电网有限责任公司电力科学研究院 | 一种高压断路器机械状态在线监测与故障辨识方法及装置 |
CN112286931A (zh) * | 2020-10-10 | 2021-01-29 | 苏州中康电力运营有限公司 | 一种集电线路断路器故障的排查方法 |
CN112489346A (zh) * | 2020-10-26 | 2021-03-12 | 马鞍山黑火信息科技有限公司 | 一种办公区域用智能红外监测报警设备 |
CN112613362A (zh) * | 2020-12-10 | 2021-04-06 | 合肥派腾智能设备科技有限公司 | 一种基于物联网的物品标志识别系统 |
CN113049951A (zh) * | 2021-05-19 | 2021-06-29 | 广东电网有限责任公司 | 一种断路器机构状态分析装置和方法 |
CN113378478A (zh) * | 2021-06-30 | 2021-09-10 | 安庆机床有限公司 | 一种制球机自动控制系统 |
CN214427586U (zh) * | 2021-01-26 | 2021-10-19 | 安徽中安昊源电力科技有限公司 | 一种小电流接地精准选线系统及其装置 |
CN113835026A (zh) * | 2021-09-23 | 2021-12-24 | 淮北祥泰科技有限责任公司 | 一种基于物联网的智能开关用监控系统 |
CN114114003A (zh) * | 2021-11-29 | 2022-03-01 | 山东汇能电气有限公司 | 一种基于数据监测的断路器运行检测系统 |
-
2022
- 2022-04-13 CN CN202210388724.2A patent/CN114740343B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040044280A1 (en) * | 2002-05-20 | 2004-03-04 | Martyn Paley | Methods & apparatus for magnetic resonance imaging |
CN101893686A (zh) * | 2010-06-11 | 2010-11-24 | 河南电力试验研究院 | 基于摄影数字化的断路器动作特性在线检测装置和方法 |
US20150276877A1 (en) * | 2014-03-31 | 2015-10-01 | Schweitzer Engineering Laboratories, Inc. | Electric power system circuit breaker trip diagnostic |
CN208013377U (zh) * | 2018-03-13 | 2018-10-26 | 浙江海洋大学 | 低压断路器用电压监视与电压保护装置 |
CN109164381A (zh) * | 2018-09-07 | 2019-01-08 | 广西电网有限责任公司电力科学研究院 | 一种高压断路器机械状态在线监测与故障辨识方法及装置 |
CN112286931A (zh) * | 2020-10-10 | 2021-01-29 | 苏州中康电力运营有限公司 | 一种集电线路断路器故障的排查方法 |
CN112489346A (zh) * | 2020-10-26 | 2021-03-12 | 马鞍山黑火信息科技有限公司 | 一种办公区域用智能红外监测报警设备 |
CN112613362A (zh) * | 2020-12-10 | 2021-04-06 | 合肥派腾智能设备科技有限公司 | 一种基于物联网的物品标志识别系统 |
CN214427586U (zh) * | 2021-01-26 | 2021-10-19 | 安徽中安昊源电力科技有限公司 | 一种小电流接地精准选线系统及其装置 |
CN113049951A (zh) * | 2021-05-19 | 2021-06-29 | 广东电网有限责任公司 | 一种断路器机构状态分析装置和方法 |
CN113378478A (zh) * | 2021-06-30 | 2021-09-10 | 安庆机床有限公司 | 一种制球机自动控制系统 |
CN113835026A (zh) * | 2021-09-23 | 2021-12-24 | 淮北祥泰科技有限责任公司 | 一种基于物联网的智能开关用监控系统 |
CN114114003A (zh) * | 2021-11-29 | 2022-03-01 | 山东汇能电气有限公司 | 一种基于数据监测的断路器运行检测系统 |
Non-Patent Citations (4)
Title |
---|
LEI CHEN, SHUTING WAN: "Intelligent fault diagnosis of high-voltage circuit breakers using triangular global alignment kernel extreme learning machine", 《ISA TRANSACTIONS》 * |
孟祥忠等: "基于BPN 方法的电网故障诊断", 《电力系统保护与控制》 * |
杨秋玉等: "基于定量递归分析的高压断路器机械缺陷辨识及应用", 《电工技术学报》 * |
董海鹰等: "基于Petri网和故障树的变电站故障诊断方法", 《测试技术学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117193136A (zh) * | 2023-10-13 | 2023-12-08 | 浙江卓瑞微智能制造有限公司 | 一种智能物联网的断路器控制方法及系统 |
CN117193136B (zh) * | 2023-10-13 | 2024-05-03 | 浙江卓瑞微智能制造有限公司 | 一种智能物联网的断路器控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114740343B (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN106199276B (zh) | 一种用电信息采集系统中异常信息的智能诊断系统及方法 | |
US9483049B2 (en) | Anomaly detection and diagnosis/prognosis method, anomaly detection and diagnosis/prognosis system, and anomaly detection and diagnosis/prognosis program | |
US20190310979A1 (en) | Anomaly data priority assessment device and anomaly data priority assessment method | |
CN113239627B (zh) | 一种分布式智能监控方法和装置 | |
Khalyasmaa et al. | Analysis of the state of high-voltage current transformers based on gradient boosting on decision trees | |
CN114255784A (zh) | 一种基于声纹识别的变电站设备故障诊断方法及相关装置 | |
CN114740343B (zh) | 断路器用实时检测系统 | |
CN112906764A (zh) | 基于改进bp神经网络的通信安全设备智能诊断方法及系统 | |
CN115372816A (zh) | 基于数据分析的配电开关设备运行故障预测系统及方法 | |
CN115037603A (zh) | 用电信息采集设备的诊断评估方法、装置及系统 | |
CN117391675B (zh) | 一种数据中心基础设施运维管理方法 | |
CN113468022B (zh) | 一种对产品集中监控的自动化运维方法 | |
CN113487051B (zh) | 一种配电网故障抢修维护数据处理方法、设备及计算机存储介质 | |
CN117390403B (zh) | 一种新能源灯塔发电站的电网故障检测方法及系统 | |
CN117150418B (zh) | 基于状态特征故障树的变压器运检周期制定方法和系统 | |
CN113740666A (zh) | 一种数据中心电力系统告警风暴根源故障的定位方法 | |
CN115587312A (zh) | 一种基于多维大数据分析的故障点定位方法和系统 | |
CN115684829A (zh) | 一种电力二次回路故障检测预警方法及系统 | |
CN114971308A (zh) | 一种基于多维数据分析的变压器健康状况评估方法 | |
CN114896096A (zh) | 基于图像识别算法的数据中心设备故障预测系统及方法 | |
CN114037010A (zh) | 一种电量数据异常的识别方法及装置 | |
CN109494882B (zh) | 一种变电站开关设备状态的诊断方法及系统 | |
CN106443238A (zh) | 高压设备状态评估方法、在线监测装置评估方法及装置 | |
Zhang et al. | Intelligent investigating technology for abnormal operation of wiring terminals of electric energy metering device based on deep learning |
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 |