CN117150269A - 一种基于数据分析的电气设备运行异常诊断系统 - Google Patents
一种基于数据分析的电气设备运行异常诊断系统 Download PDFInfo
- Publication number
- CN117150269A CN117150269A CN202311131274.XA CN202311131274A CN117150269A CN 117150269 A CN117150269 A CN 117150269A CN 202311131274 A CN202311131274 A CN 202311131274A CN 117150269 A CN117150269 A CN 117150269A
- Authority
- CN
- China
- Prior art keywords
- data
- sliding window
- electrical
- length
- sliding
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 33
- 238000007405 data analysis Methods 0.000 title claims abstract description 28
- 230000005856 abnormality Effects 0.000 title claims description 23
- 230000008859 change Effects 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000010586 diagram Methods 0.000 claims abstract description 10
- 238000005311 autocorrelation function Methods 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 abstract description 13
- 230000036541 health Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种基于数据分析的电气设备运行异常诊断系统，其根据电学数据随时间的变化程度，得到滑动窗口长度及滑动步长，再根据滑动窗口长度，在振动数据的波形图中建立基于滑动步长移动的滑动窗口，最后移动滑动窗口并基于滑动窗口内的振动数据的变化特征，得到异常诊断结果。相比于现有技术，本发明通过滑动窗口的方式来分析振动数据的变化特征，而滑动窗口的长度则是根据电学数据的变化情况得出，这样就将电学数据和振动数据两种类型的数据关联起来，使分析结果考虑到了不同种类数据之间的联系，提高诊断的准确性。
Description
技术领域
本发明涉及电气设备检测技术领域，尤其涉及一种基于数据分析的电气设备运行异常诊断系统。
背景技术
电气设备是指利用电力进行工作的各类设备，包括发电机、变压器、配电装置等。它们在现代社会中发挥着至关重要的作用，为各行各业的正常运转提供了稳定的电力供应。然而，随着电力系统的不断扩大和电气设备的规模化应用，对其进行定期检查与维护显得愈发重要。
如今，人们对电气设备进行检查已成为必要的工作，以确保其正常运行和延长使用寿命。然而，目前的检查方法存在一定的局限性。这些方法主要针对单一类型的数据进行分析，比如电流、电压、振动、温度等指标。尽管这些指标可以提供一定的参考，但无法全面考虑到不同种类数据之间的联系。由于无法充分考虑到不同种类数据之间的关联性，目前的电气设备异常诊断方法在某些情况下可能会出现不准确的结果。这给电力系统的安全稳定带来了一定的风险。
因此，人们迫切需要一种能够综合考虑数据之间联系的电气设备异常诊断方法。
发明内容
有鉴于此，有必要提供一种基于数据分析的电气设备运行异常诊断系统，用以解决现有技术中对电气设备异常诊断时没有考虑不同种类数据之间的关联的问题。
本发明提供了一种基于数据分析的电气设备运行异常诊断系统，包括：
数据获取模块，用于获取待诊断设备的电学数据和振动数据；
第一数据分析模块，用于根据所述电学数据随时间的变化程度，得到滑动窗口长度及滑动步长；
窗口建立模块，用于根据所述滑动窗口长度，在所述振动数据的波形图中建立基于滑动步长移动的滑动窗口；
第二数据分析模块，用于移动所述滑动窗口并基于所述滑动窗口内的振动数据的变化特征，得到异常诊断结果。
进一步的，所述根据所述电学数据随时间的变化程度，得到滑动窗口长度及滑动步长，包括：
获取所述电学数据的均值及方差；
根据所述电学数据的方差得到所述滑动窗口的长度，所述滑动窗口的长度和所述电学数据的方差的大小成反比；
根据所述电学数据的均值得到所述滑动步长，所述滑动步长的大小和所述电学数据的均值的大小成正比，所述滑动步长小于所述滑动窗口的长度。
进一步地，所述电学数据包括随时间变化的电压数据；所述获取所述电学数据的均值及方差，包括：通过下式得到所述电学数据的均值：
通过下式得到所述电学数据的方差：
其中，为随时间/>变化的电压函数。进一步的，所述根据所述电学数据的方差得到所述滑动窗口的长度，包括：
通过下式得到所述滑动窗口的长度：
其中，、/>、/>均为长度调整参数。
进一步的，所述根据所述电学数据的均值得到所述滑动步长，包括：
通过下式得到所述滑动步长：
其中，、/>均为步长调整参数。
进一步地，所述移动所述滑动窗口并基于所述滑动窗口内的振动数据的变化特征，得到异常诊断结果，包括：
基于所述滑动步长，移动所述滑动窗口，分别得到每次移动所述滑动窗口时，所述滑动窗口内的振动数据的统计特征；
根据所述统计特征，得到所述异常诊断结果。
进一步的，所述统计特征包括自相关函数；所述基于所述滑动步长，移动所述滑动窗口，分别得到每次移动所述滑动窗口时，所述滑动窗口内的振动数据的统计特征，包括：
通过下式得到所述振动数据的统计特征：
其中，为预设时间间隔，/>为描述所述振动数据的波形图的函数。
进一步地，所述预设时间间隔根据所述滑动窗口的长度得到。
本发明的有益效果是：
本发明提供一种基于数据分析的电气设备运行异常诊断系统，其先获取待诊断设备的电学数据和振动数据，然后根据所述电学数据随时间的变化程度，得到滑动窗口长度及滑动步长，再根据所述滑动窗口长度，在所述振动数据的波形图中建立基于滑动步长移动的滑动窗口，最后移动所述滑动窗口并基于所述滑动窗口内的振动数据的变化特征，得到异常诊断结果。相比于现有技术，本发明通过滑动窗口的方式来分析振动数据的变化特征，而滑动窗口的长度则是根据电学数据的变化情况得出，这样就将电学数据和振动数据两种类型的数据关联起来，使分析结果考虑到了不同种类数据之间的联系。本系统可以将各种数据进行综合分析，并根据不同数据之间的关联性，准确地评估设备的健康状况，提高诊断的准确性，及时发现潜在问题，采取相应的措施，确保电气设备的安全稳定运行。
附图说明
图1为本发明提供的基于数据分析的电气设备运行异常诊断系统一实施例的系统架构图；
图2为本发明提供的基于数据分析的电气设备运行异常诊断系统一实施例的流程示意图；
图3为本发明提供的基于数据分析的电气设备运行异常诊断系统一实施例中滑动窗口的示意图。
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。
在阐述具体的实施例之前，先对本文中提到的一些技术名词作出解释：
滑动窗口（Sliding Window）是一种数据处理和分析中常用的技术，用于在序列数据或连续数据上执行局部操作。它将输入数据按照固定大小的窗口进行切分，并在每次移动窗口时计算相应的结果。
具体而言，在滑动窗口中，窗口大小是事先定义好的固定长度。在处理序列数据时，窗口会从序列的起始位置开始，依次滑动到序列的末尾。每当窗口移动一次，它会覆盖一部分数据，并使用覆盖的数据执行一定的操作，比如计算统计指标、提取特征或进行预测等。这样可以在整个数据序列上对局部区域进行有效地分析。
滑动步长（Sliding Step）则是定义窗口在每次移动时的步进距离。它决定了窗口之间的重叠程度和相互之间的位置关系。例如，如果滑动窗口的大小为10，滑动步长为5，则窗口在每次移动时会向右滑动5个单位。
滑动窗口和滑动步长的选择取决于具体的应用场景和需求。通过适当调整窗口大小和步长，可以在保证数据有效覆盖的前提下，实现对数据的灵活处理和分析。
结合图1~2所示，本发明的一个具体实施例，公开了一种基于数据分析的电气设备运行异常诊断系统100，包括：
数据获取模块110，用于获取待诊断设备的电学数据和振动数据；
第一数据分析模块120，用于根据所述电学数据随时间的变化程度，得到滑动窗口长度及滑动步长；
窗口建立模块130，用于根据所述滑动窗口长度，在所述振动数据的波形图中建立基于滑动步长移动的滑动窗口；
第二数据分析模块140，用于移动所述滑动窗口并基于所述滑动窗口内的振动数据的变化特征，得到异常诊断结果。
相比于现有技术，本发明通过滑动窗口的方式来分析振动数据的变化特征，而滑动窗口的长度则是根据电学数据的变化情况得出，这样就将电学数据和振动数据两种类型的数据关联起来，使分析结果考虑到了不同种类数据之间的联系。本系统可以将各种数据进行综合分析，并根据不同数据之间的关联性，准确地评估设备的健康状况，提高诊断的准确性，及时发现潜在问题，采取相应的措施，确保电气设备的安全稳定运行。
需要说明的是，本发明中的电学数据，是包括电气设备记录的输入或输出电压、电流的数值、这些数值随时间的变化情况以及它们的波形和频率等信息。
进一步的，在一个优选的实施例中，所述根据所述电学数据随时间的变化程度，得到滑动窗口长度及滑动步长，具体包括：
获取所述电学数据的均值及方差；
根据所述电学数据的方差得到所述滑动窗口的长度，所述滑动窗口的长度和所述电学数据的方差的大小成反比；
根据所述电学数据的均值得到所述滑动步长，所述滑动步长的大小和所述电学数据的均值的大小成正比，所述滑动步长小于所述滑动窗口的长度。
上述过程使得滑动窗口和电学数据联系起来，例如，当电压数据的方差过大时，此时代表电压的变化过大，此时电气设备可能处于不稳定的运行状态，那么此时便可以根据电压的变化程度，选择较小的滑动窗口来对振动数据进行精确分析，以得到更加准确的结果。电压数据的均值过大时，此时可能该电气设备为电源等核心的高压供电设备，那么该设备涉及的数据量可能比较大，此时涉及较高的滑动步长可以提高数据分析的效率。
窗口建立模块根据上述过程，在振动数据的波形图中建立的滑动窗口的一实施例如图3所示。然后便可以通过第二数据分析模块进行分析。
具体地，在一个优选的实施例中，所述电学数据包括随时间变化的电压数据；所述获取所述电学数据的均值及方差，包括：
通过下式得到所述电学数据的均值：
通过下式得到所述电学数据的方差：
其中，为随时间/>变化的电压函数。
进一步的，在一个优选的实施例中，所述根据所述电学数据的方差得到所述滑动窗口的长度，包括：
通过下式得到所述滑动窗口的长度：
其中，、/>、/>均为长度调整参数，三者可以根据经验得到或根据实际情况调整。上述函数具有衰减迅速的指数特性，使得滑动窗口的长度随着电压的方差变化而迅速减小，使得紧急情况下，数据的分析更加准确且迅速。本实施例中，滑动窗口的单位为时间t，因此其可以不为整数。
进一步的，在一个优选的实施例中，所述根据所述电学数据的均值得到所述滑动步长，包括：
通过下式得到所述滑动步长：
其中，、/>均为步长调整参数，同样地，二者也可以根据经验得到或根据实际情况调整。上述函数具有增长迅速的对数特性，同时能够应对较大的数值，当均值较大时，也不会出现过大的滑动步长，方便控制滑动步长的长度不会超过滑动窗口，同样地，本实施例中，滑动步长的单位为时间t，因此其也可以不为整数
在一个优选的实施例中，所述移动所述滑动窗口并基于所述滑动窗口内的振动数据的变化特征，得到异常诊断结果，包括：
基于所述滑动步长，移动所述滑动窗口，分别得到每次移动所述滑动窗口时，所述滑动窗口内的振动数据的统计特征；
根据所述统计特征，得到所述异常诊断结果。
可以理解的是，上述变化特征可以为时域特征、统计特征等任意能够描述振动数据变化情况的特征，例如；
1. 时域特征：时域特征是指在时域上对振动信号进行分析的特征。常见的时域特征包括均值、标准差、峰值、峭度（kurtosis）、偏度（skewness）等。这些特征描述了振动信号的幅度、波形形状和分布等信息。
2. 频域特征：频域特征是通过对振动信号进行频谱分析而得到的特征。通过将振动信号转换到频域，可以观察信号在不同频率上的能量分布。常见的频域特征包括频谱图、峰值频率、频带能量比例、谱峰幅度等。这些特征可以用来分析振动信号中的频率成分和频率特性。
3. 统计特征：统计特征基于对振动信号进行统计分析，用于描述信号的概率统计特性。常见的统计特征包括自相关函数、互相关函数、功率谱密度、方差、峰度、偏度等。这些特征可以提供有关振动信号的统计分布、自相似性和周期性的信息。
4. 波形特征：波形特征描述了振动信号的波形形状和振动模式。常见的波形特征包括包络分析、瞬时参数、波形畸变度等。这些特征可以揭示振动信号的振动模式和形态特征。
5. 时间—频率特征：时间—频率特征结合了时域和频域的信息，可以描述振动信号在时间和频率上的变化。常见的时间—频率分析方法包括短时傅里叶变换（Short-TimeFourier Transform，STFT）、小波分析（Wavelet Analysis）等。通过时间—频率特征分析，可以捕捉到振动信号的瞬时频率、频率变化和时序特性。
本实施例中则使用统计特征作为滑动窗口内振动数据的变化特征，在一个优选的实施例中，所述统计特征包括自相关函数；所述基于所述滑动步长，移动所述滑动窗口，分别得到每次移动所述滑动窗口时，所述滑动窗口内的振动数据的统计特征，包括：
通过下式得到所述振动数据的统计特征：
其中，为预设时间间隔，/>为描述所述振动数据的波形图的函数。
具体地，所述预设时间间隔根据所述滑动窗口的长度得到。
其中，自相关函数是一个数据与其自身在不同时间点上的相互关系的度量。它描述了数据每个时间点与其他时间点之间的相关性。自相关函数可以用于分析数据的重复性、周期性或规律性。自相关函数可以衡量数据在不同时间延迟下的自相关程度，其取值范围在[-1, 1]之间。自相关函数通常通过计算数据的平均功率来评估数据的自相似性。
如何通过自相关函数得到电气设备的异常诊断结果，可以根据具体需求采用不同的方式实现，下面是一些常用的方法来评估实时数据的自相关函数与正常情况下的自相关函数之间的差异：
统计指标：可以使用各种统计指标来度量实时数据和正常情况下的自相关函数的差异。例如，平均绝对误差（MAE）或均方误差（MSE）等可以用来衡量两个函数之间的整体差异。另外，也可以考虑使用峰值差值、相关系数、标准化差异等统计指标来衡量差异的程度，差异过大时便可以判断电气设备发生异常（例如螺丝松动，支架断裂等）。
距离度量：距离度量可以用来计算实时数据的自相关函数与正常情况下的自相关函数之间的距离。常见的距离度量方法包括欧氏距离、曼哈顿距离、切比雪夫距离等。通过比较距离的大小，可以评估二者的差异程度，正常情况下的自相关函数可以由历史的振动数据得到，也可以由设备的供应商提供。
相似性度量：在衡量相似性时，可以使用一些度量方法来评估实时数据的自相关函数与正常情况下的自相关函数之间的相似程度。例如，可以使用皮尔逊相关系数、相对误差、相似性指数等来度量二者之间的相似性。
可以理解的是，实际中也可以采用其他的统计特征来进行异常诊断，例如，可以根据每个滑动窗口内的振动数据的方差，来判断振动数据的变化情况，进而得到异常结果，具体得到异常诊断结果的过程可以采用任意现有的方法实现，因此本文中不做过多说明。
本发明提供一种基于数据分析的电气设备运行异常诊断系统，其先获取待诊断设备的电学数据和振动数据，然后根据所述电学数据随时间的变化程度，得到滑动窗口长度及滑动步长，再根据所述滑动窗口长度，在所述振动数据的波形图中建立基于滑动步长移动的滑动窗口，最后移动所述滑动窗口并基于所述滑动窗口内的振动数据的变化特征，得到异常诊断结果。相比于现有技术，本发明通过滑动窗口的方式来分析振动数据的变化特征，而滑动窗口的长度则是根据电学数据的变化情况得出，这样就将电学数据和振动数据两种类型的数据关联起来，使分析结果考虑到了不同种类数据之间的联系。本系统可以将各种数据进行综合分析，并根据不同数据之间的关联性，准确地评估设备的健康状况，提高诊断的准确性，及时发现潜在问题，采取相应的措施，确保电气设备的安全稳定运行。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种基于数据分析的电气设备运行异常诊断系统，其特征在于，包括：
数据获取模块，用于获取待诊断设备的电学数据和振动数据；
第一数据分析模块，用于根据所述电学数据随时间的变化程度，得到滑动窗口长度及滑动步长；
窗口建立模块，用于根据所述滑动窗口长度，在所述振动数据的波形图中建立基于滑动步长移动的滑动窗口；
第二数据分析模块，用于移动所述滑动窗口并基于所述滑动窗口内的振动数据的变化特征，得到异常诊断结果。
2.根据权利要求1所述的基于数据分析的电气设备运行异常诊断系统，其特征在于，所述根据所述电学数据随时间的变化程度，得到滑动窗口长度及滑动步长，包括：
获取所述电学数据的均值及方差；
根据所述电学数据的方差得到所述滑动窗口的长度，所述滑动窗口的长度和所述电学数据的方差的大小成反比；
根据所述电学数据的均值得到所述滑动步长，所述滑动步长的大小和所述电学数据的均值的大小成正比，所述滑动步长小于所述滑动窗口的长度。
3.根据权利要求2所述的基于数据分析的电气设备运行异常诊断系统，其特征在于，所述电学数据包括随时间变化的电压数据；所述获取所述电学数据的均值及方差，包括：
通过下式得到所述电学数据的均值：
通过下式得到所述电学数据的方差：
其中，为随时间/>变化的电压函数。
4.根据权利要求3所述的基于数据分析的电气设备运行异常诊断系统，其特征在于，所述根据所述电学数据的方差得到所述滑动窗口的长度，包括：
通过下式得到所述滑动窗口的长度：
其中，、/>、/>均为长度调整参数。
5.根据权利要求3所述的基于数据分析的电气设备运行异常诊断系统，其特征在于，所述根据所述电学数据的均值得到所述滑动步长，包括：
通过下式得到所述滑动步长：
其中，、/>均为步长调整参数。
6.根据权利要求1所述的基于数据分析的电气设备运行异常诊断系统，其特征在于，所述移动所述滑动窗口并基于所述滑动窗口内的振动数据的变化特征，得到异常诊断结果，包括：
基于所述滑动步长，移动所述滑动窗口，分别得到每次移动所述滑动窗口时，所述滑动窗口内的振动数据的统计特征；
根据所述统计特征，得到所述异常诊断结果。
7.根据权利要求6所述的基于数据分析的电气设备运行异常诊断系统，其特征在于，所述统计特征包括自相关函数；所述基于所述滑动步长，移动所述滑动窗口，分别得到每次移动所述滑动窗口时，所述滑动窗口内的振动数据的统计特征，包括：
通过下式得到所述振动数据的统计特征：
其中，为预设时间间隔，/>为描述所述振动数据的波形图的函数。
8.根据权利要求7所述的基于数据分析的电气设备运行异常诊断系统，其特征在于，所述预设时间间隔根据所述滑动窗口的长度得到。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311131274.XA CN117150269B (zh) | 2023-09-04 | 2023-09-04 | 一种基于数据分析的电气设备运行异常诊断系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311131274.XA CN117150269B (zh) | 2023-09-04 | 2023-09-04 | 一种基于数据分析的电气设备运行异常诊断系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117150269A true CN117150269A (zh) | 2023-12-01 |
| CN117150269B CN117150269B (zh) | 2024-06-07 |
Family
ID=88909573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311131274.XA Active CN117150269B (zh) | 2023-09-04 | 2023-09-04 | 一种基于数据分析的电气设备运行异常诊断系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117150269B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105319461A (zh) * | 2014-07-31 | 2016-02-10 | 施耐德电气美国股份有限公司 | 结合振动和电力质量分析来识别潜在的电网故障的系统 |
| CN107147143A (zh) * | 2017-05-25 | 2017-09-08 | 华侨大学 | 一种风机连锁脱网故障早期预警模型建立方法 |
| WO2021212756A1 (zh) * | 2020-04-23 | 2021-10-28 | 平安科技（深圳）有限公司 | 指标异常分析方法、装置、电子设备及存储介质 |
| CN114117682A (zh) * | 2021-12-03 | 2022-03-01 | 湖南师范大学 | 齿轮箱的故障识别方法、装置、设备及存储介质 |
| CN114152830A (zh) * | 2021-12-02 | 2022-03-08 | 武汉工程大学 | 基于电流特征分析的无刷直流电机逆变器故障诊断方法 |
| CN114236409A (zh) * | 2021-11-09 | 2022-03-25 | 长安大学 | 一种动力电池组故障诊断装置及方法及系统 |
| CN115048955A (zh) * | 2022-05-30 | 2022-09-13 | 国网山西省电力公司忻州供电公司 | 一种基于时域数据切分的变压器振动异常检测方法 |
| CN115267589A (zh) * | 2022-09-26 | 2022-11-01 | 陕西汽车集团股份有限公司 | 一种电动汽车电池故障多参数联合诊断方法 |
| US20230195979A1 (en) * | 2022-06-20 | 2023-06-22 | Zhengzhou University | Intelligent decision-making method and system for maintaining urban underground sewer network |
| CN116517860A (zh) * | 2023-04-19 | 2023-08-01 | 淮沪煤电有限公司丁集煤矿 | 基于数据分析的通风机故障预警系统 |
| CN116628564A (zh) * | 2023-04-20 | 2023-08-22 | 上海宇佑船舶科技有限公司 | 用于检测发电机状态的模型训练方法和系统 |
-
2023
- 2023-09-04 CN CN202311131274.XA patent/CN117150269B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105319461A (zh) * | 2014-07-31 | 2016-02-10 | 施耐德电气美国股份有限公司 | 结合振动和电力质量分析来识别潜在的电网故障的系统 |
| CN107147143A (zh) * | 2017-05-25 | 2017-09-08 | 华侨大学 | 一种风机连锁脱网故障早期预警模型建立方法 |
| WO2021212756A1 (zh) * | 2020-04-23 | 2021-10-28 | 平安科技（深圳）有限公司 | 指标异常分析方法、装置、电子设备及存储介质 |
| CN114236409A (zh) * | 2021-11-09 | 2022-03-25 | 长安大学 | 一种动力电池组故障诊断装置及方法及系统 |
| CN114152830A (zh) * | 2021-12-02 | 2022-03-08 | 武汉工程大学 | 基于电流特征分析的无刷直流电机逆变器故障诊断方法 |
| CN114117682A (zh) * | 2021-12-03 | 2022-03-01 | 湖南师范大学 | 齿轮箱的故障识别方法、装置、设备及存储介质 |
| CN115048955A (zh) * | 2022-05-30 | 2022-09-13 | 国网山西省电力公司忻州供电公司 | 一种基于时域数据切分的变压器振动异常检测方法 |
| US20230195979A1 (en) * | 2022-06-20 | 2023-06-22 | Zhengzhou University | Intelligent decision-making method and system for maintaining urban underground sewer network |
| CN115267589A (zh) * | 2022-09-26 | 2022-11-01 | 陕西汽车集团股份有限公司 | 一种电动汽车电池故障多参数联合诊断方法 |
| CN116517860A (zh) * | 2023-04-19 | 2023-08-01 | 淮沪煤电有限公司丁集煤矿 | 基于数据分析的通风机故障预警系统 |
| CN116628564A (zh) * | 2023-04-20 | 2023-08-22 | 上海宇佑船舶科技有限公司 | 用于检测发电机状态的模型训练方法和系统 |
Non-Patent Citations (5)
| Title |
|---|
| JING SUN 等: "A minor-fault diagnosis approach based on modifid variance for lithium-ion battery strings", 《JOURNAL OF ENERGY STORAGE》, pages 1 - 12 * |
| T. VAFEIADIS 等: "Early malfunction diagnosis of industrial process units utilizing online linear trend profiles and real-time classification", 《INTERNATIONAL JOURNAL OF ADAPTIVE CONTROL AND SIGNAL PROCESSING》, vol. 32, no. 9, pages 1313 - 1325 * |
| 谭梦颖: "基于受电弓振动状态的接触网实时故障诊断技术研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》, no. 6, pages 033 - 23 * |
| 邓林峰 等: "基于 CHI-LMD方法的转子振动信号分析", 《振动与冲击》, vol. 33, no. 15, pages 58 - 64 * |
| 邵艳琼: "电气设备在变电运行中的监控及异常诊断", 《科技与企业》, pages 199 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117150269B (zh) | 2024-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8126664B2 (en) | Detection, localization and interpretation of partial discharge | |
| KR100486972B1 (ko) | 시간-주파수 영역 반사파 처리 방법 | |
| Aiello et al. | A chirp-z transform-based synchronizer for power system measurements | |
| CN109375060B (zh) | 一种配电网故障波形相似度计算方法 | |
| JP2010085386A (ja) | 高電圧電力機器の極超短波部分の放電及び放電位置測定装置 | |
| KR20160058723A (ko) | 부분 방전 계측 장치, 부분 방전 계측 방법, 및 프로그램 | |
| US20100010761A1 (en) | Method and device for monitoring a system | |
| CN102868402A (zh) | 一种测试模数转换器主要性能指标的测试方法 | |
| KR100812303B1 (ko) | 웨이블릿 변환을 이용한 유도전동기의 고장 진단 장치 및방법 | |
| DE10392151B4 (de) | Verfahren und Vorrichtung zur Erfassung im Frequenzbereich basierend auf einer Zeitbereichsmessung | |
| Jauregui et al. | Transient FDTD simulation validation | |
| RU2406094C2 (ru) | Способ мгновенного определения коэффициента искажения сигналов в электрической сети переменного тока и соответствующее устройство | |
| JP2019191142A (ja) | 回転機の巻線絶縁劣化診断装置 | |
| CN118258454A (zh) | 一种基于声层析断面检测的水流量检测系统 | |
| US8326576B2 (en) | Detecting power quality events in power distribution networks | |
| CN118070195A (zh) | 一种矿用交流变频器异常数据状态监测系统 | |
| CN110837000A (zh) | 基于fpga的频率测量系统 | |
| CN117150269B (zh) | 一种基于数据分析的电气设备运行异常诊断系统 | |
| CN117289022B (zh) | 一种基于傅里叶算法的电网谐波检测方法及系统 | |
| CN108415880B (zh) | 一种基于样本熵与小波变换的线损特性分析方法 | |
| CA2608216C (en) | Detection, localization and interpretation of partial discharge | |
| CN102868403A (zh) | 一种测试模数转换器主要性能指标的测试系统 | |
| CN115455684A (zh) | 一种基于噪声分析的油浸式变压器非接触式状态评估方法和系统 | |
| CN110222399B (zh) | 一种电源健康评估方法及装置 | |
| CN118501776B (zh) | 一种电连接器连接状态检测方法及系统 |
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 |