CN116990468B - 模拟六氟化硫电气设备的气体状态测试评价系统及方法 - Google Patents
模拟六氟化硫电气设备的气体状态测试评价系统及方法 Download PDFInfo
- Publication number
- CN116990468B CN116990468B CN202311268118.8A CN202311268118A CN116990468B CN 116990468 B CN116990468 B CN 116990468B CN 202311268118 A CN202311268118 A CN 202311268118A CN 116990468 B CN116990468 B CN 116990468B
- Authority
- CN
- China
- Prior art keywords
- transmitter
- data
- sulfur hexafluoride
- humidity
- channel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 125
- 229910018503 SF6 Inorganic materials 0.000 title claims abstract description 85
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 title claims abstract description 85
- 229960000909 sulfur hexafluoride Drugs 0.000 title claims abstract description 85
- 238000012360 testing method Methods 0.000 title claims abstract description 67
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 110
- 230000008569 process Effects 0.000 claims abstract description 81
- 238000005259 measurement Methods 0.000 claims abstract description 54
- 238000002347 injection Methods 0.000 claims abstract description 50
- 239000007924 injection Substances 0.000 claims abstract description 50
- 238000009434 installation Methods 0.000 claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims abstract description 32
- 230000006870 function Effects 0.000 claims description 31
- 238000010438 heat treatment Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 claims description 11
- 238000003062 neural network model Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 8
- 238000013079 data visualisation Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000006698 induction Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims 2
- 230000007704 transition Effects 0.000 claims 2
- 238000004891 communication Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/007—Arrangements to check the analyser
-
- 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
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Combustion & Propulsion (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明涉及电力系统内的测试技术领域,具体涉及模拟六氟化硫电气设备的气体状态测试评价系统及方法,系统包括:模拟容器、微水注入通道、六氟化硫注入通道、标准变送器测量通道、被测变送器测量通道和电气控制回路;电气控制回路对测量过程进行调节及确定,以及根据标准变送器测量通道和被测变送器测量通道比对结果对被测变送器测量通道的安装及测量方式进行评价。本发明通过标准变送器测量通道测量获得标准值,以及通过被测变送器测量通道测量获得待评价值,标准值作为基准,而与待评价值进行比较,比较的结果可作为被测变送器测量通道安装方式及测量过程的评价依据,通过评价结果可最终确定被测变送器测量通道的最优安装及测量方式。
Description
技术领域
本发明涉及电力系统内的测试技术领域,具体涉及一种模拟六氟化硫电气设备的气体状态测试评价系统及方法。
背景技术
六氟化硫作为一种性能良好的绝缘气体,被广泛应用于高压电气设备内,而作为灭弧介质使用。六氟化硫气体的绝缘性能,与被充入气体的密度值和气体内的杂质含量等因素有关,另外,六氟化硫气体中的微水含量也会影响其的绝缘性能,严重时会危害电气设备的安全,影响到电力供应和国民经济的安全。
为了针对不同高压电气设备的使用情况而精准评估六氟化硫气体的绝缘性能,需要引入六氟化硫气体状态多参量在线监测系统,对气体中的微水含量、密度、压力、温度等气体状态多参量进行实时在线监测。而在实施过程中,由于对六氟化硫气体中微水、密度含量进行在线监测时所采用的变送器的安装方式及测量过程不同,因此所能准确反应实际微水、密度含量值的效果也不相同。
在实际的工程实践中,准确了解变送器的实际质量情况,排除可能存在的质量参差不齐,可有效为全面加强在线监测系统的监督工作提供有力的保障;同时,相关的测试系统还可用于变送器制造厂在生产过程中以及出厂检验时的测试仪器,可为电力基层单位提供便捷高效的工作模式,从而保证电网的运行安全。
综上所述,如何测试变送器的不同安装和测量方式对六氟化硫气体状态多参量测量结果准确性的影响,已经成为目前需要解决的一项问题。
发明内容
本发明中提供了一种模拟六氟化硫电气设备的气体状态测试评价系统及方法,可有效满足上述需求。
为了达到上述目的,本发明所采用的技术方案是:
模拟六氟化硫电气设备的气体状态测试评价系统,包括:
模拟容器,通过内部的腔体模拟电气设备中填充六氟化硫的内部空间;
微水注入通道,与所述腔体单向连通,向所述腔体内供给微水;
六氟化硫注入通道,与所述腔体单向连通,向所述腔体内供给六氟化硫气体;
标准变送器测量通道,连通所述腔体内外,供感应端位于所述腔体内的标准变送器安装,对所述腔体内微水的实际数据和六氟化硫气体的实际数据进行测量;
被测变送器测量通道,连通所述腔体内外,供被测变送器安装,所述被测变送器根据工程应用中所设计的安装方式相对于所述模拟容器进行安装,且与所述标准变送器执行相同的测量过程;
电气控制回路,分别与所述微水注入通道和六氟化硫注入通道连接,对各自的供给指标进行调节及确定;
所述电气控制回路还分别与所述标准变送器和被测变送器连接,对所述测量过程进行调节及确定,以及对所述标准变送器和被测变送器的实际数据进行比对,且根据比对结果对所述被测变送器测量通道的安装方式及测量过程进行评价。
进一步地,还包括真空发生通道,与所述腔体单向连通,供所述腔体内的气体排除而获得真空状态;
所述电气控制回路与所述真空发生通道连接,对所述真空发生通道的工作指标进行调节及确定。
进一步地,所述腔体内设置有内部气体循环装置和/或加热装置;
所述电气控制回路与所述内部气体循环装置连接,对所述内部气体循环装置的工作指标进行调节及确定,以使得所述腔体内形成所需气体循环状态;
所述电气控制回路与所述加热装置连接,对所述加热装置的工作指标进行调节及确定,以使得所述腔体内达到所需温度环境。
进一步地,还包括:
气体泄漏通道,与所述腔体单向连通,供来自于所述腔体的气体流出,所述电气控制回路与所述气体泄漏通道连接,对所述气体泄漏通道的工作指标进行调节及确定;
空气湿度变送器,对所处环境的空气湿度进行测量,所述电气控制回路与所述空气湿度变送器连接,且根据所述空气湿度变送器所采集的数据对所述比对结果进行修订。
模拟六氟化硫电气设备的气体状态测试评价方法,采用如上所述的模拟六氟化硫电气设备的气体状态测试评价系统,包括:
通过所述电气控制回路对所述微水注入通道和六氟化硫注入通道的供给指标,对气体泄漏通道的工作指标进行调节及确定,以及,对所述标准变送器和被测变送器的测量过程进行调节及确定;
排空所述腔体内的空气;
开启所述微水注入通道而向所述腔体内注入微水,注入过程中持续采集所述标准变送器的微水值,直至到达设定微水值时,关闭所述微水注入通道;
开启所述六氟化硫注入通道向所述腔体内注入六氟化硫,注入过程中持续采集所述标准变送器的密度值,直至达到设定密度值时,关闭所述六氟化硫注入通道;
根据所确定的测量过程,开启所述标准变送器和被测变送器的数据同步采集,获得第一数据集合;
开启所述气体泄漏通道,且继续执行所述测量过程,获得第二数据集合;
综合所述第一数据集合和第二数据集合,对所述标准变送器和被测变送器的实际数据进行比对,且根据比对结果对所述被测变送器测量通道的所述安装方式及测量过程进行评价。
进一步地,综合所述第一数据集合和第二数据集合,对所述标准变送器和被测变送器的实际数据进行比对,且根据比对结果对所述被测变送器测量通道的所述安装方式及测量过程进行评价,包括:
整合所述第一数据集合和第二数据集合,且为两数据集合中的每个数据样本添加附加标签,用于指示所述数据样本的来源,且完成数据的特征工程;
构建神经网络模型,并设置损失函数为二元交叉熵损失函数,用于模型的二分类任务,其中正类别表示泄漏数据,负类别表示非泄漏数据;
使用整合后的数据集对所述神经网络模型进行训练和评估;
输出对所述被测变送器不同安装方式和测量过程的性能评估结果。
进一步地,还包括第一数据集合和第二数据集合的数据分布均匀性的判断及处理过程,包括:
判断所述第一数据集合和第二数据集合的样本数量差异,若所述数量差异在设定范围内,则判定数据分布均匀,若所述数量差异超出设定范围,则执行以下处理过程;
分别使用第一数据集合和第二数据集合的样本总数除以各自的样本数,获得第一数据集合和第二数据集合各自的类别权重;
将所述类别权重应用于所述二元交叉熵损失函数。
进一步地,还包括通过空气湿度对所述类别权重进行修订的过程,修订后将所述类别权重应用于所述二元交叉熵损失函数,修订过程包括:
收集一组包括湿度和内部微水含量的数据,并对所述数据进行预处理;
使用数据可视化和统计分析方法来探索湿度与内部微水含量之间的关系;
根据关系的判断结果,选择建模方法;
进行模型训练及评估,确定最终的湿度与内部微水含量关系模型;
应用所述湿度与内部微水含量关系模型,对所述类别权重进行修订。
进一步地,应用所述湿度与内部微水含量关系模型,对所述类别权重进行修订,包括:
定义权重修订函数,将湿度值映射到类别权重的修订,所述权重修订函数为:
修订后的权重=初始类别权重+f(湿度)
其中,f(湿度)是湿度与内部微水含量模型的输出;
在每次测试中,获取实时湿度数据,并使用所述权重修订函数计算修订后的类别权重。
进一步地,使用数据可视化和统计分析方法来探索湿度与内部微水含量之间的关系,包括:
将湿度数据作为x轴,内部微水含量数据作为y轴;
使用散点图,对于每个数据点,绘制一个散点,以可视化不同湿度水平下的内部微水含量;
计算湿度与内部微水含量之间的皮尔逊相关系数,根据所述皮尔逊相关系数的值评估湿度与内部微水含量之间的相关性;
根据绘制的所述散点图和相关性的分析结果,进行观察和分析,判断湿度与内部微水含量之间的关系。
通过本发明的技术方案,可实现以下技术效果:
在本发明中,提供了一种模拟六氟化硫电气设备的测试系统,通过该测试系统的使用,可对模拟环境中气体状态多参量进行测试。在测试结果中,可获得通过标准变送器测量通道测量的标准值,以及获得被测变送器测量通道测量的待评价值,上述标准值和待评价值源于具有相同气体环境的内部空间、相同的测量过程,因此具有可比性;以标准值作为基准,而与待评价值进行比较,比较的结果可作为被测变送器测量通道安装方式及测量过程的评价依据,通过评价结果可最终确定被测变送器测量通道的最优安装及测量方式。
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地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,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为模拟六氟化硫电气设备的气体状态测试评价系统的框架图;
图2为图1的一种优化方式示意图;
图3为模拟六氟化硫电气设备的气体状态测试评价系统的结构图;
图4为图3中增加内部气体循环装置和加热装置,且增加三通接头、连接气管和连接接头对被测变送器进行间接安装的结构图;
图5为图4中在连接气管和连接接头之间设置循环系统的结构图;
图6为各电气执行元件和信息反馈元件与主控制器连接的示意图;
图7为模拟六氟化硫电气设备的气体状态测试评价方法的流程图;
图8为步骤S07的流程图;
图9为第一数据集合和第二数据集合的数据分布均匀性的判断及处理过程流程图;
图10为通过空气湿度对类别权重进行修订的过程流程图;
图11为使用数据可视化和统计分析方法来探索湿度与内部微水含量之间的关系的流程图;
附图标记:
01、模拟容器;
02、微水注入通道;021、微水发生器;022、第二电磁阀;023、第二手阀;024、第二接口;
03、六氟化硫注入通道;031、六氟化硫气瓶;032、第三电磁阀;033、第三手阀;034、第三接口;
04、标准变送器;041、第四接口;
05、被测变送器;051、第五接口;052、三通接头;053、连接气管;054、连接接头;055、循环系统;
06、电气控制回路;061、主控制器;062、人机界面;
07、真空发生通道;071、真空发生器;072、第七电磁阀;073、第七手阀;074、第七接口;
08、气体泄漏通道;081、泄气单元;083、第八手阀;084、第八接口;
09、内部气体循环装置;091、第九接口;
010、加热装置;
011、空气湿度变送器。
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。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
如图1所示,模拟六氟化硫电气设备的气体状态测试评价系统,包括:
模拟容器01,通过内部的腔体模拟电气设备中填充六氟化硫的内部空间;微水注入通道02,与腔体单向连通,向腔体内供给微水;六氟化硫注入通道03,与腔体单向连通,向腔体内供给六氟化硫气体;标准变送器测量通道,连通腔体内外,供感应端位于腔体内的标准变送器04安装,对腔体内微水的实际数据和六氟化硫气体的实际数据进行测量;被测变送器测量通道,连通腔体内外,供被测变送器05安装,被测变送器05根据工程应用中所设计的安装方式相对于模拟容器01进行安装,且与标准变送器04执行相同的测量过程;电气控制回路06,分别与微水注入通道02和六氟化硫注入通道03连接,对各自的供给指标进行调节及确定;电气控制回路06还分别与标准变送器测量通道和被测变送器测量通道连接,对测量过程进行调节及确定,以及对标准变送器04和被测变送器05的实际数据进行比对,且根据比对结果对被测变送器测量通道的安装方式及测量过程进行评价。
在本发明中,提供了一种模拟六氟化硫电气设备的测试系统,通过该测试系统的使用,可对模拟环境中气体状态多参量进行测试。在测试结果中,可获得通过标准变送器04测量的标准值,以及获得被测变送器05测量的待评价值,上述标准值和待评价值源于具有相同气体环境的内部空间、相同的测量过程,因此具有可比性。具体实施过程中,以标准值作为基准,而与待评价值进行比较,比较的结果可作为被测变送器05安装方式及测量过程的评价依据,通过评价结果可最终确定被测变送器05的最优安装及测量方式。
微水注入通道02与腔体的单向连通可保证腔体内环境的稳定性,其中微水的供给指标包括微水供给量、微水含量、微水浓度等指标;六氟化硫注入通道03与腔体单向连通的目的同样也为了保证腔体内环境的稳定性,其中六氟化硫的供给指标包括六氟化硫供给量、密度、压力及浓度等指标。
上述所有的指标数据均通过电气控制回路06进行调节及确定,具体地,调节包括不同测量过程转换时的指标数值变换,以及同一测量过程中测试条件转换时的指标数值变换;确定指在某一稳定的测试过程中,需要具有的明确的指标数值,可通过调节过程的结束而获得,也可通过选择而获得。
作为比对标准的标准变送器04,为了获得更为精准的比对结果,其所具有的感应端安装在腔体内,从而可更为精准的获得腔体内的气体实际数据,在本发明中对于被测变送器测量通道的评价基于工程应用中所设计的安装方式和测量过程,即评价的结果针对的是一种具体的安装方式中的一种具体测量过程。
在本发明中,微水的实际数据可根据实际的评价需要进行选择性测量,可为微水含量、微水浓度等,六氟化硫气体的实际数据也可根据实际的评价需要进行选择性测量,可为六氟化硫的密度、压力和温度等。在实施过程中,上述各设定参数实际数据可以为直接测量得到的,也可为通过电气控制回路06转换或计算而得到的,均在本发明的保护范围内。
为了保证每次测量前均可获得等同的内部空间条件,作为上述实施例的优选,如图2所示,还包括真空发生通道07,与腔体单向连通,供腔体内的气体排除而获得真空状态;电气控制回路06与真空发生通道07连接,对真空发生通道07的工作指标进行调节及确定。
通过真空发生通道07的设置所获得的真空状态,可使得不同的测试过程均获得同等的初始条件,而不被前次测试残留的气体所影响。针对真空发生通道07,工作指标的调节过程相对的简单,因为其并不参与到实际的测试过程中,因此可相对快速的完成工作,使得腔体内快速的达到真空状态,在实施的过程中,相关动力的功率、阀体的开度及反应速度等均可作为真空发生通道07的工作指标而获得调节及确定。
电气设备中填充六氟化硫的内部空间还可能存在气体的流通和温度的变化,因此同样出于模拟更多测试条件的目的,作为上述实施例的优选,腔体内设置有内部气体循环装置09和/或加热装置010;电气控制回路06与内部气体循环装置09连接,对内部气体循环装置09的工作指标进行调节及确定,以使得腔体内形成所需气体循环状态;电气控制回路06与加热装置010连接,对加热装置010的工作指标进行调节及确定,以使得腔体内达到所需温度环境。
在本优选方案中,内部气体循环装置09、加热装置010可根据需要进行择一选装,或二者均进行安装;在安装后,二者可根据需要择一开启,或全部开启,均在本发明的保护范围内。针对上述两装置,分别具有不同的工作指标数据;例如,内部气体循环装置09的工作指标可包括相关动力的功率、转速等,具体可采用轴流风机实现气体循环;加热装置010的工作指标可包括加热功率、加热电流、加热电压等,具体可采用电加热器作为加热装置010。
为了更加真实的反应电气设备中填充六氟化硫的内部空间的真实情况,作为上述实施例的优选,同样如图2所示,还包括气体泄漏通道08,与腔体单向连通,供来自于腔体的气体流出;电气控制回路06与气体泄漏通道08连接,对气体泄漏通道08的工作指标进行调节及确定。通过上述优化,可模拟电气设备中填充六氟化硫的内部空间的泄漏情况,具体的泄漏过程可通过对气体泄漏通道08的工作指标的调节实现,包括单位时间内的泄漏量及泄漏通道的流通面积等等,均可通过调节而实现;在稳定的测试过程中,通过电气控制回路06可确定明确的数值作为工作指标。
在电气设备使用的过程中,空气湿度对于填充六氟化硫的电气设备可能具有影响,具体包括六氟化硫气体的绝缘性能和电气设备的安全性等等。为了将大气湿度的因素考虑到测试过程中,本优选方案中还包括空气湿度变送器011,对所处环境的空气湿度进行测量;电气控制回路06与空气湿度变送器011连接,且根据空气湿度变送器011所采集的数据对比对结果进行修订。
通过上述修订,可使得最终的评价结果综合空气湿度而获得更高的精准性。
在上述各个实施例中,如图3所示,微水注入通道02可具体包括依次连接的微水发生器021、阀体和第二接口024、第二接口024与腔体单向连通,而阀体可具体包括第二电磁阀022和第二手阀023;六氟化硫注入通道03可具体包括依次连接的六氟化硫气瓶031、阀体和第三接口034、第三接口034与腔体单向连通,而阀体可具体包括第三电磁阀032和第三手阀033;上述各手阀可在电磁阀发生故障等情况下作为备选阀体,或基于其他原因而分别或组合使用。标准变送器04可通过标准变送器测量通道的第四接口041实现相对于模拟容器01的安装,被测变送器05可通过被测变送器测量通道的第五接口051实现相对于模拟容器01的安装。
同样如图3所示,当通过优化而设置真空发生通道07时,可具体包括依次连接的真空发生器071、阀体和第七接口074,第七接口074与腔体单向连通,而阀体可具体包括第七电磁阀072和第七手阀073。同样针对气体泄漏通道08,可具体包括依次连接的泄气单元081、阀体和第八接口084,阀体可具体包括第八电磁阀和第八手阀083,其中泄气单元081可具体从高频电磁阀、电气比例阀、流量阀中进行选择。
如图4所示,展示了分别设置内部气体循环装置09和加热装置010的实施方式,为了降低模拟容器01除气体泄漏通道08以外的位置产生泄漏的几率,内部气体循环装置09和加热装置010可通过同一个第九接口091进行安装。在图3和图4中均进行了空气湿度变送器011的安装,只需保证与电气控制回路06建立稳定的连接即可。
在实施过程中,本发明所能够适应的被测变送器05的安装方式是多种多样的,包括如图3中所展示的相对于模拟容器01通过第五接口051直接安装的方式;或者,如图4中展示的通过依次连接的第五接口051、三通接头052、连接气管053、连接接头054而相对于模拟容器01间接安装的方式,此种方式中连接接头054与被测变送器05连接;再或者,作为一种更为复杂的安装方式,如图5所示,较图4中所展示的方式中在连接气管053和连接接头054之间设置循环系统055,从而使得来自模拟容器01的被测气体在此处获得流动循环,而后被被测变送器05的感应端所感应,当然,此种方式中也可省略三通接头052的使用,上述各安装方式均可通过本发明的测试系统进行测试。
其中,如图6所示,各电磁阀、微水发生器021、真空发生器071、泄气单元081、轴流风机和电加热器等作为电气执行元件,空气湿度变送器011、标准变送器04和被测变送器05作为信息反馈元件,均与电气控制回路06的主控制器061连接,可通过人机界面062实现操作及数据观察。
实施例二
上述实施例中的系统形式,使得标准变送器04和被测变送器05的实际数据可有效被采集,通过比对的结果输出安装方式及测量过程的评价结果,即可完成最终的测试过程,作为上述实施例的优选,本实施例中提供一种模拟六氟化硫电气设备的气体状态测试评价方法,采用如实施例一所述的模拟六氟化硫电气设备的气体状态测试评价系统,如图7所示,方法包括:
在测试前,关闭微水注入通道、六氟化硫注入通道和气体泄漏通道,且保证微水注入通道、六氟化硫注入通道供给能力充足,在标准变送器测量通道内完成标准变送器的安装,在被测变送器测量通道内完成被测变送器的安装,从而完成测试准备。
S01:通过电气控制回路对微水注入通道和六氟化硫注入通道的供给指标,对气体泄漏通道的工作指标进行调节及确定,以及,对标准变送器和被测变送器的测量过程进行调节及确定;
S02:排空腔体内的空气;具体实施时可开启真空发生通道,排空腔体内的气体,排空过程中持续采集标准变送器的压力值,直至到达设定压力值时,关闭真空发生通道;
在实施过程中,上述步骤S01和S02可调换先后顺序进行。
S03:开启微水注入通道而向腔体内注入微水,注入过程中持续采集标准变送器的微水值,直至到达设定微水值时,关闭微水注入通道;
S04:开启六氟化硫注入通道向腔体内注入六氟化硫,注入过程中持续采集标准变送器的密度值,直至达到设定密度值时,关闭六氟化硫注入通道;
在实施过程中,先执行S03再执行S04是较优的实施方式,在实际情况下,往往是电气设备内部首先存在微水,然后六氟化硫气体被充填进去,因此此种情况更加符合实际;通过上述顺序的确定,可使得微水首先获得较为均匀的状态,且更加容易对微水的量进行精准的控制。
S05:根据所确定的测量过程,开启标准变送器和被测变送器的数据同步采集,获得第一数据集合;
S06:开启气体泄漏通道,且继续执行测量过程,获得第二数据集合;
在步骤S05和S06中,假设标准变送器是一台密度变送器,它测量模拟容器内的六氟化硫气体的密度,除了密度数据,标准变送器还可以采集温度、压力和湿度等数据,以确保全面的气体状态监测。例如,测量过程为标准变送器每秒钟采集一次密度、温度和压力数据,并将这些数据记录在时间序列中。
同步于上述标准变送器,被测变送器也是一台密度变送器,用于测量相同模拟容器内的六氟化硫气体的密度,与标准变送器一样,被测变送器可以采集密度、温度、压力和湿度等多种数据,它与标准变送器同时启动,并采集相同频率的多种数据。
S07:综合第一数据集合和第二数据集合,对标准变送器和被测变送器的实际数据进行比对,且根据比对结果对被测变送器测量通道的安装方式及测量过程进行评价。
上述模拟六氟化硫电气设备的气体状态测试评价方法允许在测试前仔细控制和准备测试条件,包括微水注入通道、六氟化硫注入通道和气体泄漏通道的关闭,确保测试环境的可控性和准确性;标准变送器和被测变送器采集多种参数数据,包括密度、温度、压力和湿度等,以全面监测气体状态,这有助于更全面地了解六氟化硫气体的性质和行为;通过比对标准变送器和被测变送器的数据,可以评估它们在相同测试条件下的一致性,如果它们之间存在显著差异,可明确判断被测变送器的安装方式或测试过程存在问题;通过上述步骤,能够全面评估被测变送器的安装方式和测试过程,识别潜在问题并采取适当的措施以提高测试的准确性和可靠性,这种方法将有助于确保电气设备的性能和安全性。
作为上述实施例的优选,如图8所示,综合第一数据集合和第二数据集合,对标准变送器和被测变送器的实际数据进行比对,且根据比对结果对被测变送器测量通道的安装方式及测量过程进行评价,包括:
S71:整合第一数据集合和第二数据集合,且为两数据集合中的每个数据样本添加附加标签,用于指示数据样本的来源,且完成数据的特征工程;
例如,可以将第一数据集合标记为"0",将第二数据集合标记为"1",这样,模型可以识别哪些样本属于泄漏情况,哪些属于正常情况;并对数据进行特征工程,包括数据归一化、标准化和处理缺失值等操作,以确保数据准备就绪;
S72:构建神经网络模型,并设置损失函数为二元交叉熵损失函数,用于模型的二分类任务,其中正类别表示泄漏数据,负类别表示非泄漏数据;
模型应至少包括:输入层:接受标准变送器和被测变送器的多种测量数据特征,以及一个二进制输入特征,表示数据集来源;隐藏层:可以包括多个神经元,用于学习数据之间的复杂关系;输出层:用于输出模型的评估结果,例如被测变送器性能的指标。构建过程中,还需配置优化器和训练参数,以准备模型进行训练;其中,非泄漏数据即为第一数据集合的数据,泄漏数据即为第二数据集合的数据;
S73:使用整合后的数据集对神经网络模型进行训练和评估;
使用整合后的数据集对神经网络模型进行训练,训练过程将模型参数调整到最佳状态,以便最好地捕获标准变送器和被测变送器之间的性能差异。在训练过程中,监测模型在训练集和验证集上的性能,确保模型不仅能够分类泄漏和非泄漏数据,还能够评估标准变送器和被测变送器的性能。在模型训练完成后,使用测试数据集评估模型性能,这将提供模型在未见过的数据上的泛化能力评估;
S74:输出对被测变送器不同安装方式和测量过程的性能评估结果。
在上述优选方案中,通过二元交叉熵损失函数的使用,可帮助区分泄漏数据和非泄漏数据,从而帮助模型识别不同安装方式和测量过程对被测变送器性能的影响;二元交叉熵损失函数的设计使其能够在训练期间促使模型收敛,模型将尝试最小化损失函数,从而使其预测结果与实际标签更加接近,这有助于模型学习如何正确分类不同数据样本;如果泄漏数据和非泄漏数据在数据集中的分布不平衡,二元交叉熵损失函数也能够处理这种情况,它能够对不同类别的错误分类给予适当的权重,以确保模型在处理不均衡数据时仍然有效,具体地,作为上述实施例的优选,如图9所示,还包括第一数据集合和第二数据集合的数据分布均匀性的判断及处理过程,包括:
A01:判断第一数据集合和第二数据集合的样本数量差异,若数量差异在设定范围内,则判定数据分布均匀,若数量差异超出设定范围,则执行以下处理过程;
在该步骤中,可计算第一数据集合和第二数据集合的样本数量,如果其中一个类别的样本数量远远多于另一个类别,则可以判断数据分布不平衡;例如,计算第一数据集合和第二数据集合的样本数量,分别记为N1和N2,检查数量差异是否在设定范围内,可以设定一个阈值或容忍度来定义数量差异的界限,例如,如果|N1 - N2|≤ 阈值,就认为数据分布均匀,如果数量差异超出设定范围,即 |N1- N2|>阈值,那么可以执行下面的A02步骤来处理数据不平衡;
A02:分别使用第一数据集合和第二数据集合的样本总数除以各自的样本数,获得第一数据集合和第二数据集合各自的类别权重;
A03:将类别权重应用于二元交叉熵损失函数。
这涉及到将权重分配给不同类别的损失项,以确保模型更加关注样本数量较少的类别,以提高模型对少数类别的学习效果。
作为进一步的优化,还包括通过空气湿度对类别权重进行修订的过程,修订后将类别权重应用于二元交叉熵损失函数,如图10所示,修订过程包括:
B01:收集一组包括湿度和内部微水含量的数据,并对数据进行预处理;
确保数据涵盖了不同湿度水平下的内部微水含量测量值,具体使用空气湿度变送器和标准变送器来获取这些数据;收集到的数据进行预处理,包括数据清洗、缺失值处理、异常值检测和数据归一化等操作,以确保数据的质量和可用性;
B02:使用数据可视化和统计分析方法来探索湿度与内部微水含量之间的关系;
具体地,可绘制湿度与内部微水含量的散点图,并计算相关性系数以评估它们之间的相关性;
B03:根据关系的判断结果,选择建模方法;
在实施过程中,湿度与内部微水含量之间的关系大致是线性的,可以使用线性回归模型来建模;当然,基于可变化的测试条件,如果关系呈现出一定的非线性特征,可以考虑多项式回归来拟合数据;而对于复杂的关系,可以使用非线性回归模型,如逻辑回归、指数回归等。
B04:进行模型训练及评估,确定最终的湿度与内部微水含量关系模型;
本步骤中,根据所选择的建模方法,使用数据集来训练模型,在训练期间,模型将尝试拟合湿度与内部微水含量之间的关系,并估计模型参数;根据评估结果,选择最合适的模型,如果模型不满足性能要求,可以考虑进一步调整模型,例如添加更多特征、更换模型类型或调整超参数。
B05:应用湿度与内部微水含量关系模型,对类别权重进行修订。
实际环境中难以避免的泄漏情况是电气设备监测中的常见问题,通过引入湿度修正,模型更能适应实际情况下不可避免的泄漏,使得评估更具鲁棒性。湿度与内部微水含量之间的关系模型能够提供更加精准的权重修正,因为它基于湿度和微水含量的实际测量数据建立,而不是依赖于手动设定的权重参数,这使得权重的调整更符合实际情况,通过修正权重,模型能够更好地捕获湿度对测试结果的影响,提高了对内部微水含量的准确预测,从而改善了被测变送器性能的评估。
其中,针对步骤B05,应用湿度与内部微水含量关系模型,对类别权重进行修订,包括:
B51:定义权重修订函数,将湿度值映射到类别权重的修订,权重修订函数为:
修订后的权重=初始类别权重+f(湿度)
其中,f(湿度)是湿度与内部微水含量模型的输出;这个函数将湿度值转化为对每个类别的权重的调整;
B52:在每次测试中,获取实时湿度数据,并使用权重修订函数计算修订后的类别权重。
假设非泄漏数据的初始权重为0.2;泄漏数据的初始权重为0.8;空气湿度变送器的读数为50%,根据湿度与内部微水含量的关系模型,模型的输出函数为f(湿度)=0.01*湿度。
对于非泄漏数据:
修订后的权重=初始权重+f(湿度)=0.2+0.01*50%=0.2+0.005=0.205;
对于泄漏数据:
修订后的权重=初始权重+f(湿度)=0.8+0.01*50%=0.8+0.005=0.805;
因此,非泄漏数据的修订后的权重为0.205;泄漏数据的修订后的权重为0.805。
在实施过程中,该方法允许在每次测试中获取实时湿度数据并进行权重修订,这种实时性使得模型能够迅速响应环境湿度变化,及时调整类别权重,从而更准确地反映当前环境下的测试情况;权重修订函数允许根据具体的湿度值进行个性化的调整,这意味着不同湿度水平下,不同类别的权重可以有不同的修订值,提高了模型的精细控制能力;权重修订函数依赖于湿度与内部微水含量关系模型的输出,有效确保了修订是基于实际测量数据和科学模型的,而不是依赖于经验设置的参数。
总的来说,这个方法通过将湿度数据纳入类别权重的修订过程,使得模型更能适应实际环境下的泄漏情况和湿度变化,提高了测试的可靠性和准确性,同时保持了个性化和可调性。
作为上述步骤B02的优选,如图11所示,使用数据可视化和统计分析方法来探索湿度与内部微水含量之间的关系,包括:
B21:将湿度数据作为x轴,内部微水含量数据作为y轴;
B22:使用散点图,对于每个数据点,绘制一个散点,以可视化不同湿度水平下的内部微水含量;
B23:计算湿度与内部微水含量之间的皮尔逊相关系数,根据皮尔逊相关系数的值评估湿度与内部微水含量之间的相关性;
皮尔逊相关系数用于衡量两个变量之间的线性关系,值介于-1和1之间,负值表示负相关,正值表示正相关,而0表示没有线性相关性;
B24:根据绘制的散点图和相关性的分析结果,进行观察和分析,判断湿度与内部微水含量之间的关系。
在这一步骤中,需要综合考虑绘制的散点图和计算的相关系数;具体可观察散点图,看是否存在某种趋势或模式,例如,随着湿度增加,内部微水含量是否呈现出某种变化趋势。同时,根据相关系数的值来评估相关性的强度,如果相关系数接近1或-1,说明存在强相关性,而接近0则说明相关性较弱。
综合上述步骤的观察和分析,可以判断湿度与内部微水含量之间的关系是正相关、负相关还是几乎没有相关性,这些信息对于后续的权重修订过程非常重要,因为它们将影响权重如何根据湿度值进行调整。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (11)
1.模拟六氟化硫电气设备的气体状态测试评价方法,其特征在于,所采用的模拟六氟化硫电气设备的气体状态测试评价系统包括:
模拟容器,通过内部的腔体模拟电气设备中填充六氟化硫的内部空间;
微水注入通道,与所述腔体单向连通,向所述腔体内供给微水;
六氟化硫注入通道,与所述腔体单向连通,向所述腔体内供给六氟化硫气体;
标准变送器测量通道,连通所述腔体内外,供感应端位于所述腔体内的标准变送器安装,对所述腔体内微水的实际数据和六氟化硫气体的实际数据进行测量;
被测变送器测量通道,连通所述腔体内外,供所述被测变送器安装,所述被测变送器根据工程应用中所设计的安装方式相对于所述模拟容器进行安装,且与所述标准变送器执行相同的测量过程;
电气控制回路,分别与所述微水注入通道和六氟化硫注入通道连接,对各自的供给指标进行调节及确定;
所述电气控制回路还分别与所述标准变送器和被测变送器连接,对所述测量过程进行调节及确定,以及对所述标准变送器和被测变送器的实际数据进行比对,且根据比对结果对所述被测变送器测量通道的安装方式及测量过程进行评价;
所述系统还包括:
气体泄漏通道,与所述腔体单向连通,供来自于所述腔体的气体流出,所述电气控制回路与所述气体泄漏通道连接,对所述气体泄漏通道的工作指标进行调节及确定;
空气湿度变送器,对所处环境的空气湿度进行测量,所述电气控制回路与所述空气湿度变送器连接,且根据所述空气湿度变送器所采集的数据对所述比对结果进行修订;
方法包括:
通过电气控制回路对微水注入通道和六氟化硫注入通道的供给指标,对气体泄漏通道的工作指标进行调节及确定,以及,对标准变送器和被测变送器的测量过程进行调节及确定;
排空腔体内的空气;
开启所述微水注入通道而向所述腔体内注入微水,注入过程中持续采集所述标准变送器的微水值,直至到达设定微水值时,关闭所述微水注入通道;
开启所述六氟化硫注入通道向所述腔体内注入六氟化硫,注入过程中持续采集所述标准变送器的密度值,直至达到设定密度值时,关闭所述六氟化硫注入通道;
根据所确定的测量过程,开启所述标准变送器和被测变送器的数据同步采集,获得第一数据集合;
开启所述气体泄漏通道,且继续执行所述测量过程,获得第二数据集合;
综合所述第一数据集合和第二数据集合,对所述标准变送器和被测变送器的实际数据进行比对,且根据比对结果对所述被测变送器测量通道的安装方式及测量过程进行评价,包括:
整合所述第一数据集合和第二数据集合,且为两数据集合中的每个数据样本添加附加标签,用于指示所述数据样本的来源,且完成数据的特征工程;
构建神经网络模型,并设置损失函数为二元交叉熵损失函数,用于模型的二分类任务,其中正类别表示泄漏数据,负类别表示非泄漏数据;
使用整合后的数据集对所述神经网络模型进行训练和评估;
输出对所述被测变送器不同安装方式和测量过程的性能评估结果;
还包括第一数据集合和第二数据集合的数据分布均匀性的判断及处理过程,包括:
判断所述第一数据集合和第二数据集合的样本数量差异,若所述数量差异在设定范围内,则判定数据分布均匀,若所述数量差异超出设定范围,则执行以下处理过程;
分别使用第一数据集合和第二数据集合的样本总数除以各自的样本数,获得第一数据集合和第二数据集合各自的类别权重;
将所述类别权重应用于所述二元交叉熵损失函数。
2.根据权利要求1所述的模拟六氟化硫电气设备的气体状态测试评价方法,其特征在于,系统还包括真空发生通道,与所述腔体单向连通,供所述腔体内的气体排除而获得真空状态;
所述电气控制回路与所述真空发生通道连接,对所述真空发生通道的工作指标进行调节及确定。
3.根据权利要求1所述的模拟六氟化硫电气设备的气体状态测试评价方法,其特征在于,所述腔体内设置有内部气体循环装置和/或加热装置;
所述电气控制回路与所述内部气体循环装置连接,对所述内部气体循环装置的工作指标进行调节及确定,以使得所述腔体内形成所需气体循环状态;
所述电气控制回路与所述加热装置连接,对所述加热装置的工作指标进行调节及确定,以使得所述腔体内达到所需温度环境。
4.根据权利要求1所述的模拟六氟化硫电气设备的气体状态测试评价方法,其特征在于,还包括通过空气湿度对所述类别权重进行修订的过程,修订后将所述类别权重应用于所述二元交叉熵损失函数,修订过程包括:
收集一组包括湿度和内部微水含量的数据,并对所述数据进行预处理;
使用数据可视化和统计分析方法来探索湿度与内部微水含量之间的关系;
根据关系的判断结果,选择建模方法;
进行模型训练及评估,确定最终的湿度与内部微水含量关系模型;
应用所述湿度与内部微水含量关系模型,对所述类别权重进行修订。
5.根据权利要求4所述的模拟六氟化硫电气设备的气体状态测试评价方法,其特征在于,应用所述湿度与内部微水含量关系模型,对所述类别权重进行修订,包括:
定义权重修订函数,将湿度值映射到类别权重的修订,所述权重修订函数为:
修订后的权重=初始类别权重+f(湿度)
其中,f(湿度)是湿度与内部微水含量模型的输出;
在每次测试中,获取实时湿度数据,并使用所述权重修订函数计算修订后的类别权重。
6.根据权利要求4所述的模拟六氟化硫电气设备的气体状态测试评价方法,其特征在于,使用数据可视化和统计分析方法来探索湿度与内部微水含量之间的关系,包括:
将湿度数据作为x轴,内部微水含量数据作为y轴;
使用散点图,对于每个数据点,绘制一个散点,以可视化不同湿度水平下的内部微水含量;
计算湿度与内部微水含量之间的皮尔逊相关系数,根据所述皮尔逊相关系数的值评估湿度与内部微水含量之间的相关性;
根据绘制的所述散点图和相关性的分析结果,进行观察和分析,判断湿度与内部微水含量之间的关系。
7.根据权利要求1所述的模拟六氟化硫电气设备的气体状态测试评价方法,其特征在于,所述微水的供给指标包括微水供给量、微水含量、微水浓度。
8.根据权利要求1所述的模拟六氟化硫电气设备的气体状态测试评价方法,其特征在于,所述六氟化硫的供给指标包括六氟化硫供给量、密度、压力及浓度。
9.根据权利要求1所述的模拟六氟化硫电气设备的气体状态测试评价方法,其特征在于,所述电气控制回路对所述测量过程进行调节包括不同测量过程转换时的指标数值变换,以及同一测量过程中测试条件转换时的指标数值变换。
10.根据权利要求3所述的模拟六氟化硫电气设备的气体状态测试评价方法,其特征在于,所述加热装置采用电加热器。
11.根据权利要求1所述的模拟六氟化硫电气设备的气体状态测试评价方法,其特征在于,所述神经网络模型至少包括:
输入层,接受所述标准变送器和被测变送器的多种测量数据特征,以及一个二进制输入特征,表示数据集来源;
隐藏层,包括多个神经元,用于学习数据间的复杂关系;
输出层,用于输出模型的评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311268118.8A CN116990468B (zh) | 2023-09-28 | 2023-09-28 | 模拟六氟化硫电气设备的气体状态测试评价系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311268118.8A CN116990468B (zh) | 2023-09-28 | 2023-09-28 | 模拟六氟化硫电气设备的气体状态测试评价系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116990468A CN116990468A (zh) | 2023-11-03 |
CN116990468B true CN116990468B (zh) | 2023-12-05 |
Family
ID=88528838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311268118.8A Active CN116990468B (zh) | 2023-09-28 | 2023-09-28 | 模拟六氟化硫电气设备的气体状态测试评价系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116990468B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201327463Y (zh) * | 2008-11-15 | 2009-10-14 | 赤峰电业局 | Sf6密度继电器综合参数测试仪 |
CN101937060A (zh) * | 2010-09-09 | 2011-01-05 | 辽宁省电力有限公司抚顺供电公司 | 六氟化硫密度继电器校验系统及校验方法 |
CN102507649A (zh) * | 2011-12-29 | 2012-06-20 | 沈阳仪表科学研究院 | Sf6微水含量变送器标定装置 |
CN104820175A (zh) * | 2015-05-07 | 2015-08-05 | 国网安徽省电力公司 | 一种研究含微水sf6气体绝缘特性的装置与实验方法 |
CN108444516A (zh) * | 2018-03-21 | 2018-08-24 | 广东电网有限责任公司电力科学研究院 | 一种评估六氟化硫分解产物检测系统性能的方法和装置 |
CN110189321A (zh) * | 2019-06-03 | 2019-08-30 | 中南大学 | 一种混凝土表面涂料均匀性确定方法及系统 |
CN110487670A (zh) * | 2019-09-04 | 2019-11-22 | 上海乐研电气有限公司 | 一种具有在线自校验功能的气体密度继电器及其校验方法 |
CN110929621A (zh) * | 2019-11-15 | 2020-03-27 | 中国人民解放军63729部队 | 一种基于拓扑信息细化的道路提取方法 |
CN112036520A (zh) * | 2020-11-06 | 2020-12-04 | 四川师范大学 | 基于深度学习的大熊猫年龄识别方法、装置及存储介质 |
CN112258470A (zh) * | 2020-10-20 | 2021-01-22 | 上海大学 | 基于缺陷检测的工业图像临界压缩率智能分析系统及方法 |
CN112345689A (zh) * | 2020-11-11 | 2021-02-09 | 国网江苏省电力有限公司电力科学研究院 | 六氟化硫气体水分含量检测装置及方法 |
CN113822882A (zh) * | 2021-11-22 | 2021-12-21 | 武汉飞恩微电子有限公司 | 基于深度学习的电路板表面缺陷检测方法与检测装置 |
WO2022010997A1 (en) * | 2020-07-08 | 2022-01-13 | Exa Health, Inc. | Neural network analysis of lfa test strips |
CN114530195A (zh) * | 2022-02-28 | 2022-05-24 | 浙江工业大学 | 一种基于深度学习的蛋白质模型质量评估方法 |
CN115414049A (zh) * | 2022-09-20 | 2022-12-02 | 河南省人民医院 | 一种基于深度神经网络的可穿戴心电图实时诊断系统 |
CN115952456A (zh) * | 2022-12-12 | 2023-04-11 | 中广核工程有限公司 | 故障诊断模型的确定方法、系统、程序产品及存储介质 |
CN116298834A (zh) * | 2022-11-22 | 2023-06-23 | 中国电力科学研究院有限公司 | Sf6及其混合气体密度继电器性能试验平台及方法 |
CN116358789A (zh) * | 2023-03-27 | 2023-06-30 | 上海应用技术大学 | 一种阀门中法兰泄漏状态的预测方法 |
-
2023
- 2023-09-28 CN CN202311268118.8A patent/CN116990468B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201327463Y (zh) * | 2008-11-15 | 2009-10-14 | 赤峰电业局 | Sf6密度继电器综合参数测试仪 |
CN101937060A (zh) * | 2010-09-09 | 2011-01-05 | 辽宁省电力有限公司抚顺供电公司 | 六氟化硫密度继电器校验系统及校验方法 |
CN102507649A (zh) * | 2011-12-29 | 2012-06-20 | 沈阳仪表科学研究院 | Sf6微水含量变送器标定装置 |
CN104820175A (zh) * | 2015-05-07 | 2015-08-05 | 国网安徽省电力公司 | 一种研究含微水sf6气体绝缘特性的装置与实验方法 |
CN108444516A (zh) * | 2018-03-21 | 2018-08-24 | 广东电网有限责任公司电力科学研究院 | 一种评估六氟化硫分解产物检测系统性能的方法和装置 |
CN110189321A (zh) * | 2019-06-03 | 2019-08-30 | 中南大学 | 一种混凝土表面涂料均匀性确定方法及系统 |
CN110487670A (zh) * | 2019-09-04 | 2019-11-22 | 上海乐研电气有限公司 | 一种具有在线自校验功能的气体密度继电器及其校验方法 |
CN110929621A (zh) * | 2019-11-15 | 2020-03-27 | 中国人民解放军63729部队 | 一种基于拓扑信息细化的道路提取方法 |
WO2022010997A1 (en) * | 2020-07-08 | 2022-01-13 | Exa Health, Inc. | Neural network analysis of lfa test strips |
CN112258470A (zh) * | 2020-10-20 | 2021-01-22 | 上海大学 | 基于缺陷检测的工业图像临界压缩率智能分析系统及方法 |
CN112036520A (zh) * | 2020-11-06 | 2020-12-04 | 四川师范大学 | 基于深度学习的大熊猫年龄识别方法、装置及存储介质 |
CN112345689A (zh) * | 2020-11-11 | 2021-02-09 | 国网江苏省电力有限公司电力科学研究院 | 六氟化硫气体水分含量检测装置及方法 |
CN113822882A (zh) * | 2021-11-22 | 2021-12-21 | 武汉飞恩微电子有限公司 | 基于深度学习的电路板表面缺陷检测方法与检测装置 |
CN114530195A (zh) * | 2022-02-28 | 2022-05-24 | 浙江工业大学 | 一种基于深度学习的蛋白质模型质量评估方法 |
CN115414049A (zh) * | 2022-09-20 | 2022-12-02 | 河南省人民医院 | 一种基于深度神经网络的可穿戴心电图实时诊断系统 |
CN116298834A (zh) * | 2022-11-22 | 2023-06-23 | 中国电力科学研究院有限公司 | Sf6及其混合气体密度继电器性能试验平台及方法 |
CN115952456A (zh) * | 2022-12-12 | 2023-04-11 | 中广核工程有限公司 | 故障诊断模型的确定方法、系统、程序产品及存储介质 |
CN116358789A (zh) * | 2023-03-27 | 2023-06-30 | 上海应用技术大学 | 一种阀门中法兰泄漏状态的预测方法 |
Non-Patent Citations (2)
Title |
---|
Deep MRI glioma segmentation via multiple guidances and hybrid enhanced-gradient cross-entropy loss;Jinjing Zhang等;《Expert Systems with Applications》;全文 * |
改进UNet与DBSCAN融合的车道线检测方法;孙浩铭等;《宁波大学机械工程与力学学院 》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116990468A (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107301884B (zh) | 一种混合式核电站故障诊断方法 | |
CN106529090B (zh) | 一种航天电子类产品可靠性评估方法 | |
CN105955069B (zh) | 一种基于在线仿真的核电站系统级状态监测方法 | |
CN105302848A (zh) | 一种设备智能预警系统的评估值校准方法 | |
CN112255484B (zh) | 一种避雷器运行状态在线监测及评估方法和系统 | |
CN113297797B (zh) | 一种基于XGBoost的电子式互感器量测误差状态评估方法及装置 | |
CN111508216A (zh) | 一种大坝安全监测数据智能预警方法 | |
CN105844079B (zh) | 压缩载荷下氟橡胶密封产品加速老化模型与寿命评估方法 | |
CN106644162A (zh) | 基于邻域保持嵌入回归算法的环网柜线芯温度软测量方法 | |
CN109917205A (zh) | 一种基于特征提取和多层感知机的电磁阀故障诊断装置及方法 | |
CN116150897A (zh) | 一种基于数字孪生的机床主轴性能测评方法及系统 | |
KR102648764B1 (ko) | 전지 성능 평가 방법 및 전지 성능 평가 장치 | |
CN107103184A (zh) | 一种高压电缆接头温度预测方法 | |
WO2022237917A1 (zh) | 核电站汽轮机控制阀门性能诊断方法、存储介质及计算机 | |
CN109272190A (zh) | 一种基于动量bp神经网络的电力电缆状态评价方法 | |
JP2022178209A (ja) | 電池状態判定方法および電池状態判定装置 | |
CN113962154A (zh) | 一种基于迁移学习的锂电池核温评估方法及系统 | |
CN116990468B (zh) | 模拟六氟化硫电气设备的气体状态测试评价系统及方法 | |
CN112926686B (zh) | 基于brb和lstm模型的电力大数据用电异常检测方法及装置 | |
CN117192369A (zh) | 基于数字孪生技术的曳引电机监测与诊断方法 | |
CN116256402A (zh) | 一种基于频域介电谱数据检测阀侧套管缺陷检测方法 | |
CN116578873A (zh) | 一种充电桩故障诊断方法、装置、设备及介质 | |
Cheng et al. | Markov modelling and parameterisation of genetic evolutionary test generations | |
CN115951292A (zh) | 一种电子式电压互感器误差状态在线评估方法及装置 | |
CN115828744A (zh) | 一种白光发光二极管故障在线诊断与寿命预测方法 |
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 |