CN117805237A - 基于超声波检测的变压器热点区域定位方法 - Google Patents
基于超声波检测的变压器热点区域定位方法 Download PDFInfo
- Publication number
- CN117805237A CN117805237A CN202311848277.5A CN202311848277A CN117805237A CN 117805237 A CN117805237 A CN 117805237A CN 202311848277 A CN202311848277 A CN 202311848277A CN 117805237 A CN117805237 A CN 117805237A
- Authority
- CN
- China
- Prior art keywords
- sound wave
- fault
- transformer
- flight time
- ultrasonic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000010801 machine learning Methods 0.000 claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 15
- 238000004804 winding Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000007667 floating Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000009413 insulation Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims 1
- 238000002604 ultrasonography Methods 0.000 claims 1
- 238000003745 diagnosis Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000007847 structural defect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002366 time-of-flight method Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明涉及压器热点区域定位领域,具体为一种基于超声波检测的变压器热点区域定位方法,采用飞行时间法进行变压器故障的初步判定,当采集的声波飞行时间超过设定阈值,可迅速判断变压器存在故障声波源,缩短了故障检测的时间,进而对故障声波源的位置进行进一步的分析和计算,实现对故障声波源的准确定位;同时,将声波检测技术与机器学习模型结合,可以实现对变压器内部故障的自动化定位和诊断,提高变压器故障检测的准确性和效率。
Description
技术领域
本发明涉及变压器热点区域定位技术领域,具体为基于超声波检测的变压器热点区域定位方法。
背景技术
随着电力系统对安全性和可靠性需求的不断提高,对变压器进行有效的检测和监测成为一项重要的工作。基于超声波检测的超声传感测试能够检测变压器内部的结构性缺陷,为变压器的状态评估、预防性维护和设备寿命预测提供有力的支持。
变压器存在热点区域,通常意味着内部发生了故障,而超声波能够穿透变压器内部的介质,检测到变压器内部的缺陷,如局部放电、匝间短路、绝缘层破损等,通过对变压器在不同工况下的超声波信号进行分析,可以评估变压器的运行状态,判断是否存在过载、过热等异常情况,有助于发现潜在的问题,避免设备损坏和供电中断。
在超声波传感检测中,声波在变压器内部的传播速度相对稳定,通过测量声波的飞行时间,可以通过飞行时间的异常判断是否存在故障,并进行变压器故障的定位。具体地,在正常情况下,变压器内部的介质分布相对均匀,因此声波的传播速度较为稳定,但当变压器出现故障时,如绕组松动、内部短路、绝缘层破损等情况,介质分布会发生变化,导致声波的传播速度收到影响,通过测量声波的飞行时间,可以声波的传播速度是否正常,从而判断是否发生故障,并进一步进行故障位置的分析。
发明内容
为解决上述变压器故障变压器热点区域精确自动定位的问题,本发明提供了一种基于超声波检测的变压器热点区域定位方法。
本发明技术方案如下:
一种基于超声波检测的变压器热点区域定位方法,包括以下步骤:
S1、超声传感器阵列布置:在变压器上选择至少三个位置,安装超声传感器;
S2、声波数据采集、计算声波飞行时间差:所有超声传感器同步采集接收到的声波信号,记录每个超声传感器接收声波信号的时间为声波飞行时间;基于每个超声传感器采集的声波信号,计算声波信号到达不同超声传感器的飞行时间差;
S3、故障源判断:非故障情况下,基于每个超声传感器所在位置设定声波飞行时间的阈值,将每个超声传感器采集的声波飞行时间与设定阈值对比,如果超过设定阈值,则判断为异常声波飞行时间,存在故障声波源;
S4、故障源定位:设置已知故障源:添加已知故障声波源,采集的传感器阵列的声波飞行时间数据、声波飞行时间差;
S5、训练机器学习模型:将S4中采集的传感器阵列的声波飞行时间数据、声波飞行时间差与变压器的故障声波源位置关联,输入机器学习模型,进行模型训练;
S6、模型自动识别:将基于未知故障源采集的声波飞行时间输入训练好的机器学习模型,输出故障声波源的位置概率,实现故障声波源的自动定位。
具体地,所述S1中在变压器上选择至少三个位置,安装超声传感器,为根据变压器尺寸、设备历史故障、超声传感器覆盖区域,确定超声传感器的数量和安装位置。
具体地,所述S2中计算信号到达不同超声传感器的飞行时间差,为将任意两个超声传感器对应的声波飞行时间相减。
具体地,所述S3中基于每个超声传感器所在位置设定声波飞行时间的阈值,为以非故障声波飞行时间为基准,上下浮动10%。
进一步地,所述S4中添加已知故障声波源,为添加绕组松动、匝间短路、局部放电、绝缘层破损故障。
进一步地,所述S4中基于声波飞行时间差,计算声波传播距离差为:
声波传播距离差=声波在变压器介质中的传播速度×声波飞行时间差。
本发明还提供了一种基于超声波检测的变压器热点区域定位系统,包括:
声波数据采集模块:基于超声传感器阵列采集变压器内部的声波信号数据,并将这些信号数据转换为可处理的数据格式。
声波飞行时间差计算模块:负责对采集到的声波数据进行处理,计算出声波从热点区域到各个传感器的飞行时间差。
故障源判断模块:负责将每个位置的超声传感器采集的声波飞行时间与设定的阈值进行对比,如果超过设定阈值,则判断为异常声波飞行时间,进而判定存在故障声波源。
故障源设置模块:负责基于已知的超声传感器阵列的声波飞行时间数据,添加已知故障声波源、声波飞行时间差。
所述故障源设置模块中添加已知故障声波源,为添加绕组松动、匝间短路、局部放电、绝缘层破损故障。
机器学习模型训练模块:负责使用采集的传感器阵列的声波飞行时间数据、声波飞行时间差、对应关联的变压器故障声波源数据,对机器学习模型进行训练。
故障声波源定位模块:用于将实时采集的基于未知故障声波源的声波飞行时间数据输入已训练好的机器学习模型中,模型自动输出对应故障声波源的位置概率。
另外,本发明提供了一种基于超声波检测的变压器热点区域定位装置,包括处理器和存储器,其中,所述处理器执行所述存储器中保存的计算机程序时实现如上所述的基于超声波检测的变压器热点区域定位方法。
本发明还提供了一种计算机可读存储介质,存有计算机程序,该程序被处理器执行时可实现如上所述的基于超声波检测的变压器热点区域定位方法的步骤。
本发明的有益效果在于:
1、将每个超声传感器采集的声波飞行时间与设定阈值对比,如果超过设定阈值,则判断为异常声波飞行时间,即判断在变压器内部存在故障声波源,进而对故障声波源的位置进行进一步的分析和计算,实现对故障声波源的准确定位。这种方法提高了故障判断的效率,一旦超过阈值,可迅速判断为异常,缩短了故障检测的时间。
2、通过测量声波的飞行时间来确定故障源的位置,可以适用于不同环境和条件,不论变压器的周围是安静还是存在噪声,都可以进行有效的故障定位,在变压器的故障定位上具有较高的精度。飞行时间法作为一种无损检测方法,可以实时地对声波的飞行时间及逆行测量,快读定位故障源,进而提高对变压器故障处理的效率。
3、将声波检测技术与机器学习模型相结合,通过对机器学习模型的训练,可以实现对变压器内部故障的自动化定位和诊断,提高故障检测的准确性和效率,减少人工干预和误差,帮助维护人员对变压器故障进行快速定位和修复,确保变压器的正常运行。
附图说明
在附图中:
图1为实施例中一种基于超声波检测的变压器热点区域定位方法流程示意图。
具体实施方式
下面将结合附图更详细地描述本公开的示例性实施方式。
实施例
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本实施例提供了一种基于超声波检测的变压器热点区域定位方法,参见图1,包括以下步骤:
步骤一:
超声传感器阵列布置:在变压器上选择至少三个位置,安装超声传感器。
在变压器上选择至少三个位置,安装超声传感器,为根据变压器尺寸、变压器历史故障、超声传感器覆盖区域,确定超声传感器的数量和安装位置。
为了确保能够全面监测变压器的状态,超声传感器的数量和位置应该能够覆盖变压器的各个部分,包括高压侧、低压侧、邮箱、调压器各个关键部位,变压器的尺寸越大,所需要的超声传感器的数量也越多;同时针对不同类型的故障,如局部放电、匝间短路、过热等,超声传感器应布置在故障易发区域或关键部位,以便更好地捕捉故障信号;如果变压器曾经出现过故障,了解故障类型和发生位置,在响应部分安装超声传感器进行重点监测。
超声传感器的覆盖区域决定了需要多少超声传感器才能覆盖所需的监测区域,如果超声传感器的覆盖区域较小,则需要增加超声传感器的数量,确保整个变压器区域都被覆盖。
步骤二:
声波数据采集、计算声波飞行时间差:所有超声传感器同步采集接收到的声波信号,记录每个超声传感器接收声波信号的时间为声波飞行时间;基于每个超声传感器采集的声波信号,计算声波信号到达不同超声传感器的飞行时间差。
计算信号到达不同超声传感器的飞行时间差,为将任意两个超声传感器对应的声波飞行时间相减。
每个超声传感器对应的声波飞行时间可以通过超声传感器计时测量直接得到,同时计算声波信号到达任意两个超声传感器的时间差可以对声波飞行时间进行更精确的测量和分析,时间差的测量和计算相对更为敏感和准确,通过对多个超声传感器的时间差进行计算,可以对声波飞行时间的测量结果进行交叉验证,减小误差。
同时,计算声波信号到达任意两个超声传感器的飞行时间差,可以为后续步骤中对故障声波源的定位计算做好数据准备,结合定位算法,可以更准确地定位故障声波源的位置。
步骤三:
故障源判断:非故障情况下,基于每个超声传感器所在位置设定声波飞行时间的阈值,将每个超声传感器采集的声波飞行时间与设定阈值对比,如果超过设定阈值,则判断为异常声波飞行时间,存在故障声波源。
变压器内部发生故障时,如内部的绕组、铁芯或其他结构发生变形、松动或位移等现象时,会导致声波传播路径的改变,从而影响声波的飞行时间,与变压器非故障情况对比,声波飞行时间会出现异常。
基于每个超声传感器所在位置设定声波飞行时间的阈值,为以非故障声波飞行时间为基准,上下浮动10%。
阈值大小的设定需要考虑声波传播速度的波动范围、超声传感器的测量精度、介质状态的变化范围。设定合理的阈值对声波飞行时间的测量和异常检测非常重要,阈值大小可以根据实际情况和应用需求进行合理调整,实现最佳的检测效果。阈值设定需要考虑到异常检测的准确性,如果阈值设定得较小,可能会将正常的声波信号判断为异常,如果阈值设定较大,则会将异常声波信号漏检。
超声传感器的精度决定了能够测量到的最小声波信号,阈值的大小需要与超声传感器的精度相匹配,如果阈值设定过高,会丢失一些微弱的声波信号,如果阈值设定过低,则会受到噪声和其他干扰的影响;声波传播速度的变化范围也会影响到声波飞行时间的测量精度,如果声波传播速度的变化较大,则需要设定较大的阈值以适应这种变化;变压器介质的状态如温度、压力和密度会影响声波的传播速度,在阈值设定时也需要考虑介质状态的变化范围。
步骤四:
设置已知故障源:添加已知故障声波源,采集的传感器阵列的声波飞行时间数据、声波飞行时间差。
进一步地,添加已知故障声波源,为添加绕组松动、匝间短路、局部放电、绝缘层破损故障。
基于声波飞行时间差,可以计算声波传播距离差为:
声波传播距离差=声波在变压器介质中的传播速度×声波飞行时间差。
通过测量声波的飞行时间来确定故障源的位置,应用在变压器的故障定位上具有较高的精度,可以更准确地定位故障源,适用于不同环境和条件,不论变压器的周围是安静还是存在噪声,都可以进行有效的故障定位。飞行时间法作为一种无损检测方法,可以实时地对声波的飞行时间进行测量,快读定位故障源,提高故障处理的效率。
步骤五:
训练机器学习模型:将S4中采集的传感器阵列的声波飞行时间数据、声波飞行时间差与变压器的故障声波源位置关联,输入机器学习模型,进行模型训练。
在本技术方案中,采用随机森林的机器学习模型,通过对机器学习模型进行训练,模型会根据输入的特征和目标变量进行学习并建立起它们之间的映射关系,即将声波飞行时间数据、声波飞行时间差和变压器的故障声波源位置进行关联,并建立映射关系。
通过对机器学习模型的训练,可以实现自动化的故障定位和诊断,提高故障监测的准确性和效率。
将超声波检测技术与机器学习算法相结合,利用机器学习算法对大量的历史数据进行分析,学习正常与异常状态的差异,实现对变压器故障的自动检测与定位,可以提高对故障检测的精度和效率,自动识别异常模式,快速定位故障区域,可以降低人为因素对检测结果的影响,提高变压器故障定位检测的客观性和准确性。
步骤六:
模型自动识别:将基于未知故障源采集的声波飞行时间输入训练好的机器学习模型,输出故障声波源的位置概率,实现故障声波源的自动定位。
训练好的模型接收到新的异常声波飞行时间数据时,可以根据已经建立的关联关系,推断对应的故障声波源的位置概率并输出。
本发明还提供了一种基于超声波检测的变压器热点区域定位系统,包括:
声波数据采集模块:基于超声传感器阵列采集变压器内部的声波信号数据,并将这些信号数据转换为可处理的数据格式。
声波飞行时间差计算模块:负责对采集到的声波数据进行处理,计算出声波从热点区域到各个传感器的飞行时间差。
故障源判断模块:负责将每个位置的超声传感器采集的声波飞行时间与设定的阈值进行对比,如果超过设定阈值,则判断为异常声波飞行时间,进而判定存在故障声波源。
故障源设置模块:负责基于已知的超声传感器阵列的声波飞行时间数据,添加已知故障声波源。
其中,添加已知故障声波源,为添加绕组松动、匝间短路、局部放电、绝缘层破损故障。
机器学习模型训练模块:负责使用采集的传感器阵列的声波飞行时间数据、声波飞行时间差、对应关联的变压器故障声波源数据,对机器学习模型进行训练。
故障声波源定位模块:用于将实时采集的基于未知故障声波源的声波飞行时间数据输入已训练好的机器学习模型中,模型自动输出对应故障声波源的位置概率。
此外,本发明还提供了一种基于超声波检测的变压器热点区域定位装置,包括处理器和存储器,其中,所述处理器执行所述存储器中保存的计算机程序时实现如上所述的基于超声波检测的变压器热点区域定位方法方法。
最后,本发明提供了一种计算机可读存储介质,存有计算机程序,该程序被处理器执行时可实现如上所述的基于超声波检测的变压器热点区域定位方法。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,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,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于超声波检测的变压器热点区域定位方法,其特征在于,包括以下步骤:
S1、超声传感器阵列布置:在变压器上选择至少三个位置,安装超声传感器;
S2、声波数据采集、计算声波飞行时间差:所有超声传感器同步采集接收到的声波信号,记录每个超声传感器接收声波信号的时间为声波飞行时间;基于每个超声传感器采集的声波信号,计算声波信号到达不同超声传感器的飞行时间差;
S3、故障源判断:非故障情况下,基于每个超声传感器所在位置设定声波飞行时间的阈值,将每个超声传感器采集的声波飞行时间与设定阈值对比,如果超过设定阈值,则判断为异常声波飞行时间,存在故障声波源;
S4、设置已知故障源:添加已知故障声波源,采集的传感器阵列的声波飞行时间数据、声波飞行时间差;
S5、训练机器学习模型:将S4中采集的传感器阵列的声波飞行时间数据、声波飞行时间差与变压器的故障声波源位置关联,输入机器学习模型,进行模型训练;
S6、模型自动识别:将基于未知故障源采集的声波飞行时间输入训练好的机器学习模型,输出故障声波源的位置概率,实现故障声波源的自动定位。
2.根据权利要求1所述的一种基于超声波检测的变压器热点区域定位方法,其特征在于,所述S1中在变压器上选择至少三个位置,安装超声传感器,为根据变压器尺寸、设备历史故障、超声传感器覆盖区域,确定超声传感器的数量和安装位置。
3.根据权利要求1所述的一种基于超声波检测的变压器热点区域定位方法,其特征在于,所述S2中计算信号到达不同超声传感器的飞行时间差,为将任意两个超声传感器对应的声波飞行时间相减。
4.根据权利要求1所述的一种基于超声波检测的变压器热点区域定位方法,其特征在于,所述S3中基于每个超声传感器所在位置设定声波飞行时间的阈值,为以非故障声波飞行时间为基准,上下浮动10%。
5.根据权利要求1所述的一种基于超声波检测的变压器热点区域定位方法,其特征在于,所述S4中添加已知故障声波源,为添加绕组松动、匝间短路、局部放电、绝缘层破损故障。
6.根据权利要求1所述的一种基于超声波检测的变压器热点区域定位方法,其特征在于,所述S4中基于声波飞行时间差,计算声波传播距离差为:
声波传播距离差=声波在变压器介质中的传播速度×声波飞行时间差。
7.一种基于超声波检测的变压器热点区域定位系统,其特征在于,包括
声波数据采集模块:基于超声传感器阵列采集变压器内部的声波信号数据,并将这些信号数据转换为可处理的数据格式。
声波飞行时间差计算模块:负责对采集到的声波数据进行处理,计算出声波从热点区域到各个传感器的飞行时间差。
故障源判断模块:负责将每个位置的超声传感器采集的声波飞行时间与设定的阈值进行对比,如果超过设定阈值,则判断为异常声波飞行时间,进而判定存在故障声波源。
故障源设置模块:负责基于已知的超声传感器阵列的声波飞行时间数据、声波飞行时间差,添加已知故障声波源。
机器学习模型训练模块:负责使用采集的传感器阵列的声波飞行时间数据、声波飞行时间差、对应关联的变压器故障声波源数据,对机器学习模型进行训练。
故障声波源定位模块:用于将实时采集的基于未知故障声波源的声波飞行时间数据输入已训练好的机器学习模型中,模型自动输出对应故障声波源的位置概率。
8.根据权利要求7所述的一种基于超声波检测的变压器热点区域定位系统,其特征在于,所述故障源设置模块中添加已知故障声波源,为添加绕组松动、匝间短路、局部放电、绝缘层破损故障。
9.一种基于超声波检测的变压器热点区域定位装置,其特征在于,包括处理器和存储器,其中,所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1-7中任一项所述的基于超声波检测的变压器热点区域定位方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的基于超声波检测的变压器热点区域定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311848277.5A CN117805237A (zh) | 2023-12-29 | 2023-12-29 | 基于超声波检测的变压器热点区域定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311848277.5A CN117805237A (zh) | 2023-12-29 | 2023-12-29 | 基于超声波检测的变压器热点区域定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117805237A true CN117805237A (zh) | 2024-04-02 |
Family
ID=90432910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311848277.5A Pending CN117805237A (zh) | 2023-12-29 | 2023-12-29 | 基于超声波检测的变压器热点区域定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117805237A (zh) |
-
2023
- 2023-12-29 CN CN202311848277.5A patent/CN117805237A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021192526A5 (zh) | ||
RU2628146C2 (ru) | Способ предупредительного обнаружения отказа в устройстве, компьютерная программа, система и модуль для предупредительного обнаружения отказа в устройстве | |
JP6741798B2 (ja) | 大型の太陽電池アレイにおける電池パネルの故障検出と位置特定システム | |
GB2476246A (en) | Diagnosing an operation mode of a machine | |
CN109139390B (zh) | 一种基于声信号特征库的风机桨叶故障识别方法 | |
CN112858845A (zh) | 一种气体绝缘组合电器局部放电诊断方法 | |
CN1161091A (zh) | 分析测量值的方法以及实施此方法的测量值分析器 | |
CN114994460A (zh) | 一种电缆绝缘性能预测装置及方法 | |
EP3559447B1 (en) | Detecting electrical failures in a wind turbine generator control system | |
US20220156586A1 (en) | System for monitoring a circuit breaker | |
CN114492629A (zh) | 异常检测方法、装置、电子设备及存储介质 | |
CN112305382A (zh) | 一种快速识别高压开关柜内部设备工作状态的方法 | |
CN114895163A (zh) | 一种基于电缆绝缘性能的电缆巡检定位装置及方法 | |
CN111398752A (zh) | 一种基于多探测器信息融合的电力变压器局部放电定位装置及方法 | |
CN117805237A (zh) | 基于超声波检测的变压器热点区域定位方法 | |
CN117289045A (zh) | 用于预测避雷器剩余寿命的方法、装置及存储介质 | |
CN117749091A (zh) | 一种基于iv曲线数据的光伏故障诊断方法和系统 | |
JP3322939B2 (ja) | プロセス計装ラック | |
CN111562450A (zh) | 一种用于监测电抗器寿命的系统及方法 | |
CN108594062A (zh) | 一种基于特征波形相似度的匝间短路故障定位方法及系统 | |
Benninger et al. | Anomaly detection by comparing photovoltaic systems with machine learning methods | |
CN102997041B (zh) | 一种高温压力管道结构损伤在线监测装置 | |
JP2014026327A (ja) | 実稼働データによる機器の状態診断装置 | |
CN112697306A (zh) | 一种电池包内部温度异常的检测方法、装置及相关产品 | |
RU2648413C1 (ru) | Способ управления режимами на основе нейросетевого диагностирования неисправностей и технического состояния электроприводного газоперекачивающего агрегата |
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 |