CN114839255B - 一种基于XGBoost算法的六氟化硫电气设备微水检测方法 - Google Patents
一种基于XGBoost算法的六氟化硫电气设备微水检测方法 Download PDFInfo
- Publication number
- CN114839255B CN114839255B CN202210466687.2A CN202210466687A CN114839255B CN 114839255 B CN114839255 B CN 114839255B CN 202210466687 A CN202210466687 A CN 202210466687A CN 114839255 B CN114839255 B CN 114839255B
- Authority
- CN
- China
- Prior art keywords
- water
- sulfur hexafluoride
- micro
- discharge
- electrical equipment
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 62
- 229910018503 SF6 Inorganic materials 0.000 title claims abstract description 49
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 title claims abstract description 48
- 229960000909 sulfur hexafluoride Drugs 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000009413 insulation Methods 0.000 claims abstract description 17
- 239000004593 Epoxy Substances 0.000 claims abstract description 12
- 230000000694 effects Effects 0.000 claims abstract description 5
- 238000011161 development Methods 0.000 claims abstract description 4
- 238000003909 pattern recognition Methods 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims abstract description 4
- 230000005484 gravity Effects 0.000 claims description 6
- 238000003066 decision tree Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims 1
- 238000012360 testing method Methods 0.000 claims 1
- 238000003745 diagnosis Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000011343 solid material Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 150000003568 thioethers Chemical class 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
-
- 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
- G01R31/1227—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 of components, parts or materials
- G01R31/1254—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 of components, parts or materials of gas-insulated power appliances or vacuum gaps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Artificial Intelligence (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Electrochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明提供一种基于XGBoost算法的六氟化硫电气设备微水检测方法，包括如下步骤：1)根据六氟化硫电气设备水分管理标准将六氟化硫气体的微水含量划分为安全工作区之下、安全工作区与水分管理线之间和超出水分管理线共3个梯度。启用人工气候室用于调节六氟化硫气体的微水含量，采集各微水梯度下，环氧绝缘沿面放电发展过程中的PRPD图谱。2)从所采集的PRPD图谱中提取两类特征值，其一为描述图谱中放电点特征的PRPD基本统计参数，其二为宏观描述图谱型貌的PRPD图谱统计参数。3)构建并训练基于XGBoost算法的分类器，对不同微水含量下的PRPD图谱进行模式识别，以达到对不同微水量下环氧绝缘沿面放电的辨识，实现对微水诱发六氟化硫电气设备微水量的检测效果。
Description
技术领域
本发明涉及六氟化硫气体绝缘组合电器故障诊断技术领域，具体为一种基于XGBoost算法的六氟化硫电气设备微水检测方法。
背景技术
六氟化硫气体绝缘组合电器(Gas Insulated Switchgears，GIS)自上世纪中叶研发制成后，逐渐成为现代大型电力系统中广泛采用的关键设备。近些年来，随着我国电力工业的发展、输电电压等级的逐步提高和国民经济对电网安全要求的提升，至今GIS设备已经越来越多的被我国电网在各个电压等级使用。
沿面绝缘往往是GIS设备绝缘的薄弱环节，通常多种主部件的三结合点会产生局部放电，随着时间的推移，其会沿着绝缘表面向前慢慢发展，最初放电会由电晕放电慢慢发展成流注放电，继而随着放电愈发激烈，会转化成先导放电，伴随着六氟化硫气体分子的电离和光子的发射，形成绝缘沿面闪络。
不同于外部环境大气中的高水蒸气分压，GIS设备内部的水蒸气分压非常低，若GIS设备所处环境高温高湿，外部环境气温越高，相对湿度相差越大，且设备各气室之间的密封是其薄弱环节，会造成设备外的水分子向内渗透。GIS在正常工作时，高压导体会产生高温和些许电弧，GIS设备中的六氟化硫气体会分解并产生硫化物等产物，若六氟化硫气体湿度超标，则水分子极易与分解物发生反应并产生有害物质，随着时间的推移很可能会开始腐蚀GIS中的绝缘材料，严重威胁GIS环氧绝缘性能。另一方面，当外部环境昼夜温度骤变、温差较大或有些极寒地域会使GIS内温度降低到露点温度时，GIS设备内部的饱和水蒸气压力会随着温度降低，会使得六氟化硫气体中的水蒸气在固体材料表面凝露，极大的使环氧绝缘的闪络电压降低，绝缘性能锐减。
目前对于GIS环氧绝缘的诊断技术已发展的较为成熟，多针对GIS环氧典型缺陷或表面染污诱发的沿面放电，而对于微水量诱发的沿面放电的诊断方法较少。综上，对于微水量超标诱发六氟化硫开关设备沿面放电的诊断方法亟待开发，以全面维护电力设备的安全运行，保障电力系统的可靠性。
发明内容
针对现有技术中存在的问题，本发明提供一种基于XGBoost算法的六氟化硫电气设备微水检测方法，旨在解决六氟化硫开关设备在微水含量超标方面检测手段不足的问题，为六氟化硫开关设备的诊断提供有效判据。
本发明通过以下技术方案来实现：
一种基于XGBoost算法的六氟化硫电气设备微水检测方法，包括如下步骤：
步骤1)根据六氟化硫电气设备气体的水分管理标准将六氟化硫气体的微水含量划分为安全工作区之下、安全工作区与水分管理线之间和超出水分管理线共3个梯度；启用人工气候室用于调节六氟化硫气体的微水含量，采集各个微水量梯度下，环氧绝缘沿面放电发展过程中的局部放电相位分辩PRPD图谱；
步骤2)从所采集的PRPD图谱中提取特征值，所提取的特征值分为两类，其一为描述图谱中放电点特征的参数，称之为PRPD基本统计参数，其二为宏观描述图谱型貌的参数，称为PRPD图谱统计参数；
步骤3)构建并训练基于极大梯度提升树XGBoost算法的分类器，对不同微水含量下的PRPD图谱进行模式识别，以达到对不同微水量梯度环氧绝缘沿面放电的辨识，实现对微水诱发六氟化硫电气设备沿面放电的检测效果。
本发明进一步的改进在于，所述步骤1)中的六氟化硫电气设备气体的水分管理标准为国家现行的管理标准，经试验划分了电力设备内充入的六氟化硫气体在不同压强下的水分管理界限，设置了3条管理限值曲线，分别为刚充气产品水分合格线、水分管理线和0℃露点界线。
本发明进一步的改进在于，所述步骤1)中的人工气候室能够做到在短时间内改变箱内温湿度，通过调控面板模拟环氧绝缘沿面放电所处的不同湿度条件。
本发明进一步的改进在于，所述步骤1)中的PRPD图谱检测，其采集过程从沿面放电起始阶段直至闪络阶段，确保每组数据涵盖单次放电过程。
本发明进一步的改进在于，PRPD图谱采集范围覆盖工况下可能出现的各个微水量1000—3000ppm。
本发明进一步的改进在于，所述步骤2)中的PRPD基本统计参数包括：最大放电量、平均放电量、放电量标准差、放电相位宽度、放电相位重心、放电相位标准差、正负放电相位宽度比、正负放电起始相位比、正负放电相位重心比、正负放电相位标准差比、正负放电平均量比、正负放电量标准差比以及正负放电次数比。
本发明进一步的改进在于，所述步骤2)中的PRPD图谱统计参数包括：图谱偏斜度、图谱陡峭度、局部峰值个数、图谱互相关系数以及图谱修正互相关系数。
本发明进一步的改进在于，所述步骤3)中的XGBoost算法分类器，以决策树为基础，其构架对应大量的CART树，将数据集特征极度细化，最终将每一棵CART树的预测值求和即为该模型的预测值。
本发明进一步的改进在于，所述步骤3)中的XGBoost算法分类器，其输出分为三类：放电环境的微水含量在安全工作区之下、放电环境的微水含量在安全工作区与水分管理线之间和放电环境的微水含量超出水分管理线。
本发明至少具有如下有益的技术效果：
本发明提供的一种基于XGBoost算法的六氟化硫电气设备微水检测方法，本发明所述检测方法，构建了基于XGBoost算法的六氟化硫开关设备微水检测分类器，利用极大梯度提升树能将权值最优化的特性，使六氟化硫开关设备微水量的划分更加精细化。此外，还通过大量放电数据对XGBoost分类器进行训练，确保该检测方法有着极高的识别准确率，为六氟化硫开关设备的状态监测提供可靠判据，保障电力系统的稳定运行。
附图说明
图1为国家现行的六氟化硫电气设备气体的水分管理标准；
图2为XGBoost(eXtreme Gradient Boosting)算法的构架示意图；
其中，1为特征值划分结点，2为叶子结点，3为权值；
图3为分类器的模式识别流程示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
如图1所示，电力设备的微水含量表征手段为体积分数(水分对六氟化硫气体体积比，μL/L)，符合国家标准《六氟化硫电气设备中气体管理和检验导则(GB/T 8905—2012)》，电力部推荐标准《电力设备预防性试验规程(DL/T596-1996)》以及IEEE标准《IEEE Guidefor Moisture Measurement and Control in SF6Gas-Insulated Equipment(IEEE Std1125-1993)》。
如图2所示，左树中5个样本都分配到了叶子结点中，对不同的叶子结点分配不同的权重项，正数代表符合特征划分，负数则反之，后以叶子结点与权值的结合综合为判据，划分样本归属。右树则使用不同指标，将样本重新划分。所述分类器是由多个cart树集成组合而成。分类器基于集成思想，若样本预测值则样本目标函数为其最优函数解为/>于是集成算法的表示为/>其中k为样本个数。集成算法的核心表示为： 其中ft(xi)为新加入的函数，作用为提升整体对表达的效果，即目标函数的损失会下降。为了防止过拟合，在目标函数后添加正则化项：/>在得到完整的目标函数后，使目标函数对其权重进行偏导，计算得出目标函数权重的最小点：其中，Gj＝∑i∈Ijgi，Hj＝∑i∈Ijhi，在进行决策树扩展时，需要对所有分类方案进行枚举并计算出分割左子树和右子树的偏导数之和，将其与分割前的值做差得到损失值，在遍历了所有分类形式后，变化最大的决策树可作为最恰当的分割方案： 为性能判据。
如图3所示，所提取的特征值皆来源于PRPD(Phase Resovled PartialDischarge)图谱，将特征值分为两类，其一为描述图谱中放电点特征的参数，称之为PRPD基本统计参数，其二为宏观描述图谱型貌的参数，称为PRPD图谱统计参数。PRPD基本统计参数包括：最大放电量、平均放电量、放电量标准差、放电相位宽度、放电相位重心、放电相位标准差、正负放电相位宽度比、正负放电起始相位比、正负放电相位重心比、正负放电相位标准差比、正负放电平均量比、正负放电量标准差比、正负放电次数比。PRPD图谱统计参数包括：图谱偏斜度、图谱陡峭度、局部峰值个数、图谱互相关系数、图谱修正互相关系数。首先采集PRPD图谱作为样本集，接着通过PRPD谱图提取基本参数和图谱统计参数，继而将其输入XGBoost分类器进行训练，通过参数调整达到分类器的最高识别准确率。
虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (9)
1.一种基于XGBoost算法的六氟化硫电气设备微水检测方法，其特征在于，包括如下步骤：
步骤1)根据六氟化硫电气设备气体的水分管理标准将六氟化硫气体的微水含量划分为安全工作区之下、安全工作区与水分管理线之间和超出水分管理线共3个梯度；启用人工气候室用于调节六氟化硫气体的微水含量，采集各个微水量梯度下，环氧绝缘沿面放电发展过程中的局部放电相位分辩PRPD图谱；
步骤2)从所采集的PRPD图谱中提取特征值，所提取的特征值分为两类，其一为描述图谱中放电点特征的参数，称之为PRPD基本统计参数，其二为宏观描述图谱型貌的参数，称为PRPD图谱统计参数；
步骤3)构建并训练基于极大梯度提升树XGBoost算法的分类器，对不同微水含量下的PRPD图谱进行模式识别，以达到对不同微水量梯度环氧绝缘沿面放电的辨识，实现对微水诱发六氟化硫电气设备沿面放电的检测效果。
2.根据权利要求1所述的一种基于XGBoost算法的六氟化硫电气设备微水检测方法，其特征在于，所述步骤1)中的六氟化硫电气设备气体的水分管理标准为国家现行的管理标准，经试验划分了电力设备内充入的六氟化硫气体在不同压强下的水分管理界限，设置了3条管理限值曲线，分别为刚充气产品水分合格线、水分管理线和0℃露点界线。
3.根据权利要求1所述的一种基于XGBoost算法的六氟化硫电气设备微水检测方法，其特征在于，所述步骤1)中的人工气候室能够做到在短时间内改变箱内温湿度，通过调控面板模拟环氧绝缘沿面放电所处的不同湿度条件。
4.根据权利要求1所述的一种基于XGBoost算法的六氟化硫电气设备微水检测方法，其特征在于，所述步骤1)中的PRPD图谱检测，其采集过程从沿面放电起始阶段直至闪络阶段，确保每组数据涵盖单次放电过程。
5.根据权利要求4所述的一种基于XGBoost算法的六氟化硫电气设备微水检测方法，其特征在于，PRPD图谱采集范围覆盖工况下可能出现的各个微水量1000—3000ppm。
6.根据权利要求1所述的一种基于XGBoost算法的六氟化硫电气设备微水检测方法，其特征在于，所述步骤2)中的PRPD基本统计参数包括：最大放电量、平均放电量、放电量标准差、放电相位宽度、放电相位重心、放电相位标准差、正负放电相位宽度比、正负放电起始相位比、正负放电相位重心比、正负放电相位标准差比、正负放电平均量比、正负放电量标准差比以及正负放电次数比。
7.根据权利要求1所述的一种基于XGBoost算法的六氟化硫电气设备微水检测方法，其特征在于，所述步骤2)中的PRPD图谱统计参数包括：图谱偏斜度、图谱陡峭度、局部峰值个数、图谱互相关系数以及图谱修正互相关系数。
8.根据权利要求1所述的一种基于XGBoost算法的六氟化硫电气设备微水检测方法，其特征在于，所述步骤3)中的XGBoost算法分类器，以决策树为基础，其构架对应大量的CART树，将数据集特征极度细化，最终将每一棵CART树的预测值求和即为该模型的预测值。
9.根据权利要求1所述的一种基于XGBoost算法的六氟化硫电气设备微水检测方法，其特征在于，所述步骤3)中的XGBoost算法分类器，其输出分为三类：放电环境的微水含量在安全工作区之下、放电环境的微水含量在安全工作区与水分管理线之间和放电环境的微水含量超出水分管理线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210466687.2A CN114839255B (zh) | 2022-04-29 | 2022-04-29 | 一种基于XGBoost算法的六氟化硫电气设备微水检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210466687.2A CN114839255B (zh) | 2022-04-29 | 2022-04-29 | 一种基于XGBoost算法的六氟化硫电气设备微水检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114839255A CN114839255A (zh) | 2022-08-02 |
| CN114839255B true CN114839255B (zh) | 2024-04-23 |
Family
ID=82567716
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210466687.2A Active CN114839255B (zh) | 2022-04-29 | 2022-04-29 | 一种基于XGBoost算法的六氟化硫电气设备微水检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114839255B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117192312B (zh) * | 2023-11-07 | 2024-04-19 | 云南电网有限责任公司 | 基于机器学习的二次交流电缆绝缘异常监测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100853725B1 (ko) * | 2007-06-20 | 2008-08-22 | (주) 피에스디테크 | Ｐｒｐｓ 알고리즘을 이용한 가스절연부하개폐장치의부분방전 원인분석 방법 및 그 장치 |
| WO2015070513A1 (zh) * | 2013-11-14 | 2015-05-21 | 国家电网公司 | 一种三相共筒式超高压gis局部放电的模式识别方法 |
| CN107944349A (zh) * | 2017-11-07 | 2018-04-20 | 武汉大学 | 基于粒子群‑支持向量机的gis局部放电类型模式识别方法 |
| CN108805107A (zh) * | 2018-07-12 | 2018-11-13 | 华南理工大学 | 一种基于prps信号的gis内部局部放电缺陷识别方法 |
| CN112180221A (zh) * | 2020-08-17 | 2021-01-05 | 国网浙江省电力有限公司电力科学研究院 | 基于双测度监督规则的gis未知类别局部放电识别方法 |
-
2022
- 2022-04-29 CN CN202210466687.2A patent/CN114839255B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100853725B1 (ko) * | 2007-06-20 | 2008-08-22 | (주) 피에스디테크 | Ｐｒｐｓ 알고리즘을 이용한 가스절연부하개폐장치의부분방전 원인분석 방법 및 그 장치 |
| WO2015070513A1 (zh) * | 2013-11-14 | 2015-05-21 | 国家电网公司 | 一种三相共筒式超高压gis局部放电的模式识别方法 |
| CN107944349A (zh) * | 2017-11-07 | 2018-04-20 | 武汉大学 | 基于粒子群‑支持向量机的gis局部放电类型模式识别方法 |
| CN108805107A (zh) * | 2018-07-12 | 2018-11-13 | 华南理工大学 | 一种基于prps信号的gis内部局部放电缺陷识别方法 |
| CN112180221A (zh) * | 2020-08-17 | 2021-01-05 | 国网浙江省电力有限公司电力科学研究院 | 基于双测度监督规则的gis未知类别局部放电识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| 变压器油纸绝缘沿面放电缺陷发展特征及阶段识别方法;李刚;汪可;张书琦;赵志刚;李金忠;程涣超;遇心如;王永强;谢军;周天春;;电网技术;20180628(第10期);全文 * |
| 基于多层特征融合CNN的变压器PRPD图谱识别;李宏波;朱永利;王京保;;电测与仪表;20201231(第18期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114839255A (zh) | 2022-08-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110926778B (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 | |
| CN108983052B (zh) | 一种基于sf6气体绝缘设备分解组分的三类故障三角形诊断方法 | |
| CN114839255B (zh) | 一种基于XGBoost算法的六氟化硫电气设备微水检测方法 | |
| CN111381134B (zh) | 一种瓷质绝缘子串红外零值诊断方法及系统 | |
| CN110231550B (zh) | 气体绝缘电气设备电弧放电故障的实验模拟装置及方法 | |
| CN108805107B (zh) | 一种基于prps信号的gis内部局部放电缺陷识别方法 | |
| CN111652479B (zh) | 一种针对电力系统动态安全评估的数据驱动方法 | |
| CN105186491B (zh) | 一种开关操作导致电力系统一次侧过电压的评估方法 | |
| CN103093097A (zh) | 基于规范切的电力系统脆弱断面识别方法 | |
| CN117110798B (zh) | 智能配电网的故障检测方法和系统 | |
| CN115061009B (zh) | 一种输电线故障分析预警方法 | |
| CN108399579B (zh) | 变电站设备监控数据信号的智能解析系统 | |
| CN114034997A (zh) | 一种基于多参量的绝缘子劣化程度预测方法及系统 | |
| CN111999591B (zh) | 一种配电网一次设备异常状态的识别方法 | |
| CN112526302A (zh) | 一种多环境因素下线路过冲耐受特性测试平台及评估方法 | |
| CN115713229A (zh) | 基于神经网络对绝缘子性能损耗的风险预警分析方法 | |
| CN117094705B (zh) | 一种应用于高压开关柜缺陷预测的方法、系统及设备 | |
| CN116881825A (zh) | 基于gis设备的刀闸状态和三相刀闸动作的同步性检测方法 | |
| Li et al. | Phasor measurements-aided decision trees for power system security assessment | |
| CN114444375A (zh) | 基于多参量融合计算的高压开关柜绝缘老化预测方法 | |
| CN104730392B (zh) | 一种基于拓扑结构编码的矿井高压电网速断设置检验方法 | |
| CN114462521A (zh) | 一种高效电力设备智能分类和检测的方法 | |
| Barkas et al. | Simulated Partial Discharge Harmonic Data generation for Neural Network Training in the Absence of real measurements: A first Approach | |
| CN112525438A (zh) | 一种sf6密度继电器的漏气监测方法及系统 | |
| Miao et al. | Calculation Method of Partial Discharge Severity Assessment Index Weight Using Factor Analysis Based on Mutual Information |
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 |