CN117538686A - 一种供电设备故障检测方法及系统 - Google Patents
一种供电设备故障检测方法及系统 Download PDFInfo
- Publication number
- CN117538686A CN117538686A CN202311769512.XA CN202311769512A CN117538686A CN 117538686 A CN117538686 A CN 117538686A CN 202311769512 A CN202311769512 A CN 202311769512A CN 117538686 A CN117538686 A CN 117538686A
- Authority
- CN
- China
- Prior art keywords
- power supply
- supply equipment
- data
- fault detection
- fault
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 238000005516 engineering process Methods 0.000 claims abstract description 15
- 238000007405 data analysis Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000004044 response Effects 0.000 claims abstract description 9
- 238000012423 maintenance Methods 0.000 claims description 27
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 11
- 230000035945 sensitivity Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 5
- 230000008859 change Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011900 installation process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000009421 internal insulation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- 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
-
- 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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种供电设备故障检测方法及系统，包括以下检测步骤：S1、在供电设备上部署高频电信号和微振动传感器；S2、传感器开始实时捕捉供电设备的高频电信号和微小振动；S3、通过物联网技术，实时将采集到的数据传输到中央数据处理中心；S4、在云平台上对接收到的数据进行大规模处理和分析；S5、基于数据分析结果，系统对供电设备进行故障检测。本发明结合高频电信号分析和微振动检测技术，不仅增强了故障检测的覆盖范围，也提高了故障诊断的精确度和响应速度，通过实时监测电力系统中的细微电气变化和物理振动，系统能够及时发现并诊断出潜在的故障，大幅度减少了故障的不确定性和风险。
Description
技术领域
本发明涉及供电设备故障检测，特别涉及一种供电设备故障检测方法及系统，属于互联网电力系统检测技术领域。
背景技术
供电设备故障检测是指使用各种技术识别和诊断电力系统中的设备问题和故障，包括监测供电系统的变压器、电缆、开关设备等，以检测任何可能指示故障的迹象，供电设备故障检测的目的是确保电力系统的稳定、可靠和安全运行；
1、传统的供电设备故障检测技术通常侧重于单一类型的信号分析，只能检测电气故障而无法有效识别由物理因素引起的故障，这限制了在识别各类故障方面的能力；
2、传统技术在数据处理能力方面通常受到限制，能处理相对简单的数据集，无法有效处理大量及复杂的数据集，当面对复杂的数据环境时，而无法准确捕捉和分析关键信息，导致故障预测和诊断的不准确性和延迟；
为此，提出一种供电设备故障检测方法及系统。
发明内容
有鉴于此，本发明提供一种供电设备故障检测方法及系统，以解决或缓解现有技术中存在的技术问题，至少提供一种有益的选择。
本发明的技术方案是这样实现的：一种供电设备故障检测方法及系统，包括以下检测步骤：
S1、在供电设备上部署高频电信号和微振动传感器；
S2、传感器开始实时捕捉供电设备的高频电信号和微小振动；
S3、通过物联网技术，实时将采集到的数据传输到中央数据处理中心；
S4、在云平台上对接收到的数据进行大规模处理和分析；
S5、基于数据分析结果，系统对供电设备进行故障检测；
S6、当检测到潜在故障时，系统自动调整相关参数并提供故障报告和维护建议。
进一步优选的，所述高频电信号和微振动传感器配置有自适应调整机制，用于根据监测到的电信号和振动数据自动调整其灵敏度和采样频率。
进一步优选的，所述数据传输采用加密的物联网通信协议，以确保数据在传输过程中的安全性和完整性。
进一步优选的，所述中央数据处理中心包括实时数据分析模块，所述实时数据分析模块使用数据处理算法来处理和分析接收到的数据。
进一步优选的，所述故障检测基于一组预定义的故障识别规则，通过故障识别规则用于识别从高频电信号和微振动数据中提取的特定异常模式。
进一步优选的，所述故障响应机制包括自动调整单元，用于在检测到潜在故障时自动调整系统运行参数。
进一步优选的，包括历史数据分析模块，用于存储和分析历史监测数据，以提高故障预测的准确性。
进一步优选的，包括远程维护接口，用于远程接收故障报告和维护建议，并允许远程对系统进行调整和维护。
本发明实施例由于采用以上技术方案，其具有以下优点：
一、本发明结合高频电信号分析和微振动检测技术，不仅增强了故障检测的覆盖范围，也提高了故障诊断的精确度和响应速度，通过实时监测电力系统中的细微电气变化和物理振动，系统能够及时发现并诊断出潜在的故障，大幅度减少了故障的不确定性和风险。
二、本发明集成了机器学习和物联网技术，使系统能够从历史数据中学习，从而更准确地预测和识别故障模式，而物联网技术的应用则确保数据的实时收集和传输，使系统即时响应故障，两者技术的融合不仅提高系统的智能水平，还增强了其自适应能力和效率；
三、本发明利用云计算和大数据分析技术处理和分析收集到的大量数据，该处理能力使系统不仅能够处理复杂的数据集，还能够在大规模的电力系统中提供准确的故障预测和诊断，云平台的使用大大提升了数据处理的效率和灵活性，同时也增强了系统在处理大数据时的可扩展性和稳定性。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
为了更清楚地说明本申请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为本发明的步骤流程图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
下面结合附图对本发明的实施例进行详细说明。
如图1所示，本发明实施例提供了一种供电设备故障检测方法及系统，包括以下检测步骤：
S1、在供电设备上部署高频电信号和微振动传感器；
首先选择能够捕捉10kHz到1MHz高频电信号和毫米级微振动的高灵敏度传感器，此传感器被策略性地部署在供电设备的关键部位，如变压器、电缆接头和开关设备处，以确保能覆盖所有主要的电力传输和分配点；
在安装过程中，特别注意避免环境干扰，并确保传感器与设备的稳固连接，从而保证数据的准确性和可靠性，传感器安装后，通过设定初始参数，包括最小电信号灵敏度(1mV)和振动灵敏度(0.1mm/s)，以及高采样频率(至少每秒1000次)，以保证能够捕捉到供电设备的微小变化和高频事件；
高频电信号和微振动传感器配置有自适应调整机制，用于根据监测到的电信号和振动数据自动调整其灵敏度和采样频率，当监测到的信号强度超过预设阈值时，系统会提高灵敏度，而在信号强度低于阈值时，则降低灵敏度，同样，系统会根据信号变化的快慢自动调整采样频率，以优化数据捕捉；
通过S1步骤实现高效和准确的供电设备故障监测，而且通过自适应调整机制的持续优化，提高系统的整体性能和可靠性。
S2、传感器开始实时捕捉供电设备的高频电信号和微小振动；
传感器部署完成(步骤S1中)，开始监测任务，传感器即刻开始实时捕捉供电设备的高频电信号和微振动，高频电信号传感器专注于捕捉电力系统中的细微电气波动，如频率变化和电压跳变等，而微振动传感器则监测供电设备的物理振动，振动由机械故障、不平衡负载或其他物理问题引起的，此两类传感器协同工作，提供了一个全面的监测视图，覆盖了电气和物理维度的潜在故障信号；
传感器捕获的数据被实时传输至中央处理系统(在步骤S3中所述)，在这个阶段，数据还未经过深入分析，但初步的筛查和分类正在进行，以确定是否有立即显而易见的异常。
S3、通过物联网技术，实时将采集到的数据传输到中央数据处理中心；
传感器(步骤S1和S2中)开始捕捉供电设备的高频电信号和微振动数据，数据即刻通过物联网技术实时传输到中央数据处理中心，物联网技术允许数据无缝、连续地从传感器流向数据处理中心，在数据传输过程中，采用高级加密的物联网通信协议，确保数据在传输途中的安全性，防止数据泄露或被未授权访问，加密协议不仅保护数据的内容，也保护了数据的传输路径和源，确保整个监测系统的安全性和可信度；
收到的数据流入中央数据处理中心，通过配备实时数据分析模块，使用快速傅里叶变换(FFT)数据处理算法，来处理和分析接收到的数据，能够快速识别数据中不寻常的电信号波动或振动模式的异常模式，不仅筛查潜在的故障信号，也对数据进行初步分类，以便于后续的更深入分析；
通过以上步骤，确保高频电信号和微振动数据的安全、实时和高效传输，同时通过中央数据处理中心的实时数据分析，为及时的故障诊断和响应提供了坚实基础，提高供电设备故障检测的效率和可靠性。
S4、在云平台上对接收到的数据进行大规模处理和分析；
数据从中央数据处理中心(步骤S3)传输至云平台，数据包括从传感器收集的高频电信号和微振动数据，对供电设备运行状况的直接反映，在深度分析之前，数据首先经过预处理阶段，包括数据清洗(去除不完整或错误的数据点)、数据规范化(确保数据格式一致性)和初步的数据分类，确保后续分析的数据质量和准确性；
使用时间序列分析技术来深入挖掘数据中的信息，从复杂的数据集中识别出故障模式、异常趋势以及潜在的设备问题，分析结果被综合起来，形成对供电设备健康状况的全面评估，包括故障的早期预警、维护建议或性能优化的提示；
通过以上步骤，S4实现对大规模数据集的高效和深入分析，为供电设备的可靠运行和故障预防提供数据支持，云平台的应用不仅增强数据处理的能力，也提高整个故障检测系统的灵活性和扩展性。
S5、基于数据分析结果，系统对供电设备进行故障检测；
在云平台上(步骤S4)分析处理的高频电信号和微振动信息数据来进行故障检测，故障检测过程基于一组预定义的故障识别规则进行，该规则根据历史数据、设备特性和行业标准制定的，能够精准识别特定的异常模式，包括不寻常的电压波动、频率异常或异常振动模式；
规则的具体说明：
a.电压波动规则，此规则用于监测电压水平的不正常波动，在电压值持续超过或低于设定的安全阈值(±10％的标准电压水平)，则系统会识别出电压异常，短时电压突变(暂降或突增)，也会被识别；
b.频率异常规则：此规则侧重于检测供电系统频率的不正常变化，电力系统通常应维持在特定频率(如50Hz或60Hz)，任何显著的频率偏离都可能指示着问题，其频率的微小波动可暴露不平衡负载或电网不稳定问题；
c.异常振动模式规则：此规则通过监测设备的物理振动来识别机械故障，可设置为监测特定的振动频率、振幅或振动模式的变化；
通过对比分析结果和故障识别规则，识别出特定的异常模式，当系统检测到潜在的故障时，不仅向维护团队发出警报，而且激活了故障响应机制，此故障响应机制包括自动调整单元，根据检测到的故障类型自动调整供电设备的运行，降低负载、调整电压水平或切换到备用系统，以防止故障恶化；
通过以上步骤，S5不仅实现对供电设备的高效故障检测，而且通过自动响应机制增强了故障管理的及时性和有效性。
S6、当检测到潜在故障时，系统自动调整相关参数并提供故障报告和维护建议；
当系统基于之前的分析(步骤S5)检测到潜在故障时，立即启动预设的响应程序，包括调整供电设备的运行参数，降低电力负荷、调整电压或频率设置，或者切换到备用系统，以防止故障的进一步发展；
其次，根据检测到的故障类型和严重程度自动调整相关参数，该调整是基于预先设定的逻辑和规则，旨在最小化故障对整体系统的影响，同时，生成一份详细的故障报告，为维护人员提供足够的信息，以便更深入地分析问题并采取进一步的修复措施，然后，根据故障的性质和系统的历史数据，提供维护具体的修复步骤、更换部件的提示或预防性维护措施。
在一个实施例中，包括历史数据分析模块，用于存储和分析历史监测数据，以提高故障预测的准确性，历史数据分析模块负责收集和存储所有通过传感器系统(步骤S1和S2中)收集的历史监测数据，定期对存储的历史数据进行分析，以识别长期的趋势、周期性模式或任何异常变化，利用模式识别算法技术识别出可能预示故障的模式，一旦识别出可能的故障预警信号，系统会自动发出警报，并提供相关数据和预测信息供维护团队参考。
在一个实施例中，包括远程维护接口，用于远程接收故障报告和维护建议，并允许远程对系统进行调整和维护，远程维护接口能够实时接收来自系统的故障报告，还会基于故障分析和历史数据提出维护建议，通过远程维护接口查看建议，并决定是否执行，通过远程操作能力大大提高了维护效率，减少了对现场操作的需求。
实施例1：城市配电网故障检测
在一个城市的配电网中，传感器部署在变压器(电压220kV/110kV)、主要电缆接头和高负荷开关设备处；
通过传感器实时监测电压波动和振动频率，在一个月的监测期间，传感器记录了电压波动范围在215kV至225kV之间，振动频率的峰值为3mm/s；
本系统检测到某一变压器的电压连续三次下降至214kV以下，振动频率超过4mm/s，根据预设规则，系统判定由内部绝缘损耗导致的；
通过系统自动向维护团队发送故障预警，建议进行变压器检查，同时，系统自动调整该变压器的负载，以减轻其负担。
实施例2：工业区供电系统监控
在一个工业区，用于监控复杂的供电系统，包括多个高负荷工业设备和一系列配电板；
传感器安装在多个关键分配点，监测电流和温度数据，在监测期间，记录平均电流为200A，温度稳定在45℃左右；
在一个配电板上检测到电流突然增加至250A，伴随温度升高至60℃，分析显示是由过载引起的；
系统立即向操作中心发送警报，并建议减少该配电板的负载。同时，远程维护接口允许操作员远程调整负载分配，避免进一步的损害。
本系统整体工作流程：在供电设备的关键部位部署能捕捉10kHz到1MHz高频电信号和毫米级微振动的高灵敏度传感器，传感器在安装过程中采用措施以避免环境干扰，并确保与设备的稳固连接，传感器配置有自适应调整机制，根据监测到的数据自动调整灵敏度和采样频率，以实时捕捉电力系统中的细微电气波动和物理振动；传感器捕获的数据通过物联网技术实时传输至中央数据处理中心，数据传输过程中采用加密协议以确保安全性，中央数据处理中心利用实时数据分析模块对数据进行初步分析，以筛查潜在的异常模式；数据随后被传输至云平台，进行更深入的处理和分析，云平台上的高级分析包括数据预处理、时间序列分析，用于从数据中识别故障模式和异常趋势，本系统基于分析结果和预定义的故障识别规则进行故障检测，一旦检测到潜在故障，自动调整相关参数，并生成故障报告和维护建议，报告和建议可通过远程维护接口获取，允许维护团队远程查看并执行必要的调整和维护操作。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种供电设备故障检测方法及系统，其特征在于，包括以下检测步骤：
S1、在供电设备上部署高频电信号和微振动传感器；
S2、传感器开始实时捕捉供电设备的高频电信号和微小振动；
S3、通过物联网技术，实时将采集到的数据传输到中央数据处理中心；
S4、在云平台上对接收到的数据进行大规模处理和分析；
S5、基于数据分析结果，系统对供电设备进行故障检测；
S6、当检测到潜在故障时，系统自动调整相关参数并提供故障报告和维护建议。
2.根据权利要求1所述的一种供电设备故障检测方法及系统，其特征在于：所述高频电信号和微振动传感器配置有自适应调整机制，用于根据监测到的电信号和振动数据自动调整其灵敏度和采样频率。
3.根据权利要求1所述的一种供电设备故障检测方法及系统，其特征在于：所述数据传输采用加密的物联网通信协议，以确保数据在传输过程中的安全性和完整性。
4.根据权利要求1所述的一种供电设备故障检测方法及系统，其特征在于：所述中央数据处理中心包括实时数据分析模块，所述实时数据分析模块使用数据处理算法来处理和分析接收到的数据。
5.根据权利要求1所述的一种供电设备故障检测方法及系统，其特征在于：所述故障检测基于一组预定义的故障识别规则，通过故障识别规则用于识别从高频电信号和微振动数据中提取的特定异常模式。
6.根据权利要求1所述的一种供电设备故障检测方法及系统，其特征在于：所述故障响应机制包括自动调整单元，用于在检测到潜在故障时自动调整系统运行参数。
7.根据权利要求1所述的一种供电设备故障检测方法及系统，其特征在于：包括历史数据分析模块，用于存储和分析历史监测数据，以提高故障预测的准确性。
8.根据权利要求1所述的一种供电设备故障检测方法及系统，其特征在于：包括远程维护接口，用于远程接收故障报告和维护建议，并允许远程对系统进行调整和维护。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311769512.XA CN117538686A (zh) | 2023-12-20 | 2023-12-20 | 一种供电设备故障检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311769512.XA CN117538686A (zh) | 2023-12-20 | 2023-12-20 | 一种供电设备故障检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117538686A true CN117538686A (zh) | 2024-02-09 |
Family
ID=89788206
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311769512.XA Pending CN117538686A (zh) | 2023-12-20 | 2023-12-20 | 一种供电设备故障检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117538686A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103969555A (zh) * | 2013-02-05 | 2014-08-06 | 王李子峰 | 判断电力设备电弧放电及机械震动、异常位移类故障的方法 |
| CN107544025A (zh) * | 2017-08-30 | 2018-01-05 | 马鞍山马钢华阳设备诊断工程有限公司 | 一种综合电信号和振动信号的异步电机转子断条故障判断方法 |
| CN111864577A (zh) * | 2020-07-27 | 2020-10-30 | 张琴光 | 一种智能电气柜 |
| CN113124929A (zh) * | 2021-04-13 | 2021-07-16 | 国网陕西省电力公司铜川供电公司 | 一种变电站多参数信号采集综合分析系统和方法 |
| CN115236557A (zh) * | 2022-07-21 | 2022-10-25 | 西安理工大学 | 一种变压器检测系统及电力设备系统 |
| CN116243214A (zh) * | 2023-03-03 | 2023-06-09 | 绍兴秘可视信息科技有限公司 | 电力变压器振动数据在线监测系统及方法 |
| CN116545123A (zh) * | 2023-07-06 | 2023-08-04 | 七星电气股份有限公司 | 一种用于环网柜的综合型监测系统 |
| CN116885854A (zh) * | 2023-07-14 | 2023-10-13 | 贵州电网有限责任公司信息中心 | 一种基于物联网的电力系统监测系统 |
| CN117134503A (zh) * | 2023-10-23 | 2023-11-28 | 武汉宏联电线电缆有限公司 | 一种大型电力供电装置的状态监测方法及系统 |
-
2023
- 2023-12-20 CN CN202311769512.XA patent/CN117538686A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103969555A (zh) * | 2013-02-05 | 2014-08-06 | 王李子峰 | 判断电力设备电弧放电及机械震动、异常位移类故障的方法 |
| CN107544025A (zh) * | 2017-08-30 | 2018-01-05 | 马鞍山马钢华阳设备诊断工程有限公司 | 一种综合电信号和振动信号的异步电机转子断条故障判断方法 |
| CN111864577A (zh) * | 2020-07-27 | 2020-10-30 | 张琴光 | 一种智能电气柜 |
| CN113124929A (zh) * | 2021-04-13 | 2021-07-16 | 国网陕西省电力公司铜川供电公司 | 一种变电站多参数信号采集综合分析系统和方法 |
| CN115236557A (zh) * | 2022-07-21 | 2022-10-25 | 西安理工大学 | 一种变压器检测系统及电力设备系统 |
| CN116243214A (zh) * | 2023-03-03 | 2023-06-09 | 绍兴秘可视信息科技有限公司 | 电力变压器振动数据在线监测系统及方法 |
| CN116545123A (zh) * | 2023-07-06 | 2023-08-04 | 七星电气股份有限公司 | 一种用于环网柜的综合型监测系统 |
| CN116885854A (zh) * | 2023-07-14 | 2023-10-13 | 贵州电网有限责任公司信息中心 | 一种基于物联网的电力系统监测系统 |
| CN117134503A (zh) * | 2023-10-23 | 2023-11-28 | 武汉宏联电线电缆有限公司 | 一种大型电力供电装置的状态监测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210241544A1 (en) | Platform for analyzing health of heavy electric machine and analysis method using the same | |
| CN106698197A (zh) | 基于大数据的集装箱起重机在线诊断和预防性维护系统 | |
| CN118112359B (zh) | 基于物联网的开关柜故障诊断方法及系统 | |
| KR102604708B1 (ko) | 인공 지능 기반 수배전반 진단 시스템 및 방법 | |
| CN118213936A (zh) | 一种电压监视与电压保护系统及方法 | |
| CN118137682B (zh) | 配电自动化主站硬件故障主动检测系统及方法 | |
| CN115077605A (zh) | 智能变电站管理系统 | |
| CN117791876A (zh) | 变电设备运行状态监测方法及异常管控系统 | |
| KR20130045589A (ko) | 진동센서를 이용한 진단시스템 | |
| CN111983295A (zh) | 一种设备故障预测方法及系统 | |
| CN109240253A (zh) | 一种在线设备诊断及预防性维护方法及系统 | |
| CN109285331B (zh) | 一种基于数据分析和温度预测的电力电缆温度预警系统 | |
| CN114485796A (zh) | 箱式变电站的在线状态监测自诊断系统 | |
| CN117767570A (zh) | 一种防雷屏及其智能监控系统和方法 | |
| CN112285631A (zh) | 一种电流互感器主动预警的判断方法及系统 | |
| CN117728571A (zh) | 一种配电网线路变压器安全防护系统及方法 | |
| CN117279348A (zh) | 具备监测功能的强电磁脉冲防护系统 | |
| CN116247820A (zh) | 一种自主运维管理系统 | |
| CN117538686A (zh) | 一种供电设备故障检测方法及系统 | |
| CN116245506A (zh) | 一种设备运维管理系统及故障自检测方法及其使用方法 | |
| KR20200089446A (ko) | 필거장비의 실시간 운전정보 수집 및 진동감시 시스템과 그 방법 | |
| CN106443238A (zh) | 高压设备状态评估方法、在线监测装置评估方法及装置 | |
| CN106771729A (zh) | 一种继电保护设备风险评估系统及方法 | |
| CN112255554A (zh) | 一种直流系统蓄电池健康状况及内部故障监测装置 | |
| Suzuki et al. | An anomaly detection system for advanced maintenance services |
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 |