CN117290760A - 基于泄漏电流数据挖掘的避雷器运行状态分析方法及系统 - Google Patents
基于泄漏电流数据挖掘的避雷器运行状态分析方法及系统 Download PDFInfo
- Publication number
- CN117290760A CN117290760A CN202311286961.9A CN202311286961A CN117290760A CN 117290760 A CN117290760 A CN 117290760A CN 202311286961 A CN202311286961 A CN 202311286961A CN 117290760 A CN117290760 A CN 117290760A
- Authority
- CN
- China
- Prior art keywords
- data
- lightning arrester
- analysis
- lightning
- current
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 93
- 238000007418 data mining Methods 0.000 title claims abstract description 22
- 238000012360 testing method Methods 0.000 claims abstract description 39
- 239000000463 material Substances 0.000 claims abstract description 16
- 230000016507 interphase Effects 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 3
- 238000013518 transcription Methods 0.000 abstract description 4
- 230000035897 transcription Effects 0.000 abstract description 4
- 238000010224 classification analysis Methods 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明公开了一种基于泄漏电流数据挖掘的避雷器运行状态分析方法及其系统,属于电力智能保护技术领域,包括:实时采集避雷器带电数据;所述避雷器带电数据包括:全电流、阻性电流、功率、相角;根据所述避雷器带电数据和避雷器材质对避雷器进行分类,并对每类避雷器进行运行状态分析;所述运行状态分析包括:数据均值分析、数据相间分析和设备状态分析。实时采集避雷器带电数据,不再需要人工进行抄录,解决了现场试验数据不完整的问题,同时通过对避雷器进行分类分析,使得数据对分析相同类型避雷器的采集数据值更具有参考价值,同时对避雷器状态的分析更加快速准确,使得设备能够及时得到维护。
Description
技术领域
本发明涉及电力智能保护技术领域,特别涉及一种基于泄漏电流数据挖掘的避雷器运行状态分析方法及其系统。
背景技术
随着经济社会的快速发展,我国电网规模不断增大,电网相关设备数量呈逐年升高趋势,针对电气设备定期开展电气试验对保证电网安全可靠运行有着重要的工程意义。作为新型电力系统建设的基础,电力物联网指的是物联网在电网智能化过程中的应用,其不仅有助于提升电网信息化、自动化、互动化水平,同时能够促进电力系统的广泛感知和万物互联,在电力物联网技术的构架中,通过对智能电网的全面感知及有效监控进而保障智能电网更好运行。
作为保证电力供电的安全性和稳定性的重要手段,电气试验通过对各类电力设备进行定期检测和故障排除,其对电网系统的运行稳定性有着非常重要的辅助作用。然而开展电气试验时不仅需要达到既定的试验目的,还需电气试验的整个流程进行管理和控制。目前在进行电气试验的过程中,由于采用现场人工抄录的方式,往往存在着现场试验数据不完整、异常数据无法及时求助专家帮助、纸质记录数据容易丢失、数据整理工作繁琐、历史数据查找规律困难等问题。
发明内容
本发明的目的在于克服现有技术中所存在的目前在进行电气试验的过程中,往往存在着现场试验数据不完整、异常数据无法及时求助专家帮助、纸质记录数据容易丢失、数据整理工作繁琐、历史数据查找规律困难,导致无法及时监测避雷器的运行状态,从而导致设备无法得到及时的维护的不足,提供一种基于泄漏电流数据挖掘的避雷器运行状态评价方法及其系统。
为了实现上述发明目的,本发明提供了以下技术方案:
一种基于泄漏电流数据挖掘的避雷器运行状态分析方法,包括以下步骤:
S1:实时采集避雷器带电数据;所述避雷器带电数据包括:全电流、阻性电流、功率、相角;
S2:根据所述避雷器带电数据和避雷器材质对避雷器进行分类,并对每类避雷器进行运行状态分析,生成避雷器运行状态的分析结果;所述运行状态分析包括:数据均值分析、数据相间分析和设备状态分析。
采用上述技术方案,首先通过对避雷器进行分类,使得数据对分析相同类型避雷器的采集数据值更具有参考价值,其次通过三种分析方法对避雷器状态进行分析,使得对避雷器的状态分析更加快速准确,使得设备能够及时得到维护。
作为本发明的优选方案,步骤S1所述的根据所述避雷器带电数据对避雷器进行分类包括:首先按照避雷器的材质进行分类,其次将每类材质的避雷器按照电压等级分类,最后将按照电压等级分类后的避雷器按照相别进行分类,所述相别包括:A相、B相、C相。
作为本发明的优选方案,步骤S2所述的数据均值分析包括:分别计算各类材质避雷器的全电流和阻性电流的平均值和方差,并剔除超过平均值3个方差的异常值,再分别计算剩余的各类材质避雷器的全电流和阻性电流的平均值,计算每类避雷器的阻性电流平均值与实际值的差异百分比,并将所述差异百分比作为第一数据特征,设置第一判断阈值,若所述第一数据特征大于所述第一判断阈值,则试验结果被判断为不准确,设备自动报警,提示避雷器存在故障风险,反之则试验结果判断为准确,避雷器运行正常。
作为本发明的优选方案,所述第一判断阈值为50%。
作为本发明的优选方案,步骤S2所述的数据相间分析包括:基于所述数据均值分析的分析结果,进一步对试验结果被判断为不准确的避雷器按照同一间隔进行分析,所述同一间隔的避雷器的相别包括A相、B相、C相,将每个间隔中的B相避雷器的阻性电流作为标准,分别计算每个间隔中的A相避雷器和C相避雷器的阻性电流与所述B相避雷器的阻性电流之间的差异百分比,并将所述差异百分比作为第二数据特征,设置第二判断阈值,若所述第二数据特征大于所述第二判断阈值,则试验结果被判断为不准确,设备自动报警,提示避雷器存在故障风险,反之则试验结果判断为准确,避雷器运行正常。
作为本发明的优选方案,所述第二判断阈值为50%。
作为本发明的优选方案,步骤S2所述的设备状态分析包括:基于所述数据均值分析和所述数据相间分析的分析结果,进一步对试验结果被判断为不准确的避雷器,根据每个避雷器的阻性电流和全电流的实际值,分别计算每个避雷器的阻性电流初值差和全电流初值差,并设置第三判断阈值,若所述阻性初值差和所述全电流初值差其中任意一个或两个同时大于所述第三判断阈值,则试验结果被判断为不准确,设备自动报警,提示避雷器故障;所述阻性初值差和所述全电流初值差均小于或等于所述第三判断阈值,则试验结果判断为准确,避雷器运行正常。
作为本发明的优选方案,所述第三判断阈值包括:阻性电流判断阈值和全电流判断阈值,所述阻性电流判断阈值为50%,所述全电流判断阈值为20%。
另一方面,本发明还公开了一种基于泄漏电流数据挖掘的避雷器运行状态分析系统,所述避雷器运行状态分析系统用于执行上述任意所述的基于泄漏电流数据挖掘的避雷器运行状态分析方法,所述避雷器运行状态分析系统包括:数据采集模块、数据存储模块、数据分析及预警模块,所述数据采集模块、所述数据存储模块、所述数据分析及预警模块之间依次通信连接;
所述数据采集模块用于实时采集避雷器带电数据,所述避雷器带电数据包括:全电流、阻性电流、功率、相角;
所述数据存储模块用于存储避雷器的初始值数据和实时采集的避雷器带电数据;
所述数据分析及预警模块用于对避雷器进行分类,对避雷器进行数据均值分析、数据相间分析和设备状态分析以及对异常状态进行预警提示。
采用上述技术方案,实时采集避雷器带电数据,不再需要人工进行抄录,减轻了工作人员的工作量和工作难度,保证了数据的真实性和不可更改性,解决了现场试验数据不完整的问题;存储历史数据和实时采集的数据,使得数据不易丢失,数据整理工作更加简单,对于历史数据查找的查找更加快速准确,同时也更加方便专家进行查看,便于专家及时提供解决方案;通过对避雷器进行分类,使得数据对分析相同类型避雷器的采集数据值更具有参考价值,以及通过三种分析方法对避雷器状态进行分析,使得对避雷器的状态分析更加快速准确,使得设备能够及时得到维护。
与现有技术相比,本发明的有益效果在于:首先通过对避雷器进行分类,使得数据对分析相同类型避雷器的采集数据值更具有参考价值,其次通过三种分析方法对避雷器状态进行分析,使得对避雷器的状态分析更加快速准确,使得设备能够及时得到维护。
附图说明
图1为本发明实施例1所述的一种基于泄漏电流数据挖掘的避雷器运行状态分析方法的流程图;
图2为本发明实施例1所述的一种基于泄漏电流数据挖掘的避雷器运行状态分析方法数据均值分析的阻性电流正态分布图;
图3为本发明实施例2所述的一种基于泄漏电流数据挖掘的避雷器运行状态分析系统的结构框图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
一种基于泄漏电流数据挖掘的避雷器运行状态分析方法,如图1所示,包括以下步骤:
S1:实时采集避雷器带电数据;所述避雷器带电数据包括:全电流、阻性电流、功率、相角;
具体的,现场使用内网作业终端跟仪器之间进行直连采集,所述避雷器带点数据还包括三次谐波阻性电流、三次谐波全电流,所述三次谐波阻性电流和所述三次谐波全电流能够用于判断避雷器的老旧程度。
步骤S1所述的根据所述避雷器带电数据对避雷器进行分类包括:首先按照避雷器的材质进行分类,其次将每类材质的避雷器按照电压等级分类,最后将按照电压等级分类后的避雷器按照相别进行分类,所述相别包括:A相、B相、C相。
具体的,根据避雷器的材质,将避雷器分为硅脂、瓷套、SF6三类,然后根据电压等级将每类材质的避雷器分别分为35kv、110kv、220kv,最后根据相别,再将每类电压等级下的避雷器分为A、B、C三相。
S2:根据所述避雷器带电数据和避雷器材质对避雷器进行分类,并对每类避雷器进行运行状态分析,生成避雷器运行状态的分析结果;所述运行状态分析包括:数据均值分析、数据相间分析和设备状态分析。
步骤S2所述的数据均值分析包括:分别计算各类材质避雷器的全电流和阻性电流的平均值和方差,如图2所示,一般采用统计学方法,如3σ原则来剔除异常值,剔除超过平均值3个方差的异常值,再分别计算剩余的各类材质避雷器的全电流和阻性电流的平均值,计算各类材质避雷器的阻性电流平均值与实际值的差异百分比,并将所述差异百分比作为第一数据特征,设置第一判断阈值为50%,若所述第一数据特征>50%,则试验结果被判断为不准确,并被自动推送至内网作业终端显示,设备自动报警,提示避雷器存在故障风险,反之则试验结果判断为准确,避雷器运行正常。
步骤S2所述的数据相间分析包括:基于所述数据均值分析的分析结果,进一步对试验结果被判断为不准确的避雷器按照同一间隔进行分析,所述同一间隔的避雷器的相别包括A相、B相、C相,将每个间隔中的B相避雷器的阻性电流作为标准,分别计算每个间隔中的A相避雷器和C相避雷器的阻性电流与所述B相避雷器的阻性电流之间的差异百分比,并将所述差异百分比作为第二数据特征,设置第二判断阈值为50%,若所述第二数据特征>50%,则试验结果被判断为不准确,并被自动推送至内网作业终端显示,设备自动报警,提示避雷器存在故障风险,反之则试验结果判断为准确,避雷器运行正常。
具体的,同一间隔是指,避雷器在一个运行位置分别由有A相、B相、C相三个避雷器。整体的布置是,变电站下面有很多间隔,例如110kV902短路器间隔,110kV 903断路器间隔,那么一个间隔下面就是放着A相、B相、C相三个相别的避雷器,那么这个数据相间分析就是对同一个间隔的避雷器的状态进行分析。
步骤S2所述的设备状态分析包括:基于所述数据均值分析和所述数据相间分析的分析结果,进一步对试验结果被判断为不准确的避雷器,根据每个避雷器的阻性电流和全电流的实际值,分别计算每个避雷器的阻性电流初值差和全电流初值差,初值差计算为:(实际值-初始值)/初始值,并设置第三判断阈值,所述第三判断阈值包括:阻性电流判断阈值和全电流判断阈值,所述阻性电流判断阈值为50%,所述全电流判断阈值为20%,若所述阻性初值差>50%,所述全电流初值差≤20%,则试验结果被判断为不准确,并被自动推送至内网作业终端显示,设备自动报警,提示避雷器故障,避雷器需要更换;若所述阻性初值差≤50%,所述全电流初值>20%,则试验结果被判断为不准确,并被自动推送至内网作业终端显示,设备自动报警,提示避雷器故障,避雷器需要更换;若所述阻性初值差>50%,所述全电流初值>20%,则试验结果被判断为不准确,并被自动推送至内网作业终端显示,设备自动报警;若所述阻性初值差≤50%,所述全电流初值≤20%,则试验结果被判断为准确,避雷器正常工作。
最后专家结合试验结果的分析结果,来提供相应的维修和保养建议。
具体的,数据均值分析、数据相间分析和设备状态分析的预警的程度由低到高,如果平均值超出阈值,那么避雷器有可能是因为生产厂家不同导致的异常;如果相间不合格可能是更进一步说明避雷器可能出现问题,如果在平均值超出阈值和相间不合格的基础上,阻性电流初值差和全电流初值差也超过了阈值,那么三个条件同时满足就说明设备大概率是出现故障,需要更换。
首先通过对避雷器进行分类,使得数据对分析相同类型避雷器的采集数据值更具有参考价值,其次通过三种分析方法对避雷器状态进行分析,使得对避雷器的状态分析更加快速准确,使得设备能够及时得到维护。
实施例2
一种基于泄漏电流数据挖掘的避雷器运行状态分析系统,所述避雷器运行状态分析系统用于执行实施例1所述的基于泄漏电流数据挖掘的避雷器运行状态分析方法,如图3所示,所述避雷器运行状态分析系统包括:数据采集模块、数据存储模块、数据分析及预警模块,所述数据采集模块、所述数据存储模块、所述数据分析及预警模块之间依次通信连接;
所述数据采集模块用于实时采集避雷器带电数据,所述避雷器带电数据包括:全电流、阻性电流、功率、相角;
所述数据存储模块用于存储避雷器的初始值数据和实时采集的避雷器带电数据;
所述数据分析及预警模块用于对避雷器进行分类,对避雷器进行数据均值分析、数据相间分析和设备状态分析以及对异常状态进行预警提示。
实时采集避雷器带电数据,不再需要人工进行抄录,减轻了工作人员的工作量和工作难度,保证了数据的真实性和不可更改性,解决了现场试验数据不完整的问题;存储历史数据和实时采集的数据,使得数据不易丢失,数据整理工作更加简单,对于历史数据查找的查找更加快速准确,同时也更加方便专家进行查看,便于专家及时提供解决方案;通过对避雷器进行分类,使得数据对分析相同类型避雷器的采集数据值更具有参考价值,以及通过三种分析方法对避雷器状态进行分析,使得对避雷器的状态分析更加快速准确,使得设备能够及时得到维护。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于泄漏电流数据挖掘的避雷器运行状态分析方法,其特征在于,包括以下步骤:
S1:实时采集避雷器带电数据;所述避雷器带电数据包括:全电流、阻性电流、功率、相角;
S2:根据所述避雷器带电数据和避雷器材质对避雷器进行分类,并对每类避雷器进行运行状态分析,生成避雷器运行状态的分析结果;所述运行状态分析包括:数据均值分析、数据相间分析和设备状态分析。
2.根据权利要求1所述的一种基于泄漏电流数据挖掘的避雷器运行状态分析方法,其特征在于,步骤S1所述的根据所述避雷器带电数据对避雷器进行分类包括:首先按照避雷器的材质进行分类,其次将每类材质的避雷器按照电压等级分类,最后将按照电压等级分类后的避雷器按照相别进行分类,所述相别包括:A相、B相、C相。
3.根据权利要求2所述的一种基于泄漏电流数据挖掘的避雷器运行状态分析方法,其特征在于,步骤S2所述的数据均值分析包括:分别计算各类材质避雷器的全电流和阻性电流的平均值和方差,并剔除超过平均值3个方差的异常值,再分别计算剩余的各类材质避雷器的全电流和阻性电流的平均值,计算每类避雷器的阻性电流平均值与实际值的差异百分比,并将所述差异百分比作为第一数据特征,设置第一判断阈值,若所述第一数据特征大于所述第一判断阈值,则试验结果被判断为不准确,设备自动报警,提示避雷器存在故障风险,反之则试验结果判断为准确,避雷器运行正常。
4.根据权利要求3所述的一种基于泄漏电流数据挖掘的避雷器运行状态分析方法,其特征在于,所述第一判断阈值为50%。
5.根据权利要求4所述的一种基于泄漏电流数据挖掘的避雷器运行状态分析方法,其特征在于,步骤S2所述的数据相间分析包括:基于所述数据均值分析的分析结果,进一步对试验结果被判断为不准确的避雷器按照同一间隔进行分组分析,所述同一间隔的避雷器的相别包括A相、B相、C相,将每个间隔中的B相避雷器的阻性电流作为标准,分别计算每个间隔中的A相避雷器和C相避雷器的阻性电流与所述B相避雷器的阻性电流之间的差异百分比,并将所述差异百分比作为第二数据特征,设置第二判断阈值,若所述第二数据特征大于所述第二判断阈值,则试验结果被判断为不准确,设备自动报警,提示避雷器存在故障风险,反之则试验结果判断为准确,避雷器运行正常。
6.根据权利要求5所述的一种基于泄漏电流数据挖掘的避雷器运行状态分析方法,其特征在于,所述第二判断阈值为50%。
7.根据权利要求6所述的一种基于泄漏电流数据挖掘的避雷器运行状态分析方法,其特征在于,步骤S2所述的设备状态分析包括:基于所述数据均值分析和所述数据相间分析的分析结果,进一步对试验结果被判断为不准确的避雷器,根据每个避雷器的阻性电流和全电流的实际值,分别计算每个避雷器的阻性电流初值差和全电流初值差,并设置第三判断阈值,所述阻性初值差和所述全电流初值差其中任意一个或两个同时大于所述第三判断阈值,则试验结果被判断为不准确,设备自动报警,提示避雷器故障;所述阻性初值差和所述全电流初值差均小于或等于所述第三判断阈值,则试验结果判断为准确,避雷器运行正常。
8.根据权利要求7所述的一种基于泄漏电流数据挖掘的避雷器运行状态分析方法,其特征在于,所述第三判断阈值包括:阻性电流判断阈值和全电流判断阈值,所述阻性电流判断阈值为50%,所述全电流判断阈值为20%。
9.一种基于泄漏电流数据挖掘的避雷器运行状态分析系统,其特征在于,所述避雷器运行状态分析系统包括:数据采集模块、数据存储模块、数据分析及预警模块,所述数据采集模块、所述数据存储模块、所述数据分析及预警模块之间依次通信连接;
所述数据采集模块用于实时采集避雷器带电数据,所述避雷器带电数据包括:全电流、阻性电流、功率、相角;
所述数据存储模块用于存储避雷器的初始值数据和实时采集的避雷器带电数据;
所述数据分析及预警模块用于对避雷器进行分类,对避雷器进行数据均值分析、数据相间分析和设备状态分析以及对避雷器异常状态进行预警提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311286961.9A CN117290760A (zh) | 2023-10-08 | 2023-10-08 | 基于泄漏电流数据挖掘的避雷器运行状态分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311286961.9A CN117290760A (zh) | 2023-10-08 | 2023-10-08 | 基于泄漏电流数据挖掘的避雷器运行状态分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117290760A true CN117290760A (zh) | 2023-12-26 |
Family
ID=89258369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311286961.9A Pending CN117290760A (zh) | 2023-10-08 | 2023-10-08 | 基于泄漏电流数据挖掘的避雷器运行状态分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117290760A (zh) |
-
2023
- 2023-10-08 CN CN202311286961.9A patent/CN117290760A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102170124B (zh) | 一种电能质量稳态指标预警方法 | |
CN107085153B (zh) | 一种用电异常火灾预警方法及系统 | |
CN105954632A (zh) | 一种氧化锌避雷器在线监测与诊断方法 | |
CN107677903B (zh) | 一种变压器状态监测数据的聚类分析方法 | |
CN104821789A (zh) | 一种光伏发电系统可靠性的检测方法 | |
CN113533910A (zh) | 一种适用于换流变压器局部放电预警的方法及系统 | |
CN1560645A (zh) | 基于模型参数识别的小电流接地选线方法 | |
CN113806420A (zh) | 一种电网数据监测方法及装置 | |
CN106597181B (zh) | 一种高压电力变压器运行监测系统及方法 | |
CN108226775B (zh) | 风力发电机的故障自检测方法及装置 | |
CN114740306A (zh) | 一种基于电网信息化的配电网线路故障在线监测预警管理系统 | |
CN106877503B (zh) | 二次设备智能运维系统中的风险识别与预警方法 | |
CN111999695B (zh) | 一种变电站计量装置状态评估与异常诊断方法 | |
CN111969709B (zh) | 基于电力系统备自投分析的智能告警方法和系统 | |
CN106646106B (zh) | 基于变点探测技术的电网故障检测方法 | |
CN117031201A (zh) | 一种配电网多场景拓扑异常识别方法及系统 | |
CN117290760A (zh) | 基于泄漏电流数据挖掘的避雷器运行状态分析方法及系统 | |
CN204439118U (zh) | 变电站在线监测系统 | |
CN104931848B (zh) | 一种基于广域测量信息的电力系统线路故障判别方法 | |
CN115600879A (zh) | 一种断路器异常预警方法、系统及相关装置 | |
CN116047347A (zh) | 一种低压交直流电源设备离线测试平台 | |
CN116208091A (zh) | 一种分布式光伏电站设备故障诊断及预警方法 | |
CN107329018A (zh) | 一种变电站继电保护系统测量环节隐性故障检测方法 | |
CN111047015A (zh) | 基于神经网络的输变电数据突变分析方法 | |
CN107392449B (zh) | 继电保护定值单生成方法和装置 |
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 |