CN217181103U - 一种高压开关柜的监测系统 - Google Patents
一种高压开关柜的监测系统 Download PDFInfo
- Publication number
- CN217181103U CN217181103U CN202122651865.2U CN202122651865U CN217181103U CN 217181103 U CN217181103 U CN 217181103U CN 202122651865 U CN202122651865 U CN 202122651865U CN 217181103 U CN217181103 U CN 217181103U
- Authority
- CN
- China
- Prior art keywords
- voltage switch
- switch cabinet
- sensing unit
- monitoring system
- type
- 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.)
- Active
Links
Images
Abstract
一种高压开关柜的监测系统,包括:第一类传感单元,其基于双光谱红外热成像对高压开关柜及其周围物体进行感测,并根据成像的焦距设置在距离高压开关柜的对应距离处以确保成像视野包括高压开关柜、高压开关柜的周围物体、高压开关柜的背景;第二类传感单元,其对高压开关柜带电运行中的超声波和暂态地电位局放信号进行感测,其包括超声波传感器和暂态地电位传感器,传感器均匀分布在被检测的高压开关柜的外壳上且固定于所述高压开关柜的外壳上;第三类和第四类传感单元,其均设置在高压开关柜中的各个闸处,分别对分合闸线圈电流、分合闸时的振动进行感测;采集单元,其将各类传感单元感测所得的信号或数据转发至数据处理装置。
Description
技术领域
本实用新型涉及高压开关柜状态监测技术领域,特别是一种高压开关柜的监测系统。
背景技术
高压开关柜是变电站内的重要设备,开关柜也是电力系统的重要设备之一,高压开关柜内部绝缘闪络、异常发热及机构拒动故障等频发,对电网安全造成了严重的负面影响,其运行状态直接影响着电能质量和供电的可靠性。对开关柜进行检修是确保其安全可靠运行的必要手段,而现有的在线监测及带电检测手段局限于设备单一的状态量,未能实现基于多源信息的监测系统,且无法在不影响开关柜正常运行的情况下,获取开关柜的运行状态。
背景技术部分中公开的上述信息仅仅用于增强对本实用新型背景的理解,因此可能包含不构成本领域普通技术人员公知的现有技术的信息。
实用新型内容
鉴于上述问题,本实用新型的目的是为了克服上述现有技术存在的缺陷而提供一种高压开关柜的监测系统,克服了以上问题,在多源信息融合方面具有优势,其能够不影响开关柜正常运行的情况下,实现多源信息监测。
本实用新型的目的是通过以下技术方案予以实现。
一种高压开关柜的监测系统,其特征在于,包括:
第一类传感单元、第二类传感传感单元、第三类传感单元和第四类传感单元,和采集单元,以及数据处理装置;
第一类传感单元,其基于双光谱红外热成像对高压开关柜及其周围物体进行感测,并根据成像的焦距设置在距离高压开关柜的对应距离处以确保成像视野包括:高压开关柜、高压开关柜的周围物体、高压开关柜的背景;
第二类传感单元,其对高压开关柜带电运行中的超声波和暂态地电位局放信号进行感测,其中,第二类传感单元包括超声波传感器和暂态地电位传感器,超声波传感器和暂态地电位传感器均匀分布在被检测的高压开关柜的外壳上且固定于所述高压开关柜的外壳上;
第三类传感单元和第四类传感单元,其均设置在高压开关柜中的各个闸处,
其中,
第三类传感单元对分合闸线圈电流进行感测;
第四类传感单元对分合闸时的振动进行感测;
采集单元,其连接第一类传感单元至第四类传感单元,并将各类传感单元感测所得的信号或数据转发至数据处理装置。
优选的,
所述数据处理装置为服务器或PC。
优选的,
所述第一类传感单元为两个红外摄像机,或1个双目红外摄像机。
优选的,
所述双光谱红外热成像包括双通道成像。
优选的,
所述双光谱红外热成像包括双波段同步成像。
优选的,
所述第三类传感单元,还对合闸时间同期性、分闸时间同期性、合闸线圈电流、触头接触电阻和断路器累积电磨损进行感测和处理。
优选的,
所述第四类传感单元,还对平均分闸速度、平均合闸速度和合闸弹簧状态进行感测和处理。
优选的,
所述超声波传感器包括4个传感器,其中,4个超声波传感器分布在矩形的4个顶点,或者分布在正方形的4个顶点。
优选的,
所述暂态地电位传感器包括4个传感器,其中,4个暂态地电位传感器分布在矩形的4个顶点,或者分布在正方形的4个顶点。
优选的,
所述采集单元通过有线或无线的方式连接到数据处理装置。
与现有技术相比,本实用新型的有益效果是:
本实用新型的高压开关柜的监测系统可以在不影响开关柜正常运行的情况下,实现多源信息监测。·
附图说明
图1是本实用新型一个实施例中的结构示意图。
具体实施方式
下面结合附图1和具体实施例对本实用新型进行详细说明。本实施例以本实用新型技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本实用新型的保护范围不限于下述的实施例。
一种高压开关柜的监测系统,其特征在于,包括:
第一类传感单元、第二类传感传感单元、第三类传感单元和第四类传感单元,和采集单元,以及数据处理装置;
第一类传感单元,其基于双光谱红外热成像对高压开关柜及其周围物体进行感测,并根据成像的焦距设置在距离高压开关柜的对应距离处以确保成像视野包括:高压开关柜、高压开关柜的周围物体、高压开关柜的背景;
第二类传感单元,其对高压开关柜带电运行中的超声波和暂态地电位局放信号进行感测,其中,第二类传感单元包括超声波传感器和暂态地电位传感器,超声波传感器和暂态地电位传感器均匀分布在被检测的高压开关柜的外壳上且固定于所述高压开关柜的外壳上;
第三类传感单元和第四类传感单元,其均设置在高压开关柜中的各个闸处,
其中,
第三类传感单元对分合闸线圈电流进行感测;
第四类传感单元对分合闸时的振动进行感测;
采集单元,其连接第一类传感单元至第四类传感单元,并将各类传感单元感测所得的信号或数据转发至数据处理装置。
通过上述方案,所述高压开关柜的监测系统可以在不影响开关柜正常运行的情况下,实现多源信息监测。高压开关柜的监测系统具有成本低、操作简便、准确度高、稳定性优良、信息融合度高等优点,适合对开关柜进行多状态参量在线监测以及后期的信号/数据的分析。
在一个实施例中,
所述数据处理装置为服务器或PC。
在一个实施例中,
所述第一类传感单元为两个红外摄像机,或1个双目红外摄像机。
在一个实施例中,
所述双光谱红外热成像包括双通道成像。
在一个实施例中,
所述双光谱红外热成像包括双波段同步成像。
在一个实施例中,
所述第三类传感单元,还对合闸时间同期性、分闸时间同期性、合闸线圈电流、触头接触电阻和断路器累积电磨损进行感测和处理。
在一个实施例中,
所述第四类传感单元,还对平均分闸速度、平均合闸速度和合闸弹簧状态进行感测和处理。
在一个实施例中,
所述超声波传感器包括4个传感器,其中,4个超声波传感器分布在矩形的4个顶点,或者分布在正方形的4个顶点。
在一个实施例中,
所述暂态地电位传感器包括4个传感器,其中,4个暂态地电位传感器分布在矩形的4个顶点,或者分布在正方形的4个顶点。
能够理解,所述超声波传感器和暂态地电位传感器,可以包括更多个从而提高多源监测能力,例如,典型的,在高压开关柜的外壳的每个面,均匀的按照矩形或正方形的顶点设置对应的多个超声波传感器和暂态地电位传感器,更典型的,在不包括柜门的面上,还额外在矩形或正方形的几何中心设置额外的超声波传感器和暂态地电位传感器,从而全方位、立体、多源的进行监测并防止监测盲点。
更进一步的,对于第一类至第四类传感单元,还可以进一步采用基于边缘计算的传感单元,其不仅完成感测而且进一步在边缘侧进行信号或数据的处理。
在一个实施例中,
所述采集单元通过有线或无线的方式连接到数据处理装置。
更进一步的,所述采集单元可以进一步采用基于边缘计算的采集单元,其自身完成采集和转发至数据处理装置的同时,还用于在边缘侧进行信号或数据的一部分融合处理以便更加快速的在本地作出响应,例如报警等。
一种根据所述高压开关柜的监测系统执行的监测方法,所述方法由数据处理装置执行,包括如下步骤:
步骤一:通过各类传感器获得在运开关柜的多源状态监测信号,包括双光谱红外热成像、超声波和暂态地电位(TEV)局放、分合闸线圈电流、及振动监测数据。其中双光谱红外热成像、超声波和TEV局放监测数据属于绝缘类监测数据,分合闸线圈电流和振动信号监测数据属于机械类监测数据;
步骤二:通过深度卷积神经网络方法对绝缘类监测数据进行模式识别分类,获得初步证据源。同时采用支持向量机方法对机械类监测数据进行初步识别,获得初步证据源;
步骤三:采用加权思想将分类器各分类的准确率作为自适应权重对证据源进行修正,并引入不确定区间;
步骤四:根据前面修正后的证据体求解出相似度矩阵,以此作为权重矩阵赋予证据体不同的权重,经归一化得到新证据体并通过合成规则进行融合处理,即将一致性和冲突性同时进行处理,修改证据源;
步骤五:选择和新证据相似度最大的原证据对所述证据源的不确定区域进行再分配,得出评价结果并计算误差。
在一个实施例中,所述步骤一中,双光谱红外热成像采取双通道成像方式以双波段同步成像,所述温度分布包括基于背景图像的目标物体温度和周围物体的温度差,以及目标物体表面不同区域的温度差,并将上述监测数据加入数据集。
在一个实施例中,所述步骤一中,超声波传感器固定在被检测开关柜的外壳上,利用压电晶体作为声电转化元件,当其内部发生放电时,局部放电产生的声波信号传递到开关柜表面,由超声波传感器将超声信号转换为电信号,并将所述电信号作为监测数据加入数据集。
在一个实施例中,所述步骤一中,分合闸线圈电流监测数据包括合闸时间同期性、分闸时间同期性、合闸线圈电流、触头接触电阻和断路器累积电磨损。
在一个实施例中,所述步骤一中,所述振动信号包括平均分闸速度、平均合闸速度和合闸弹簧状态。
在一个实施例中,所述步骤二中,所述深度卷积神经网络由卷积层和池化层交替组成一个多层的深度结构,然后通过一个或多个全连接层,最后在输出层通过一个分类器将结果输出。
在一个实施例中,卷积层由多个二维卷积核组成,每个卷积核均可视为参数可训练学习的滤波器,输入样本数据通过卷积运算提取得到多个特征,一般称为特征子图。局部感受野方法使卷积层中的每一个特征子图只与前一层的部分特征图连接。卷积阶段利用权值共享减少了权值数量,降低了网络模型的复杂度。同时池化阶段利用图像局部相关性原理对特征图进行子抽样,在保留有效信息的同时减少数据处理量。通过逐层卷积及池化,逐级提取隐藏在数据中的特征信息。
深度卷积网络的前馈计算中,下一层的输入为上一层的输出,并通过激活函数逐层传递,因此总体上网络的输出O可表示为:
O=Fn(…(F2(F1(XW1)W2)…)Wn)
式中:W为网络各层的参数;X为输入数据;F为激活函数;下标n为网络总层数。
卷积层的计算中,每一个卷积核与上一层相连的若干个特征子图进行卷积计算,输出所得到的更多的特征子图,即卷积阶段的输入均为多个二维数组组成的三维数组,输出也为多个特征图组成的三维数组,然后将计算结果通过激活函数f,最终得到相应的特征子图x1为:
式中:*为二维离散卷积运算符;下标l为当前的网络层数;b为可训练的偏置项。
在一个实施例中,所述步骤三中,采用加权思想将分类器各分类的准确率作为自适应权重对证据源进行修正,并引入不确定区间,具体步骤如下:
设识别框架为Θ,该框架下有多个证据表示为E1,E2,...,Ek,这些证据对应的基本信任分配函数表示为m1,m2,...,mk,各焦元表示为Ai(i=1,2,...,n),将分类器各分类的准确率作为权重对证据源进行修正,构造证据体的基本信任分配函数(Basic ProbabilityAssignment,BPA):
式中,Rj是在证据Ei经分类器处理后焦元Ai的准确率,利用此对证据体进行加权处理,同时将不确定分配到Θ,表征其不确定区域,也符合识别框架不能包含所有的状态的实际情况。
在一个实施例中,所述步骤四的具体步骤为:
1)计算证据体间的相似系数:
式中:Ak为证据Ei和证据Ej的焦元间的交集。
2)根据相似系数构造证据间的相似矩阵:
3)基于相似矩阵构造新的证据体矩阵:
m′=S·m
式中:
m=(mi(A1),mi(A2)…mi(An))k×n,i=1,2,…,厅
m为原先的证据体矩阵,为满足每个证据的BPA之和为一,故对新的证据体矩阵按行进行归一化处理,得到证据体矩阵m″,新的焦元为:
4)针对修正后的证据体矩阵m″,采用Dempster合成规则进行证据融合,求解出的证据融合结果用M表示。
5)结合原先的证据体对融合结果M进行修改:
式中:Ej为原先的证据体和新的证据体之间的相似系数最大的一个证据,即该证据是最合理的证据,mj为对应的基本概率分配。基于此对融合结果的不确定区域进行再分配,提高了融合结果的确定度。
Claims (8)
1.一种高压开关柜的监测系统,其特征在于,包括:
第一类传感单元、第二类传感传感单元、第三类传感单元和第四类传感单元,和采集单元,以及数据处理装置;
第一类传感单元,其基于双光谱红外热成像对高压开关柜及其周围物体进行感测,并根据成像的焦距设置在距离高压开关柜的对应距离处以确保成像视野包括:高压开关柜、高压开关柜的周围物体、高压开关柜的背景;
第二类传感单元,其对高压开关柜带电运行中的超声波和暂态地电位局放信号进行感测,其中,第二类传感单元包括超声波传感器和暂态地电位传感器,超声波传感器和暂态地电位传感器均匀分布在被检测的高压开关柜的外壳上且固定于所述高压开关柜的外壳上;
第三类传感单元和第四类传感单元,其均设置在高压开关柜中的各个闸处,
其中,
第三类传感单元对分合闸线圈电流进行感测;
第四类传感单元对分合闸时的振动进行感测;
采集单元,其连接第一类传感单元至第四类传感单元,并将各类传感单元感测所得的信号或数据转发至数据处理装置;
其中,第一类至第四类传感单元,采用基于边缘计算的传感单元。
2.如权利要求1所述的一种高压开关柜的监测系统,其特征在于,
所述数据处理装置为服务器或PC。
3.如权利要求1所述的一种高压开关柜的监测系统,其特征在于,
所述第一类传感单元为两个红外摄像机,或1个双目红外摄像机。
4.如权利要求1所述的一种高压开关柜的监测系统,其特征在于,
所述双光谱红外热成像包括双通道成像。
5.如权利要求1所述的一种高压开关柜的监测系统,其特征在于,
所述双光谱红外热成像包括双波段同步成像。
6.如权利要求1所述的一种高压开关柜的监测系统,其特征在于,
所述超声波传感器包括4个传感器,其中,4个超声波传感器分布在矩形的4个顶点,或者分布在正方形的4个顶点。
7.如权利要求1所述的一种高压开关柜的监测系统,其特征在于,
所述暂态地电位传感器包括4个传感器,其中,4个暂态地电位传感器分布在矩形的4个顶点,或者分布在正方形的4个顶点。
8.如权利要求1所述的一种高压开关柜的监测系统,其特征在于,
所述采集单元通过有线或无线的方式连接到数据处理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202122651865.2U CN217181103U (zh) | 2021-10-29 | 2021-10-29 | 一种高压开关柜的监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202122651865.2U CN217181103U (zh) | 2021-10-29 | 2021-10-29 | 一种高压开关柜的监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN217181103U true CN217181103U (zh) | 2022-08-12 |
Family
ID=82708035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202122651865.2U Active CN217181103U (zh) | 2021-10-29 | 2021-10-29 | 一种高压开关柜的监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN217181103U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114034338A (zh) * | 2021-10-29 | 2022-02-11 | 国网安徽省电力有限公司电力科学研究院 | 一种基于改进d-s证据理论的开关柜多源参量监测方法 |
-
2021
- 2021-10-29 CN CN202122651865.2U patent/CN217181103U/zh active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114034338A (zh) * | 2021-10-29 | 2022-02-11 | 国网安徽省电力有限公司电力科学研究院 | 一种基于改进d-s证据理论的开关柜多源参量监测方法 |
CN114034338B (zh) * | 2021-10-29 | 2023-08-11 | 国网安徽省电力有限公司电力科学研究院 | 一种基于改进d-s证据理论的开关柜多源参量监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Automatic fault diagnosis of infrared insulator images based on image instance segmentation and temperature analysis | |
Xia et al. | Infrared thermography‐based diagnostics on power equipment: State‐of‐the‐art | |
CN110334661A (zh) | 基于深度学习的红外输变电异常发热点目标检测方法 | |
CN110426415A (zh) | 基于深度卷积神经网络和图像分割的油浸式变压器内部热故障诊断方法 | |
CN107133943A (zh) | 一种防震锤缺陷检测的视觉检测方法 | |
CN105388414A (zh) | 一种隔离开关的全方位故障自动识别方法 | |
CN113486877B (zh) | 基于轻量化人工智能模型的电力设备红外图像实时检测与诊断方法 | |
CN113344475B (zh) | 基于序列模态分解的变压器套管缺陷识别方法及系统 | |
TC et al. | Enhanced deep convolutional neural network for fault signal recognition in the power distribution system | |
CN217181103U (zh) | 一种高压开关柜的监测系统 | |
CN101833673A (zh) | 电力开关柜开关状态图像识别系统 | |
CN113780060A (zh) | 一种基于多模态深度学习的高压开关柜态势感知方法 | |
Pei et al. | UV‐flashover evaluation of porcelain insulators based on deep learning | |
CN105374029B (zh) | 变电站设备红外图像感兴趣区域的分割方法及系统 | |
Corso et al. | Evaluation of visible contamination on power grid insulators using convolutional neural networks | |
CN115546259A (zh) | 一种用于变电站复杂场景下的多目标跟踪方法 | |
CN113807275B (zh) | 基于隐私保护类gan特征增强的居家视频跌倒检测方法 | |
Li et al. | Research on fault detection method of infrared thermal imaging for power equipment based on deep learning | |
CN112419243B (zh) | 一种基于红外图像分析的配电房设备故障识别方法 | |
Wu et al. | An infrared image detection of power equipment based on super‐resolution reconstruction and YOLOv4 | |
KR102289212B1 (ko) | 인공지능 기반 고장 진단 장치 및 방법 | |
CN116912483A (zh) | 目标检测方法、电子设备以及存储介质 | |
Ji et al. | STAE‐YOLO: Intelligent detection algorithm for risk management of construction machinery intrusion on transmission lines based on visual perception | |
CN114034338B (zh) | 一种基于改进d-s证据理论的开关柜多源参量监测方法 | |
CN110378407A (zh) | 基于纹理参数和神经网络的电力设备图像识别方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |