CN117559636A - 一种变压器运行状态的实时综合监测系统 - Google Patents

一种变压器运行状态的实时综合监测系统 Download PDF

Info

Publication number
CN117559636A
CN117559636A CN202311488233.6A CN202311488233A CN117559636A CN 117559636 A CN117559636 A CN 117559636A CN 202311488233 A CN202311488233 A CN 202311488233A CN 117559636 A CN117559636 A CN 117559636A
Authority
CN
China
Prior art keywords
module
data
transformer
real
neural network
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
Application number
CN202311488233.6A
Other languages
English (en)
Inventor
包宇喆
齐超亮
何天骥
靳巍
刘栋
史兆元
王延军
周帆
田凤兰
张海燕
薛东成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Xibian Components Co ltd
Zhengzhou Xianghe Electric Power Design Co ltd
State Grid Henan Electric Power Co Zhengzhou Power Supply Co
State Grid Corp of China SGCC
Original Assignee
Xi'an Xibian Components Co ltd
Zhengzhou Xianghe Electric Power Design Co ltd
State Grid Henan Electric Power Co Zhengzhou Power Supply Co
State Grid Corp of China SGCC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xi'an Xibian Components Co ltd, Zhengzhou Xianghe Electric Power Design Co ltd, State Grid Henan Electric Power Co Zhengzhou Power Supply Co, State Grid Corp of China SGCC filed Critical Xi'an Xibian Components Co ltd
Priority to CN202311488233.6A priority Critical patent/CN117559636A/zh
Publication of CN117559636A publication Critical patent/CN117559636A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/092—Reinforcement learning
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/185—Electrical failure alarms
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • H02J13/00034—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving an electric power substation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Power Engineering (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Computational Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Physiology (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了一种变压器运行状态的实时综合监测系统，属于变压器监测技术领域，包括：数据采集模块，用于对数据的采集；数据处理模块，用于对所述数据采集模块采集到的数据进行处理；状态评估模块，用于对所述数据处理模块处理后的数据对变压器的健康状况进行评估，采用模糊神经网络或支持向量机算法进行状态识别和评估；通过上述系统，可以实时监测变压器的运行状态，对变压器的健康状况进行综合评估，预测潜在故障，及时报警提示并采取保护措施，有效提高变压器的运行稳定性和可靠性。同时，用户可以通过用户界面模块和远程监控模块随时了解变压器的运行状态并进行远程监控操作。

Description

一种变压器运行状态的实时综合监测系统
技术领域
本发明涉及变压器监测技术领域，具体是一种变压器运行状态的实时综合监测系统。
背景技术
变压器绝缘故障具有发展迅速，突然爆发的特点，一旦变压器绝缘发生故障，会造成巨大的设备损失，同时电网安全运行风险大幅度增加；因此，在针对上述问题开展变压器运行状态的实时综合监测研究，通过对变压器多维度运行数据的在线监测，提前发现潜伏性缺陷，控制缺陷的发展、爆发，从而防止电网主设备损坏，避免事故发生，同时大幅度提升变压器精益化运维水平。开展多维度智能传感技术融合研究，实时获取变压器运行状态的关键参量，从不同角度对变压器绝缘状态进行全方位实时监测，实现兼顾变压器内绝缘的综合监测。研究挖掘基于多维度运行数据的变压器绝缘故障实时告警算法，提高告警准确性，有效的指导运行和检修，减少生产人员工作量，降低运行管理成本。
发明内容
本发明的目的在于提供一种变压器运行状态的实时综合监测系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种变压器运行状态的实时综合监测系统，包括：
数据采集模块，用于对数据的采集；
数据处理模块，用于对所述数据采集模块采集到的数据进行处理；
状态评估模块，用于对所述数据处理模块处理后的数据对变压器的健康状况进行评估，采用模糊神经网络或支持向量机算法进行状态识别和评估；
故障预测模块，用于监视各种可以引起故障的参数并建立门限值，随时监视参数值变化；
报警保护模块，对变压器出现异常时能够通过快速响应并采取保护措施；
以及，用户界面模块和远程监控模块。
作为本发明再进一步的方案：其中，所述数据采集模块用于对变压器的温度、湿度压力等参数，或是其他设备或系统的状态信息进行采集。
作为本发明再进一步的方案：其中，所述数据采集模块包括数据转换模块、数据传输模块以及数据存储模块；
通过数据转换模块将所述数据采集模块中原始数据转换成不同的数据格式，并与后续的数据进行传输；
数据传输模块，用于将采集到的数据传输到其他设备或系统中；
数据存储模块，用于将采集到的数据存储到本地或云端存储设备中，以便后续的处理和分析。
作为本发明再进一步的方案：其中，所述数据采集模块还包括噪声测量模块以及震动检测模块；
噪声测量模块，用于对变压器在工作时噪音的检测，通过噪音传感器的作用来识别变压器的噪声强度，根据噪声的强度判断变压器的性能；
震动检测模块，用于对变压器工作过程中震动频率的检测，通过震动频率的大小来判断变压器的工作状态。
作为本发明再进一步的方案：其中，所述故障预测模块包括特征提取模块、DBN神经网络模型训练模块；
特征提取模块，用于对所述震动检测模块中的历史数据和实时震动数据分别输入到卷积神经网络中进行特征提取，得到历史故障震动特征、历史正常震动特征和实时震动特征；
DBN神经网络训练模型，用于搭建DBN神经网络模型，将历史故障震动特征、历史正常震动特征作为训练集，对DBN神经网络模型进行训练，得到训练好的DBN神经网络模型。
作为本发明再进一步的方案：其中，所述震动检测模块包括震动信号预测模块，用于将实时震动特征输入值LSTM神经网络模型中，输出故障种类，实现对变压器故障的预测。
作为本发明再进一步的方案：其中，所述报警保护模块包括但不限于温度、湿度和气压信息。
作为本发明再进一步的方案：其中，所述用户界面模块，用于对图形化形式展示变压器实时运行状态数据和历史数据趋势图。
作为本发明再进一步的方案：其中，所述远程监控模块通过互联网或专网远程访问和监控，方便用户随时了解变压器的运行状态。
与现有技术相比，本发明的有益效果是：
本实施例中的实时监测系统，通过上述系统，可以实时监测变压器的运行状态，对变压器的健康状况进行综合评估，预测潜在故障，及时报警提示并采取保护措施，有效提高变压器的运行稳定性和可靠性。同时，用户可以通过用户界面模块和远程监控模块随时了解变压器的运行状态并进行远程监控操作。
附图说明
图1为本发明中监测系统流程框图；
具体实施方式
请参阅图1，一种变压器运行状态的实时综合监测系统
数据采集模块，用于采集数据；
该模块可以包括多种不同类型的传感器，例如温度传感器、压力传感器、电流传感器、振动传感器和湿度传感器等，以采集变压器运行状态的多种参数。这些传感器可以通过有线或无线的方式连接到数据采集模块，实现数据的实时传输和存储。此外，还可以引入高精度测量和先进的信号处理技术，以提高数据采集的准确性和稳定性，并确保数据的完整性和安全性。
进一步的，所述数据采集模块包括数据转换模块、数据传输模块以及数据存储模块；
通过数据转换模块将所述数据采集模块中原始数据转换成不同的数据格式，并与后续的数据做交换；
数据传输模块，用于将采集到的数据传输到其他设备或系统中；
数据存储模块，用于将采集到的数据存储到本地或云端存储设备中，以便后续的处理和分析。
更进一步的，所述数据采集模块还包括噪声测量模块以及震动检测模块；
噪声测量模块，用于对变压器在工作时噪音的检测，通过噪音传感器的作用来识别变压器的噪声强度，根据噪声的强度判断变压器的性能；
震动检测模块，用于对变压器工作过程中震动频率的检测，通过震动频率的大小来判断变压器的工作状态。
数据处理模块，用于对所述数据采集模块采集到的数据进行处理；该模块可以进行更高级的数据处理和分析算法，例如小波变换、傅里叶变换、主成分分析、聚类分析等，以从原始数据中提取出更多有用的特征和信息。此外，还可以引入数据挖掘技术，如关联规则挖掘、决策树分类等，以发现数据中的隐藏模式和关联关系。同时，可以考虑数据的预处理步骤，例如数据清洗、异常值处理等，以提高数据分析的准确性和可靠性。
状态评估模块，用于对所述数据处理模块处理后的数据对变压器的健康状况进行评估，采用模糊神经网络或支持向量机算法进行状态识别和评估；该模块可以采用多种机器学习算法进行变压器的健康状况评估，例如支持向量机、随机森林、深度学习等。同时，可以引入无监督学习算法，如聚类分析，以对变压器的运行状态进行分组和分类。此外，还可以利用多种评估指标，例如统计指标、预测误差指标等，以全面评估变压器的健康状况。可以考虑引入先进的机器学习技术，例如自适应学习算法、在线学习算法等，以提高状态评估的准确性和实时性。
故障预测模块，用于监视各种可以引起故障的参数并建立门限值，随时监视参数值变化；采用多种预测方法进行故障预警，例如时间序列预测、回归分析、异常检测等。可以考虑引入深度学习模型，如循环神经网络(RNN)或卷积神经网络(CNN)，以对时序数据进行高效预测。此外，还可以引入强化学习算法，以实现变压器运行状态的智能控制和优化。可以考虑引入人工智能技术，如遗传算法、粒子群优化算法等，以实现故障预警的智能决策和优化。
进一步的，所述故障预测模块包括特征提取模块、DBN神经网络模型训练模块；
特征提取模块，用于对所述震动检测模块中的历史数据和实时震动数据分别输入到卷积神经网络中进行特征提取，得到历史故障震动特征、历史正常震动特征和实时震动特征；
DBN神经网络训练模型，用于搭建DBN神经网络模型，将历史故障震动特征、历史正常震动特征作为训练集，对DBN神经网络模型进行训练，得到训练好的DBN神经网络模型。
更进一步的，所述震动检测模块包括震动信号预测模块，用于将实时震动特征输入值LSTM神经网络模型中，输出故障种类，实现对变压器故障的预测。
报警保护模块，对变压器出现异常时能够快速响应并采取保护措施；引入智能控制理论，实现故障的快速定位和自动隔离。可以考虑引入人工智能算法，如强化学习或遗传算法，以实现变压器运行状态的智能优化和控制。同时，报警保护模块还可以通过与电力系统的其他设备进行联动，例如与继电器、断路器等设备进行配合，实现故障的快速隔离和修复。可以考虑引入远程控制技术，例如通过互联网或专网实现远程切断电源、启动备用设备等操作，以保证变压器的安全和稳定运行。所述报警保护模块的工作参数包括但不限于温度、湿度和气压信息。
用户界面模块，提供全面的变压器运行状态监测和预警信息展示界面，包括实时数据展示、历史数据查询、预警信息提示等功能。用户界面可以采用图形化界面(GUI)或Web界面，以方便用户进行操作和控制。此外，用户界面还可以包括交互式元素，例如按钮、文本框等，以允许用户与系统进行交互和反馈。可以考虑引入多媒体技术，例如视频、音频等，以提高用户界面的互动性和体验感。
远程监控模块，通过互联网或专网实现远程访问和监控，方便用户随时了解变压器的运行状态。可以考虑引入云计算技术，以实现数据的云端存储和分析。同时，远程监控模块还可以支持多用户同时访问和操作，提高协作效率。此外，还可以引入远程控制功能，例如远程切断电源、启动备用设备等操作，以保证变压器的安全和稳定运行。可以考虑引入物联网技术，实现变压器运行状态监测系统与智能设备的无缝集成，例如智能手表、智能手机等设备上实时查看变压器的运行状态和预警信息。
以上所述的，仅为本发明较佳的具体实施方式，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种变压器运行状态的实时综合监测系统，其特征在于，包括：
数据采集模块，用于对数据进行采集；
数据处理模块，用于对所述数据采集模块采集到的数据进行处理；
状态评估模块，用于根据所述数据处理模块处理后的数据对变压器的健康状况进行评估，用于采用模糊神经网络或支持向量机算法进行状态识别和评估；
故障预测模块，用于监视各种可以引起故障的参数并建立门限值，用于监视参数值变化；
报警保护模块，用于对变压器异常做出快速响应并采取保护措施；
以及，用户界面模块和远程监控模块。
2.根据权利要求1所述的变压器运行状态的实时综合监测系统，其特征在于，所述数据采集模块用于对变压器的温度、湿度压力等参数，或其他设备或系统的状态信息进行采集。
3.根据权利要求2所述的变压器运行状态的实时综合监测系统，其特征在于，所述数据采集模块包括数据转换模块、数据传输模块以及数据存储模块；
数据转换模块，用于将采集到的数据转换成不同格式的数据，并与后续的数据进行交换；
数据传输模块，用于将采集到的数据传输到其他设备或系统中；
数据存储模块，用于将采集到的数据存储到本地或云端的存储设备中。
4.根据权利要求3所述的变压器运行状态的实时综合监测系统，其特征在于，所述数据采集模块还包括噪声测量模块以及震动检测模块；
噪声测量模块，用于对变压器的工作噪音进行检测，用于通过噪音传感器来识别变压器的噪声强度，用于根据噪声强度判断变压器的性能；
震动检测模块，用于对变压器工作过程中震动频率进行检测，用于根据震动频率判断变压器的工作状态。
5.根据权利要求4所述的变压器运行状态的实时综合监测系统，其特征在于，所述故障预测模块包括特征提取模块、DBN神经网络模型训练模块；
特征提取模块，用于将所述震动检测模块中的历史数据和实时震动数据分别输入到卷积神经网络中进行特征提取，用于获取历史故障震动特征、历史正常震动特征和实时震动特征；
DBN神经网络训练模型，用于搭建DBN神经网络模型，用于将历史故障震动特征、历史正常震动特征作为训练集，用于对DBN神经网络模型进行训练。
6.根据权利要求4所述的变压器运行状态的实时综合监测系统，其特征在于，所述震动检测模块还包括震动信号预测模块，用于将实时震动特征输入至LSTM神经网络模型中，并根据输出的故障种类实现对变压器故障的预测。
7.根据权利要求1所述的变压器运行状态的实时综合监测系统，其特征在于，所述报警保护模块的工作参数包括但不限于温度、湿度和气压信息。
8.根据权利要求1所述的变压器运行状态的实时综合监测系统，其特征在于，所述用户界面模块，用于以图形化形式展示变压器实时运行状态数据和历史数据趋势图。
9.根据权利要求1所述的变压器运行状态的实时综合监测系统，其特征在于，所述远程监控模块通过互联网或专网远程访问和监控。
CN202311488233.6A 2023-11-09 2023-11-09 一种变压器运行状态的实时综合监测系统 Pending CN117559636A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311488233.6A CN117559636A (zh) 2023-11-09 2023-11-09 一种变压器运行状态的实时综合监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311488233.6A CN117559636A (zh) 2023-11-09 2023-11-09 一种变压器运行状态的实时综合监测系统

Publications (1)

Publication Number Publication Date
CN117559636A true CN117559636A (zh) 2024-02-13

Family

ID=89819613

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311488233.6A Pending CN117559636A (zh) 2023-11-09 2023-11-09 一种变压器运行状态的实时综合监测系统

Country Status (1)

Country Link
CN (1) CN117559636A (zh)

Similar Documents

Publication Publication Date Title
CN103823433B (zh) 一种使用通讯过程分析实现继电保护设备在线监测的方法
US20140283047A1 (en) Intelligent cyberphysical intrusion detection and prevention systems and methods for industrial control systems
CN108627720B (zh) 一种基于贝叶斯算法的电力设备状态监测方法
CN111209934B (zh) 风机故障预报警方法及系统
CN108051709A (zh) 基于人工智能技术的变压器状态在线评估分析方法
CN115640915B (zh) 一种智慧燃气管网压缩机安全管理方法和物联网系统
CN111650451A (zh) 一种换流变故障原因辨识方法及系统
CN113763667B (zh) 一种基于5g边缘计算的火灾预警及状态监测装置及方法
CN104615121B (zh) 一种列车故障诊断方法及系统
CN113177646B (zh) 一种基于自适应边缘代理的配电设备在线监测方法及系统
CN115248402A (zh) 油浸变压器在线监测系统及方法
CN108093210A (zh) 一种变压器油位告警系统及其告警方法
CN113281616A (zh) 一种基于专家系统的输电线路故障诊断方法、系统及架构
CN117151684A (zh) 风电风机数据分析预警方法、系统、装置及可读存储介质
CN117559636A (zh) 一种变压器运行状态的实时综合监测系统
CN116488351A (zh) 一种基于物联网的低压配电箱远程监控方法和系统
CN107482783B (zh) 一种厂用电监测及控制综合智能化系统
CN104392102A (zh) 一种继电保护设备在线监测指标自动提取和计算方法
CN104377815A (zh) 一种继电保护设备在线监测方法
CN114264902A (zh) 一种防雷箱工作状态的监测方法、系统、电子设备及存储介质
CN113129160A (zh) 一种基于设备状态感知和智能化的电力通信网络巡检方法
CN117791876A (zh) 变电设备运行状态监测方法及异常管控系统
CN117034157B (zh) 一种结合多模态运行数据的水电设备故障识别方法与系统
Sparling Transformer monitoring-moving forward from monitoring to diagnostics
CN216347109U (zh) 一种电力供暖锅炉故障预警系统

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