CN117909911A - 基于人工智能的电气设备局部放电异常检测方法 - Google Patents
基于人工智能的电气设备局部放电异常检测方法 Download PDFInfo
- Publication number
- CN117909911A CN117909911A CN202410311134.9A CN202410311134A CN117909911A CN 117909911 A CN117909911 A CN 117909911A CN 202410311134 A CN202410311134 A CN 202410311134A CN 117909911 A CN117909911 A CN 117909911A
- Authority
- CN
- China
- Prior art keywords
- sequence
- detected
- partial discharge
- current pulse
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 62
- 230000005856 abnormality Effects 0.000 title claims abstract description 34
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 150
- 238000012545 processing Methods 0.000 claims abstract description 86
- 108010076504 Protein Sorting Signals Proteins 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000004891 communication Methods 0.000 claims description 25
- 238000012423 maintenance Methods 0.000 claims description 24
- 238000001914 filtration Methods 0.000 claims description 5
- 230000001052 transient effect Effects 0.000 claims description 5
- 238000009413 insulation Methods 0.000 description 11
- 239000011810 insulating material Substances 0.000 description 6
- 238000004804 winding Methods 0.000 description 5
- 239000003990 capacitor Substances 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000012535 impurity Substances 0.000 description 3
- 239000004020 conductor Substances 0.000 description 2
- 239000003989 dielectric material Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000012212 insulator Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Testing Relating To Insulation (AREA)
Abstract
本申请提供一种基于人工智能的电气设备局部放电异常检测方法。该方法通过第一类传感器集群中的第一传感器获取待检测电气设备集群中第一待检测电气设备的第一特征信号,并将第一特征信号发送至数据处理平台,并在确定第一特征信号存在第一预设信号特征时,通过第二类传感器集群中的第二传感器序列获取待检测对象序列的第二特征信号序列,并根据预设特征信号分析模型确定第二特征信号序列中的至少一个异常特征信号,以确定第一待检测电气设备的状态为局部放电异常状态,从而实现对于电气设备局部放电异常的自动检测。
Description
技术领域
本申请涉及数据处理技术,尤其涉及一种基于人工智能的电气设备局部放电异常检测方法。
背景技术
近年来,人工智能技术在局部放电检测中的应用越来越广泛,通过实时在线监测可以连续采集和分析局部放电数据,实现早期预警和状态评估,推动了电力设备从定期维护向预测性维护的转变。
在现有技术中,通常是利用单一检测手段,例如,超声波、射频、光学、热红外等检测方式。虽然,可以实现对于电气设备局部放电的,但是,存在容易受到环境噪声、设备结构和操作条件等因素的影响,检测的准确性以及可靠性都较低。
发明内容
本申请提供一种基于人工智能的电气设备局部放电异常检测方法,用以解决现有单一检测手段检测的准确性以及可靠性都较低的技术问题。
第一方面,本申请提供一种基于人工智能的电气设备局部放电异常检测方法,应用于局部放电异常检测系统,所述局部放电异常检测系统包括数据处理平台以及检测传感器集合,所述检测传感器集合包括第一类传感器集群以及第二类传感器集群,所述第一类传感器集群与所述第二类传感器集群中的各个传感器分别与所述数据处理平台通信连接;所述方法包括:
在第一时间节点,通过所述第一类传感器集群中的第一传感器获取待检测电气设备集群中第一待检测电气设备的第一特征信号,并将所述第一特征信号发送至所述数据处理平台,其中,所述第一类传感器集群中的每个传感器对应检测所述待检测电气设备集群中的一个待检测电气设备;
若所述数据处理平台确定所述第一特征信号存在第一预设信号特征,则通过所述第二类传感器集群中的第二传感器序列获取待检测对象序列的第二特征信号序列,所述待检测对象序列为所述第一待检测电气设备中多个待检测对象所构成的序列,其中,所述第二传感器序列中的每个传感器对应检测所述待检测对象序列中的一个待检测对象;
若所述数据处理平台根据预设特征信号分析模型确定所述第二特征信号序列中的至少一个异常特征信号,则确定所述第一待检测电气设备的状态为局部放电异常状态。
可选的,所述第一类传感器集群包括多个超声波传感器,所述第一传感器为第一超声波传感器,所述第一超声波传感器设置于所述第一待检测电气设备的壳体外侧壁上;
所述第二类传感器集群包括多个电流传感器,所述第二传感器序列为多个第二电流传感器所组成的序列,所述第二传感器序列设置于所述第一待检测电气设备的壳体的内部,各个所述第二电流传感器设置于对应的待检测对象的接地端。
可选的,若所述数据处理平台根据预设特征信号分析模型确定所述第二特征信号序列中的至少一个异常特征信号,则确定所述第一待检测电气设备的状态为局部放电异常状态,包括:
所述数据处理平台根据预设带通滤波器特征参数以及预设滤波器对所述第二特征信号序列中的各个第二特征信号/>进行背景噪声滤波处理,以确定第二滤波信号序列/>,其中,所述预设带通滤波器特征参数包括预设背景噪声中心频率以及预设通带宽度,所述预设滤波器为特沃斯滤波器、切比雪夫滤波器以及椭圆滤波器中的一个或多个的组合;
所述数据处理平台根据第二滤波信号序列确定对应的电流脉冲幅值序列/>;
若所述电流脉冲幅值序列中存在电流脉冲幅值/>大于预设电流脉冲阈值,则确定所述第一待检测电气设备的状态为第一局部放电异常状态。
可选的,在所述数据处理平台根据第二滤波信号序列确定对应的电流脉冲幅值序列之后,还包括:
若所述电流脉冲幅值序列中未存在电流脉冲幅值大于所述预设电流脉冲阈值,则根据公式1以及所述第二滤波信号序列确定电流脉冲放电能量序列,其中,公式1为:
其中,为第二滤波信号/>对应的波动周期起始时刻,/>为第二滤波信号/>对应的波动周期终止时刻,/>为第二滤波信号/>在/>下的瞬态脉冲电流,/>为/>与之间的任一时刻;
若所述电流脉冲放电能量序列中存在电流脉冲放电能量/>大于预设电流脉冲放电能量阈值,则确定所述第一待检测电气设备的状态为第二局部放电异常状态。
可选的,在根据公式1以及所述第二滤波信号序列确定电流脉冲放电能量序列之后,还包括:
若所述电流脉冲放电能量序列中未存在电流脉冲放电能量/>大于所述预设电流脉冲放电能量阈值,则根据公式2确定所述第一待检测电气设备的设备电流脉冲放电能量/>,所述公式2为:
若所述设备电流脉冲放电能量大于预设设备电流脉冲放电能量阈值,则确定所述第一待检测电气设备的状态为第三局部放电异常状态。
可选的,在所述确定所述第一待检测电气设备的状态为局部放电异常状态之后,还包括:
若确定所述第一待检测电气设备的状态为所述第一局部放电异常状态,则所述数据处理平台确定所述电流脉冲幅值序列中大于所述预设电流脉冲阈值的电流脉冲超幅序列/>,并根据所述电流脉冲超幅序列/>从所述待检测对象序列中确定局部放电异常对象序列S;或者,
若确定所述第一待检测电气设备的状态为所述第二局部放电异常状态,则所述数据处理平台确定所述中大于所述预设电流脉冲放电能量阈值的电流脉冲放电超能量序列/>, 并根据所述电流脉冲放电超能量序列/>从所述待检测对象序列中确定局部放电异常对象序列S;或者,
若确定所述第一待检测电气设备的状态为所述第三局部放电异常状态,则所述数据处理平台确定所述待检测对象序列为局部放电异常对象序列S。
可选的,所述局部放电异常检测系统还包括通信模块,所述通信模块与外部检修终端通信连接;对应的,在确定所述局部放电异常对象序列S之后,还包括:
所述数据处理平台通过所述通信模块向所述外部检修终端发送局部异常放电检修信息,所述局部异常放电检修信息包括所述第一待检测电气设备的电气设备标识码、所述局部放电异常对象序列S所对应的对象标识码序列以及所述局部放电异常状态的异常状态类型,所述异常状态类型包括所述第一局部放电异常状态、所述第二局部放电异常状态以及所述第三局部放电异常状态。
第二方面,本申请提供一种局部放电异常检测系统,包括:数据处理平台以及检测传感器集合,所述检测传感器集合包括第一类传感器集群以及第二类传感器集群,所述第一类传感器集群与所述第二类传感器集群中的各个传感器分别与所述数据处理平台通信连接;
在第一时间节点,通过所述第一类传感器集群中的第一传感器获取待检测电气设备集群中第一待检测电气设备的第一特征信号,并将所述第一特征信号发送至所述数据处理平台,其中,所述第一类传感器集群中的每个传感器对应检测所述待检测电气设备集群中的一个待检测电气设备;
若所述数据处理平台确定所述第一特征信号存在第一预设信号特征,则通过所述第二类传感器集群中的第二传感器序列获取待检测对象序列的第二特征信号序列,所述待检测对象序列为所述第一待检测电气设备中多个待检测对象所构成的序列,其中,所述第二传感器序列中的每个传感器对应检测所述待检测对象序列中的一个待检测对象;
若所述数据处理平台根据预设特征信号分析模型确定所述第二特征信号序列中的至少一个异常特征信号,则确定所述第一待检测电气设备的状态为局部放电异常状态。
可选的,所述第一类传感器集群包括多个超声波传感器,所述第一传感器为第一超声波传感器,所述第一超声波传感器设置于所述第一待检测电气设备的壳体外侧壁上;
所述第二类传感器集群包括多个电流传感器,所述第二传感器序列为多个第二电流传感器所组成的序列,所述第二传感器序列设置于所述第一待检测电气设备的壳体的内部,各个所述第二电流传感器设置于对应的待检测对象的接地端。
可选的,所述数据处理平台根据预设带通滤波器特征参数以及预设滤波器对所述第二特征信号序列中的各个第二特征信号/>进行背景噪声滤波处理,以确定第二滤波信号序列/>,其中,所述预设带通滤波器特征参数包括预设背景噪声中心频率以及预设通带宽度,所述预设滤波器为特沃斯滤波器、切比雪夫滤波器以及椭圆滤波器中的一个或多个的组合;
所述数据处理平台根据第二滤波信号序列确定对应的电流脉冲幅值序列/>;
若所述电流脉冲幅值序列中存在电流脉冲幅值/>大于预设电流脉冲阈值,则确定所述第一待检测电气设备的状态为第一局部放电异常状态。
可选的,若所述电流脉冲幅值序列中未存在电流脉冲幅值/>大于所述预设电流脉冲阈值,则根据公式1以及所述第二滤波信号序列确定电流脉冲放电能量序列,其中,公式1为:
其中,为第二滤波信号/>对应的波动周期起始时刻,/>为第二滤波信号/>对应的波动周期终止时刻,/>为第二滤波信号/>在/>下的瞬态脉冲电流,/>为/>与之间的任一时刻;
若所述电流脉冲放电能量序列中存在电流脉冲放电能量/>大于预设电流脉冲放电能量阈值,则确定所述第一待检测电气设备的状态为第二局部放电异常状态。
可选的,若所述电流脉冲放电能量序列中未存在电流脉冲放电能量/>大于所述预设电流脉冲放电能量阈值,则根据公式2确定所述第一待检测电气设备的设备电流脉冲放电能量/>,所述公式2为:
若所述设备电流脉冲放电能量大于预设设备电流脉冲放电能量阈值,则确定所述第一待检测电气设备的状态为第三局部放电异常状态。
可选的,若确定所述第一待检测电气设备的状态为所述第一局部放电异常状态,则所述数据处理平台确定所述电流脉冲幅值序列中大于所述预设电流脉冲阈值的电流脉冲超幅序列/>,并根据所述电流脉冲超幅序列/>从所述待检测对象序列中确定局部放电异常对象序列S;或者,
若确定所述第一待检测电气设备的状态为所述第二局部放电异常状态,则所述数据处理平台确定所述中大于所述预设电流脉冲放电能量阈值的电流脉冲放电超能量序列/>, 并根据所述电流脉冲放电超能量序列/>从所述待检测对象序列中确定局部放电异常对象序列S;或者,
若确定所述第一待检测电气设备的状态为所述第三局部放电异常状态,则所述数据处理平台确定所述待检测对象序列为局部放电异常对象序列S。
可选的,所述局部放电异常检测系统还包括通信模块,所述通信模块与外部检修终端通信连接;
所述数据处理平台通过所述通信模块向所述外部检修终端发送局部异常放电检修信息,所述局部异常放电检修信息包括所述第一待检测电气设备的电气设备标识码、所述局部放电异常对象序列S所对应的对象标识码序列以及所述局部放电异常状态的异常状态类型,所述异常状态类型包括所述第一局部放电异常状态、所述第二局部放电异常状态以及所述第三局部放电异常状态。
第三方面,本申请提供一种电子设备,包括:
处理器;以及,
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行第一方面中所述的任一种可能的方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现第一方面中所述的任一种可能的方法。
本申请提供的基于人工智能的电气设备局部放电异常检测方法,通过第一类传感器集群中的第一传感器获取待检测电气设备集群中第一待检测电气设备的第一特征信号,并将第一特征信号发送至数据处理平台,并在确定第一特征信号存在第一预设信号特征时,通过第二类传感器集群中的第二传感器序列获取待检测对象序列的第二特征信号序列,并根据预设特征信号分析模型确定第二特征信号序列中的至少一个异常特征信号,以确定第一待检测电气设备的状态为局部放电异常状态,从而实现对于电气设备局部放电异常的自动检测,此外,通过两种不同检测范围的传感器进行检测,既能够保证检测的及时性以及准确性,又能够避免过多传感器需要始终保持检测状态所导致的检测资源的浪费以及传感器寿命的降低,此外,在面对大规模设备集群检测场景时,还可以有效地减小数据处理平台的数据处理量,从而提高系统整体的检测效率以及数据处理效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是本申请根据一示例实施例示出的基于人工智能的电气设备局部放电异常检测方法的流程示意图;
图2是本申请根据另一示例实施例示出的基于人工智能的电气设备局部放电异常检测方法的流程示意图;
图3是本申请根据一示例实施例示出的局部放电异常检测系统的结构示意图;
图4是本申请根据一示例实施例示出的电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
图1是本申请根据一示例实施例示出的基于人工智能的电气设备局部放电异常检测方法的流程示意图。如图1所示,本实施例提供的基于人工智能的电气设备局部放电异常检测方法,包括:
S101、通过第一类传感器集群中的第一传感器获取待检测电气设备集群中第一待检测电气设备的第一特征信号,并将第一特征信号发送至数据处理平台。
本实施例提供的基于人工智能的电气设备局部放电异常检测方法,可以是应用于局部放电异常检测系统。其中,该局部放电异常检测系统包括数据处理平台以及检测传感器集合,检测传感器集合包括第一类传感器集群以及第二类传感器集群,第一类传感器集群与第二类传感器集群中的各个传感器分别与数据处理平台通信连接。
具体的,在第一时间节点,通过第一类传感器集群中的第一传感器获取待检测电气设备集群中第一待检测电气设备的第一特征信号,并将第一特征信号发送至数据处理平台,其中,第一类传感器集群中的每个传感器对应检测待检测电气设备集群中的一个待检测电气设备。
S102、通过第二类传感器集群中的第二传感器序列获取待检测对象序列的第二特征信号序列。
具体的,若数据处理平台确定第一特征信号存在第一预设信号特征,则通过第二类传感器集群中的第二传感器序列获取待检测对象序列的第二特征信号序列,待检测对象序列为第一待检测电气设备中多个待检测对象所构成的序列,其中,第二传感器序列中的每个传感器对应检测待检测对象序列中的一个待检测对象。值得说明的,上述第一类传感器集群中的传感器可以为检测范围较大但是检测精度较低的传感器集群,而第二类传感器集群中的传感器可以为检测范围较小或者仅能对单个待检测对象进行检测,但是检测精度较高,更加具有针对性。此外,上述第一类传感器集群中的传感器可以是针对待检测电气设备的整体的异常状态进行检测的传感器,而第二类传感器集群中的传感器则是针对待检测电气设备的局部或者个体的异常状态进行检测的传感器。
S103、确定第一待检测电气设备的状态为局部放电异常状态。
具体的,若数据处理平台根据预设特征信号分析模型确定第二特征信号序列中的至少一个异常特征信号,则确定第一待检测电气设备的状态为局部放电异常状态。
在本实施例中,通过第一类传感器集群中的第一传感器获取待检测电气设备集群中第一待检测电气设备的第一特征信号,并将第一特征信号发送至数据处理平台,并在确定第一特征信号存在第一预设信号特征时,通过第二类传感器集群中的第二传感器序列获取待检测对象序列的第二特征信号序列,并根据预设特征信号分析模型确定第二特征信号序列中的至少一个异常特征信号,以确定第一待检测电气设备的状态为局部放电异常状态,从而实现对于电气设备局部放电异常的自动检测,此外,通过两种不同检测范围的传感器进行检测,既能够保证检测的及时性、准确性以及可靠性,又能够避免过多传感器需要始终保持检测状态所导致的检测资源的浪费以及传感器寿命的降低,此外,在面对大规模设备集群检测场景时,还可以有效地减小数据处理平台的数据处理量,从而提高系统整体的检测效率以及数据处理效率。
图2是本申请根据另一示例实施例示出的基于人工智能的电气设备局部放电异常检测方法的流程示意图。如图2所示,本实施例提供的基于人工智能的电气设备局部放电异常检测方法,包括:
S201、通过第一类传感器集群中的第一传感器获取待检测电气设备集群中第一待检测电气设备的第一特征信号,并将第一特征信号发送至数据处理平台。
本实施例提供的基于人工智能的电气设备局部放电异常检测方法,可以是应用于局部放电异常检测系统。其中,该局部放电异常检测系统包括数据处理平台以及检测传感器集合,检测传感器集合包括第一类传感器集群以及第二类传感器集群,第一类传感器集群与第二类传感器集群中的各个传感器分别与数据处理平台通信连接。电气设备局部放电是指在电力设备的绝缘材料中或附近,由于电场强度过高而在未贯穿整个绝缘介质的情况下发生的一种放电现象。这种放电并未直接连接到高压和低压电极,而通常是局限在绝缘材料的某个局部区域。
具体的,在第一时间节点,通过第一类传感器集群中的第一传感器获取待检测电气设备集群中第一待检测电气设备的第一特征信号,并将第一特征信号发送至数据处理平台,其中,第一类传感器集群中的每个传感器对应检测待检测电气设备集群中的一个待检测电气设备。
可选的,第一类传感器集群包括多个超声波传感器,第一传感器为第一超声波传感器,第一超声波传感器设置于第一待检测电气设备的壳体外侧壁上。其中,对于电气设备可能会发生气体中的局部放电,例如变压器油中的气泡、气体绝缘开关设备中的微小空隙等。还可能会发生固体中的局部放电,例如电缆绝缘层中的缺陷、电机绝缘纸板的裂纹等。此外,还可能会发生液体中的局部放电,例如变压器油、电容器油等液体绝缘介质中的放电。局部放电会加速绝缘材料的老化过程,降低设备的使用寿命。
具体的,对于变压器,局部放电可能是会发生在绕组与绕组之间的绝缘材料、绕组与铁芯之间的绝缘、变压器油中的气泡或杂质、高压套管和引线的绝缘部分以及冷却设备和附件的绝缘结构。而对于高压断路器和开关设备局部放电可能是会发生在气体绝缘间隙中的微小空隙或杂质、导体和绝缘支撑件的表面缺陷、金属屏蔽层和绝缘材料的界面以及开关触头和灭弧室的绝缘结构。此外,对于电缆,局部放电可能是会发生在电缆绝缘层内部的缺陷位置、电缆接头和终端的绝缘处理部位以及屏蔽层和绝缘层之间的界面。另外,对于电容器,局部放电则可能是会发生在电介质薄膜中的缺陷或不均匀性位置、电极和电介质之间的界面以及电容器外壳和内部元件的绝缘结构。而对于发电机,局部放电则可能是会发生在定子和转子绕组的绝缘、绕组端部和铁芯之间的绝缘以及轴承和绕组之间的绝缘。另外,对于电力电容器和电抗器,局部放电可能是会发生在电介质材料中的弱点或不均匀位置、导体和电介质之间的界面以及外壳和内部元件的绝缘结构。另外,对于避雷器和绝缘子,局部放电可能是会发生在绝缘材料中的气隙或杂质、避雷器阀片和绝缘底座的界面以及绝缘子表面的污秽或裂缝。
长期的局部放电可能会导致绝缘材料的机械强度下降,增加设备故障的风险。在某些情况下,局部放电产生的化学反应可能会产生有害物质,对设备和环境造成影响。局部放电过程中会产生超声波信号,使用超声波传感器放置在设备外部监听这些信号,可以定位放电源并评估其严重程度,但是,超声波检测可能会受到环境噪声、设备结构和操作条件等因素的影响。因此,在本实施例中需要结合其他检测方法(如脉冲电流法、射频检测等)来提高局部放电检测的准确性和可靠性。
S202、通过第二类传感器集群中的第二传感器序列获取待检测对象序列的第二特征信号序列。
具体的,若数据处理平台确定第一特征信号存在第一预设信号特征,则通过第二类传感器集群中的第二传感器序列获取待检测对象序列的第二特征信号序列,待检测对象序列为第一待检测电气设备中多个待检测对象所构成的序列,其中,第二传感器序列中的每个传感器对应检测待检测对象序列中的一个待检测对象。值得说明的,上述第一类传感器集群中的传感器可以为检测范围较大但是检测精度较低的传感器集群,而第二类传感器集群中的传感器可以为检测范围较小或者仅能对单个待检测对象进行检测,但是检测精度较高,更加具有针对性。此外,上述第一类传感器集群中的传感器可以是针对待检测电气设备的整体的异常状态进行检测的传感器,而第二类传感器集群中的传感器则是针对待检测电气设备的局部或者个体的异常状态进行检测的传感器。
可选的,第二类传感器集群包括多个电流传感器,第二传感器序列为多个第二电流传感器所组成的序列,第二传感器序列设置于第一待检测电气设备的壳体的内部,各个第二电流传感器设置于对应的待检测对象的接地端。
S203、确定第一待检测电气设备的状态为局部放电异常状态。
具体的,若数据处理平台根据预设特征信号分析模型确定第二特征信号序列中的至少一个异常特征信号,则确定第一待检测电气设备的状态为局部放电异常状态。
可选的,上述的异常特征信号可以是幅度异常特征、频率内容异常特征、脉冲重复率异常特征、时间关联性异常特征、波形异常特征以及定位信息异常特征。
可选的,对于上述的幅度异常特征,局部放电产生的超声波信号通常具有特定的幅度范围,其强度与放电活动的程度相关。当检测到超过背景噪声水平的超声波信号时,可以确定存在局部放电现象。
可选的,对于上述的频率内容异常特征,局部放电产生的超声波信号往往包含丰富的频率成分。不同类型的局部放电事件会产生特定频段的超声波信号,例如,典型的50Hz和100Hz相关性是局部放电的一个重要特征。通过对信号频谱分析,可以识别出与局部放电相关的特定频率或谐波分量。
可选的,对于上述的脉冲重复率异常特征,如果局部放电持续发生,则可以通过统计单位时间内接收到的超声波脉冲数量来评估放电活动的频繁程度。
可选的,对于上述的时间关联性异常特征,超声波信号与电力系统的电压、电流等电气参数之间可能存在一定的时间关联性,比如在电源电压峰值附近可能会观察到更多的局部放电活动。
可选的,对于上述的波形异常特征,可以是分析超声波信号的波形形状,包括上升沿速度、下降沿速度、半峰全宽等,从而确定存在局部放电现象。
可选的,对于定位信息异常特征,则可以是利用超声波的方向性,结合多个传感器接收的数据,从而确定存在局部放电现象。
具体的,数据处理平台可以根据预设带通滤波器特征参数以及预设滤波器对第二特征信号序列中的各个第二特征信号/>进行背景噪声滤波处理,以确定第二滤波信号序列/>,其中,预设带通滤波器特征参数包括预设背景噪声中心频率以及预设通带宽度,预设滤波器为特沃斯滤波器、切比雪夫滤波器以及椭圆滤波器中的一个或多个的组合。其中,/>为第二特征信号序列中第二特征信号的个数。
然后,数据处理平台根据第二滤波信号序列确定对应的电流脉冲幅值序列/>;
若电流脉冲幅值序列中存在电流脉冲幅值/>大于预设电流脉冲阈值,则确定第一待检测电气设备的状态为第一局部放电异常状态。
此外,在数据处理平台根据第二滤波信号序列确定对应的电流脉冲幅值序列/>之后,若电流脉冲幅值序列中未存在电流脉冲幅值/>大于预设电流脉冲阈值,则根据公式1以及第二滤波信号序列/>确定电流脉冲放电能量序列/>,其中,公式1为:
其中,为第二滤波信号/>对应的波动周期起始时刻,/>为第二滤波信号/>对应的波动周期终止时刻,/>为第二滤波信号/>在/>下的瞬态脉冲电流,/>为/>与之间的任一时刻。
若电流脉冲放电能量序列中存在电流脉冲放电能量/>大于预设电流脉冲放电能量阈值,则确定第一待检测电气设备的状态为第二局部放电异常状态。
进一步的,在根据公式1以及第二滤波信号序列确定电流脉冲放电能量序列/>之后,若电流脉冲放电能量序列/>中未存在电流脉冲放电能量/>大于预设电流脉冲放电能量阈值,则根据公式2确定第一待检测电气设备的设备电流脉冲放电能量/>,公式2为:
/>
若设备电流脉冲放电能量大于预设设备电流脉冲放电能量阈值,则确定第一待检测电气设备的状态为第三局部放电异常状态。
值得说明的,通过上述步骤,不仅可以实现对于电气设备局部放电的检测,还可以通过不同的信号特征确定对应类型的局部放电异常类型,进而实现异常类型的自动判断与确定,为后续的检修提供了更加准确及针对性的信息输入。
在上述确定第一待检测电气设备的状态为局部放电异常状态的基础上,还可以进一步包括:
在第一种情况中,若确定第一待检测电气设备的状态为第一局部放电异常状态,则数据处理平台确定电流脉冲幅值序列中大于预设电流脉冲阈值的电流脉冲超幅序列/>,并根据电流脉冲超幅序列从待检测对象序列中确定局部放电异常对象序列S。其中,/>为电流脉冲超幅序列/>中电流脉冲幅值的个数。
在第二种情况中,若确定第一待检测电气设备的状态为第二局部放电异常状态,则数据处理平台确定中大于预设电流脉冲放电能量阈值的电流脉冲放电超能量序列/>, 并根据电流脉冲放电超能量序列/>从待检测对象序列中确定局部放电异常对象序列S。其中,/>为电流脉冲放电超能量序列/>中电流脉冲放电能量的个数。
在第三种情况中,若确定第一待检测电气设备的状态为第三局部放电异常状态,则数据处理平台确定待检测对象序列为局部放电异常对象序列S。
通过上述步骤,可以是实现对于电气设备下一个层级检测对象的局部放电定位,进而为后续维修提供颗粒度更高的输入信息,从而提高后续的维修效率。
S204、数据处理平台通过通信模块向外部检修终端发送局部异常放电检修信息。
在本步骤中,局部放电异常检测系统还可以包括通信模块,通信模块与外部检修终端通信连接。对应的,在确定局部放电异常对象序列S之后,数据处理平台通过通信模块向外部检修终端发送局部异常放电检修信息。可选的,局部异常放电检修信息包括第一待检测电气设备的电气设备标识码、局部放电异常对象序列S所对应的对象标识码序列以及局部放电异常状态的异常状态类型,异常状态类型包括第一局部放电异常状态、第二局部放电异常状态以及第三局部放电异常状态,从而使得检修人员可以根据外部检修终端上所显示的局部异常放电检修信息对存在局部放电异常的电气设备进行快速且准确的定位,以及对电气设备内部的各个对象进行准确的检修,从而提高检测以及检修效率。
图3是本申请根据一示例实施例示出的局部放电异常检测系统的结构示意图。如图3所示,本实施例提供的局部放电异常检测系统300,包括:
数据处理平台310以及检测传感器集合320,所述检测传感器集合320包括第一类传感器集群321以及第二类传感器集群322,所述第一类传感器集群321与所述第二类传感器集群322中的各个传感器分别与所述数据处理平台310通信连接;
在第一时间节点,通过所述第一类传感器集群321中的第一传感器获取待检测电气设备集群中第一待检测电气设备的第一特征信号,并将所述第一特征信号发送至所述数据处理平台310,其中,所述第一类传感器集群321中的每个传感器对应检测所述待检测电气设备集群中的一个待检测电气设备;
若所述数据处理平台310确定所述第一特征信号存在第一预设信号特征,则通过所述第二类传感器集群322中的第二传感器序列获取待检测对象序列的第二特征信号序列,所述待检测对象序列为所述第一待检测电气设备中多个待检测对象所构成的序列,其中,所述第二传感器序列中的每个传感器对应检测所述待检测对象序列中的一个待检测对象;
若所述数据处理平台310根据预设特征信号分析模型确定所述第二特征信号序列中的至少一个异常特征信号,则确定所述第一待检测电气设备的状态为局部放电异常状态。
可选的,所述第一类传感器集群321包括多个超声波传感器,所述第一传感器为第一超声波传感器,所述第一超声波传感器设置于所述第一待检测电气设备的壳体外侧壁上;
所述第二类传感器集群322包括多个电流传感器,所述第二传感器序列为多个第二电流传感器所组成的序列,所述第二传感器序列设置于所述第一待检测电气设备的壳体的内部,各个所述第二电流传感器设置于对应的待检测对象的接地端。
可选的,所述数据处理平台310根据预设带通滤波器特征参数以及预设滤波器对所述第二特征信号序列中的各个第二特征信号/>进行背景噪声滤波处理,以确定第二滤波信号序列/>,其中,所述预设带通滤波器特征参数包括预设背景噪声中心频率以及预设通带宽度,所述预设滤波器为特沃斯滤波器、切比雪夫滤波器以及椭圆滤波器中的一个或多个的组合;
所述数据处理平台310根据第二滤波信号序列确定对应的电流脉冲幅值序列;
若所述电流脉冲幅值序列中存在电流脉冲幅值/>大于预设电流脉冲阈值,则确定所述第一待检测电气设备的状态为第一局部放电异常状态。
可选的,若所述电流脉冲幅值序列中未存在电流脉冲幅值/>大于所述预设电流脉冲阈值,则根据公式1以及所述第二滤波信号序列确定电流脉冲放电能量序列,其中,公式1为:/>
其中,为第二滤波信号/>对应的波动周期起始时刻,/>为第二滤波信号/>对应的波动周期终止时刻,/>为第二滤波信号/>在/>下的瞬态脉冲电流,/>为/>与之间的任一时刻;
若所述电流脉冲放电能量序列 中存在电流脉冲放电能量/>大于预设电流脉冲放电能量阈值,则确定所述第一待检测电气设备的状态为第二局部放电异常状态。
可选的,若所述电流脉冲放电能量序列中未存在电流脉冲放电能量/>大于所述预设电流脉冲放电能量阈值,则根据公式2确定所述第一待检测电气设备的设备电流脉冲放电能量/>,所述公式2为:
若所述设备电流脉冲放电能量大于预设设备电流脉冲放电能量阈值,则确定所述第一待检测电气设备的状态为第三局部放电异常状态。
可选的,若确定所述第一待检测电气设备的状态为所述第一局部放电异常状态,则所述数据处理平台310确定所述电流脉冲幅值序列中大于所述预设电流脉冲阈值的电流脉冲超幅序列/>,并根据所述电流脉冲超幅序列/>从所述待检测对象序列中确定局部放电异常对象序列S;或者,
若确定所述第一待检测电气设备的状态为所述第二局部放电异常状态,则所述数据处理平台310确定所述中大于所述预设电流脉冲放电能量阈值的电流脉冲放电超能量序列/>, 并根据所述电流脉冲放电超能量序列/>从所述待检测对象序列中确定局部放电异常对象序列S;或者,
若确定所述第一待检测电气设备的状态为所述第三局部放电异常状态,则所述数据处理平台310确定所述待检测对象序列为局部放电异常对象序列S。
可选的,所述局部放电异常检测系统还包括通信模块330,所述通信模块330与外部检修终端通信连接;
所述数据处理平台310通过所述通信模块330向所述外部检修终端发送局部异常放电检修信息,所述局部异常放电检修信息包括所述第一待检测电气设备的电气设备标识码、所述局部放电异常对象序列S所对应的对象标识码序列以及所述局部放电异常状态的异常状态类型,所述异常状态类型包括所述第一局部放电异常状态、所述第二局部放电异常状态以及所述第三局部放电异常状态。
图4是本申请根据一示例实施例示出的电子设备的结构示意图。如图4所示,本实施例提供的一种电子设备400包括:处理器401以及存储器402;其中:
存储器402,用于存储计算机程序,该存储器还可以是flash(闪存)。
处理器401,用于执行存储器存储的执行指令,以实现上述方法中的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地,存储器402既可以是独立的,也可以跟处理器401集成在一起。
当所述存储器402是独立于处理器401之外的器件时,所述电子设备400还可以包括:
总线403,用于连接所述存储器402和处理器401。
本实施例还提供一种可读存储介质,可读存储介质中存储有计算机程序,当电子设备的至少一个处理器执行该计算机程序时,电子设备执行上述的各种实施方式提供的方法。
本实施例还提供一种程序产品,该程序产品包括计算机程序,该计算机程序存储在可读存储介质中。电子设备的至少一个处理器可以从可读存储介质读取该计算机程序,至少一个处理器执行该计算机程序使得电子设备实施上述的各种实施方式提供的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种基于人工智能的电气设备局部放电异常检测方法,其特征在于,应用于局部放电异常检测系统,所述局部放电异常检测系统包括数据处理平台以及检测传感器集合,所述检测传感器集合包括第一类传感器集群以及第二类传感器集群,所述第一类传感器集群与所述第二类传感器集群中的各个传感器分别与所述数据处理平台通信连接;所述方法包括:
在第一时间节点,通过所述第一类传感器集群中的第一传感器获取待检测电气设备集群中第一待检测电气设备的第一特征信号,并将所述第一特征信号发送至所述数据处理平台,其中,所述第一类传感器集群中的每个传感器对应检测所述待检测电气设备集群中的一个待检测电气设备;
若所述数据处理平台确定所述第一特征信号存在第一预设信号特征,则通过所述第二类传感器集群中的第二传感器序列获取待检测对象序列的第二特征信号序列,所述待检测对象序列为所述第一待检测电气设备中多个待检测对象所构成的序列,其中,所述第二传感器序列中的每个传感器对应检测所述待检测对象序列中的一个待检测对象;
若所述数据处理平台根据预设特征信号分析模型确定所述第二特征信号序列中的至少一个异常特征信号,则确定所述第一待检测电气设备的状态为局部放电异常状态。
2.根据权利要求1所述的基于人工智能的电气设备局部放电异常检测方法,其特征在于,所述第一类传感器集群包括多个超声波传感器,所述第一传感器为第一超声波传感器,所述第一超声波传感器设置于所述第一待检测电气设备的壳体外侧壁上;
所述第二类传感器集群包括多个电流传感器,所述第二传感器序列为多个第二电流传感器所组成的序列,所述第二传感器序列设置于所述第一待检测电气设备的壳体的内部,各个所述第二电流传感器设置于对应的待检测对象的接地端。
3.根据权利要求2所述的基于人工智能的电气设备局部放电异常检测方法,其特征在于,若所述数据处理平台根据预设特征信号分析模型确定所述第二特征信号序列中的至少一个异常特征信号,则确定所述第一待检测电气设备的状态为局部放电异常状态,包括:
所述数据处理平台根据预设带通滤波器特征参数以及预设滤波器对所述第二特征信号序列 中的各个第二特征信号/>进行背景噪声滤波处理,以确定第二滤波信号序列/>,其中,所述预设带通滤波器特征参数包括预设背景噪声中心频率以及预设通带宽度,所述预设滤波器为特沃斯滤波器、切比雪夫滤波器以及椭圆滤波器中的一个或多个的组合;
所述数据处理平台根据第二滤波信号序列确定对应的电流脉冲幅值序列 />;
若所述电流脉冲幅值序列 中存在电流脉冲幅值/>大于预设电流脉冲阈值,则确定所述第一待检测电气设备的状态为第一局部放电异常状态。
4.根据权利要求3所述的基于人工智能的电气设备局部放电异常检测方法,其特征在于,在所述数据处理平台根据第二滤波信号序列确定对应的电流脉冲幅值序列/>之后,还包括:
若所述电流脉冲幅值序列中未存在电流脉冲幅值/>大于所述预设电流脉冲阈值,则根据公式1以及所述第二滤波信号序列确定电流脉冲放电能量序列,其中,公式1为:
,
其中, 为第二滤波信号/>对应的波动周期起始时刻,/>为第二滤波信号/>对应的波动周期终止时刻,/>为第二滤波信号/>在/>下的瞬态脉冲电流,/>为/>与/>之间的任一时刻;
若所述电流脉冲放电能量序列中存在电流脉冲放电能量/>大于预设电流脉冲放电能量阈值,则确定所述第一待检测电气设备的状态为第二局部放电异常状态。
5.根据权利要求4所述的基于人工智能的电气设备局部放电异常检测方法,其特征在于,在根据公式1以及所述第二滤波信号序列确定电流脉冲放电能量序列/>之后,还包括:
若所述电流脉冲放电能量序列中未存在电流脉冲放电能量/>大于所述预设电流脉冲放电能量阈值,则根据公式2确定所述第一待检测电气设备的设备电流脉冲放电能量/>,所述公式2为:
,
若所述设备电流脉冲放电能量大于预设设备电流脉冲放电能量阈值,则确定所述第一待检测电气设备的状态为第三局部放电异常状态。
6.根据权利要求5所述的基于人工智能的电气设备局部放电异常检测方法,其特征在于,在所述确定所述第一待检测电气设备的状态为局部放电异常状态之后,还包括:
若确定所述第一待检测电气设备的状态为所述第一局部放电异常状态,则所述数据处理平台确定所述电流脉冲幅值序列中大于所述预设电流脉冲阈值的电流脉冲超幅序列/>,并根据所述电流脉冲超幅序列/>从所述待检测对象序列中确定局部放电异常对象序列S;或者,
若确定所述第一待检测电气设备的状态为所述第二局部放电异常状态,则所述数据处理平台确定所述中大于所述预设电流脉冲放电能量阈值的电流脉冲放电超能量序列/>, 并根据所述电流脉冲放电超能量序列/>从所述待检测对象序列中确定局部放电异常对象序列S;或者,
若确定所述第一待检测电气设备的状态为所述第三局部放电异常状态,则所述数据处理平台确定所述待检测对象序列为局部放电异常对象序列S。
7.根据权利要求6所述的基于人工智能的电气设备局部放电异常检测方法,其特征在于,所述局部放电异常检测系统还包括通信模块,所述通信模块与外部检修终端通信连接;对应的,在确定所述局部放电异常对象序列S之后,还包括:
所述数据处理平台通过所述通信模块向所述外部检修终端发送局部异常放电检修信息,所述局部异常放电检修信息包括所述第一待检测电气设备的电气设备标识码、所述局部放电异常对象序列S所对应的对象标识码序列以及所述局部放电异常状态的异常状态类型,所述异常状态类型包括所述第一局部放电异常状态、所述第二局部放电异常状态以及所述第三局部放电异常状态。
8.一种局部放电异常检测系统,其特征在于,包括:数据处理平台以及检测传感器集合,所述检测传感器集合包括第一类传感器集群以及第二类传感器集群,所述第一类传感器集群与所述第二类传感器集群中的各个传感器分别与所述数据处理平台通信连接;
在第一时间节点,通过所述第一类传感器集群中的第一传感器获取待检测电气设备集群中第一待检测电气设备的第一特征信号,并将所述第一特征信号发送至所述数据处理平台,其中,所述第一类传感器集群中的每个传感器对应检测所述待检测电气设备集群中的一个待检测电气设备;
若所述数据处理平台确定所述第一特征信号存在第一预设信号特征,则通过所述第二类传感器集群中的第二传感器序列获取待检测对象序列的第二特征信号序列,所述待检测对象序列为所述第一待检测电气设备中多个待检测对象所构成的序列,其中,所述第二传感器序列中的每个传感器对应检测所述待检测对象序列中的一个待检测对象;
若所述数据处理平台根据预设特征信号分析模型确定所述第二特征信号序列中的至少一个异常特征信号,则确定所述第一待检测电气设备的状态为局部放电异常状态。
9.一种电子设备,其特征在于,包括:
处理器;以及,
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410311134.9A CN117909911B (zh) | 2024-03-19 | 2024-03-19 | 基于人工智能的电气设备局部放电异常检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410311134.9A CN117909911B (zh) | 2024-03-19 | 2024-03-19 | 基于人工智能的电气设备局部放电异常检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117909911A true CN117909911A (zh) | 2024-04-19 |
CN117909911B CN117909911B (zh) | 2024-06-14 |
Family
ID=90682343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410311134.9A Active CN117909911B (zh) | 2024-03-19 | 2024-03-19 | 基于人工智能的电气设备局部放电异常检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117909911B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108957260A (zh) * | 2018-07-10 | 2018-12-07 | 国网北京市电力公司 | 局部放电检测系统及方法、存储介质、处理器 |
CN109490730A (zh) * | 2018-12-19 | 2019-03-19 | 国网北京市电力公司 | 电缆放电检测方法、装置、存储介质及处理器 |
CN110275094A (zh) * | 2019-05-05 | 2019-09-24 | 电子科技大学 | 一种高压电缆局部放电声光联合检测方法及系统 |
KR20210059267A (ko) * | 2019-11-15 | 2021-05-25 | 한국타이어앤테크놀로지 주식회사 | 데이터 수집 시스템 및 방법 |
CN114113943A (zh) * | 2021-11-25 | 2022-03-01 | 广东电网有限责任公司广州供电局 | 基于电流和超声信号的变压器局放检测系统、方法及设备 |
CN114252749A (zh) * | 2022-02-28 | 2022-03-29 | 国网湖北省电力有限公司检修公司 | 基于多传感器的变压器局部放电检测方法及装置 |
CN114814497A (zh) * | 2022-05-12 | 2022-07-29 | 国网陕西省电力有限公司电力科学研究院 | 局部放电检测方法、装置、设备、系统、存储介质 |
CN116340878A (zh) * | 2023-02-17 | 2023-06-27 | 西安交通大学 | 电力设备局部放电多参量融合识别方法、装置、电子设备 |
CN116363350A (zh) * | 2023-04-25 | 2023-06-30 | 上海莫克电子技术有限公司 | 局部放电检测系统的平衡补偿方法及相关装置 |
CN116736047A (zh) * | 2023-02-24 | 2023-09-12 | 广东电网有限责任公司 | 变压器局部放电联合检测方法、装置、存储装置以及系统 |
JP7377387B1 (ja) * | 2023-04-05 | 2023-11-09 | 株式会社東陽テクニカ | 異常検出システム、装置、方法及びプログラム |
CN117214780A (zh) * | 2023-11-08 | 2023-12-12 | 湖南华夏特变股份有限公司 | 变压器故障检测方法及装置 |
CN117590172A (zh) * | 2023-11-29 | 2024-02-23 | 南方电网通用航空服务有限公司 | 应用于变压器的局部放电声电联合定位方法、装置和设备 |
-
2024
- 2024-03-19 CN CN202410311134.9A patent/CN117909911B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108957260A (zh) * | 2018-07-10 | 2018-12-07 | 国网北京市电力公司 | 局部放电检测系统及方法、存储介质、处理器 |
CN109490730A (zh) * | 2018-12-19 | 2019-03-19 | 国网北京市电力公司 | 电缆放电检测方法、装置、存储介质及处理器 |
CN110275094A (zh) * | 2019-05-05 | 2019-09-24 | 电子科技大学 | 一种高压电缆局部放电声光联合检测方法及系统 |
KR20210059267A (ko) * | 2019-11-15 | 2021-05-25 | 한국타이어앤테크놀로지 주식회사 | 데이터 수집 시스템 및 방법 |
CN114113943A (zh) * | 2021-11-25 | 2022-03-01 | 广东电网有限责任公司广州供电局 | 基于电流和超声信号的变压器局放检测系统、方法及设备 |
CN114252749A (zh) * | 2022-02-28 | 2022-03-29 | 国网湖北省电力有限公司检修公司 | 基于多传感器的变压器局部放电检测方法及装置 |
CN114814497A (zh) * | 2022-05-12 | 2022-07-29 | 国网陕西省电力有限公司电力科学研究院 | 局部放电检测方法、装置、设备、系统、存储介质 |
CN116340878A (zh) * | 2023-02-17 | 2023-06-27 | 西安交通大学 | 电力设备局部放电多参量融合识别方法、装置、电子设备 |
CN116736047A (zh) * | 2023-02-24 | 2023-09-12 | 广东电网有限责任公司 | 变压器局部放电联合检测方法、装置、存储装置以及系统 |
JP7377387B1 (ja) * | 2023-04-05 | 2023-11-09 | 株式会社東陽テクニカ | 異常検出システム、装置、方法及びプログラム |
CN116363350A (zh) * | 2023-04-25 | 2023-06-30 | 上海莫克电子技术有限公司 | 局部放电检测系统的平衡补偿方法及相关装置 |
CN117214780A (zh) * | 2023-11-08 | 2023-12-12 | 湖南华夏特变股份有限公司 | 变压器故障检测方法及装置 |
CN117590172A (zh) * | 2023-11-29 | 2024-02-23 | 南方电网通用航空服务有限公司 | 应用于变压器的局部放电声电联合定位方法、装置和设备 |
Non-Patent Citations (5)
Title |
---|
SIVAJI CHAKRAVORTI等: "Partial Discharge Measurement and Analysis", RECENT TRENDS IN THE CONDITION MONITORING OF TRANSFORMERS, 22 October 2013 (2013-10-22), pages 61 * |
合众电气: "局部放电试验标准GB/T 7354-2018术语定义", Retrieved from the Internet <URL:http://www.hzdq.com/index.php/index-view-aid-2637.html> * |
李方利等: "基于多传感器融合技术的电缆附件局部放电检测系统", 电器与能效管理技术, vol. 06, 30 June 2020 (2020-06-30), pages 53 - 60 * |
梁园园: "电力电缆局部放电在线检测技术研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, 15 February 2020 (2020-02-15), pages 042 - 1404 * |
江苏久创电气科技有限公司: "电缆局部放电的类型、危害及解决方案", Retrieved from the Internet <URL:https://www.ybzhan.cn/tech_news/552907.html> * |
Also Published As
Publication number | Publication date |
---|---|
CN117909911B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106526383B (zh) | 避雷器状态监测系统及监测方法 | |
CN108375718B (zh) | 对相位分辨局部放电的评估 | |
Qi et al. | Severity diagnosis and assessment of the partial discharge provoked by high-voltage electrode protrusion on GIS insulator surface | |
CN113109674B (zh) | 变压器套管的监测方法、装置、设备、系统和存储介质 | |
JP4378478B2 (ja) | 部分放電開始電圧計測方法及びその装置 | |
CN117909911B (zh) | 基于人工智能的电气设备局部放电异常检测方法 | |
JP2009210541A (ja) | エポキシ絶縁形電気機器の部分放電検出方法および部分放電検出装置 | |
JP2008191113A (ja) | ケーブル終端部の部分放電検出装置 | |
JP2021025881A (ja) | 部分放電検出装置および部分放電監視システム | |
JP6008833B2 (ja) | 部分放電検出方法および部分放電検出装置 | |
Sadeghi et al. | Condition monitoring of large electrical machine under partial discharge fault-A review | |
US11609259B2 (en) | Method for detecting an electrical discharge in an electrical apparatus and a system therefor | |
EP0415370A1 (en) | Power apparatus, power transmission/distribution unit, and tripping method therefor | |
CN114034990A (zh) | 一种高压电气设备在线诊断系统和方法 | |
Achatz et al. | Features and benefits of UHF partial discharge monitoring systems for GIS | |
Aslam et al. | Prognostication of Failures Using Signal-to-Noise Ratio to Determine Partial Discharges Activities in Power Transformers | |
CN220040635U (zh) | 一种超声波局放监测装置 | |
CN201984134U (zh) | 一种500千伏交联电缆局部放电在线监测装置 | |
CN106646144A (zh) | 一种电力绝缘材料的局部放电检测方法 | |
KR100912094B1 (ko) | 부분 방전 신호 측정시 외부 잡음 제거 방법 | |
KR20160093452A (ko) | 몰드변압기의 절연결함 판단 장치 및 방법 | |
CN118130983B (zh) | 一种配电柜异常检测方法 | |
JPH04212076A (ja) | 電気機器の異常診断方法およびその装置 | |
CN117892067B (zh) | 一种低频电流局放监测抗干扰方法、装置、设备及介质 | |
CN113866621B (zh) | 一种高压开关柜的局部放电信号检测系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |