CN115063049A - 基于微智能传感器的高压套管多维状态监测系统与方法 - Google Patents

基于微智能传感器的高压套管多维状态监测系统与方法 Download PDF

Info

Publication number
CN115063049A
CN115063049A CN202210977905.9A CN202210977905A CN115063049A CN 115063049 A CN115063049 A CN 115063049A CN 202210977905 A CN202210977905 A CN 202210977905A CN 115063049 A CN115063049 A CN 115063049A
Authority
CN
China
Prior art keywords
state evaluation
evaluation result
sampling
voltage bushing
micro
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
Application number
CN202210977905.9A
Other languages
English (en)
Other versions
CN115063049B (zh
Inventor
杨文强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Hedi Intelligent Technology Co ltd
Original Assignee
Shandong Hedi Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Hedi Intelligent Technology Co ltd filed Critical Shandong Hedi Intelligent Technology Co ltd
Priority to CN202210977905.9A priority Critical patent/CN115063049B/zh
Publication of CN115063049A publication Critical patent/CN115063049A/zh
Application granted granted Critical
Publication of CN115063049B publication Critical patent/CN115063049B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation

Abstract

本发明提出基于微智能传感器的高压套管多维状态监测系统与方法，属于智能传感器技术领域。系统包括多个微智能传感器与至少一个时域参数采样单元；时域参数采样单元用于对所述高压套管进行时域采样，获得时域采样特征量；微智能传感器获得所述高压套管的多个不同特征参量，系统通过采样特征量与多个不同特征参量，对高压套管进行状态评估。方法基于所述系统实现。本发明还提出实现所述方法的便携式手持终端。本发明可以基于微智能传感器采集的多维特征数据结合时域数据进行多重状态判定，提高了高压套管状态判断的准确性和全面性，同时微智能传感器可以一次性获得多组特征数据，不需要布置多个不同类型的传感器，降低了硬件成本与系统复杂性。

Description

基于微智能传感器的高压套管多维状态监测系统与方法
技术领域
本发明属于智能传感器技术领域，尤其涉及一种高压套管状态的高精度参数分析方法。
背景技术
油纸绝缘套管是变压器的重要组成部分，在电力系统中应用广泛。当前传统套管运维以定期预防性试验为主，行业标准DLT596规定了介损、局部放电、油色谱等检测项目。
套管在故障演化过程中，会表现出故障先兆特征，例如介损、电容量变化、局部放 电以及油中气体产生等。据此，套管的绝缘老化检测特征量主要分为两类；化学物理特征量 和电特征量。油浸套管在故障早期会从油中产生少量气体，通常可以采用油色谱来进行多 组分气体监测诊断，其中
Figure DEST_PATH_IMAGE001
和
Figure DEST_PATH_IMAGE002
为推荐检测气体；老化后的绝缘介质存在局部缺陷，此 类缺陷在交流电场下局部放电状态不一致，随着现代检测技术的发展,局部放电技术被用 作研究固体绝缘的老化过程；介电响应测量技术具有对绝缘无损伤、包含绝缘信息丰富和 便于实施等优点，目前也广泛应用于油浸式电力变压器的高压套管绝缘状态诊断。
然而，不同方法需要采集的特征量不同，因此需要对应配置大量的不同类型的传感器，导致硬件成本升高；同时，不同的方法得出的结论也可能存在差异，如何确定不同方法的准确度优先级并且基于多种方法已有的结论选择或者配置对应的优选方案和准确结论，成为本领域技术人员亟待解决的技术问题。
发明内容
为解决上述技术问题，本发明提出一种高压套管状态的高精度参数分析方法。
具体，在本发明的第一个方面，提供一种基于微智能传感器的高压套管多维状态监测系统。
所述系统包括多个微智能传感器与至少一个时域参数采样单元；
所述时域参数采样单元可用于对所述高压套管进行时域采样，获得时域采样特征量；
所述时域采样特征量包括采样极化电流值
Figure DEST_PATH_IMAGE003
与采样去极化电流值
Figure DEST_PATH_IMAGE004
；
所述微智能传感器可获得所述高压套管的多个不同特征参量，所述多个不同特征 参量包括套管相对介损
Figure DEST_PATH_IMAGE005
、相对电容量
Figure DEST_PATH_IMAGE006
、工频泄漏电流
Figure DEST_PATH_IMAGE007
、局部放电脉冲电流
Figure DEST_PATH_IMAGE008
、油 中氢气含量
Figure DEST_PATH_IMAGE009
、压力P和温度T；
所述系统通过所述采样特征量与多个不同特征参量，对高压套管进行状态评估。
所述系统包括M个微智能传感器与一个时域参数采样单元ST；
所述高压套管存在N个采样接入点，每个采样接入点至少接入一个所述微智能传感器；其中，M>N>1；
每个微智能传感器针对所有采样接入点获得一组特征参量值；
针对每组特征参量值，首先基于第一子集的特征参量对高压套管进行状态评估，得出第一状态评估结果；
然后，基于第二子集的特征参量对高压套管进行状态评估，得出第二状态评估结果；
若所述第一状态评估结果和所述第二状态评估结果一致，则将所述第一状态评估结果或所述第二状态评估结果作为所述高压套管的状态评估结果；
若所述第一状态评估结果和所述第二状态评估结果不一致，则开启所述时域参数采样单元获得时域采样特征量；
所述时域采样特征量包括采样极化电流值
Figure 339947DEST_PATH_IMAGE003
与采样去极化电流值
Figure 725929DEST_PATH_IMAGE004
；
基于所述采样极化电流值
Figure 974508DEST_PATH_IMAGE003
、采样去极化电流值
Figure 104138DEST_PATH_IMAGE004
对高压套管进行状态评 估，得出第三状态评估结果。
若所述第一状态评估结果和所述第二状态评估结果不一致，则基于第三子集的特征参量对高压套管进行状态评估，得出第四状态评估结果，将第四状态评估结果作为所述高压套管的状态评估结果。
若所述第一状态评估结果和所述第三状态评估结果一致，则将所述第一状态评估结果或所述第三状态评估结果作为所述高压套管的状态评估结果；
否则，基于所述采样极化电流值
Figure 387351DEST_PATH_IMAGE003
、采样去极化电流值
Figure 177191DEST_PATH_IMAGE004
进行时域-频域转 换，获得转换介质损耗系数
Figure DEST_PATH_IMAGE010
；
基于所述特征参量值
Figure DEST_PATH_IMAGE011
以及转换介质损耗系数
Figure 381907DEST_PATH_IMAGE010
对高压套管进行状态评估。
在本发明的第二个方面，基于第一个方面所述的一种基于微智能传感器的高压套管多维状态监测方法，提供一种基于微智能传感器的高压套管多维状态监测方法，所述方法包括如下步骤：
S610：确定所述高压套管的N个采样接入点
Figure DEST_PATH_IMAGE012
；
S620：将M个微智能传感器
Figure DEST_PATH_IMAGE013
接入所述N个采样接入点
Figure 518490DEST_PATH_IMAGE012
，每个采样接入点至少接入一个所述微智能传感器；其中，M>N>1；
S630：微智能传感器
Figure DEST_PATH_IMAGE014
针对采样接入点
Figure DEST_PATH_IMAGE015
获得的一组特征参量值
Figure DEST_PATH_IMAGE016
；
S640：针对每组特征参量值
Figure 859473DEST_PATH_IMAGE016
，
采用
Figure DEST_PATH_IMAGE017
对高压套管进行状态评估，得出第一状态评估结果；
采用
Figure DEST_PATH_IMAGE018
对高压套管进行状态评估，得出第二状态评估结果；
S650：若所述第一状态评估结果和所述第二状态评估结果一致，则将所述第一状态评估结果或所述第二状态评估结果作为所述高压套管的状态评估结果；
其中，
Figure DEST_PATH_IMAGE019
表示第s个微智能传感器，s=1，2，…，M；
Figure DEST_PATH_IMAGE020
表示第t个采样接入点，t=1，2，…，N；
Figure DEST_PATH_IMAGE021
表示第i个微智能传感器
Figure DEST_PATH_IMAGE022
针对第j个采样接入点
Figure DEST_PATH_IMAGE023
获得的套管相对介损；
Figure DEST_PATH_IMAGE024
表示第i个微智能传感器
Figure 710228DEST_PATH_IMAGE022
针对第j个采样接入点
Figure 933399DEST_PATH_IMAGE023
获得的相对电容量；
Figure DEST_PATH_IMAGE025
表示第i个微智能传感器
Figure 139252DEST_PATH_IMAGE022
针对第j个采样接入点
Figure 397058DEST_PATH_IMAGE023
获得的工频泄漏电流；
Figure DEST_PATH_IMAGE026
表示第i个微智能传感器
Figure 30165DEST_PATH_IMAGE022
针对第j个采样接入点
Figure 504746DEST_PATH_IMAGE023
获得的局部放电脉冲 电流；
Figure DEST_PATH_IMAGE027
表示第i个微智能传感器
Figure 248712DEST_PATH_IMAGE022
针对第j个采样接入点
Figure 626603DEST_PATH_IMAGE023
获得的油中氢气含量；
Figure DEST_PATH_IMAGE028
表示第i个微智能传感器针
Figure 165032DEST_PATH_IMAGE022
对第j个采样接入点
Figure 628374DEST_PATH_IMAGE023
获得的压力值；
Figure DEST_PATH_IMAGE029
表示第i个微智能传感器
Figure 176030DEST_PATH_IMAGE022
针对第j个采样接入点
Figure 142849DEST_PATH_IMAGE023
获得的温度值。
所述步骤S650中，若所述第一状态评估结果和所述第二状态评估结果不一致，则 基于所述特征参量值
Figure DEST_PATH_IMAGE030
对高压套管进行状态评估，得出第四状态评估结果，将 第四状态评估结果作为所述高压套管的状态评估结果。
所述步骤S650中，若所述第一状态评估结果和所述第二状态评估结果不一致，则开启时域参数采样单元获得时域采样特征量；
所述时域采样特征量包括采样极化电流值
Figure 383338DEST_PATH_IMAGE003
与采样去极化电流值
Figure 68397DEST_PATH_IMAGE004
；
基于所述采样极化电流值
Figure 921209DEST_PATH_IMAGE003
、采样去极化电流值
Figure 8114DEST_PATH_IMAGE004
对高压套管进行状态评 估，得出第三状态评估结果；
若所述第一状态评估结果和所述第三状态评估结果一致，则将所述第一状态评估结果或所述第三状态评估结果作为所述高压套管的状态评估结果；
否则，基于所述采样极化电流值
Figure 419503DEST_PATH_IMAGE003
、采样去极化电流值
Figure 591859DEST_PATH_IMAGE004
进行时域-频域转 换，获得转换介质损耗系数
Figure 746897DEST_PATH_IMAGE010
；
基于所述特征参量值
Figure 688308DEST_PATH_IMAGE011
以及转换介质损耗系数
Figure 536178DEST_PATH_IMAGE010
对高压套管进行状态评估。
所述评估结果为异常或者正常。
本发明的上述方法显然可以通过计算机程序指令自动化的实现。具体的，任何包含处理器和存储器的电子设备，其具有计算机可读存储介质存储上述方法的计算程序指令，即可实现上述方法。
因此，在本发明的第三个方面，还给出一种便携式手持终端，所述便携式手持终端与微智能传感器无线通信，所述微智能传感器可获得所述高压套管的多个不同特征参量，所述便携式手持终端获取所述多个不同特征参量，用于实现第二个方面所述方法的全部步骤。
本发明可以基于微智能传感器采集的多维特征数据结合时域数据进行多重状态判定，提高了高压套管状态判断的准确性和全面性，同时微智能传感器可以一次性获得多组特征数据，不需要布置多个不同类型的传感器，降低了硬件成本与系统复杂性。
本发明的更多实施例和改进效果将结合附图和具体实施例进一步介绍。
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，下面将对实施例中所需要使用的附图作简单地介绍，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是本发明一个实施例的一种基于微智能传感器的高压套管多维状态监测系统的布局示意图；
图2是图1所述高压套管多维状态监测系统执行部分数据采集的电路示意图；
图3是图1所述高压套管多维状态监测系统执行数据采集输入和输出的电路示意图；
图4是本发明一个实施例的一种基于微智能传感器的高压套管多维状态监测方法的主要步骤流程示意图；
图5是采用便携式手持终端实现图4所述方法的数据输入控制流程图。
具体实施方式
下面，结合附图以及具体实施方式，对发明做出进一步的描述。
图1是本发明一个实施例的一种基于微智能传感器的高压套管多维状态监测系统的布局示意图。
在图1中，所述系统包括多个微智能传感器与至少一个时域参数采样单元；所述时域参数采样单元可用于对所述高压套管进行时域采样，获得时域采样特征量；所述微智能传感器可获得所述高压套管的多个不同特征参量，所述系统通过所述采样特征量与多个不同特征参量，对高压套管进行状态评估。
作为更具体的实施例，可在所述高压套管预先配置N个采样接入点
Figure 195829DEST_PATH_IMAGE012
，每个采样接入点至少接入一个所述微智能传感器；其中，M>N>1；也 就是说，至少有一个采样接入点接入了超过一个的所述微智能传感器，以保持数据冗余性。
可以理解，数据冗余性虽然一定程度了提升了微智能传感器的数量，但是能够确保系统运行稳健。
同时，最为重要的是，本实施例使用的所述微智能传感器可获得所述高压套管的 多个不同特征参量，这些多个不同特征参量包括套管相对介损
Figure 888979DEST_PATH_IMAGE005
、相对电容量
Figure 419317DEST_PATH_IMAGE006
、工频泄 漏电流
Figure 438089DEST_PATH_IMAGE007
、局部放电脉冲电流
Figure 817993DEST_PATH_IMAGE008
、油中氢气含量
Figure 314833DEST_PATH_IMAGE009
、压力P和温度T；
现有技术中，采用单一类型的传感器时，需要针对不同类型的上述不同特征参量分别配置对应的传感器，导致硬件臃肿的同时，也增大了系统的复杂性，从而降低稳健性。
具体的，在本发明的实施例中，通过融合先进的微型化传感技术设计了一体化微型宽频微电流传感器，实现了套管介损–电容–局放信号测量，融合了氢气−温度−压力非电量检测技术，可以同步监测套管内氢气含量；研制了低功耗多通道信号采集单元，实现了模拟采集信号就地数字化，利用光纤实现多通道的同步触发和高速通信，抑制了模拟回路耦合干扰。
具体的，该微智能传感器首先集成微型宽频电流传感器。该微型宽频电流传感器整体采用穿心式结构，包含微型低频电流互感器和高频局放脉冲电流互感器。工频泄漏电流由低频电流互感器测量。
传感器的磁芯和线圈进行了优化设计，保证了传感器同时具备较高带宽和灵敏度，同时大大减小了传感器体积。接线锥穿过传感器后与接地外壳直接相连，大幅减小接地引线长度，接线锥与末屏引线柱连接处使用斜圈弹簧以确保可靠的电气连接，避免因末屏接线柱悬浮电位而引发故障。
基于此，该传感器除了可以用于监测工频泄漏电流，还可以用于监测谐波分量及部分低频电网扰动分量，为后续不同频率下的检测诊断研究提供测量手段。基于宽频微电流传感器，可以实现工频相对介损、相对电容量和局放信号的一体化测量。
此外，本实施例使用的微智能传感器将氢气、温度、压力传感器集成到一体化的氢气–温度–压力复合传感器中。其中，利用一种钯（Pd）–镍（Ni)合金薄膜作为氢气传感器，可以实现氢气测量。
复合传感器通过密封接口与套管取油口相连，使得微型油箱与套管内部相连通，氢气、温度、压力传感器均置于微型油箱中。复合传感器内置信号调理电路，可将套管内部氢气、温度、压力信息以数字量形式输出。复合传感器设计了取油通道，套管取油时可直接从复合传感器取油口进行取油而无需对传感器进行拆卸。
图2示出了相对介损和电容量分析的测量分析原理图。
在图2中，选择1台与被试设备电容C1并联的其他电容型设备作为参考设备C2，通过串接在其设备末屏(或低压端)接地线上的信号取样单元，分别测量参考电流信号I2和被测电流信号I1，2路电流信号经滤波、放大、采样等数字处理，利用谐波分析法分别提取其基波分量，计算出其相位差和幅度比，从而获得被试设备和参考设备的相对介损差值和电容量比值。
具体原理如下：
利用另一支同相电容型设备末屏接地电流作为参考信号，此时仅需准确获得参考电流I2和被测电流I1的基波信号幅值及其相位夹角α，即可求得相对介损△tanδ和相对电容量Cx/Cn的值。
相对介损△tanδ是指在同相和相同电压作用下，2个电容型设备电流基波矢量角度差的正切值；相对电容量比值C1/C2是指在同相相同电压作用下，2个电容型设备电流基波的幅值比：
Figure DEST_PATH_IMAGE031
；
其中，
Figure 100002_DEST_PATH_IMAGE032
、
Figure DEST_PATH_IMAGE033
分别为前述提及的2个电容型设备（被试设备和参考设备）电流基波矢 量角度，
Figure DEST_PATH_IMAGE034
即是计算2个电容型设备电流基波矢量角度差的正切 值；
需要注意的是，以上部分原理介绍来自于现有技术，本领域技术人员可知晓其中的参数的惯用含义。
图3则展示图1所述高压套管多维状态监测系统执行数据采集输入和输出的电路示意图。
具体的，根据采集信号的频域特征，分为高频信号采集和低频信号采集两部分。高频信号主要用于采集局部放电信号，采用16bit、250MHz的高速数模转换器（analogtodigitalconverter，ADC)。为了过滤特定的信号，采用了2种方法对信号进行滤波：1）电调带通滤波器进行模拟滤波；2）数字有限冲激响应（finiteimpulseresponse，FIR）带通滤波器进行数字滤波。低频信号采集主要是工频电流，还有氢气、压力、温度等稳态量，ADC选用18bit、200kHz的ADC。为了抑制干扰信号，加入了低通滤波。数字信号送入现场可编程逻辑门阵列（fieldprogrammablegatearray，FPGA）进行数字滤波并进行快速傅里叶变换（fastfouriertransform，FFT）分析计算，计算结果经过微处理器送入光纤以太网传输。光纤触发包括发射和接收两部分，因此可以实现多通道触发级联。
本领域技术人员知晓的是，油浸套管在故障早期会从油中产生少量气体，通常可以采用油色谱来进行多组分气体监测诊断，其中H2和02为推荐检测气体；老化后的绝缘介质存在局部缺陷,此类缺陷在交流电场下局部放电状态不一致,随着现代检测技术的发展,局部放电技术被用作研究固体绝缘的老化过程；介电响应测量技术具有对绝缘无损伤、包含绝缘信息丰富和便于实施等优点，目前也广泛应用于油浸式电力变压器的高压套管绝缘状态诊断。
因此，现有技术至少提出了三种不同类型的特征量选择方法和对应的状态判定方法。
然而，不同的方法得出的结论也可能存在差异，如何确定不同方法的准确度优先级并且基于多种方法已有的结论选择或者配置对应的优选方案和准确结论，是本发明进一步要解决的技术问题之一。
具体的，基于图1-图3的基本架构，微智能传感器
Figure 106203DEST_PATH_IMAGE014
针对采样接入点
Figure 764717DEST_PATH_IMAGE015
获得一 组特征参量值
Figure 133381DEST_PATH_IMAGE016
；
以
Figure 669798DEST_PATH_IMAGE019
表示第s个微智能传感器，s=1，2，…，M；
以
Figure 440308DEST_PATH_IMAGE020
表示第t个采样接入点，t=1，2，…，N；
Figure 535303DEST_PATH_IMAGE021
表示第i个微智能传感器
Figure 391264DEST_PATH_IMAGE022
针对第j个采样接入点
Figure 495486DEST_PATH_IMAGE023
获得的套管相对介损；
Figure 854923DEST_PATH_IMAGE024
表示第i个微智能传感器
Figure 386399DEST_PATH_IMAGE022
针对第j个采样接入点
Figure 464076DEST_PATH_IMAGE023
获得的相对电容量；
Figure 371989DEST_PATH_IMAGE025
表示第i个微智能传感器
Figure 851512DEST_PATH_IMAGE022
针对第j个采样接入点
Figure 52424DEST_PATH_IMAGE023
获得的工频泄漏电流；
Figure 617398DEST_PATH_IMAGE026
表示第i个微智能传感器
Figure 797843DEST_PATH_IMAGE022
针对第j个采样接入点
Figure 131873DEST_PATH_IMAGE023
获得的局部放电脉冲 电流；
Figure 5151DEST_PATH_IMAGE027
表示第i个微智能传感器
Figure 57420DEST_PATH_IMAGE022
针对第j个采样接入点
Figure 775978DEST_PATH_IMAGE023
获得的油中氢气含量；
Figure 230093DEST_PATH_IMAGE028
表示第i个微智能传感器针
Figure 8693DEST_PATH_IMAGE022
对第j个采样接入点
Figure 49723DEST_PATH_IMAGE023
获得的压力值；
Figure 571972DEST_PATH_IMAGE029
表示第i个微智能传感器
Figure 880593DEST_PATH_IMAGE022
针对第j个采样接入点
Figure 830095DEST_PATH_IMAGE023
获得的温度值。
针对每组特征参量值
Figure 591377DEST_PATH_IMAGE016
，
采用
Figure 917316DEST_PATH_IMAGE017
对高压套管进行状态评估，得出第一状态评估结果；
采用
Figure 80445DEST_PATH_IMAGE018
对高压套管进行状态评估，得出第二状态评估结果；
若所述第一状态评估结果和所述第二状态评估结果一致，则将所述第一状态评估结果或所述第二状态评估结果作为所述高压套管的状态评估结果。
若所述第一状态评估结果和所述第二状态评估结果不一致，则开启所述时域参数采样单元获得时域采样特征量；
所述时域采样特征量包括采样极化电流值
Figure 200847DEST_PATH_IMAGE003
与采样去极化电流值
Figure 479120DEST_PATH_IMAGE004
；
基于所述采样极化电流值
Figure 343170DEST_PATH_IMAGE003
、采样去极化电流值
Figure 360805DEST_PATH_IMAGE004
对高压套管进行状态评 估，得出第三状态评估结果。
若所述第一状态评估结果和所述第二状态评估结果不一致，则基于所述特征参量 值
Figure 917688DEST_PATH_IMAGE030
对高压套管进行状态评估，得出第四状态评估结果，将第四状态评估结果 作为所述高压套管的状态评估结果。
若所述第一状态评估结果和所述第三状态评估结果一致，则将所述第一状态评估结果或所述第三状态评估结果作为所述高压套管的状态评估结果；
否则，基于所述采样极化电流值
Figure 919142DEST_PATH_IMAGE003
、采样去极化电流值
Figure 586884DEST_PATH_IMAGE004
进行时域-频域转 换，获得转换介质损耗系数
Figure 662287DEST_PATH_IMAGE010
；
基于所述特征参量值
Figure 655651DEST_PATH_IMAGE011
以及转换介质损耗系数
Figure 368568DEST_PATH_IMAGE010
对高压套管进行状态评估。
在上述方法中，开启所述时域参数采样单元获得时域采样特征量；所述时域采样 特征量包括采样极化电流值
Figure 574422DEST_PATH_IMAGE003
与采样去极化电流值
Figure 832228DEST_PATH_IMAGE004
；
其采集原理介绍如下：
当在介质上施加直流阶跃电压U0时，介质内部流过的电流称为极化电流。极化电流是随时间逐渐减小并趋于稳定的电导电流，极化电流由三部分组成：电导电流、位移极化引起的瞬时充电电流和松弛极化引起的吸收电流，可表示为：
Figure DEST_PATH_IMAGE035
即
Figure DEST_PATH_IMAGE036
为随时间t变化的吸收电流；当时间t逐渐减小时，
Figure 668597DEST_PATH_IMAGE036
趋于稳定值，此时 的
Figure 379064DEST_PATH_IMAGE036
即是采样极化电流值
Figure DEST_PATH_IMAGE037
，即前述提及的极化电流是随时间逐渐减小并趋于稳定的 电导电流。
其中：
U0为外加直流电压，单位为伏（V）；C0为电极间的几何电容，单位为法（F）；
Figure DEST_PATH_IMAGE038
为介 质的直流电导率，单位为西门子/米（s/m）；
Figure DEST_PATH_IMAGE039
为真空相对介电常数，8.854×10-12法/米 （F/m）；
Figure DEST_PATH_IMAGE040
为光频介电常数，
Figure DEST_PATH_IMAGE041
为冲击函数；
Figure DEST_PATH_IMAGE042
为反映慢极化行为的响应函数；
当加压一段时间
Figure DEST_PATH_IMAGE043
，即公式（1）中
Figure DEST_PATH_IMAGE044
计算出
Figure DEST_PATH_IMAGE045
后，将介质短接，在介质内部有 去极化电流产生去极化电流与极化电流方向相反。此时不存在电导电流；
去极化电流可表示为
Figure DEST_PATH_IMAGE046
。
Figure DEST_PATH_IMAGE047
为随时间t变化的去极化电流值，当时间t足够长（例如t=1000秒）时，该值 最终稳定为0；
在去极化电流稳定为0之前的采样时间点（例如t=45秒）进行采样获得的去极化电 流值即为所述采样去极化电流值
Figure DEST_PATH_IMAGE048
。因此，在实际应用中，采样去极化电流值
Figure 545865DEST_PATH_IMAGE048
为在 去极化电流稳定为0之前的采样时间点获得的去极化电流值，例如
Figure DEST_PATH_IMAGE049
。
基于图1-图3 的系统，以及前述实施例介绍，参见图4，给出一种基于微智能传感器的高压套管多维状态监测方法的两个不同实施例。
在图4中，所述方法包括步骤S610-S650，各个步骤具体实现如下：
S610：确定所述高压套管的N个采样接入点
Figure 127019DEST_PATH_IMAGE012
；
S620：将M个微智能传感器
Figure 196606DEST_PATH_IMAGE013
接入所述N个采样接入点
Figure 394369DEST_PATH_IMAGE012
，每个采样接入点至少接入一个所述微智能传感器；其中，M>N>1；
S630：微智能传感器
Figure 676446DEST_PATH_IMAGE014
针对采样接入点
Figure 643265DEST_PATH_IMAGE015
获得的一组特征参量值
Figure 851130DEST_PATH_IMAGE016
S640：针对每组特征参量值
Figure 536190DEST_PATH_IMAGE016
，
采用
Figure 621957DEST_PATH_IMAGE017
对高压套管进行状态评估，得出第一状态评估结果；
采用
Figure 443283DEST_PATH_IMAGE018
对高压套管进行状态评估，得出第二状态评估结果；
S650：若所述第一状态评估结果和所述第二状态评估结果一致，则将所述第一状态评估结果或所述第二状态评估结果作为所述高压套管的状态评估结果；
其中，
Figure 589093DEST_PATH_IMAGE005
为套管相对介损、
Figure 495869DEST_PATH_IMAGE006
为相对电容量、
Figure 886793DEST_PATH_IMAGE007
为工频泄漏电流、
Figure 562625DEST_PATH_IMAGE008
为局部放 电脉冲电流、
Figure 879337DEST_PATH_IMAGE009
为油中氢气含量、P为压力，T为温度。
相对应的，以
Figure 273409DEST_PATH_IMAGE019
表示第s个微智能传感器，s=1，2，…，M；
以
Figure 966558DEST_PATH_IMAGE020
表示第t个采样接入点，t=1，2，…，N；
则
Figure DEST_PATH_IMAGE050
各自的含义与前述实施例相同，在此不再 重复。
所述步骤S650中，若所述第一状态评估结果和所述第二状态评估结果不一致，则 基于所述特征参量值
Figure 965738DEST_PATH_IMAGE030
对高压套管进行状态评估，得出第四状态评估结果，将 第四状态评估结果作为所述高压套管的状态评估结果。
所述步骤S650中，若所述第一状态评估结果和所述第二状态评估结果不一致，则开启时域参数采样单元获得时域采样特征量；
所述时域采样特征量包括采样极化电流值
Figure 984510DEST_PATH_IMAGE003
与采样去极化电流值
Figure 364414DEST_PATH_IMAGE004
；
基于所述采样极化电流值
Figure 595675DEST_PATH_IMAGE003
、采样去极化电流值
Figure 511678DEST_PATH_IMAGE004
对高压套管进行状态评 估，得出第三状态评估结果；
若所述第一状态评估结果和所述第三状态评估结果一致，则将所述第一状态评估结果或所述第三状态评估结果作为所述高压套管的状态评估结果；
否则，基于所述采样极化电流值
Figure 435772DEST_PATH_IMAGE003
、采样去极化电流值
Figure 804436DEST_PATH_IMAGE004
进行时域-频域转 换，获得转换介质损耗系数
Figure 839388DEST_PATH_IMAGE010
；
基于所述特征参量值
Figure 344319DEST_PATH_IMAGE011
以及转换介质损耗系数
Figure 439314DEST_PATH_IMAGE010
对高压套管进行状态评估。
在上述不同的各个实例中，状态监测或者判断只有两种结果，异常，或者正常。
两个“状态评估结果一致”，意味着两个同为异常，或者同为正常。
图4方法显然可以通过计算机程序指令自动化的实现。具体的，任何包含处理器和存储器的电子设备，其具有计算机可读存储介质存储上述方法的计算程序指令，即可实现上述方法。
因此，参见图5，给出一种便携式手持终端，所述便携式手持终端与微智能传感器组合无线通信，所述微智能传感器组合可获得所述高压套管的多个不同特征参量，所述便携式手持终端获取所述多个不同特征参量，用于实现图4所述方法的全部步骤S610-S650。
本发明可以基于微智能传感器采集的多维特征数据结合时域数据进行多重状态判定，提高了高压套管状态判断的准确性和全面性，同时微智能传感器可以一次性获得多组特征数据，不需要布置多个不同类型的传感器，降低了硬件成本与系统复杂性。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。此外，本发明的各个实施例可以单独或者合并，解决其中一个或者多个技术问题，但是不要求每个实施例或者技术方案均解决所有技术问题。
本发明未特别明确的部分模块结构，以现有技术记载的内容为准。本发明在前述背景技术部分以及具体实施例部分提及的现有技术可作为本发明的一部分，用于理解部分技术特征或者参数的含义。本发明的保护范围以权利要求实际记载的内容为准。

Claims (10)

1.一种基于微智能传感器的高压套管多维状态监测系统，其特征在于，
所述系统包括多个微智能传感器与至少一个时域参数采样单元；
所述时域参数采样单元可用于对所述高压套管进行时域采样，获得时域采样特征量；
所述微智能传感器可获得所述高压套管的多个不同特征参量，
所述系统通过所述时域采样特征量与多个不同特征参量，对高压套管进行状态评估。
2.如权利要求1所述的一种基于微智能传感器的高压套管多维状态监测系统，其特征在于，
所述多个不同特征参量包括套管相对介损
Figure 998110DEST_PATH_IMAGE001
、相对电容量
Figure 69709DEST_PATH_IMAGE002
、工频泄漏电流
Figure 960304DEST_PATH_IMAGE003
、局 部放电脉冲电流
Figure 491780DEST_PATH_IMAGE004
、油中氢气含量
Figure 569457DEST_PATH_IMAGE005
、压力P和温度T；
所述系统包括M个微智能传感器
Figure 477370DEST_PATH_IMAGE006
与一个时域参数采样单元ST；
Figure 222472DEST_PATH_IMAGE007
表示第s个微智能传感器，s=1，2，…，M；
所述高压套管存在N个采样接入点
Figure 659270DEST_PATH_IMAGE008
，
Figure 489823DEST_PATH_IMAGE009
表示第t个采样接入点，t=1，2，…，N；
每个采样接入点至少接入一个所述微智能传感器；其中，M>N>1;
微智能传感器
Figure 670268DEST_PATH_IMAGE010
针对采样接入点
Figure 269877DEST_PATH_IMAGE011
获得一组特征参量值
Figure 143155DEST_PATH_IMAGE012
;
Figure 696889DEST_PATH_IMAGE013
表示第i个微智能传感器
Figure 415447DEST_PATH_IMAGE010
针对第j个采样接入点
Figure 135141DEST_PATH_IMAGE011
获得的套管相对介损；
Figure 913741DEST_PATH_IMAGE014
表示第i个微智能传感器
Figure 718886DEST_PATH_IMAGE010
针对第j个采样接入点
Figure 241134DEST_PATH_IMAGE011
获得的相对电容量；
Figure 815335DEST_PATH_IMAGE015
表示第i个微智能传感器
Figure 30416DEST_PATH_IMAGE010
针对第j个采样接入点
Figure 791699DEST_PATH_IMAGE011
获得的工频泄漏电流；
Figure 117638DEST_PATH_IMAGE016
表示第i个微智能传感器
Figure 546345DEST_PATH_IMAGE010
针对第j个采样接入点
Figure 165283DEST_PATH_IMAGE011
获得的局部放电脉冲电流；
Figure 679441DEST_PATH_IMAGE017
表示第i个微智能传感器
Figure 809071DEST_PATH_IMAGE010
针对第j个采样接入点
Figure 826705DEST_PATH_IMAGE011
获得的油中氢气含量；
Figure 649168DEST_PATH_IMAGE018
表示第i个微智能传感器
Figure 650622DEST_PATH_IMAGE010
针对第j个采样接入点
Figure 52784DEST_PATH_IMAGE011
获得的压力值；
Figure 190505DEST_PATH_IMAGE019
表示第i个微智能传感器
Figure 183869DEST_PATH_IMAGE010
针对第j个采样接入点
Figure 141460DEST_PATH_IMAGE011
获得的温度值；针对每组特 征参量值
Figure 114358DEST_PATH_IMAGE012
采用
Figure 372164DEST_PATH_IMAGE020
、对高压套管进行状态评估，得出第一状态评估结果；
采用
Figure 5270DEST_PATH_IMAGE021
对高压套管进行状态评估，得出第二状态评估结果；
若所述第一状态评估结果和所述第二状态评估结果一致，则将所述第一状态评估结果或所述第二状态评估结果作为所述高压套管的状态评估结果。
3.如权利要求2所述的一种基于微智能传感器的高压套管多维状态监测系统，其特征在于，
若所述第一状态评估结果和所述第二状态评估结果不一致，则开启所述时域参数采样单元获得时域采样特征量；
所述时域采样特征量包括采样极化电流值
Figure 715737DEST_PATH_IMAGE022
与采样去极化电流值
Figure 990861DEST_PATH_IMAGE023
；
基于所述采样极化电流值
Figure 837594DEST_PATH_IMAGE022
、采样去极化电流值
Figure 172761DEST_PATH_IMAGE023
对高压套管进行状态评估，得 出第三状态评估结果。
4.如权利要求2所述的一种基于微智能传感器的高压套管多维状态监测系统，其特征在于，
若所述第一状态评估结果和所述第二状态评估结果不一致，则基于所述特征参量值
Figure 104945DEST_PATH_IMAGE024
、对高压套管进行状态评估，得出第四状态评估结果，将第四状态评估结果作 为所述高压套管的状态评估结果。
5.如权利要求3所述的一种基于微智能传感器的高压套管多维状态监测系统，其特征在于，
若所述第一状态评估结果和所述第三状态评估结果一致，则将所述第一状态评估结果或所述第三状态评估结果作为所述高压套管的状态评估结果；
否则，基于所述采样极化电流值
Figure 918180DEST_PATH_IMAGE022
、采样去极化电流值
Figure 150578DEST_PATH_IMAGE023
进行时域-频域转换，获 得转换介质损耗系数
Figure 624022DEST_PATH_IMAGE025
；
基于所述特征参量值
Figure 574661DEST_PATH_IMAGE026
以及转换介质损耗系数
Figure 926008DEST_PATH_IMAGE025
对高压套管进行状态评估。
6.一种基于微智能传感器的高压套管多维状态监测方法，其特征在于，所述方法包括如下步骤：
S610：确定所述高压套管的N个采样接入点
Figure 12912DEST_PATH_IMAGE027
；
S620：将M个微智能传感器
Figure 158723DEST_PATH_IMAGE028
接入所述N个采样接入点
Figure 331078DEST_PATH_IMAGE029
，每个采样接入点至少接入一个所述微智能传感器；其中，M>N>1；
S630：微智能传感器
Figure 486116DEST_PATH_IMAGE030
针对采样接入点
Figure 427527DEST_PATH_IMAGE031
获得的一组特征参量值
Figure DEST_PATH_IMAGE032
；
S640：针对每组特征参量值
Figure 744239DEST_PATH_IMAGE032
，
采用
Figure 639776DEST_PATH_IMAGE033
、对高压套管进行状态评估，得出第一状态评估结果；
采用
Figure 598505DEST_PATH_IMAGE034
对高压套管进行状态评估，得出第二状态评估结果；
S650：若所述第一状态评估结果和所述第二状态评估结果一致，则将所述第一状态评估结果或所述第二状态评估结果作为所述高压套管的状态评估结果；
其中，
Figure 394423DEST_PATH_IMAGE007
表示第s个微智能传感器，s=1，2，…，M；
Figure 147615DEST_PATH_IMAGE009
表示第t个采样接入点，t=1，2，…，N；
Figure 28983DEST_PATH_IMAGE013
表示第i个微智能传感器
Figure 525824DEST_PATH_IMAGE010
针对第j个采样接入点
Figure 441827DEST_PATH_IMAGE011
获得的套管相对介损；
Figure 365921DEST_PATH_IMAGE014
表示第i个微智能传感器
Figure 734585DEST_PATH_IMAGE010
针对第j个采样接入点
Figure 35117DEST_PATH_IMAGE011
获得的相对电容量；
Figure 805627DEST_PATH_IMAGE015
表示第i个微智能传感器
Figure 399157DEST_PATH_IMAGE010
针对第j个采样接入点
Figure 255117DEST_PATH_IMAGE011
获得的工频泄漏电流；
Figure 93760DEST_PATH_IMAGE016
表示第i个微智能传感器
Figure 718777DEST_PATH_IMAGE010
针对第j个采样接入点
Figure 984673DEST_PATH_IMAGE011
获得的局部放电脉冲电流；
Figure 327930DEST_PATH_IMAGE017
表示第i个微智能传感器
Figure 704684DEST_PATH_IMAGE010
针对第j个采样接入点
Figure 449786DEST_PATH_IMAGE011
获得的油中氢气含量；
Figure 886584DEST_PATH_IMAGE018
表示第i个微智能传感器
Figure 717137DEST_PATH_IMAGE010
针对第j个采样接入点
Figure 387328DEST_PATH_IMAGE011
获得的压力值；
Figure 986937DEST_PATH_IMAGE019
表示第i个微智能传感器
Figure 594636DEST_PATH_IMAGE010
针对第j个采样接入点
Figure 646905DEST_PATH_IMAGE011
获得的温度值。
7.如权利要求6所述的一种基于微智能传感器的高压套管多维状态监测方法，其特征在于，
所述步骤S650中，若所述第一状态评估结果和所述第二状态评估结果不一致，则基于 所述特征参量值
Figure 631042DEST_PATH_IMAGE024
对高压套管进行状态评估，得出第四状态评估结果，将第四 状态评估结果作为所述高压套管的状态评估结果。
8.如权利要求6所述的一种基于微智能传感器的高压套管多维状态监测方法，其特征在于，
所述步骤S650中，若所述第一状态评估结果和所述第二状态评估结果不一致，则开启时域参数采样单元获得时域采样特征量；
所述时域采样特征量包括采样极化电流值
Figure 350736DEST_PATH_IMAGE022
与采样去极化电流值
Figure 863757DEST_PATH_IMAGE023
；
基于所述采样极化电流值
Figure 403323DEST_PATH_IMAGE022
、采样去极化电流值
Figure 925571DEST_PATH_IMAGE023
对高压套管进行状态评估，得 出第三状态评估结果；
若所述第一状态评估结果和所述第三状态评估结果一致，则将所述第一状态评估结果或所述第三状态评估结果作为所述高压套管的状态评估结果；
否则，基于所述采样极化电流值
Figure 998307DEST_PATH_IMAGE022
、采样去极化电流值
Figure 947809DEST_PATH_IMAGE023
进行时域-频域转换，获 得转换介质损耗系数
Figure 240250DEST_PATH_IMAGE025
；
基于所述特征参量值
Figure 300610DEST_PATH_IMAGE026
以及转换介质损耗系数
Figure 729317DEST_PATH_IMAGE025
对高压套管进行状态评估。
9.如权利要求6-8任一项所述的一种基于微智能传感器的高压套管多维状态监测方法，其特征在于，
所述评估结果为异常或者正常。
10.一种便携式手持终端，所述便携式手持终端与微智能传感器无线通信，所述微智能传感器可获得所述高压套管的多个不同特征参量，所述便携式手持终端获取所述多个不同特征参量，用于实现权利要求6-9任一项所述方法的全部步骤。
CN202210977905.9A 2022-08-16 2022-08-16 基于微智能传感器的高压套管多维状态监测系统与方法 Active CN115063049B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210977905.9A CN115063049B (zh) 2022-08-16 2022-08-16 基于微智能传感器的高压套管多维状态监测系统与方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210977905.9A CN115063049B (zh) 2022-08-16 2022-08-16 基于微智能传感器的高压套管多维状态监测系统与方法

Publications (2)

Publication Number Publication Date
CN115063049A true CN115063049A (zh) 2022-09-16
CN115063049B CN115063049B (zh) 2022-11-15

Family

ID=83208298

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210977905.9A Active CN115063049B (zh) 2022-08-16 2022-08-16 基于微智能传感器的高压套管多维状态监测系统与方法

Country Status (1)

Country Link
CN (1) CN115063049B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4757263A (en) * 1987-05-01 1988-07-12 Tennessee Valley Authority Insulation power factor alarm monitor
CN106021756A (zh) * 2016-05-27 2016-10-12 三峡大学 一种基于频域介电谱特征量评估油纸绝缘状态的方法
CN107991584A (zh) * 2017-08-02 2018-05-04 云南电网有限责任公司昆明供电局 一种基于极化/去极化电流的变压器电容式套管绝缘老化测试方法
CN109507554A (zh) * 2018-12-10 2019-03-22 国网四川省电力公司电力科学研究院 一种电气设备绝缘状态评估方法
CN110726880A (zh) * 2019-10-24 2020-01-24 国网重庆市电力公司电力科学研究院 基于频域和时域的电容式套管绝缘系统老化状态评估方法
CN110736905A (zh) * 2019-11-08 2020-01-31 国网重庆市电力公司江北供电分公司 一种110kV XLPE高压电缆绝缘老化评估方法
US20200191763A1 (en) * 2018-12-12 2020-06-18 ZTZ Service International, Inc. System and method for headspace monitoring in transformers
CN111458612A (zh) * 2020-05-29 2020-07-28 国网陕西省电力公司电力科学研究院 一种油浸式套管电气绝缘性能的状态监测及缺陷模拟系统
CN111999685A (zh) * 2020-09-18 2020-11-27 山东电工电气集团有限公司 一种变压器油浸式套管运行状态综合监测系统
CN112163371A (zh) * 2020-09-18 2021-01-01 山东电工电气集团有限公司 一种变压器套管状态评估方法
CN113419147A (zh) * 2021-06-29 2021-09-21 广西电网有限责任公司电力科学研究院 基于雷达谱图式的可视化电缆绝缘状态诊断评估方法
CN113917293A (zh) * 2021-09-24 2022-01-11 广东电网有限责任公司广州供电局 基于频域时域高压干式套管绝缘老化状态评估方法及系统
CN113985223A (zh) * 2021-09-24 2022-01-28 广东电网有限责任公司广州供电局 一种高压干式套管的多参量智能识别系统及应用
CN114002533A (zh) * 2021-11-03 2022-02-01 国网江苏省电力有限公司检修分公司 一种高压套管一体化在线监测及灰色评价系统
CN114325497A (zh) * 2021-12-27 2022-04-12 国网江苏省电力有限公司检修分公司 一种多参量高压套管在线监测装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4757263A (en) * 1987-05-01 1988-07-12 Tennessee Valley Authority Insulation power factor alarm monitor
CN106021756A (zh) * 2016-05-27 2016-10-12 三峡大学 一种基于频域介电谱特征量评估油纸绝缘状态的方法
CN107991584A (zh) * 2017-08-02 2018-05-04 云南电网有限责任公司昆明供电局 一种基于极化/去极化电流的变压器电容式套管绝缘老化测试方法
CN109507554A (zh) * 2018-12-10 2019-03-22 国网四川省电力公司电力科学研究院 一种电气设备绝缘状态评估方法
US20200191763A1 (en) * 2018-12-12 2020-06-18 ZTZ Service International, Inc. System and method for headspace monitoring in transformers
CN110726880A (zh) * 2019-10-24 2020-01-24 国网重庆市电力公司电力科学研究院 基于频域和时域的电容式套管绝缘系统老化状态评估方法
CN110736905A (zh) * 2019-11-08 2020-01-31 国网重庆市电力公司江北供电分公司 一种110kV XLPE高压电缆绝缘老化评估方法
CN111458612A (zh) * 2020-05-29 2020-07-28 国网陕西省电力公司电力科学研究院 一种油浸式套管电气绝缘性能的状态监测及缺陷模拟系统
CN111999685A (zh) * 2020-09-18 2020-11-27 山东电工电气集团有限公司 一种变压器油浸式套管运行状态综合监测系统
CN112163371A (zh) * 2020-09-18 2021-01-01 山东电工电气集团有限公司 一种变压器套管状态评估方法
CN113419147A (zh) * 2021-06-29 2021-09-21 广西电网有限责任公司电力科学研究院 基于雷达谱图式的可视化电缆绝缘状态诊断评估方法
CN113917293A (zh) * 2021-09-24 2022-01-11 广东电网有限责任公司广州供电局 基于频域时域高压干式套管绝缘老化状态评估方法及系统
CN113985223A (zh) * 2021-09-24 2022-01-28 广东电网有限责任公司广州供电局 一种高压干式套管的多参量智能识别系统及应用
CN114002533A (zh) * 2021-11-03 2022-02-01 国网江苏省电力有限公司检修分公司 一种高压套管一体化在线监测及灰色评价系统
CN114325497A (zh) * 2021-12-27 2022-04-12 国网江苏省电力有限公司检修分公司 一种多参量高压套管在线监测装置

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
A. SETAYESHMEHR: "On-line monitoring and diagnoses of power transformer bushings", 《IEEE TRANSACTIONS ON DIELECTRICS AND ELECTRICAL INSULATION》 *
刘伟等: "电容型高压设备介损在线监测系统的现场采集单元设计", 《计算机测量与控制》 *
唐炬等: "多参数电气设备绝缘微机智能化在线监测", 《自动化与仪器仪表》 *
张冠军等: "智能化电力变压器的概念与实现", 《高科技与产业化》 *
李鹏等: "变电设备智能传感与状态感知技术及应用", 《高电压技术》 *
杜振波等: "基于频域介电谱分析的高压套管绝缘状态评估", 《高压电器》 *
王赫男等: "基于数字信号处理器高压容性设备智能绝缘监控系统的开发设计", 《内蒙古电力技术》 *
穆海宝等: "变压器油纸绝缘套管多参量智能感知技术研究", 《高电压技术》 *
赖靖胤等: "变压器套管在线监测系统的设计与开发", 《电子世界》 *

Also Published As

Publication number Publication date
CN115063049B (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
CN106066425B (zh) 一种阻抗测量装置及其实现校准补偿的方法
SE515387C2 (sv) Övervakning av interna partiella urladdningar i en krafttransformator
CN113358914B (zh) 电压测量电路及其电压测量方法、电压测量设备
CN105223536B (zh) 一种便携式电能表现场校验系统
CN107632241A (zh) 一种测试油纸绝缘局部放电特性的装置和方法
CN110231071B (zh) 一种基于电容式传感器的液位测量装置
CN109324225A (zh) 一种用于cvt在线监测的高精度电流采样系统
CN105911443A (zh) 基于钳形同轴电容的电缆中间接头局部放电在线测量系统
CN113985223A (zh) 一种高压干式套管的多参量智能识别系统及应用
CN109521391A (zh) 发电机电压互感器绕组匝间短路故障的检测装置及方法
CN110501619B (zh) 一种高频响应分压测量装置
CN109580774B (zh) 一种绝缘替代气体耐压击穿特性检测设备及方法
CN108761159B (zh) 基于广域同步测量电能表的计量装置检测系统
CN115063049B (zh) 基于微智能传感器的高压套管多维状态监测系统与方法
CN107884737A (zh) 无线高精度同步的现场容性设备在线监测校验系统及方法
CN207964994U (zh) 变电站接地网健康状态检测装置
CN216900776U (zh) 一种数字局部放电测试仪
CN109884478A (zh) 一种带电作业绝缘工器具绝缘性能检测装置及方法
CN115575777A (zh) 一种中压电缆状态在线监测方法及系统
CN204964744U (zh) 一种便携式电能表现场校验系统
CN107356845A (zh) 双绕组变压器在线监测系统
CN209606602U (zh) 发电机电压互感器绕组匝间短路故障的检测装置
CN202693741U (zh) 脉冲式线圈测试仪
CN113721071A (zh) 一种测量非介入式对地电压的系统和方法
CN111610382A (zh) 一种非接触式变压器套管空间电场监测装置

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Multidimensional Condition Monitoring System and Method for High Voltage Bushing Based on Micro Intelligent Sensors

Effective date of registration: 20230629

Granted publication date: 20221115

Pledgee: Bank of Beijing Co.,Ltd. Jinan Branch

Pledgor: Shandong Hedi Intelligent Technology Co.,Ltd.

Registration number: Y2023980046726

PE01 Entry into force of the registration of the contract for pledge of patent right