CN117763460A - 一种基于声纹分析的变压器故障检测方法及系统 - Google Patents
一种基于声纹分析的变压器故障检测方法及系统 Download PDFInfo
- Publication number
- CN117763460A CN117763460A CN202311634693.5A CN202311634693A CN117763460A CN 117763460 A CN117763460 A CN 117763460A CN 202311634693 A CN202311634693 A CN 202311634693A CN 117763460 A CN117763460 A CN 117763460A
- Authority
- CN
- China
- Prior art keywords
- fault
- transformer
- voiceprint
- module
- steps
- 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 50
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000005236 sound signal Effects 0.000 claims abstract description 39
- 238000003745 diagnosis Methods 0.000 claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 3
- 230000005540 biological transmission Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 12
- 238000012806 monitoring device Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000004804 winding Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 claims description 4
- 230000002349 favourable effect Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000010365 information processing Effects 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
- 238000003062 neural network model Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明属于变压器故障检测技术领域，具体为一种基于声纹分析的变压器故障检测方法及系统，包括步骤1：数据采集，安装高灵敏度的数据采集设备在变压器附近；步骤2：信号预处理，对采集到的声音信号进行预处理；步骤3：特征提取，从预处理后的声音信号中提取有助于故障诊断的特征参数；步骤4：故障识别：建立针对不同类型故障的声纹模型；步骤5：故障分类，根据故障识别的结果；步骤6：警报与处理，根据故障分类结果，系统可以自动触发警报同时通知相关人员进行处理和维修，其结构合理，可以通过对变压器产生的声音信号进行分析，实现故障的早期预警和准确诊断，提高变压器的稳定运行和可靠性。
Description
技术领域
本发明涉及变压器故障检测技术领域，具体为一种基于声纹分析的变压器故障检测方法及系统。
背景技术
近年来，随着经济和工业的发展，我国对电力的需求不断增大，超高压大电网成为电力发展的新趋势。变压器作为电力系统中的关键设备，连接着发电、输电、变电、配电各个重要环节，是电力系统安全运转的命脉。变压器需要长期工作，受内部放电、过热、绕组变形、机械部件松动及设备绝缘老化等潜伏性故障因素的影响，随着时间积累会导致在运行过程中出现严重故障因此开展变压器的故障检测对于保障电网的安全可靠运行具有十分重要的意义。
传统的变压器故障检测方法是通过用人耳听取设备运行声音来判断故障类型与故障位置。此类方法具有一定的局限性、模糊性、主观性并缺乏持久性，并且随着电网规模的扩大、设备结构的复杂性的提高以及高新技术的不断应用，已经不能满足当前变电站故障诊断的需求。变压器不同的故障类型影响着变压器的振动状态，进而会产生不同的声波信号，因此应用传声器阵列装置可采集变压器运行过程中产生的声纹信号，通过对声纹信号的分析与识别可实现对变压器的工况检测与诊断。利用声纹信号对变压器状态进行检测的方法得到了广泛应用。
电力变压器作为电力系统中最为核心的电力设备之一，其安全稳定运行对于电能的可靠传输及灵活分配有着举足轻重的作用。电力变压器运行时的声音信号包含大量的运行状态信息，基于声纹特征分析的电力变压器故障诊断方法获得了足够的重视。该方法具有状态全面感知、信息高效处理、应用便捷灵活等特征，能够有力提高电力变压器的故障识别水平，降低电力变压器的故障概率，有效防止和减少因变压器故障而导致的重大事故。
随着变压器声纹故障诊断的不断发展，除了改进诊断模型外，故障诊断的准确率也与采集到的声音信号及特征参数有关。在实际采集变压器声音信号时，很难对外界环境进行控制，不可避免的会采集到噪声信号。这些噪声信号掺杂在变压器本体声音信号中，会对变压器声纹故障诊断产生干扰而导致误判。同时，由于变压器异常状态的声纹数据获取难度较大，数据量不足，数据质量低等问题会导致识别模型的泛化能力相对较弱，距离实际应用的要求还有一定差距，迫切地需要改进。
现有技术中，申请号为CN202310068167.0，申请名称为一种基于声纹特征的变压器故障检测方法、系统及介质，所记载的技术方案中，包括采集变压器的声纹图片；将声纹图片利用训练好的掩膜卷积神经网络模型提取出声纹轮廓和变压器轮廓；计算声纹轮廓和变压器轮廓两者之间的相对相交区域I，若相对相交区域I大于设定值Ith，则判定变压器存在故障，并依据变压器轮廓从声纹图片从裁剪出变压器图片，并将变压器图片利用训练好的故障检测神经网络模型进行分类预测得到变压器的故障检测结果。本发明能够实现变压器运行状况的非介入式带电检测，能够有效减少变电站环境复杂带来的影响，提高变压器故障检测精度。
但是在实际使用的过程中仍然存在着一些不足，目前智能对部分已经发生的故障损坏进行识别，不能早期预警和准确诊断，影响变压器的工作，为此我们提出一种新型的基于声纹分析的变压器故障检测方法及系统。
发明内容
本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于现有技术中存在的问题，提出了本发明。
因此，本发明的目的是提供一种基于声纹分析的变压器故障检测方法及系统，可以通过对变压器产生的声音信号进行分析，实现故障的早期预警和准确诊断，提高变压器的稳定运行和可靠性。
为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：
一种基于声纹分析的变压器故障检测方法及系统，其包括如下步骤：
步骤1：数据采集，安装高灵敏度的数据采集设备在变压器附近，采集变压器运行过程中产生的声音信号；
步骤2：信号预处理，对采集到的声音信号进行预处理，以提取出变压器故障所产生的特征信号；
步骤3：特征提取，从预处理后的声音信号中提取有助于故障诊断的特征参数；
步骤4：故障识别：建立针对不同类型故障的声纹模型，利用机器学习算法和模式识别技术，将提取出的特征参数与故障模型进行比对，判断是否存在故障；
步骤5：故障分类，根据故障识别的结果，将故障类型进行分类；
步骤6：警报与处理，根据故障分类结果，系统可以自动触发警报同时通知相关人员进行处理和维修。
作为本发明所述的一种基于声纹分析的变压器故障检测方法及系统的一种优选方案，其中：所述步骤1中数据采集设备选用高灵敏的麦克风。
作为本发明所述的一种基于声纹分析的变压器故障检测方法及系统的一种优选方案，其中：所述步骤2中，声音信号进行预处理的具体流程为，首先通过放大模块对采集到的声音信号进行放大，然后通过降噪模块对放大后的声音信号进行降噪，去除干扰信号，最后通过滤波模块对降噪后的声音信号进行滤波处理。
作为本发明所述的一种基于声纹分析的变压器故障检测方法及系统的一种优选方案，其中：所述步骤3中，采用频域分析、时域分析的方法提取有助于故障诊断的特征参数。
作为本发明所述的一种基于声纹分析的变压器故障检测方法及系统的一种优选方案，其中：所述步骤3中，有助于故障诊断的特征参数为声纹特征，具体包括频谱特征、峭度特征、能量特征。
作为本发明所述的一种基于声纹分析的变压器故障检测方法及系统的一种优选方案，其中：所述步骤5中，变压器的故障类型包括直流偏磁、内部松动、绕组变形、局部放电、变压器、过励磁、短路冲击、冷却器异响、附件松动，同时包括直流偏磁、内部松动、绕组变形、局部放电、变压器、过励磁、短路冲击、冷却器异响、附件松动的前置故障。
作为本发明所述的一种基于声纹分析的变压器故障检测方法及系统的一种优选方案，其中：所述步骤6中，可以给出故障的具体位置和严重程度信息，以便及时采取措施。
作为本发明所述的一种基于声纹分析的变压器故障检测方法及系统的一种优选方案，其中：适用于上述任意一项所述的一种基于声纹分析的变压器故障检测方法。
作为本发明所述的一种基于声纹分析的变压器故障检测方法及系统的一种优选方案，其中：包括声纹监测装置主体，声纹监测装置主体安装在变压器的前表面，声纹监测装置主体的前表面一侧设置有中央处理器、声纹采集模块，所述声纹监测装置主体的内部设置有预处理模块、分析识别模块以及传输模块，声纹采集模块电性连接中央处理器，中央处理器双向连接预处理模块、分析识别模块，中央处理器电性输出连接传输模块，传输模块无线连接监控终端。
作为本发明所述的一种基于声纹分析的变压器故障检测方法及系统的一种优选方案，其中：声纹采集模块为麦克风；预处理模块包括信号放大单元、信号滤波单元和信号降噪单元；传输模块为4G传输单元、5G传输单元、WIFI传输单元其中的任意一种；监控终端为监控终端内的PC端。
与现有技术相比，本发明的有益效果是：通过对在变压器的附近安装声纹采集模块，声纹采集模块为麦克风，通过麦克风对变压器工作时发出声音的声纹进行采集，首先将采集到的原始声纹信号通过放大模块对采集到的声音信号进行放大，然后通过降噪模块对放大后的声音信号进行降噪，去除干扰信号，最后通过滤波模块对降噪后的声音信号进行滤波处理，增强了对变压器本体噪声的识别度，实现故障的早期预警和准确诊断，提高变压器的稳定运行和可靠性，将不同特征参数进行融合，综合考虑多个方面的信息，提高故障诊断的准确性；定期更新声纹模型，以适应变压器工作状态的变化和故障模式的演化；利用大数据和人工智能技术对历史数据进行深度学习和分析，挖掘出更多故障模式和规律，提高故障预测的能力。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将结合附图和详细实施方式对本发明进行详细说明，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明步骤流程结构示意图；
图2为本发明系统框架结构示意图；
图3为本发明预处理模块结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施方式的限制。
其次，本发明结合示意图进行详细描述，在详述本发明实施方式时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
本发明提供如下技术方案：一种基于声纹分析的变压器故障检测方法及系统，可以通过对变压器产生的声音信号进行分析，实现故障的早期预警和准确诊断，提高变压器的稳定运行和可靠性；
实施例1
一种基于声纹分析的变压器故障检测方法，其包括如下步骤：
步骤1：数据采集，安装高灵敏度的数据采集设备在变压器附近，采集变压器运行过程中产生的声音信号，数据采集设备选用高灵敏的麦克风；
步骤2：信号预处理，对采集到的声音信号进行预处理，以提取出变压器故障所产生的特征信号，声音信号进行预处理的具体流程为，首先通过放大模块对采集到的声音信号进行放大，然后通过降噪模块对放大后的声音信号进行降噪，去除干扰信号，最后通过滤波模块对降噪后的声音信号进行滤波处理；
步骤3：特征提取，从预处理后的声音信号中提取有助于故障诊断的特征参数，采用频域分析、时域分析的方法提取有助于故障诊断的特征参数，有助于故障诊断的特征参数为声纹特征，具体包括频谱特征、峭度特征、能量特征；
步骤4：故障识别：建立针对不同类型故障的声纹模型，利用机器学习算法和模式识别技术，将提取出的特征参数与故障模型进行比对，判断是否存在故障；
步骤5：故障分类，根据故障识别的结果，将故障类型进行分类，变压器的故障类型包括短路、接地、绝缘、温度过载，湿度过载，同时包括短路、接地、绝缘、温度过载，湿度过载的前置故障；
步骤6：警报与处理，根据故障分类结果，系统可以自动触发警报同时通知相关人员进行处理和维修，可以给出故障的具体位置和严重程度信息，以便及时采取措施。
实施例2
一种基于声纹分析的变压器故障检测方法及系统，其包括如下步骤：
步骤1：数据采集，安装高灵敏度的数据采集设备在变压器附近，采集变压器运行过程中产生的声音信号，数据采集设备选用高灵敏的麦克风；
步骤2：信号预处理，对采集到的声音信号进行预处理，以提取出变压器故障所产生的特征信号，声音信号进行预处理的具体流程为，首先通过放大模块对采集到的声音信号进行放大，然后通过降噪模块对放大后的声音信号进行降噪，去除干扰信号，最后通过滤波模块对降噪后的声音信号进行滤波处理；
步骤3：特征提取，从预处理后的声音信号中提取有助于故障诊断的特征参数，采用频域分析、时域分析的方法提取有助于故障诊断的特征参数，有助于故障诊断的特征参数为声纹特征，具体包括频谱特征、峭度特征、能量特征；
步骤4：故障识别：建立针对不同类型故障的声纹模型，利用机器学习算法和模式识别技术，将提取出的特征参数与故障模型进行比对，判断是否存在故障；
步骤5：故障分类，根据故障识别的结果，将故障类型进行分类，变压器的故障类型变压器的故障类型包括直流偏磁、内部松动、绕组变形、局部放电、变压器、过励磁、短路冲击、冷却器异响、附件松动，同时包括直流偏磁、内部松动、绕组变形、局部放电、变压器、过励磁、短路冲击、冷却器异响、附件松动的前置故障；
步骤6：警报与处理，根据故障分类结果，系统可以自动触发警报同时通知相关人员进行处理和维修，可以给出故障的具体位置和严重程度信息，以便及时采取措施；
一种基于声纹分析的变压器故障检测系统，适用于上述的一种基于声纹分析的变压器故障检测方法。
包括声纹监测装置主体，声纹监测装置主体安装在变压器的前表面，声纹监测装置主体的前表面一侧设置有中央处理器、声纹采集模块，所述声纹监测装置主体的内部设置有预处理模块、分析识别模块以及传输模块，声纹采集模块电性连接中央处理器，中央处理器双向连接预处理模块、分析识别模块，中央处理器电性输出连接传输模块，传输模块无线连接监控终端。
其中：声纹采集模块为麦克风；预处理模块包括信号放大单元、信号滤波单元和信号降噪单元；传输模块为4G传输单元、5G传输单元、WIFI传输单元其中的任意一种；监控终端为监控终端内的PC端。
工作原理：在本发明使用的过程中，通过对在变压器的附近安装声纹采集模块，声纹采集模块为麦克风，通过麦克风对变压器工作时发出声音的声纹进行采集，首先将采集到的原始声纹信号通过放大模块对采集到的声音信号进行放大，然后通过降噪模块对放大后的声音信号进行降噪，去除干扰信号，最后通过滤波模块对降噪后的声音信号进行滤波处理，增强了对变压器本体噪声的识别度，实现故障的早期预警和准确诊断，提高变压器的稳定运行和可靠性，将不同特征参数进行融合，综合考虑多个方面的信息，提高故障诊断的准确性；定期更新声纹模型，以适应变压器工作状态的变化和故障模式的演化；利用大数据和人工智能技术对历史数据进行深度学习和分析，挖掘出更多故障模式和规律，提高故障预测的能力。
虽然在上文中已经参考实施方式对本发明进行了描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施方式，而是包括落入权利要求的范围内的所有技术方案。
Claims (10)
1.一种基于声纹分析的变压器故障检测方法，其特征在于：包括如下步骤：
步骤1：数据采集，安装高灵敏度的数据采集设备在变压器附近，采集变压器运行过程中产生的声音信号；
步骤2：信号预处理，对采集到的声音信号进行预处理，以提取出变压器故障所产生的特征信号；
步骤3：特征提取，从预处理后的声音信号中提取有助于故障诊断的特征参数；
步骤4：故障识别：建立针对不同类型故障的声纹模型，利用机器学习算法和模式识别技术，将提取出的特征参数与故障模型进行比对，判断是否存在故障；
步骤5：故障分类，根据故障识别的结果，将故障类型进行分类；
步骤6：警报与处理，根据故障分类结果，系统可以自动触发警报同时通知相关人员进行处理和维修。
2.根据权利要求1所述的一种基于声纹分析的变压器故障检测方法，其特征在于：所述步骤1中数据采集设备选用高灵敏的麦克风。
3.根据权利要求1所述的一种基于声纹分析的变压器故障检测方法，其特征在于：所述步骤2中，声音信号进行预处理的具体流程为，首先通过放大模块对采集到的声音信号进行放大，然后通过降噪模块对放大后的声音信号进行降噪，去除干扰信号，最后通过滤波模块对降噪后的声音信号进行滤波处理。
4.根据权利要求1所述的一种基于声纹分析的变压器故障检测方法，其特征在于：所述步骤3中，采用频域分析、时域分析的方法提取有助于故障诊断的特征参数。
5.根据权利要求1所述的一种基于声纹分析的变压器故障检测方法，其特征在于：所述步骤3中，有助于故障诊断的特征参数为声纹特征，具体包括频谱特征、峭度特征、能量特征。
6.根据权利要求1所述的一种基于声纹分析的变压器故障检测方法，其特征在于：所述步骤5中，变压器的故障类型包括直流偏磁、内部松动、绕组变形、局部放电、变压器、过励磁、短路冲击、冷却器异响、附件松动，同时包括直流偏磁、内部松动、绕组变形、局部放电、变压器、过励磁、短路冲击、冷却器异响、附件松动的前置故障。
7.根据权利要求1所述的一种基于声纹分析的变压器故障检测方法，其特征在于：所述步骤6中，可以给出故障的具体位置和严重程度信息，以便及时采取措施。
8.一种基于声纹分析的变压器故障检测系统，其特征在于：适用于权利要求1-7任意一项所述的一种基于声纹分析的变压器故障检测方法。
9.根据权利要求8所述的一种基于声纹分析的变压器故障检测方法，其特征在于：包括声纹监测装置主体，声纹监测装置主体安装在变压器的前表面，声纹监测装置主体的前表面一侧设置有中央处理器、声纹采集模块，所述声纹监测装置主体的内部设置有预处理模块、分析识别模块以及传输模块，声纹采集模块电性连接中央处理器，中央处理器双向连接预处理模块、分析识别模块，中央处理器电性输出连接传输模块，传输模块无线连接监控终端。
10.根据权利要求9所述的一种基于声纹分析的变压器故障检测方法，其特征在于：声纹采集模块为麦克风；预处理模块包括信号放大单元、信号滤波单元和信号降噪单元；传输模块为4G传输单元、5G传输单元、WIFI传输单元其中的任意一种；监控终端为监控终端内的PC端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311634693.5A CN117763460A (zh) | 2023-12-01 | 2023-12-01 | 一种基于声纹分析的变压器故障检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311634693.5A CN117763460A (zh) | 2023-12-01 | 2023-12-01 | 一种基于声纹分析的变压器故障检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117763460A true CN117763460A (zh) | 2024-03-26 |
Family
ID=90311406
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311634693.5A Pending CN117763460A (zh) | 2023-12-01 | 2023-12-01 | 一种基于声纹分析的变压器故障检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117763460A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117949871A (zh) * | 2024-03-27 | 2024-04-30 | 山东和兑智能科技有限公司 | 一种变压器的声音采集和异常状态识别系统及方法 |
-
2023
- 2023-12-01 CN CN202311634693.5A patent/CN117763460A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117949871A (zh) * | 2024-03-27 | 2024-04-30 | 山东和兑智能科技有限公司 | 一种变压器的声音采集和异常状态识别系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117763460A (zh) | 一种基于声纹分析的变压器故障检测方法及系统 | |
| CN106934421A (zh) | 基于2dpca及svm的变电站电力变压器故障检测系统及检测方法 | |
| CN109443190B (zh) | 基于暂态行波的变压器绕组变形在线监测方法及装置 | |
| CN114252749B (zh) | 基于多传感器的变压器局部放电检测方法及装置 | |
| CN114325256A (zh) | 一种电力设备局部放电识别方法、系统、设备及存储介质 | |
| CN117289067B (zh) | 一种变压器运行状态在线监测系统 | |
| CN116383633A (zh) | 一种多因素综合分析的机制砂振动筛故障检测方法及系统 | |
| CN113551765A (zh) | 设备故障声谱分析诊断方法 | |
| CN112986870A (zh) | 基于振动法的分布式电力变压器绕组状态监测方法及系统 | |
| CN112454008A (zh) | 一种基于网络模型的切割平台寿命预测方法、系统及可读存储介质 | |
| CN106772009B (zh) | 基于分合闸线圈电流波形的断路器机械特性分析方法 | |
| CN112666430B (zh) | 变压器声纹智能故障检测方法及系统 | |
| CN111639852B (zh) | 基于小波奇异值的水电机组振动状态实时评估方法及系统 | |
| CN117607598A (zh) | 一种基于声纹特征的变压器故障检测方法及系统 | |
| CN117093938A (zh) | 一种基于深度学习的风机轴承的故障检测方法和系统 | |
| CN111860241A (zh) | 一种基于小波包分析的电力设备放电故障识别方法 | |
| CN116840631A (zh) | 基于联合诊断模型的变压器局部放电监测与定位方法 | |
| CN116593829A (zh) | 基于数据分析的输电线路隐患在线监测系统 | |
| CN117074852A (zh) | 一种配电网电能监测预警管理方法及系统 | |
| CN116699400A (zh) | 一种发电机转子短路故障监测系统、方法及可读存储介质 | |
| CN116884432A (zh) | 基于vmd-js散度的电力变压器故障声纹诊断方法 | |
| CN112345648B (zh) | 一种高压断路器凸轮裂纹故障检测装置及方法 | |
| CN115524569A (zh) | 故障诊断方法、其装置及故障诊断系统 | |
| CN111024239B (zh) | 一种基于图像识别技术的红外检测数据自动采集工具 | |
| CN113763679B (zh) | 气体绝缘封闭式组合电器异响监测方法及装置 |
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 |