CN117250457A - 一种高压电缆局部放电在线监测系统及方法 - Google Patents
一种高压电缆局部放电在线监测系统及方法 Download PDFInfo
- Publication number
- CN117250457A CN117250457A CN202311373270.2A CN202311373270A CN117250457A CN 117250457 A CN117250457 A CN 117250457A CN 202311373270 A CN202311373270 A CN 202311373270A CN 117250457 A CN117250457 A CN 117250457A
- Authority
- CN
- China
- Prior art keywords
- pulse current
- current signal
- signal
- voltage cable
- discharge type
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012544 monitoring process Methods 0.000 title claims abstract description 21
- 230000005540 biological transmission Effects 0.000 claims abstract description 5
- 230000003287 optical effect Effects 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 238000011065 in-situ storage Methods 0.000 claims 1
- 230000003750 conditioning effect Effects 0.000 abstract description 2
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000000956 alloy Substances 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 229910000859 α-Fe Inorganic materials 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
- 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
- G01R31/14—Circuits therefor, e.g. for generating test voltages, sensing circuits
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本申请涉及一种高压电缆局部放电在线监测系统,该系统包括:高频电流传感器,其用于感应高压电缆接头屏蔽层的接地线局部释放的脉冲电流信号;现场信号处理器,其用于接收高频电流传感器通过同轴电缆传输的局部放电脉冲电流信号,并对局部放电脉冲电流信号进行调理、数模转换以及去噪处理,获取重构脉冲电流信号;传输光缆,其用于将重构脉冲电流信号传输至数据分析模块;服务器,其用于基于重构脉冲电流信号以及放电类型识别模型,获取与重构脉冲电流信号相对应的放电类型。本申请通过训练好的放电类型识别模型来识别重构脉冲电流信号的放电类型,可以消除脉冲电流信号中的噪声干扰,从而更准确地识别目标高压电缆的故障类型。
Description
技术领域
本申请涉及电缆检测技术领域,具体涉及一种高压电缆局部放电在线监测系统及方法。
背景技术
高压电缆数量众多,且对供电可靠性要求越来越高,为保证供电质量,需要减少停电次数和停电时间。为了保证电缆运行安全,及时获取电缆绝缘状态数据,需要采集大量带电检测数据,评估电缆运行状态。电缆在运行过程中受到各种应力作用,许多效应将会导致局部放电的出现,局部放电通常是引起电缆及其接头绝缘性能下降的主要原因之一。局部放电的发展最终会导致电缆的击穿,造成停电事故。因此,对高压电缆绝缘进行局部放电测量,并识别缺陷类型有着重大意义。
当前高压电缆局放故障的检测信号主要是通过高频电流传感器测得脉冲电流信号,脉冲电流信号因具有采集方式简单、受干扰小、采集到的信号易于分析等优势,成为了当前使用最多的检测信号之一。当前,高压电缆局部放电故障的识别方法基本都是构造能够反映不同放电源类型的局部放电模式,从这些模式中提取有效的特征参量,并训练合适的分类器最终对局部放电源类型做出判断。但这类方法通常是在单一缺陷系统中进行的,证实能够对高压电缆发生单一局部放电时进行局放源类型的识别。然而,高压电缆在制造和运行过程中,同时受到多种外部因素的影响,常常同时存在多种缺陷引发的局部放电类型,测量得到的局部放电波形多是这些放电波形的总和,现有方法难以区分,影响识别的准确性。
发明内容
本申请提供一种高压电缆局部放电在线监测系统以及方法。
为实现上述目的,本申请提供以下方案:
第一方面,本申请提供了一种高压电缆局部放电在线监测系统,所述系统包括:
脉冲信号采集器、现场信号处理器、传输光缆以及服务器;脉冲信号采集器,其用于感应高压电缆接头屏蔽层的接地线局部释放的脉冲电流信号;现场信号处理器,其用于接收所述高频电流传感器通过同轴电缆传输的局部放电脉冲电流信号,并对所述局部放电脉冲电流信号进行滤波、数模转换以及去噪处理,获取重构脉冲电流信号;传输光缆,其用于将所述重构脉冲电流信号传输至所述数据分析模块;服务器,其用于基于所述重构脉冲电流信号以及放电类型识别模型,获取与所述重构脉冲电流信号相对应的放电类型。
进一步的,所述服务器包括:
特征提取单元,其用于提取历史重构脉冲电流信号中的历史特征数据,并获取与所述历史重构脉冲电流信号对应的放电类型;再利用历史特征数据以及其对应的放电类型训练BP神经网络得到放电类型识别模型;放电类型识别单元,其用于将所述重构脉冲电流信号输入所述放电类型识别模型,获取与所述重构脉冲电流信号对应的放电类型。
进一步的,所述现场信号处理器包括:模数转换器、小波去噪器、DSP主处理器以及DSP主处理器,所述模数转换器与所述小波去噪器分别与所述DSP从处理器相连接,所述DSP主处理器与所述DSP主处理器相连接。
进一步的,所述DSP主处理器用于接收或者发送所述脉冲电流信号;所述DSP从处理器用于对所述局部放电脉冲电流信号进行滤波、数模转换以及去噪处理。
进一步的,所述系统还包括信号取样模块,所述信号取样模块与所述脉冲信号采集器相连接且所述信号取样模块的采样频率不大于所述脉冲信号采集器的两倍。
进一步的,所述系统还包括滤波放大装置;所述滤波放大装置采用一阶级联滤波放大器,用于将脉冲电流信号进行筛选,仅允许疑似局部放电的频率信号通过。
第二方面,本申请提供了一种高压电缆局部放电在线监测方法,所述方法包括:
获取目标高压电缆接头屏蔽层的接地线局部释放的脉冲电流信号;
对所述局部放电脉冲电流信号进行滤波、数模转换以及去噪处理,获取重构脉冲电流信号;
基于所述重构脉冲电流信号以及放电类型识别模型,获取与所述重构脉冲电流信号相对应的放电类型。
进一步的,所述方法还包括:
在预设时间段内获取目标高压电缆的各高频电流传感器获取的脉冲电流信号的放电类型;
当属于第一放电类型的脉冲电流信号的数量大于预设阈值时,则判定所述目标高压电缆处于第一放电类型;
基于所述第一放电类型,获取所述目标高压电缆的故障类型。
第三方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述高压电缆局部放电在线监测方法。
本申请提供的技术方案带来的有益效果:
本申请中的现场信号处理器将高频电流传感器获取的脉冲电流进行滤波、数模转换以及去噪处理后获取重构脉冲信号,再将该重构脉冲信号输入服务器,以便服务器基于重构脉冲电流信号以及放电类型识别模型,获取重构脉冲电流信号相对应的放电类型。本申请通过训练好的放电类型识别模型来识别重构脉冲电流信号的放电类型,可以消除脉冲电流信号中的噪声干扰,从而更准确地识别目标高压电缆的故障类型。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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为本申请实施例中提供的高压电缆局部放电在线监测方法的步骤流程图;
图2为本申请实施例中现场信号处理器的结构示意图;
图3为本申请实施例中高压电缆局部放电在线监测的步骤流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图对本申请的实施例作进一步详细说明。
为达到上述技术效果,本申请的总体思路如下:
参见图1所示,一种高压电缆局部放电在线监测系统,该系统包括:
脉冲信号采集器,其用于感应高压电缆接头屏蔽层的接地线局部释放的脉冲电流信号;
可以理解的是,高频电流法是指把高频电流传感器安装在电缆终端头或中间接头屏蔽层的接地线上,来感应流过电缆屏蔽层的局部放电信息,因为电缆的屏蔽层一旦发生局部放电现象,就会释放脉冲电流,脉冲电流经过耦合器产生电磁场信号。
脉冲信号采集器由内机箱和外机箱两部分组成。外机箱采用铸铝机箱,内机箱主要实现采集模块的安装与固定,实现供电、通讯及数据采集功能。该脉冲信号采集器共计包括电源接口,以太网接口,多个电缆局放信号采集通道以及同步信号通道;其中以太网接口可以采用RJ45接口,电缆局放采集通道和同步信号采集通道采用BNC接口。
在每一电缆局放采集通道处设置HFCT传感器,该HFCT传感器采用订制磁导率的铁氧体开口磁芯,响应平滑,频带宽。外壳采用具有电磁屏蔽作用的合金材料具有防水、绝缘功能。
现场信号处理器,其用于接收高频电流传感器通过同轴电缆传输的局部放电脉冲电流信号,并对局部放电脉冲电流信号进行滤波、数模转换以及去噪处理,获取重构脉冲电流信号;
现场信号处理器中包含模数转换器、小波去噪器、DSP主处理器以及DSP主处理器,模数转换器与小波去噪器与DSP从处理器相连接,DSP主处理器与DSP主处理器相连接。DSP主处理器用于接收或者发送脉冲电流信号;DSP从处理器用于对局部放电脉冲电流信号进行滤波、数模转换以及去噪处理。
滤波器的作用是将高频电流传感器接收到的含噪PD信号进行筛选,阻止无用的频率信号通过,仅允许疑似局部放电的频率信号通过。由于从高频电流传感器感应的局部放电信号非常微弱,所以传感器采集的信号需要进一步被放大,便于信号的完整提取和清晰识别。由于常规二阶滤波器易发生震荡的问题,所以该系统的滤波放大电路采取一阶滤波放大的级联设计,在保证带宽的前提下,既避免了令人困扰的振荡问题,又提供了比较大的增益。因此该电路设计不仅达到了信号大倍数放大的要求,还达到了相对理想的滤波效果,使信号显示更加清晰、信号成分更加。
在小波去噪器中把含噪声的脉冲电流信号分解到多个尺度上,利用小波变换按照db6小波进行四层分解计算,得到从低频到高频的不同频率成分,每层的小波系数各不同,然后选择合适的阈值作为判断依据;当小波系数大于阈值则判定为有效局部放电信号,并保留信号特征;当小波系数小于阈值的则认为是噪声产生的无效信号,将其置为零过滤掉,最后进行信号的小波重构。
服务器,其用于基于重构脉冲电流信号以及放电类型识别模型,获取与重构脉冲电流信号相对应的放电类型。
服务器包括特征提取单元,其用于提取历史重构脉冲电流信号中的历史特征数据,并获取与历史重构脉冲电流信号对应的放电类型;再利用历史特征数据以及其对应的放电类型训练BP神经网络得到放电类型识别模型;放电类型识别单元,其用于将重构脉冲电流信号输入放电类型识别模型,获取与重构脉冲电流信号的放电类型。
本申请中的现场信号处理器将高频电流传感器获取的脉冲电流进行滤波、数模转换以及去噪处理后获取重构脉冲信号,再将该重构脉冲信号输入服务器,以便服务器基于重构脉冲电流信号以及放电类型识别模型,获取重构脉冲电流信号相对应的放电类型。本申请通过训练好的放电类型识别模型来识别重构脉冲电流信号的放电类型,可以消除脉冲电流信号中的噪声干扰,从而更准确地识别目标高压电缆的故障类型。
在一实施例中,如图2所示,现场信号处理器包括:模数转换器、小波去噪器、DSP主处理器以及DSP主处理器,模数转换器与小波去噪器与DSP从处理器相连接,DSP主处理器与DSP主处理器相连接。
在本申请实施例中现场信号处理器包括模数转换器、小波去噪器、DSP从处理器以及DSP主处理器,模数转换器与小波去噪器分别与DSP从处理器相连接,DSP从处理器与DSP主处理器相连接,DSP主处理器用于接收或者发送脉冲电流信号;DSP从处理器用于对局部放电脉冲电流信号进行调理、数模转换以及去噪处理。DSP主处理器用于接收或者发送所述脉冲电流信号。由于现场信号处理器中包含DSP主处理器以及DSP从处理器两个DSP处理器,使得现场信号处理器的数据处理能力与效率大幅提高。
在一申请实施例中,如图3所示,提出了一种高压电缆局部放电在线监测方法,该方法包括:
S1、获取目标高压电缆接头屏蔽层的接地线局部释放的脉冲电流信号;
S2、对局部放电脉冲电流信号进行滤波、数模转换以及去噪处理,获取脉冲电流信号;
S3、基于脉冲电流信号以及放电类型识别模型,获取与脉冲电流信号相对应的放电类型;
首先,提取历史脉冲电流信号中的历史特征数据,并获取与历史脉冲电流信号对应的放电类型。具体地,根据历史脉冲电流信号绘制相应的放电量、放电相位、放电次数及相位分辨的局部放电等图谱,并计算谱图的特征值,该特征值包括谱图的正负半轴的偏斜度、陡峭度、峰点数、平均放电量、放电因子、相关系数、修正相关系数、威布尔分布形状参数、威布尔分布尺度参数等,再确定脉冲电流信号所属放电类型,并将脉冲电流信号的历史特征数据与放电类型相匹配。再者,利用历史脉冲电流信号的历史特征数据以及其对应标记的放电类型训练BP神经网络得到放电类型识别模型。
服务器将脉冲电流信号输入放电类型识别模型,得到与脉冲电流信号相对应的放电类型。
S4、在预设时间段内获取目标高压电缆的脉冲电流信号的放电类型;
由于脉冲信号采集器中包含多个电缆局放信号采集通道,所以可以获取同一目标高压电缆的多个脉冲电流信号,并且通过输入放电类型识别模型识别出各个脉冲电流信号的放电类型。
S5、当属于第一放电类型的脉冲电流信号的数量大于预设阈值时,则判定目标高压电缆处于第一放电类型;
其中,预设阈值可以设定为脉冲电流信号的获取数量的百分之六十。
具体地,当目标高压电缆中超过百分之六十的数量的脉冲电流信号的放电类型一致时,则将该放电类型确定为第一放电类型。
S6、基于第一放电类型,获取目标高压电缆的故障类型。
其中,放电类型包括局部放电电晕故障、内部放电故障、沿面放电故障。具体地,服务器将第一放电类型确定为目标高压电缆的放电故障类型。
在本申请实施例中,当目标高压电缆中超过百分之六十的数量的脉冲电流信号的放电类型一致时,则将该放电类型确定为目标高压电缆的故障类型,从而消除信号干扰,准确地识别出目标高压电缆的放电故障类型。
需要说明的是,本申请实施例中的各步骤的步骤标号,其并不限制本申请技术方案中各操作的前后顺序。
第二方面,本申请实施例提供一种存储介质,该存储介质上存储有计算机程序,该计算机程序被处理器执行时实现第一方面提及的高压电缆局部放电在线监测方法。
第三方面,本申请实施例提供一种电子设备,包括存储器和处理器,存储器上储存有在处理器上运行的计算机程序,该处理器执行计算机程序时实现第一方面提及的高压电缆局部放电在线监测方法。
需要说明的是,在本申请中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的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申请的精神或范围的情况下,在其它实施例中实现。因此,本申请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申请的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种高压电缆局部放电在线监测系统,其特征在于,所述系统包括脉冲信号采集器、现场信号处理器、传输光缆以及服务器;脉冲信号采集器,其用于感应高压电缆接头屏蔽层的接地线局部释放的脉冲电流信号;现场信号处理器,其用于接收所述高频电流传感器通过同轴电缆传输的脉冲电流信号,并对所述脉冲电流信号进行滤波、数模转换以及去噪处理,获取重构脉冲电流信号;传输光缆,其用于将所述重构脉冲电流信号传输至所述服务器;服务器,其用于基于所述重构脉冲电流信号以及放电类型识别模型,获取与所述重构脉冲电流信号相对应的放电类型。
2.如权利要求1所述高压电缆局部放电在线监测系统,其特征在于,所述服务器包括:
特征提取单元,其用于提取历史脉冲电流信号中的历史特征数据,并获取与所述历史脉冲电流信号对应的放电类型;再利用历史特征数据以及其对应的放电类型训练BP神经网络得到放电类型识别模型;
放电类型识别单元,其用于将所述脉冲电流信号输入所述放电类型识别模型,获取与所述脉冲电流信号对应的放电类型。
3.如权利要求1所述高压电缆局部放电在线监测系统,其特征在于,所述现场信号处理器包括:模数转换器、小波去噪器、DSP从处理器以及DSP主处理器,所述模数转换器与所述小波去噪器分别与所述DSP从处理器相连接,所述DSP从处理器与所述DSP主处理器相连接。
4.如权利要求3所述高压电缆局部放电在线监测系统,其特征在于,所述DSP主处理器用于接收或者发送所述脉冲电流信号;所述DSP从处理器用于对所述脉冲电流信号进行滤波、数模转换以及去噪处理。
5.如权利要求3所述高压电缆局部放电在线监测系统,其特征在于,所述系统还包括信号取样模块,所述信号取样模块与所述脉冲信号采集器相连接且所述信号取样模块的采样频率不大于所述脉冲信号采集器的两倍。
6.如权利要求2所述高压电缆局部放电在线监测系统,其特征在于,所述系统还包括滤波放大装置;所述滤波放大装置采用一阶级联滤波放大器,用于将脉冲电流信号进行筛选,仅允许疑似局部放电的频率信号通过。
7.一种高压电缆局部放电在线监测方法,其特征在于,所述方法包括:
获取目标高压电缆接头屏蔽层的接地线局部释放的脉冲电流信号;
对所述局部放电脉冲电流信号进行滤波、数模转换以及去噪处理,获取重构脉冲电流信号;
基于所述重构脉冲电流信号以及放电类型识别模型,获取与所述重构脉冲电流信号相对应的放电类型。
8.如权利要求7所述高压电缆局部放电在线监测方法,其特征在于,所述方法还包括:
在预设时间段内获取目标高压电缆的脉冲电流信号的放电类型;
当属于第一放电类型的脉冲电流信号的数量大于预设阈值时,则判定所述目标高压电缆处于第一放电类型;
基于所述第一放电类型,获取所述目标高压电缆的故障类型。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求7至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311373270.2A CN117250457A (zh) | 2023-10-23 | 2023-10-23 | 一种高压电缆局部放电在线监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311373270.2A CN117250457A (zh) | 2023-10-23 | 2023-10-23 | 一种高压电缆局部放电在线监测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117250457A true CN117250457A (zh) | 2023-12-19 |
Family
ID=89129443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311373270.2A Pending CN117250457A (zh) | 2023-10-23 | 2023-10-23 | 一种高压电缆局部放电在线监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117250457A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070217550A1 (en) * | 2006-02-15 | 2007-09-20 | Infineon Technologies Ag | System having a signal processor for detection of a signal type |
CN202994959U (zh) * | 2012-11-14 | 2013-06-12 | 西安众智惠泽光电科技有限公司 | 一种双cpu结构的电缆局部放电监测系统 |
CN204832421U (zh) * | 2015-06-04 | 2015-12-02 | 江苏国电南自海吉科技有限公司 | 一种基于脉冲宽频超高频局放带电检测装置 |
CN108562834A (zh) * | 2018-02-06 | 2018-09-21 | 武汉康电电气有限公司 | 一种高压电缆局部放电在线监测系统及修正幅值的方法 |
CN209690447U (zh) * | 2019-02-16 | 2019-11-26 | 新疆天成鲁源电气工程有限公司 | 电缆局部放电在线监测系统 |
KR102295214B1 (ko) * | 2021-05-31 | 2021-08-31 | 지투파워(주) | 고주파 전류센서를 이용한 배전반의 부분방전 검출 진단 시스템 |
CN114089138A (zh) * | 2021-11-26 | 2022-02-25 | 平顶山天安煤业股份有限公司 | 高压电缆局部放电在线监测方法和系统 |
CN115267439A (zh) * | 2022-06-07 | 2022-11-01 | 河海大学 | 基于脉冲电流法的电缆接头局部放电监测方法 |
CN116008747A (zh) * | 2022-12-29 | 2023-04-25 | 广东电网有限责任公司中山供电局 | 基于小波阈值去噪的Yogi-mLSTM电缆局放识别方法与诊断系统 |
CN116243111A (zh) * | 2023-04-27 | 2023-06-09 | 中国南方电网有限责任公司超高压输电公司百色局 | 一种电缆束故障检测定位方法及系统 |
-
2023
- 2023-10-23 CN CN202311373270.2A patent/CN117250457A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070217550A1 (en) * | 2006-02-15 | 2007-09-20 | Infineon Technologies Ag | System having a signal processor for detection of a signal type |
CN202994959U (zh) * | 2012-11-14 | 2013-06-12 | 西安众智惠泽光电科技有限公司 | 一种双cpu结构的电缆局部放电监测系统 |
CN204832421U (zh) * | 2015-06-04 | 2015-12-02 | 江苏国电南自海吉科技有限公司 | 一种基于脉冲宽频超高频局放带电检测装置 |
CN108562834A (zh) * | 2018-02-06 | 2018-09-21 | 武汉康电电气有限公司 | 一种高压电缆局部放电在线监测系统及修正幅值的方法 |
CN209690447U (zh) * | 2019-02-16 | 2019-11-26 | 新疆天成鲁源电气工程有限公司 | 电缆局部放电在线监测系统 |
KR102295214B1 (ko) * | 2021-05-31 | 2021-08-31 | 지투파워(주) | 고주파 전류센서를 이용한 배전반의 부분방전 검출 진단 시스템 |
CN114089138A (zh) * | 2021-11-26 | 2022-02-25 | 平顶山天安煤业股份有限公司 | 高压电缆局部放电在线监测方法和系统 |
CN115267439A (zh) * | 2022-06-07 | 2022-11-01 | 河海大学 | 基于脉冲电流法的电缆接头局部放电监测方法 |
CN116008747A (zh) * | 2022-12-29 | 2023-04-25 | 广东电网有限责任公司中山供电局 | 基于小波阈值去噪的Yogi-mLSTM电缆局放识别方法与诊断系统 |
CN116243111A (zh) * | 2023-04-27 | 2023-06-09 | 中国南方电网有限责任公司超高压输电公司百色局 | 一种电缆束故障检测定位方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109799434A (zh) | 局部放电模式识别系统及方法 | |
CN103499382B (zh) | 一种基于振动数据融合和图像识别的变压器故障诊断方法 | |
CN204256093U (zh) | 一种10~35kV配电网中电缆接头的故障在线监测装置 | |
CN104407270A (zh) | 一种10~35kV配电网中电缆接头的故障在线监测装置及其评估系统状态的方法 | |
CN102736000A (zh) | 电力电容器在线检测方法及装置 | |
CN103018629A (zh) | 一种基于马拉算法的电力系统故障录波数据分析方法 | |
CN110632484A (zh) | 一种基于elm的gis局部放电缺陷诊断分类系统及方法 | |
CN114157023B (zh) | 一种配变预警信息获取方法 | |
CN110703078A (zh) | 基于频谱能量分析与自组织竞争算法的gis故障诊断方法 | |
CN110703076A (zh) | 一种基于振动信号频域能量比的gis故障诊断方法 | |
CN117434396A (zh) | 一种变压器套管末屏在线监测系统及其方法 | |
CN117849691B (zh) | 一种电容式电压互感器多维协同运行监测预警系统和方法 | |
CN117763460A (zh) | 一种基于声纹分析的变压器故障检测方法及系统 | |
CN108594156B (zh) | 一种改进的电流互感器饱和特性识别方法 | |
CN114545162A (zh) | 一种分布式输电线路绝缘性能在线监测方法 | |
CN117110818A (zh) | 一种新的高压开关柜局部放电检测方法及系统 | |
CN117250457A (zh) | 一种高压电缆局部放电在线监测系统及方法 | |
CN110780162B (zh) | 一二次融合配电开关局部放电信号提取方法及检测装置 | |
CN112834871B (zh) | 一种高压大长段电缆绝缘故障在线监测系统与方法 | |
CN112666430A (zh) | 变压器声纹智能故障检测方法及系统 | |
CN116884432A (zh) | 基于vmd-js散度的电力变压器故障声纹诊断方法 | |
CN117269660A (zh) | 基于变异系数差分算法的故障电弧检测方法及系统 | |
CN109884483A (zh) | 绝缘管型母线局部放电声学在线监测方法及装置 | |
CN115060391A (zh) | 一种温度监测方法、装置、存储介质及电子设备 | |
Mitiche et al. | An evaluation of total variation signal denoising methods for partial discharge signals |
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 |