CN117595133A - 一种直动式充气高压开关柜及其工作方法 - Google Patents
一种直动式充气高压开关柜及其工作方法 Download PDFInfo
- Publication number
- CN117595133A CN117595133A CN202311424291.2A CN202311424291A CN117595133A CN 117595133 A CN117595133 A CN 117595133A CN 202311424291 A CN202311424291 A CN 202311424291A CN 117595133 A CN117595133 A CN 117595133A
- Authority
- CN
- China
- Prior art keywords
- switch
- layer
- box body
- fixedly connected
- image sensor
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000007246 mechanism Effects 0.000 claims abstract description 41
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 36
- 229910052802 copper Inorganic materials 0.000 claims description 36
- 239000010949 copper Substances 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 35
- 238000013527 convolutional neural network Methods 0.000 claims description 27
- 238000010801 machine learning Methods 0.000 claims description 15
- 238000011176 pooling Methods 0.000 claims description 15
- 239000002274 desiccant Substances 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 230000004913 activation Effects 0.000 claims description 12
- 239000004593 Epoxy Substances 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 9
- 230000001131 transforming effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 210000002569 neuron Anatomy 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000009736 wetting Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 2
- 238000009434 installation Methods 0.000 claims description 2
- 230000003993 interaction Effects 0.000 abstract description 4
- 239000007787 solid Substances 0.000 abstract description 4
- 238000013461 design Methods 0.000 abstract description 2
- 238000009413 insulation Methods 0.000 description 8
- 238000002955 isolation Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007791 dehumidification Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002035 prolonged effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
- H02B13/00—Arrangement of switchgear in which switches are enclosed in, or structurally associated with, a casing, e.g. cubicle
- H02B13/02—Arrangement of switchgear in which switches are enclosed in, or structurally associated with, a casing, e.g. cubicle with metal casing
- H02B13/035—Gas-insulated switchgear
- H02B13/0352—Gas-insulated switchgear for three phase switchgear
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
- G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01H—ELECTRIC SWITCHES; RELAYS; SELECTORS; EMERGENCY PROTECTIVE DEVICES
- H01H9/00—Details of switching devices, not covered by groups H01H1/00 - H01H7/00
- H01H9/20—Interlocking, locking, or latching mechanisms
- H01H9/26—Interlocking, locking, or latching mechanisms for interlocking two or more switches
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
- H02B1/00—Frameworks, boards, panels, desks, casings; Details of substations or switching arrangements
- H02B1/26—Casings; Parts thereof or accessories therefor
- H02B1/28—Casings; Parts thereof or accessories therefor dustproof, splashproof, drip-proof, waterproof or flameproof
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
- H02B1/00—Frameworks, boards, panels, desks, casings; Details of substations or switching arrangements
- H02B1/26—Casings; Parts thereof or accessories therefor
- H02B1/30—Cabinet-type casings; Parts thereof or accessories therefor
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
- H02B13/00—Arrangement of switchgear in which switches are enclosed in, or structurally associated with, a casing, e.g. cubicle
- H02B13/02—Arrangement of switchgear in which switches are enclosed in, or structurally associated with, a casing, e.g. cubicle with metal casing
- H02B13/035—Gas-insulated switchgear
- H02B13/0354—Gas-insulated switchgear comprising a vacuum switch
-
- 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
- H02J13/00002—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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Human Computer Interaction (AREA)
- Electromagnetism (AREA)
- Biodiversity & Conservation Biology (AREA)
- Driving Mechanisms And Operating Circuits Of Arc-Extinguishing High-Tension Switches (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供一种直动式充气高压开关柜及其工作方法,涉及高压开关柜技术领域。包括气箱体,所述气箱体的顶部安装有多个扩套管。通过设有气箱体、两侧扩套管、三工位开关、控制操作机构、固封极柱断路器和图像传感器,所设计的开关柜结构清晰,人机交互的安全性更高,控制操作室面板上的操作机构实现固封极柱真空断路器的合断,操控机构工作时图像传感器启动,先确认三工位开关的起始位置,若开关处于合位则机构自锁并指示灯亮起,只能操作断路器合断并将开关移动至接地位,此时传感器采集信息判断开关移动行程直至安全位置即可解锁进行相应操作,结构简单,操作方便,且三工位开关的状态可以第一时间进行反馈,从而完成自锁。
Description
技术领域
本发明涉及高压开关柜技术领域,具体为一种直动式充气高压开关柜及其工作方法。
背景技术
高压开关柜作为一种能够进行电力分配及线路分控的组合式电气设备,通过内部若干功能单元的排列组合满足开关柜本身的可靠性,作为主要单元的三工位开关,传统一般采用隔离开关与接地开关来分别实现主断口合断与接地侧接地,为了保证各单元的正常运行则需要设置复杂的机械连锁,在一定程度上会影响柜体本身的结构尺寸,还会增加繁杂的操作过程,导致过大的环网柜体积从而造成成本负担。
三工位隔离开关相比于传统的机械分离式的隔离-接地开关而言,一体化的三工位开关可根据运行所需来进行不同线路切换,并且内部具有可靠的绝缘间隙,但是现有的三工位开关安全性能并不完全可靠,由于各单元密封于充气柜体中,三工位开关的状态无法获得时实反馈,其自锁性能无法保证。
为此,我们研发出了新的一种直动式充气高压开关柜。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种直动式充气高压开关柜及其工作方法,解决了三工位隔离开关相比于传统的机械分离式的隔离-接地开关而言,一体化的三工位开关可根据运行所需来进行不同线路切换,并且内部具有可靠的绝缘间隙,但是现有的三工位开关安全性能并不完全可靠,由于各单元密封于充气柜体中,三工位开关的状态无法获得时实反馈,其自锁性能无法保证的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种直动式充气高压开关柜,包括气箱体,所述气箱体的顶部安装有多个扩套管,所述气箱体的前端安装有多个三工位开关,多个所述三工位开关的外壁一侧安装有控制操作机构,所述控制操作机构的一侧底端安装有固封极柱断路器;
所述气箱体的前端底部安装有进出线套管,所述两侧扩套管的一侧安装有图像传感器,多个所述扩套管的前端均安装有多个双核连接法兰,每两个所述扩套管之间均固定连接有双排直列式铜排,其中一个所述双排直列式铜排的一侧安装有三相连接铜排,多个所述三工位开关均包括非静触头,多个所述非静触头的一端均安装有中间静触头,多个所述中间静触头的一端均安装有接地触头,多个所述接地触头的另一端均安装有动触头,多个所述动触头的前端均安装有导向板,多个中间静触头的外壁前端均开设有两个卡销孔,多个所述中间静触头内安装有丝杠,多个所述动触头的外壁前端均开设有导向槽;
多个所述非静触头的外壁一端固定连接有安装导轨,多个所述非静触头的一端均固定连接有支撑支架,所述固封极柱断路器包括环氧外壳,多个所述环氧外壳的内部安装有真空灭弧室,所述真空灭弧室的一端固定连接有静端出线座,所述真空灭弧室的另一端安装有开关管,所述开关管的外壁安装有软连接铜排,所述环氧外壳的顶部安装有上出线座,所述软连接铜排的一端安装有输出轴,所述输出轴的一端安装有带电端,所述带电端的一端安装有绝缘拉杆,所述绝缘拉杆的一端安装有绝缘端,所述绝缘端的一端安装有波纹法兰,所述波纹法兰的一端固定连接有波纹管,所述波纹管的一端固定连接有中心轴;
所述气箱体的内壁一侧固定连接有干燥剂放置盒,所述气箱体的底部安装有防爆片,多个所述双排直列式铜排的一侧均安装有铜排垫片,所述气箱体的内壁另一侧安装有接地排。
优选的,多个所述三相连接铜排的一端分别与多个非静触头的一端固定连接。
通过上述技术方案,多个三相连接铜排保证了对多个非静触头连接的稳定性,且多个三相连接铜排均为铜材质制成,耐腐蚀性强,有效的对多个非静触头进行导电。
优选的,所述导向板通过中间静触头外壁上的两个卡销孔固定安装,所述中间静触头为三通结构,所述中间静触头的底部与静端出线座固定连接,所述接地触头位于气箱体的前端。
通过上述技术方案,中间静触头为三通结构,且下方与固封极柱断路器的上出线座固定连接,接地触头位于气箱体的前端,且可以通过接地排实现安装固定,动触头可以通过控制操作机构的丝杠进行实现直线往复运动,从而保证动触头在不同位置的导通实现三工位开关的三工位功能,从而使得三工位开关不同位置的切换来进行开关合断及接地。
优选的,所述导向板与导向槽滑动连接。
通过上述技术方案,可以采用导向板可以很好的保证动触头在移动的过程中受力均匀,避免对动触头产生应力集中。
优选的,所述开关管的一端与输出轴的另一端固定连接,所述输出轴的一端与绝缘拉杆的另一端固定连接。
通过上述技术方案,连接性较强,从而更好的传递信息。
优选的,所述中心轴的一端与控制操作机构连接。
通过上述技术方案,可以有效的快速完成控制操作机构的结构解锁,以便于进行所需操作。
优选的,所述图像传感器位于气箱体的前端顶部。
通过上述技术方案,图像传感器对三工位开关的位移量采集,三工位开关与图像传感器中轴线处于同一铅垂面,所设计的开关柜结构清晰,人机交互的安全性更高,控制操作室面板上的控制操作机构实现固封极柱断路器的合断,控制操作机构工作时图像传感器启动,先确认三工位开关的起始位置,若开关处于合位则机构自锁并指示灯亮起,只能操作固封极柱断路器并将开关移动至接地位,此时图像传感器采集信息判断开关移动行程直至安全位置即可解锁进行相应操作,结构简单,操作方便,且三工位开关的状态可以第一时间进行反馈,从而完成自锁。
优选的,所述干燥剂放置盒内设有干燥剂。
通过上述技术方案,从而实现对气箱体内进行除湿,防止其内部元件受潮,大大的增加了其内部元件的使用寿命。
本发明的一种直动式充气高压开关柜工作方法,包括步骤:
步骤1,工作人员控制操作室面板上的控制操作机构4实现固封极柱断路器5的合断,控制操作机构4工作时图像传感器7启动,先确认三工位开关3的起始位置,并将其反馈给智能控制器,这个控制器将根据图像数据实时识别开关的位置,从而确定其状态;若开关处于合位则机构自锁并指示灯亮起,只能操作固封极柱断路器5并将开关移动至接地位,此时图像传感器7采集信息判断开关移动行程直至安全位置即可解锁进行相应操作,结构简单,操作方便,且三工位开关3的状态可以第一时间进行反馈,从而完成自锁;
上述步骤1中,还包括智能控制器执行算法过程:
图像传感器7将捕获开关位置的图像数据,这些图像数据将被用于训练和验证机器学习算法,此外,还需要收集关于开关位置和状态的标签数据,以作为训练集的一部分;开关的状态分为合位或分位;
从图像数据中提取有关开关位置和状态的特征,包括颜色、形状、纹理信息,以帮助算法更好地理解图像中的对象;标记收集到的数据,即将图像数据与实际开关状态进行关联,这是为了监督学习,使算法能够学习如何从图像数据中预测开关状态;
采用改进卷积神经网络(CNN)进行学习训练:改进卷积神经网络引入两个关键概念:查询Q、键K和数值V,这三个概念通常通过全连接层来获得;
查询Q:通过线性变换将输入数据变换为查询向量;
键K:通过线性变换将输入数据变换为键向量;
数值V:通过线性变换将输入数据变换为数值向量;
然后可以计算注意力分数Attention Scores来度量查询和键之间的相似性,最常用的计算方式是使用点积Dot Product:
Attention Score=Q·K
接下来,将注意力分数进行缩放以获得标准化的注意力分数Scaled AttentionScores,这可以通过除以一个标量来实现;
其中,dk是键的维度,然后,使用Softmax函数将标准化的注意力分数转换为权重,以用于加权求和数值;
Attention Weight=Softmax(Scaled Attention Score)
最后,通过使用这些权重对数值进行加权求和,获得最终的输出AttentionOutput:
Attention Output=Attention Weight·V
这个过程可以通过如下公式总结:
动态权重Bagging:在标准Bagging中,每个基模型的权重是相等的,改进的方法是,为每个样本引入动态权重,根据其重要性来调整,这可以通过一种称为权重调整函数Weight Adjustment Function来实现;
权重调整函数(WAF):这个函数将基于样本的特征或模型输出,为每个样本计算一个权重,可以根据问题的特定要求选择合适的权重调整函数;
然后,可以使用这些动态权重来计算集成模型的输出,对于二分类问题,这可以表示为:
其中,N是基模型的数量,wi是第i个样本的动态权重,fi(x)是第i个基模型的输出;通过引入动态权重,Bagging可以更好地适应不同样本的重要性,提高集成模型的性能;
CNN中,每个卷积层后跟一个激活函数,通常采用ReLU,数学上,卷积层可以表示为:
HI=ReLU(WI*HI-1+bI)
其中,HI是第I层的特征映射,WI是第I层的卷积核,HI-1是前一层的特征映射,bI是偏置项,*表示卷积操作,ReLU是激活函数;
残差连接的核心思想是将前一层的特征映射与当前层的输出相加,而不是直接替代前一层的特征映射。这可以表示为:
HI=ReLU(WI*(HI-1+Hskip)+bI)
其中,Hskip是前一层的特征映射,HI-1是当前层的输入,这个公式表明,CNN学习的是残差(HI-1+Hskip),而不是完整的映射,这允许网络更容易学习恒等映射,从而避免梯度消失问题,特别是在深层网络中;
输入图像:28x28像素的手写数字图像;
卷积层1:应用32个不同的3x3卷积核,生成32个特征图;
池化层1:对每个特征图进行2x2的最大池化,减小特征图的大小;
卷积层2:应用64个不同的3x3卷积核,生成64个新的特征图;
池化层2:再次进行2x2的最大池化;
展开层:将最终的特征图展平,以便输入到全连接层;
全连接层1:128个神经元进行权重计算和激活函数处理;
输出层:10个神经元,每个神经元对应一个数字类别,通过Softmax函数输出概率分布,用于分类决策;
改进后的CNN结构引入了批量归一化层,它有助于加速训练过程、提高模型的泛化性能,并增加模型对不同尺度、颜色和亮度变化的鲁棒性,卷积层和池化层的组合用于从输入图像中提取有用的特征,全连接层用于生成最终的分类结果,输出层使用softmax激活函数来生成类别概率分布;
将经过训练的机器学习模型整合到控制系统中,在控制操作机构4的工作期间,图像传感器7会不断捕获图像,并将其输入到机器学习模型中,模型将分析图像数据并实时预测开关状态;
如果机器学习算法检测到开关处于合位状态,它会触发自锁机制并点亮指示灯,以确保操作的安全性;
步骤2,同时采用导向板15可以很好的保证动触头14在移动的过程中受力均匀,避免对动触头14产生应力集中,其次干燥剂放置盒34内设有干燥剂,从而实现对气箱体1内进行除湿,防止其内部元件受潮,大大的增加了其内部元件的使用寿命。
(三)有益效果
本发明提供了一种直动式充气高压开关柜。具备以下有益效果:
1、该直动式充气高压开关柜,通过设有气箱体、两侧扩套管、三工位开关、控制操作机构、固封极柱断路器、进出线套管和图像传感器,所设计的开关柜结构清晰,人机交互的安全性更高,控制操作室面板上的操作机构实现固封极柱真空断路器的合断,操控机构工作时图像传感器启动,先确认三工位开关的起始位置,若开关处于合位则机构自锁并指示灯亮起,只能操作断路器合断并将开关移动至接地位,此时传感器采集信息判断开关移动行程直至安全位置即可解锁进行相应操作,结构简单,操作方便,且三工位开关的状态可以第一时间进行反馈,从而完成自锁。
2、该直动式充气高压开关柜,通过设有软连接铜排,且软连接铜排为双排,大大的增加了软连接铜排的散热面积,从而大大的增加了三工位开关的使用寿命。
3、该直动式充气高压开关柜,通过设有干燥剂放置盒,可以在干燥剂放置盒内放置干燥剂,从而实现对气箱体内进行除湿,防止其内部元件受潮,大大的增加了其内部元件的使用寿命。
4、如果机器学习算法检测到开关处于合位状态,它会触发自锁机制并点亮指示灯,以确保操作的安全性。改进后的CNN可以用来提取图像中的关键特征,这些特征有助于智能算法识别开关的位置和状态。通过卷积层,CNN可以检测图像中的各种特征,如边缘、纹理、形状等,有助于识别开关的外观。CNN可以帮助系统准确地识别开关的位置。通过训练CNN,系统可以学习识别开关在图像中的具体位置,从而确定开关是否处于合位。除了识别位置,CNN还可以帮助判断开关的状态,即开关是否处于合位或分位。CNN可以学习识别不同状态下的特征,从而告知系统开关的状态。使用CNN进行图像分析,系统可以提供实时反馈,使智能算法能够迅速了解开关的状态和位置。这有助于控制操作的即时性和准确性。当CNN确定开关处于合位时,系统可以触发自锁机制,确保只有固封极柱断路器可以操作,同时点亮指示灯以防止误操作。一旦CNN监测到开关移动到安全位置,系统可以自动解锁,从而允许进行相应的操作。
附图说明
图1为本发明的主视图;
图2为本发明的俯视图;
图3为本发明的三工位开关结构示意图;
图4为本发明的固封极柱断路器结构示意图;
图5为图2中A处局部放大图;
图6为图2中B处局部放大图;
图7为图2中C处局部放大图;
图8为本发明的传感器坐标系采集工作原理图。
其中,1、气箱体;2、扩套管;3、三工位开关;4、控制操作机构;5、固封极柱断路器;6、进出线套管;7、图像传感器;8、双核连接法兰;9、双排直列式铜排;10、三相连接铜排;11、非静触头;12、中间静触头;13、接地触头;14、动触头;15、导向板;16、卡销孔;17、丝杠;18、导向槽;19、安装导轨;20、支撑支架;21、环氧外壳;22、真空灭弧室;23、静端出线座;24、开关管;25、软连接铜排;26、上出线座;27、输出轴;28、绝缘拉杆;29、带电端;30、绝缘端;31、波纹法兰;32、波纹管;33、中心轴;34、干燥剂放置盒;35、防爆片;36、铜排垫片;37、接地排。
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。
实施例:
如图1-图8所示,本发明实施例提供一种直动式充气高压开关柜,包括气箱体1,气箱体1的顶部安装有多个扩套管2,气箱体1的前端安装有多个三工位开关3,多个三工位开关3的外壁一侧安装有控制操作机构4,控制操作机构4的一侧底端安装有固封极柱断路器5,气箱体1的前端底部安装有进出线套管6,两侧扩套管2的一侧安装有图像传感器7,图像传感器7位于气箱体1的前端顶部,图像传感器7对三工位开关3的位移量采集,三工位开关3与图像传感器7中轴线处于同一铅垂面,所设计的开关柜结构清晰,人机交互的安全性更高,控制操作室面板上的控制操作机构4实现固封极柱断路器5的合断,控制操作机构4工作时图像传感器7启动,先确认三工位开关3的起始位置,若开关处于合位则机构自锁并指示灯亮起,只能操作固封极柱断路器5并将开关移动至接地位,此时图像传感器7采集信息判断开关移动行程直至安全位置即可解锁进行相应操作,结构简单,操作方便,且三工位开关3的状态可以第一时间进行反馈,从而完成自锁;
如图2和3所示,多个扩套管2的前端均安装有多个双核连接法兰8,每两个扩套管2之间均固定连接有双排直列式铜排9,其中一个双排直列式铜排9的一侧安装有三相连接铜排10,多个三相连接铜排10的一端分别与多个非静触头11的一端固定连接,多个三相连接铜排10保证了对多个非静触头11连接的稳定性,且多个三相连接铜排10均为铜材质制成,耐腐蚀性强,有效的对多个非静触头11进行导电,多个三工位开关3均包括非静触头11,多个非静触头11的一端均安装有中间静触头12,多个中间静触头12的一端均安装有接地触头13,多个接地触头13的另一端均安装有动触头14,多个动触头14的前端均安装有导向板15,导向板15与导向槽18滑动连接,可以采用导向板15可以很好的保证动触头14在移动的过程中受力均匀,避免对动触头14产生应力集中;
如图3所示,多个中间静触头12的外壁前端均开设有两个卡销孔16,多个中间静触头12内安装有丝杠17,导向板15通过中间静触头12外壁上的两个卡销孔16固定安装,中间静触头12为三通结构,中间静触头12的底部与静端出线座23固定连接,接地触头13位于气箱体1的前端,中间静触头12为三通结构,且下方与固封极柱断路器5的上出线座26固定连接,接地触头13位于气箱体1的前端,且可以通过接地排37实现安装固定,动触头14可以通过控制操作机构4的丝杠17进行实现直线往复运动,从而保证动触头14在不同位置的导通实现三工位开关3的三工位功能,从而使得三工位开关3不同位置的切换来进行开关合断及接地;
如图4所示,多个动触头14的外壁前端均开设有导向槽18,多个非静触头11的外壁一端固定连接有安装导轨19,多个非静触头11的一端均固定连接有支撑支架20,固封极柱断路器5包括环氧外壳21,多个环氧外壳21的内部安装有真空灭弧室22,真空灭弧室22的一端固定连接有静端出线座23,真空灭弧室22的另一端安装有开关管24,开关管24的外壁安装有软连接铜排25,环氧外壳21的顶部安装有上出线座26,软连接铜排25的一端安装有输出轴27,开关管24的一端与输出轴27的另一端固定连接,输出轴27的一端与绝缘拉杆28的另一端固定连接,连接性较强,从而更好的传递信息,输出轴27的一端安装有带电端29,带电端29的一端安装有绝缘拉杆28,绝缘拉杆28的一端安装有绝缘端30,绝缘端30的一端安装有波纹法兰31,波纹法兰31的一端固定连接有波纹管32,波纹管32的一端固定连接有中心轴33;
如图1所示,气箱体1的内壁一侧固定连接有干燥剂放置盒34,干燥剂放置盒34内设有干燥剂,从而实现对气箱体1内进行除湿,防止其内部元件受潮,大大的增加了其内部元件的使用寿命,中心轴33的一端与控制操作机构4连接,可以有效的快速完成控制操作机构4的结构解锁,以便于进行所需操作,气箱体1的底部安装有防爆片35,多个双排直列式铜排9的一侧均安装有铜排垫片36,气箱体1的内壁另一侧安装有接地排37。
本发明的一种直动式充气高压开关柜工作方法,包括步骤:
步骤1,工作人员控制操作室面板上的控制操作机构4实现固封极柱断路器5的合断,控制操作机构4工作时图像传感器7启动,先确认三工位开关3的起始位置,并将其反馈给智能控制器,这个控制器将根据图像数据实时识别开关的位置,从而确定其状态;若开关处于合位则机构自锁并指示灯亮起,只能操作固封极柱断路器5并将开关移动至接地位,此时图像传感器7采集信息判断开关移动行程直至安全位置即可解锁进行相应操作,结构简单,操作方便,且三工位开关3的状态可以第一时间进行反馈,从而完成自锁;
步骤2,同时采用导向板15可以很好的保证动触头14在移动的过程中受力均匀,避免对动触头14产生应力集中,其次干燥剂放置盒34内设有干燥剂,从而实现对气箱体1内进行除湿,防止其内部元件受潮,大大的增加了其内部元件的使用寿命。
上述步骤1中,还包括智能控制器执行算法过程:
图像传感器7将捕获开关位置的图像数据,这些图像数据将被用于训练和验证机器学习算法,此外,还需要收集关于开关位置和状态的标签数据,以作为训练集的一部分;开关的状态分为合位或分位;
从图像数据中提取有关开关位置和状态的特征,包括颜色、形状、纹理信息,以帮助算法更好地理解图像中的对象;标记收集到的数据,即将图像数据与实际开关状态进行关联,这是为了监督学习,使算法能够学习如何从图像数据中预测开关状态;
采用改进卷积神经网络(CNN)进行学习训练:
改进卷积神经网络引入两个关键概念:查询Query、键Key和数值Value,这三个概念通常通过全连接层来获得;
查询Q:通过线性变换将输入数据变换为查询向量;
键K:通过线性变换将输入数据变换为键向量;
数值V:通过线性变换将输入数据变换为数值向量;
然后可以计算注意力分数Attention Scores来度量查询和键之间的相似性,最常用的计算方式是使用点积Dot Product:
Attention Score=Q·K
接下来,将注意力分数进行缩放以获得标准化的注意力分数Scaled AttentionScores,这可以通过除以一个标量来实现;
其中,dk是键的维度,然后,使用Softmax函数将标准化的注意力分数转换为权重,以用于加权求和数值。
Attention Weight=Softmax(Scaled Attention Score)
最后,通过使用这些权重对数值进行加权求和,获得最终的输出。
Attention Output=Attention Weight·V
这个过程可以通过如下公式总结:
动态权重Bagging:在标准Bagging中,每个基模型的权重是相等的。改进的方法是,为每个样本引入动态权重,根据其重要性来调整。这可以通过一种称为权重调整函数Weight Adjustment Function来实现。
权重调整函数(WAF):这个函数将基于样本的特征或模型输出,为每个样本计算一个权重。可以根据问题的特定要求选择合适的权重调整函数。
然后,可以使用这些动态权重来计算集成模型的输出。对于二分类问题,这可以表示为:
其中,N是基模型的数量,wi是第i个样本的动态权重,fi(x)是第i个基模型的输出;通过引入动态权重,Bagging可以更好地适应不同样本的重要性,提高集成模型的性能;
CNN中,每个卷积层后跟一个激活函数,通常采用ReLU,数学上,卷积层可以表示为:
HI=ReLU(WI*HI-1+bI)
其中,HI是第I层的特征映射,WI是第I层的卷积核,HI-1是前一层的特征映射,bI是偏置项,*表示卷积操作,ReLU是激活函数;
残差连接:残差连接的核心思想是将前一层的特征映射与当前层的输出相加,而不是直接替代前一层的特征映射。这可以表示为:
HI=ReLU(WI*(HI-1+Hskip)+bI)
其中,Hskip是前一层的特征映射,HI-1是当前层的输入,这个公式表明,CNN学习的是残差(HI-1+Hskip),而不是完整的映射,这允许网络更容易学习恒等映射,从而避免梯度消失问题,特别是在深层网络中;
输入图像:28x28像素的手写数字图像;
卷积层1:应用32个不同的3x3卷积核,生成32个特征图;
池化层1:对每个特征图进行2x2的最大池化,减小特征图的大小;
卷积层2:应用64个不同的3x3卷积核,生成64个新的特征图;
池化层2:再次进行2x2的最大池化;
展开层:将最终的特征图展平,以便输入到全连接层;
全连接层1:128个神经元进行权重计算和激活函数处理;
输出层:10个神经元,每个神经元对应一个数字类别,通过Softmax函数输出概率分布,用于分类决策;
这个改进后的CNN结构引入了批量归一化层,它有助于加速训练过程、提高模型的泛化性能,并增加模型对不同尺度、颜色和亮度变化的鲁棒性。卷积层和池化层的组合用于从输入图像中提取有用的特征,全连接层用于生成最终的分类结果。输出层使用softmax激活函数来生成类别概率分布。
将经过训练的机器学习模型整合到控制系统中,在控制操作机构4的工作期间,图像传感器7会不断捕获图像,并将其输入到机器学习模型中,模型将分析图像数据并实时预测开关状态;
如果机器学习算法检测到开关处于合位状态,它会触发自锁机制并点亮指示灯,以确保操作的安全性。
工作原理:工作人员控制操作室面板上的控制操作机构4实现固封极柱断路器5的合断,控制操作机构4工作时图像传感器7启动,先确认三工位开关3的起始位置,并将其反馈给智能控制器,这个控制器将根据图像数据实时识别开关的位置,从而确定其状态,若开关处于合位则机构自锁并指示灯亮起,只能操作固封极柱断路器5并将开关移动至接地位,此时图像传感器7采集信息判断开关移动行程直至安全位置即可解锁进行相应操作,结构简单,操作方便,且三工位开关3的状态可以第一时间进行反馈,从而完成自锁,同时采用导向板15可以很好的保证动触头14在移动的过程中受力均匀,避免对动触头14产生应力集中,其次干燥剂放置盒34内设有干燥剂,从而实现对气箱体1内进行除湿,防止其内部元件受潮,大大的增加了其内部元件的使用寿命。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种直动式充气高压开关柜,包括气箱体(1),其特征在于:所述气箱体(1)的顶部安装有多个扩套管(2),所述气箱体(1)的前端安装有多个三工位开关(3),多个所述三工位开关(3)的外壁一侧安装有控制操作机构(4),所述控制操作机构(4)的一侧底端安装有固封极柱断路器(5);
所述气箱体(1)的前端底部安装有进出线套管(6),所述两侧扩套管(2)的一侧安装有图像传感器(7),多个所述扩套管(2)的前端均安装有多个双核连接法兰(8),每两个所述扩套管(2)之间均固定连接有双排直列式铜排(9),其中一个所述双排直列式铜排(9)的一侧安装有三相连接铜排(10),多个所述三工位开关(3)均包括非静触头(11),多个所述非静触头(11)的一端均安装有中间静触头(12),多个所述中间静触头(12)的一端均安装有接地触头(13),多个所述接地触头(13)的另一端均安装有动触头(14),多个所述动触头(14)的前端均安装有导向板(15),多个中间静触头(12)的外壁前端均开设有两个卡销孔(16),多个所述中间静触头(12)内安装有丝杠(17),多个所述动触头(14)的外壁前端均开设有导向槽(18);
多个所述非静触头(11)的外壁一端固定连接有安装导轨(19),多个所述非静触头(11)的一端均固定连接有支撑支架(20),所述固封极柱断路器(5)包括环氧外壳(21),多个所述环氧外壳(21)的内部安装有真空灭弧室(22),所述真空灭弧室(22)的一端固定连接有静端出线座(23),所述真空灭弧室(22)的另一端安装有开关管(24),所述开关管(24)的外壁安装有软连接铜排(25),所述环氧外壳(21)的顶部安装有上出线座(26),所述软连接铜排(25)的一端安装有输出轴(27),所述输出轴(27)的一端安装有带电端(29),所述带电端(29)的一端安装有绝缘拉杆(28),所述绝缘拉杆(28)的一端安装有绝缘端(30),所述绝缘端(30)的一端安装有波纹法兰(31),所述波纹法兰(31)的一端固定连接有波纹管(32),所述波纹管(32)的一端固定连接有中心轴(33);
所述气箱体(1)的内壁一侧固定连接有干燥剂放置盒(34),所述气箱体(1)的底部安装有防爆片(35),多个所述双排直列式铜排(9)的一侧均安装有铜排垫片(36),所述气箱体(1)的内壁另一侧安装有接地排(37)。
2.根据权利要求1所述的一种直动式充气高压开关柜,其特征在于:多个所述三相连接铜排(10)的一端分别与多个非静触头(11)的一端固定连接。
3.根据权利要求1所述的一种直动式充气高压开关柜,其特征在于:所述导向板(15)通过中间静触头(12)外壁上的两个卡销孔(16)固定安装,所述中间静触头(12)为三通结构,所述中间静触头(12)的底部与静端出线座(23)固定连接,所述接地触头(13)位于气箱体(1)的前端。
4.根据权利要求1所述的一种直动式充气高压开关柜,其特征在于:所述导向板(15)与导向槽(18)滑动连接。
5.根据权利要求1所述的一种直动式充气高压开关柜,其特征在于:所述开关管(24)的一端与输出轴(27)的另一端固定连接,所述输出轴(27)的一端与绝缘拉杆(28)的另一端固定连接。
6.根据权利要求1所述的一种直动式充气高压开关柜,其特征在于:所述中心轴(33)的一端与控制操作机构(4)连接。
7.根据权利要求1所述的一种直动式充气高压开关柜,其特征在于:所述图像传感器(7)位于气箱体(1)的前端顶部。
8.根据权利要求1所述的一种直动式充气高压开关柜,其特征在于:所述干燥剂放置盒(34)内设有干燥剂。
9.根据权利要求1所述的一种直动式充气高压开关柜工作方法,其特征在于,包括步骤:
步骤1,工作人员控制操作室面板上的控制操作机构4实现固封极柱断路器5的合断,控制操作机构4工作时图像传感器7启动,先确认三工位开关3的起始位置,并将其反馈给智能控制器,这个控制器将根据图像数据实时识别开关的位置,从而确定其状态;若开关处于合位则机构自锁并指示灯亮起,只能操作固封极柱断路器5并将开关移动至接地位,此时图像传感器7采集信息判断开关移动行程直至安全位置即可解锁进行相应操作,结构简单,操作方便,且三工位开关3的状态可以第一时间进行反馈,从而完成自锁;
上述步骤1中,还包括智能控制器执行算法过程:
图像传感器7将捕获开关位置的图像数据,这些图像数据将被用于训练和验证机器学习算法,此外,还需要收集关于开关位置和状态的标签数据,以作为训练集的一部分;开关的状态分为合位或分位;
从图像数据中提取有关开关位置和状态的特征,包括颜色、形状、纹理信息,以帮助算法更好地理解图像中的对象;标记收集到的数据,即将图像数据与实际开关状态进行关联,这是为了监督学习,使算法能够学习如何从图像数据中预测开关状态;
采用改进卷积神经网络(CNN)进行学习训练:改进卷积神经网络引入两个关键概念:查询Q、键K和数值V,这三个概念通常通过全连接层来获得;
查询Q:通过线性变换将输入数据变换为查询向量;
键K:通过线性变换将输入数据变换为键向量;
数值V:通过线性变换将输入数据变换为数值向量;
然后可以计算注意力分数Attention Scores来度量查询和键之间的相似性,最常用的计算方式是使用点积Dot Product:
Attention Score=Q·K
接下来,将注意力分数进行缩放以获得标准化的注意力分数Scaled AttentionScores,这可以通过除以一个标量来实现;
其中,dk是键的维度,然后,使用Softmax函数将标准化的注意力分数转换为权重,以用于加权求和数值;
Attention Weight=Softmax(Scaled Attention Score)
最后,通过使用这些权重对数值进行加权求和,获得最终的输出Attention Output:
Attention Output=Attention Weight·V
这个过程可以通过如下公式总结:
动态权重Bagging:在标准Bagging中,每个基模型的权重是相等的,改进的方法是,为每个样本引入动态权重,根据其重要性来调整,这可以通过一种称为权重调整函数WeightAdjustment Function来实现;
权重调整函数(WAF):这个函数将基于样本的特征或模型输出,为每个样本计算一个权重,可以根据问题的特定要求选择合适的权重调整函数;
然后,可以使用这些动态权重来计算集成模型的输出,对于二分类问题,这可以表示为:
其中,N是基模型的数量,wi是第i个样本的动态权重,fi(x)是第i个基模型的输出;通过引入动态权重,Bagging可以更好地适应不同样本的重要性,提高集成模型的性能;
CNN中,每个卷积层后跟一个激活函数,通常采用ReLU,数学上,卷积层可以表示为:
HI=ReLU(WI*H1-1+bI)
其中,HI是第I层的特征映射,WI是第I层的卷积核,HI-1是前一层的特征映射,bl是偏置项,*表示卷积操作,ReLU是激活函数;
残差连接的核心思想是将前一层的特征映射与当前层的输出相加,而不是直接替代前一层的特征映射。这可以表示为:
HI=ReLU(WI*(Hl-1+Hskip)+bl)
其中,Hskip是前一层的特征映射,HI-1是当前层的输入,这个公式表明,CNN学习的是残差(Hl-1+Hskip),而不是完整的映射,这允许网络更容易学习恒等映射,从而避免梯度消失问题,特别是在深层网络中;
输入图像:28x28像素的手写数字图像;
卷积层1:应用32个不同的3x3卷积核,生成32个特征图;
池化层1:对每个特征图进行2x2的最大池化,减小特征图的大小;
卷积层2:应用64个不同的3x3卷积核,生成64个新的特征图;
池化层2:再次进行2x2的最大池化;
展开层:将最终的特征图展平,以便输入到全连接层;
全连接层1:128个神经元进行权重计算和激活函数处理;
输出层:10个神经元,每个神经元对应一个数字类别,通过Softmax函数输出概率分布,用于分类决策;
改进后的CNN结构引入了批量归一化层,它有助于加速训练过程、提高模型的泛化性能,并增加模型对不同尺度、颜色和亮度变化的鲁棒性,卷积层和池化层的组合用于从输入图像中提取有用的特征,全连接层用于生成最终的分类结果,输出层使用softmax激活函数来生成类别概率分布;
将经过训练的机器学习模型整合到控制系统中,在控制操作机构4的工作期间,图像传感器7会不断捕获图像,并将其输入到机器学习模型中,模型将分析图像数据并实时预测开关状态;
如果机器学习算法检测到开关处于合位状态,它会触发自锁机制并点亮指示灯,以确保操作的安全性;
步骤2,同时采用导向板15可以很好的保证动触头14在移动的过程中受力均匀,避免对动触头14产生应力集中,其次干燥剂放置盒34内设有干燥剂,从而实现对气箱体1内进行除湿,防止其内部元件受潮,大大的增加了其内部元件的使用寿命。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311424291.2A CN117595133B (zh) | 2023-10-30 | 2023-10-30 | 一种直动式充气高压开关柜及其工作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311424291.2A CN117595133B (zh) | 2023-10-30 | 2023-10-30 | 一种直动式充气高压开关柜及其工作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117595133A true CN117595133A (zh) | 2024-02-23 |
CN117595133B CN117595133B (zh) | 2024-05-17 |
Family
ID=89915745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311424291.2A Active CN117595133B (zh) | 2023-10-30 | 2023-10-30 | 一种直动式充气高压开关柜及其工作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117595133B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101064417A (zh) * | 2006-04-29 | 2007-10-31 | 江苏宝胜电气股份有限公司 | 数字化三相一体充气隔室模块 |
CN202978443U (zh) * | 2012-12-31 | 2013-06-05 | 广州供电局有限公司 | 智能化开关柜监测系统 |
CN207588340U (zh) * | 2017-12-27 | 2018-07-06 | 上海正昊电力科技有限公司 | 断路器模块及包含其的环保气体绝缘环网柜 |
CN111627782A (zh) * | 2020-06-24 | 2020-09-04 | 正泰电气股份有限公司 | 一种适用于充气柜的三工位隔离开关与断路器的组合 |
US20200388027A1 (en) * | 2018-03-14 | 2020-12-10 | Ls Electric Co., Ltd. | Circuit breaker opening/closing assistance apparatus |
CN115207829A (zh) * | 2022-08-09 | 2022-10-18 | 天津平高智能电气有限公司 | 一种12kV环保气体绝缘环网柜用气箱 |
CN115332987A (zh) * | 2022-09-15 | 2022-11-11 | 上海巴佩开关设备有限公司 | 一种气体绝缘开关柜 |
CN218242779U (zh) * | 2022-09-20 | 2023-01-06 | 江苏双汇电力发展股份有限公司 | 直动式充气式高压开关柜 |
US20230228625A1 (en) * | 2022-01-14 | 2023-07-20 | Abb Schweiz Ag | System for Monitoring a Switchgear |
CN116524200A (zh) * | 2023-05-05 | 2023-08-01 | 东南大学 | 一种基于图像识别的高压断路器故障诊断方法 |
-
2023
- 2023-10-30 CN CN202311424291.2A patent/CN117595133B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101064417A (zh) * | 2006-04-29 | 2007-10-31 | 江苏宝胜电气股份有限公司 | 数字化三相一体充气隔室模块 |
CN202978443U (zh) * | 2012-12-31 | 2013-06-05 | 广州供电局有限公司 | 智能化开关柜监测系统 |
CN207588340U (zh) * | 2017-12-27 | 2018-07-06 | 上海正昊电力科技有限公司 | 断路器模块及包含其的环保气体绝缘环网柜 |
US20200388027A1 (en) * | 2018-03-14 | 2020-12-10 | Ls Electric Co., Ltd. | Circuit breaker opening/closing assistance apparatus |
CN111627782A (zh) * | 2020-06-24 | 2020-09-04 | 正泰电气股份有限公司 | 一种适用于充气柜的三工位隔离开关与断路器的组合 |
US20230228625A1 (en) * | 2022-01-14 | 2023-07-20 | Abb Schweiz Ag | System for Monitoring a Switchgear |
CN115207829A (zh) * | 2022-08-09 | 2022-10-18 | 天津平高智能电气有限公司 | 一种12kV环保气体绝缘环网柜用气箱 |
CN115332987A (zh) * | 2022-09-15 | 2022-11-11 | 上海巴佩开关设备有限公司 | 一种气体绝缘开关柜 |
CN218242779U (zh) * | 2022-09-20 | 2023-01-06 | 江苏双汇电力发展股份有限公司 | 直动式充气式高压开关柜 |
CN116524200A (zh) * | 2023-05-05 | 2023-08-01 | 东南大学 | 一种基于图像识别的高压断路器故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117595133B (zh) | 2024-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106682303B (zh) | 一种基于经验模态分解和决策树rvm的三电平逆变器故障诊断方法 | |
CN111614913B (zh) | 基于隔离开关位置智能识别的一键顺控双确认系统及方法 | |
Peng et al. | Pedestrian detection for transformer substation based on gaussian mixture model and YOLO | |
CN115763167B (zh) | 固体柜断路器及其控制方法 | |
CN107767374A (zh) | 一种gis盆式绝缘子内部导体局部过热智能诊断方法 | |
CN109815800A (zh) | 基于回归算法的目标检测方法及系统 | |
CN109815798A (zh) | 无人机图像处理方法及系统 | |
CN109785288A (zh) | 基于深度学习的输电设备缺陷检测方法及系统 | |
CN107219446A (zh) | 一种基于光声光谱信息的气体绝缘组合电器绝缘故障识别方法 | |
CN110231550A (zh) | 气体绝缘电气设备电弧放电故障的实验模拟装置及方法 | |
CN117595133B (zh) | 一种直动式充气高压开关柜及其工作方法 | |
CN110766604A (zh) | 一种双柱水平旋转式隔离开关图像数据的扩充方法 | |
Zhang et al. | Intelligent detection technology of infrared image of substation equipment based on deep learning algorithm | |
CN115879044A (zh) | 基于cnn网络的gis分合闸状态电流检测方法及装置 | |
CN114332769A (zh) | 基于实时监控的变电站刀闸检测方法及系统 | |
Han et al. | Transformer defects detection method based on visible and infrared fusion images | |
CN110111213A (zh) | 室内变电站巡视系统、方法、装置以及可读存储介质 | |
CN109901064A (zh) | 基于ica-lvq的高压断路器故障诊断方法 | |
CN107854799A (zh) | 一种多场景电气短路模拟实验装置及方法 | |
CN116662802A (zh) | 基于北方苍鹰算法优化svm的gis设备pd类型判定方法及系统 | |
CN107506725A (zh) | 基于神经网络的高压隔离开关定位与状态图像识别算法 | |
CN217181103U (zh) | 一种高压开关柜的监测系统 | |
CN113536607B (zh) | 一种变电站信号传输系统评估方法及系统 | |
CN114332771A (zh) | 基于实时监控的刀闸状态检测方法、系统及智能终端 | |
Zhang et al. | An automatic defect detection method for gas insulated switchgear |
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 | ||
GR01 | Patent grant |