KR20140023814A - 가스절연개폐장치의 부분방전 진단방법 - Google Patents

가스절연개폐장치의 부분방전 진단방법 Download PDF

Info

Publication number
KR20140023814A
KR20140023814A KR1020120090307A KR20120090307A KR20140023814A KR 20140023814 A KR20140023814 A KR 20140023814A KR 1020120090307 A KR1020120090307 A KR 1020120090307A KR 20120090307 A KR20120090307 A KR 20120090307A KR 20140023814 A KR20140023814 A KR 20140023814A
Authority
KR
South Korea
Prior art keywords
partial discharge
unit time
data
gas insulated
insulated switchgear
Prior art date
Application number
KR1020120090307A
Other languages
English (en)
Inventor
김성일
최영찬
홍철용
김수남
Original Assignee
현대중공업 주식회사
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 현대중공업 주식회사 filed Critical 현대중공업 주식회사
Priority to KR1020120090307A priority Critical patent/KR20140023814A/ko
Publication of KR20140023814A publication Critical patent/KR20140023814A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
    • G01R31/1254—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of gas-insulated power appliances or vacuum gaps
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/08—Measuring electromagnetic field characteristics
    • G01R29/0864—Measuring electromagnetic field characteristics characterised by constructional or functional features
    • G01R29/0892—Details related to signal analysis or treatment; presenting results, e.g. displays; measuring specific signal features other than field strength, e.g. polarisation, field modes, phase, envelope, maximum value
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/327—Testing of circuit interrupters, switches or circuit-breakers

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Driving Mechanisms And Operating Circuits Of Arc-Extinguishing High-Tension Switches (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

본 발명은 부분방전의 진단 신뢰도를 향상시킬 수 있는 가스절연차단기의 부분방전 진단방법에 관한 것이다.
본 발명은, 온라인 진단시스템에 적용되어 가스절연개폐장치의 부분방전을 진단하는 방법에 있어서, 일정시간 동안 취득한 부분방전 데이터를 이용하여 복수의 단위시간별로 서로 다른 개수의 단위시간별 부분방전 데이터를 생성하는 제 1 단계; 상기 제 1 단계에서 생성된 단위시간별 부분방전 데이터들을 부분방전 크기 행렬의 열 벡터/행 벡터 및 부분방전 발생빈도 행렬의 열 벡터/행 벡터로 변환하여 특징량을 추출하는 제 2 단계; 및 상기 제 2 단계에서 추출된 단위시간별 부분방전 데이터의 특징량을 온라인 진단시스템에 구축되는 인공신경망 알고리즘에 입력변수로 적용하여 부분방전 결함원을 추론하는 제 3 단계를 포함하는 가스절연개폐장치의 부분방전 진단방법을 제공한다.

Description

가스절연개폐장치의 부분방전 진단방법{Method for detecting partial discharge of gas insulated switchgear}
본 발명은 가스절연개폐장치의 부분방전을 진단하는 방법에 관한 것으로, 상세하게는 일정시간 동안 측정된 가스절연개폐장치의 부분방전 데이터를 이용하여 복수의 단위시간별 부분방전 데이터를 생성하고, 생성된 단위시간별 부분방전 데이터로부터 특징량을 각각 추출하여 진단함으로써, 부분방전의 진단 신뢰도를 향상시킬 수 있는 가스절연차단기의 부분방전 진단방법에 관한 것이다.
변전소(Substation)는 송전선로(Transmission Line)와 배전선로(Distribution Line)의 사이에 위치하여, 높은 송전 전압을 낮은 배전 전압으로 변환시켜 준다. 변전소에는 송전선로와 배전선로를 연결하거나 분리하기 위한 개폐장치(Switchgear)가 설치되어 있는데, 이를 배전선로 개폐장치라고 한다.
배전선로 개폐장치는 그 종류에 따라 유압식, 자기식, 공기식 등으로 나뉘며, 특히 절연 내력이 우수한 SF6 가스를 이용하는 가스절연개폐장치(GIS: Gas Insulated Switchgear)가 널리 쓰이고 있다.
그러나 아무리 뛰어난 절연 성능이 있다고 해도 전력 계통의 특성상 한 번의 절연 사고가 미치는 사회적 혼란 또는 경제적 손실 등의 파급 효과가 워낙 크기 때문에 절연 사고 예방을 위해 철저한 점검이 필수적이다.
그러나, 곳곳에 산재해 있는 대용량 전력 설비를 인력으로 점검하는 것은 완벽을 기해야 하는 사고 예방 점검에 적합하지 않을뿐더러 사실상 불가능하다.
이에 따라, 배전선로 개폐장치의 가장 대표적인 열화 원인인 부분방전 현상을 자동으로 감지하기 위한 기술에 대한 연구가 널리 이루어지고 있다.
부분방전(PD: Partial Discharge)이란 높은 전압 스트레스 하에서 절연체의 주변 또는 내부를 따라 국부적으로 발생하는 방전 현상으로서, 흔히 자연적으로 형성된 물리적 간극(Void) 또는 개폐장치의 열화에 따라 부분적으로 갈라진 틈(Crack)에서 흔히 발생한다.
그러나 부분방전 현상은 눈에 보이지 않고 그 유형이 다양해서 검출 자동화가 어렵다. 부분방전은 전력의 누설에 따른 지속적인 전력 손실을 가져오는 한편, 그 효과가 누적될 경우 절연 물질에 비가역적인 물리적 화학적 변화를 가져올 수 있다.
이에 따라, 배전선로를 통한 전력 공급을 완전히 중단시키거나, 심각할 경우에는 설비의 폭발을 야기할 수도 있다.
종래 가스절연개폐장치(GIS: Gas Insulated Switchgear)의 부분방전 진단방법은 측정한 부분방전 데이터의 패턴분석을 통해 특징량 데이터인 입력 변수를 추출하여 인공신경망 알고리즘이나 퍼지 기법과 같은 인공지능기법에 적용하여 그 결과를 추론하는 방식으로 이루어진다.
이때, 종래 가스절연개폐장치의 부분방전 진단방법은 측정한 시간단위로 패턴분석을 수행한다. 예를 들면, 30초 단위의 부분방전 데이터를 취득하면 30초 단위의 데이터에서만 부분방전 패턴을 분석하여 진단하게 된다.
따라서, 일정시간 동안의 데이터에 대해서 한 번의 패턴 분석을 통하여 진단하게 되므로, 따라 작은 오차에도 신뢰도가 크게 영향을 받게 되어, 신뢰도가 낮아지게 되므로, 보다 신뢰도가 높은 진단을 수행하는 방법에 대한 연구가 필요한 실정이다.
본 발명은 상기와 같이 보다 신뢰도를 향상시킬 수 있는 부분방전 진단방법이 필요하다는 인식에서 안출된 것으로, 일정시간 동안 측정된 가스절연개폐장치의 부분방전 데이터를 이용하여 복수의 단위시간별 부분방전 데이터를 생성하고, 생성된 단위시간별 부분방전 데이터로부터 특징량을 각각 추출하여 진단함으로써, 부분방전의 진단 신뢰도를 향상시킬 수 있는 가스절연차단기의 부분방전 진단방법을 제공하는 것을 목적으로 한다.
상기와 같은 목적을 달성하기 위해 안출된 본 발명은, 온라인 진단시스템에 적용되어 가스절연개폐장치의 부분방전을 진단하는 방법에 있어서, 일정시간 동안 취득한 부분방전 데이터를 이용하여 복수의 단위시간별로 서로 다른 개수의 단위시간별 부분방전 데이터를 생성하는 제 1 단계; 상기 제 1 단계에서 생성된 단위시간별 부분방전 데이터들을 부분방전 크기 행렬의 열 벡터/행 벡터 및 부분방전 발생빈도 행렬의 열 벡터/행 벡터로 변환하여 특징량을 추출하는 제 2 단계; 및 상기 제 2 단계에서 추출된 단위시간별 부분방전 데이터의 특징량을 온라인 진단시스템에 구축되는 인공신경망 알고리즘에 입력변수로 적용하여 부분방전 결함원을 추론하는 제 3 단계를 포함하는 가스절연개폐장치의 부분방전 진단방법을 제공한다.
이때, 상기 복수의 단위시간은 부분방전 데이터를 측정한 일정시간의 약수로 이루어지며, 상기 단위시간별 부분방전 데이터는 단위시간의 역순의 개수로 생성될 수 있다.
한편, 상기 제 2 단계에 있어서, 특징량을 추출하기 위해서 단위시간별 부분방전 데이터의 각 행의 합을 통해 행 벡터를 구성하는 한편, 각 열의 합을 통해 열 벡터를 구성하여, 상기 행 벡터 및 상기 열 벡터로부터 평균값, 공분산, 중간값, 표준편차, 왜도, 첨도의 특징량을 추출하는 것을 특징으로 한다.
한편, 상기 제 3 단계에 있어서, 상기 인공신경망 알고리즘은 복수의 입력데이터를 패턴 인식할 수 있는 알고리즘으로, 추출된 특징량으로부터 단위시간별 부분방전 데이터별로 진단을 실시하고, 진단결과를 단위시간대별로 평균을 내어, 단위시간대별 진단 결과의 평균을 이용하여 최종적으로 부분방전 결함원을 추론하는 것을 특징으로 한다.
본 발명의 가스절연차단기의 부분방전 진단방법에 따르면, 일정시간 동안 측정된 부분방전 데이터를 복수의 시간대별로 나누어 특성을 진단하고, 시간대별로 평균을 내어 최종적으로 결함원을 추론함으로써, 진단과정에서 발생할 수 있는 오류를 최소화할 수 있으므로 부분방전의 진단 신뢰도를 향상시킬 수 있다.
도 1은 본 발명에 따른 가스절연개폐장치의 부분방전 진단방법에 있어서, 일정시간 동안 취득한 부분방전 데이터를 이용하여 복수의 시간단위별 부분방전 데이터를 생성하는 방법을 보인 도면
도 2는 본 발명에 따른 가스절연개폐장치의 부분방전 진단방법에 있어서, 복수의 시간단위별 부분방전 데이터를 이용한 특징량 추출을 설명하는 도면
도 3은 본 발명에 따른 가스절연개폐장치의 부분방전 진단방법에 있어서, 인공신경망 알고리즘을 이용하여 특징량으로부터 진단하는 방법을 설명하기 위한 도면
도 4는 본 발명에 따른 가스절연개폐장치의 부분방전 진단방법을 설명하는 흐름도
이하, 본 발명의 바람직한 실시 예를 첨부된 도면들을 참조하여 상세히 설명한다.
도 1은 본 발명에 따른 가스절연개폐장치의 부분방전 진단방법에 있어서, 일정시간 동안 취득한 부분방전 데이터를 이용하여 복수의 시간단위별 부분방전 데이터를 생성하는 방법을 보인 도면이고, 도 2는 본 발명에 따른 가스절연개폐장치의 부분방전 진단방법에 있어서, 복수의 시간단위별 부분방전 데이터를 이용한 특징량 추출을 설명하는 도면이고, 도 3은 본 발명에 따른 가스절연개폐장치의 부분방전 진단방법에 있어서, 인공신경망 알고리즘을 이용하여 특징량으로부터 진단하는 방법을 설명하기 위한 도면이고, 도 4는 본 발명에 따른 가스절연개폐장치의 부분방전 진단방법을 설명하는 흐름도이다.
본 발명에 따른 가스절연개폐장치의 부분방전 진단방법은 종래의 진단방법과 달리 일정시간 취득한 부분방전 데이터를 이용하여 복수의 단위시간별 부분방전 데이터를 생성한다는 점과, 생성된 단위시간별 부분방전 데이터들을 열 벡터/행 벡터로 변환하여 특징량을 추출한다는 점과, 추출된 특징량을 복수의 입력데이터를 패턴 인식할 수 있는 인공신경망 알고리즘에 적용하여 결함원을 추론한다는 점을 특징으로 한다.
우선, 도 1 내지 도 4를 참조하면, 이와 같은 특징을 갖는 본 발명에 따른 가스절연개폐장치의 부분방전 진단방법은, 일정시간 동안 취득한 부분방전 데이터를 이용하여 복수의 단위시간별로 서로 다른 개수의 단위시간별 부분방전 데이터를 생성하는 제 1 단계; 상기 제 1 단계에서 생성된 단위시간별 부분방전 데이터들을 부분방전 크기 행렬의 열 벡터/행 벡터 및 부분방전 발생빈도 행렬의 열 벡터/행 벡터로 변환하여 특징량을 추출하는 제 2 단계; 및 상기 제 2 단계에서 추출된 단위시간별 부분방전 데이터의 특징량을 온라인 진단시스템에 구축되는 인공신경망 알고리즘에 입력변수로 적용하여 부분방전 결함원을 추론하는 제 3 단계를 포함한다.
좀 더 상세하게는, 제 1 단계에서는 일정시간 동안 취득한 부분방전 데이터를 이용하여 복수의 단위시간별 부분방전 데이터를 생성한다(S10).
이때, 상기 단위시간별 부분방전 데이터는 복수의 단위시간별로 생성되는데, 복수의 단위시간은 부분방전 데이터를 측정한 일정시간의 약수로 이루어지며, 복수의 단위시간별로 생성되는 부분방전 데이터의 개수는 서로 다르며, 단위시간의 역순의 개수로 생성될 수 있다.
가령, M초 동안 부분방전 데이터를 취득하였고, M의 약수를 1, N1, N2 및 M이라 하면, 1초 데이터를 M개, N1초 데이터를 N2개, N2초 데이터를 N1개, M초 데이터를 1개 생성하게 된다.
예를 들어, 8초 동안 부분방전 데이터를 취득하였다면, 8의 약수는 1, 2, 4, 8이므로, 1초 단위의 데이터가 8개, 2초 단위의 데이터가 4개, 4초 단위의 데이터가 2개, 8초 단위의 데이터가 1개인 변환 부분방전 데이터가 생성된다.
즉, 취득 데이터를 기반으로 생성된 변환 데이터는 1초 단위의 8개 데이터, 2초 단위의 4개 데이터, 4초 단위의 2개 데이터 및 8초 단위의 1개 데이터로 구성되는 것이다.
제 2 단계에서는, 상기 제 1 단계에서 생성된 단위시간별 부분방전 데이터들을 부분방전 크기 행렬의 열 벡터/행 벡터 및 부분방전 발생빈도 행렬의 열 벡터/행 벡터로 변환하여 특징량을 추출한다(S20).
이때, 특징량을 추출하기 위해서 M×N(M: 주기, N: 위상의 N분할) 행렬의 형태를 갖는 단위시간별 부분방전 데이터의 각 행의 합을 통해 1×N 차원의 새로운 형태의 행 벡터를 구성한다. 상기 행 벡터를 이용하여 평균값, 공분산, 중간값, 표준편차, 왜도, 첨도 등과 같은 특징량을 추출한다.
또한, M×N(M: 주기, N: 위상의 N분할) 행렬의 형태를 갖는 단위시간별 부분방전 데이터의 각 열의 합을 통해 M×1차원의 새로운 형태의 열 벡터를 구성한다. 상기 열 벡터는 각 변환 부분방전 데이터의 주기 특성을 가지므로, 이를 이용하여, 평균값, 공분산, 중간값, 표준편차, 왜도, 첨도 등과 같은 특징량을 추출한다.
부분방전 행렬은 크게 부분방전 크기 행렬 및 부분방전 발생빈도 행렬에 해당하는 특징량을 통계 특징량(Stastical features), 질감 특징량(Texture features), 및 기타 특징량으로 나누어 추출한다.
상기 행 벡터 및 열 벡터를 이용하여 가스절연개폐장치의 부분방전 데이터의 특징량을 추출한다. 이때, 특징량 추출시에는 사전 구축된 기준 특징량 데이터와 비교하여 추출하게 된다.
제 3 단계에서는, 상기 제 2 단계에서 추출된 단위시간별 부분방전 데이터의 특징량을 온라인 진단시스템에 구축되는 인공신경망 알고리즘에 입력변수로 적용하여 부분방전 결함원을 추론한다(S30).
상기 인공신경망 알고리즘은 복수의 입력데이터를 패턴 인식할 수 있는 알고리즘으로, 추출된 특징량으로부터 단위시간별 부분방전 데이터별로 진단을 실시하고, 진단결과를 단위시간대별로 평균을 내어, 단위시간대별 진단 결과의 평균을 이용하여 최종적으로 부분방전 결함원을 추론하게 된다.
예를 들어, 본 발명의 인공신경망 알고리즘에 따르면, 8개의 1초 단위의 데이터 각각에 대한 진단 결과의 평균, 4개의 2초 단위의 데이터 각각에 대한 진단 결과의 평균, 2개의 4초 단위의 데이터 각각에 대한 진단 결과의 평균 및 1개의 8초 단위의 데이터에 대한 진단 결과의 평균을 기반으로 최종 진단하여 부분방전 결함원을 추론하게 된다.
본 발명에 따른 진단방법은 측정 시간단위 데이터로만 진단하는 방법보다 더 높은 진단일치율을 나타내는 것을 확인하였으며, 본 발명에 따른 진단방법이 가스절연개폐장치를 진단하기 위한 온라인 진단시스템에 탑재되어 운용될 경우, 부분방전 결함원 추정 기능 향상에 크게 기여할 것으로 사료된다.
한편, 본 발명에 따른 가스절연개폐장치의 부분방전 진단방법을 한정된 실시 예에 따라 설명하였지만, 본 발명의 범위는 특정 실시 예에 한정되는 것은 아니며, 본 발명과 관련하여 통상의 지식을 가진 자에게 자명한 범위 내에서 여러 가지의 대안, 수정 및 변경하여 실시할 수 있다.
따라서, 본 발명에 기재된 실시 예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (4)

  1. 온라인 진단시스템에 적용되어 가스절연개폐장치의 부분방전을 진단하는 방법에 있어서,
    일정시간 동안 취득한 부분방전 데이터를 이용하여 복수의 단위시간별로 서로 다른 개수의 단위시간별 부분방전 데이터를 생성하는 제 1 단계;
    상기 제 1 단계에서 생성된 단위시간별 부분방전 데이터들을 부분방전 크기 행렬의 열 벡터/행 벡터 및 부분방전 발생빈도 행렬의 열 벡터/행 벡터로 변환하여 특징량을 추출하는 제 2 단계; 및
    상기 제 2 단계에서 추출된 단위시간별 부분방전 데이터의 특징량을 온라인 진단시스템에 구축되는 인공신경망 알고리즘에 입력변수로 적용하여 부분방전 결함원을 추론하는 제 3 단계를 포함하는 가스절연개폐장치의 부분방전 진단방법.
  2. 제 1 항에 있어서,
    상기 복수의 단위시간은 부분방전 데이터를 측정한 일정시간의 약수로 이루어지며, 상기 단위시간별 부분방전 데이터는 단위시간의 역순의 개수로 생성되는 가스절연개폐장치의 부분방전 진단방법.
  3. 제 1 항에 있어서,
    특징량을 추출하기 위해서 단위시간별 부분방전 데이터의 각 행의 합을 통해 행 벡터를 구성하는 한편, 각 열의 합을 통해 열 벡터를 구성하여, 상기 행 벡터 및 상기 열 벡터로부터 평균값, 공분산, 중간값, 표준편차, 왜도, 첨도의 특징량을 추출하는 것을 특징으로 하는 가스절연개폐장치의 부분방전 진단방법.
  4. 제 1 항에 있어서,
    상기 인공신경망 알고리즘은 복수의 입력데이터를 패턴 인식할 수 있는 알고리즘으로, 추출된 특징량으로부터 단위시간별 부분방전 데이터별로 진단을 실시하고, 진단결과를 단위시간대별로 평균을 내어, 단위시간대별 진단 결과의 평균을 이용하여 최종적으로 부분방전 결함원을 추론하는 것을 특징으로 하는 가스절연개폐장치의 부분방전 진단방법.
KR1020120090307A 2012-08-17 2012-08-17 가스절연개폐장치의 부분방전 진단방법 KR20140023814A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120090307A KR20140023814A (ko) 2012-08-17 2012-08-17 가스절연개폐장치의 부분방전 진단방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120090307A KR20140023814A (ko) 2012-08-17 2012-08-17 가스절연개폐장치의 부분방전 진단방법

Publications (1)

Publication Number Publication Date
KR20140023814A true KR20140023814A (ko) 2014-02-27

Family

ID=50269127

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120090307A KR20140023814A (ko) 2012-08-17 2012-08-17 가스절연개폐장치의 부분방전 진단방법

Country Status (1)

Country Link
KR (1) KR20140023814A (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104598969A (zh) * 2014-11-13 2015-05-06 中国南方电网有限责任公司超高压输电公司检修试验中心 一种基于神经网络的高压电器运行质量评估方法及系统
CN107271813A (zh) * 2017-06-13 2017-10-20 易事特集团股份有限公司 逆变器故障发生时间分辨率的提高方法
CN109061426A (zh) * 2018-11-02 2018-12-21 国网河北省电力有限公司电力科学研究院 变压器局部放电故障诊断方法及在线监测装置
KR20190003171A (ko) * 2017-06-30 2019-01-09 한국전력공사 데이터 표준 호환을 위한 부분방전 이벤트 처리 장치 및 그 방법
CN111999382A (zh) * 2020-09-17 2020-11-27 海南电网有限责任公司电力科学研究院 一种考虑绝缘老化的电缆局部放电特征参数提取方法
KR20220126930A (ko) * 2021-03-10 2022-09-19 한전케이디엔주식회사 부분방전 위험도 예측 장치 및 방법
KR102571411B1 (ko) * 2023-05-16 2023-08-28 주식회사 솔라리치 Uhf센서를 이용한 ai기반의 배전반 부분방전 감시 및 진단 시스템

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104598969A (zh) * 2014-11-13 2015-05-06 中国南方电网有限责任公司超高压输电公司检修试验中心 一种基于神经网络的高压电器运行质量评估方法及系统
CN104598969B (zh) * 2014-11-13 2018-02-23 中国南方电网有限责任公司超高压输电公司检修试验中心 一种基于神经网络的高压电器运行质量评估方法及系统
CN107271813A (zh) * 2017-06-13 2017-10-20 易事特集团股份有限公司 逆变器故障发生时间分辨率的提高方法
CN107271813B (zh) * 2017-06-13 2019-09-17 易事特集团股份有限公司 逆变器故障发生时间分辨率的提高方法
KR20190003171A (ko) * 2017-06-30 2019-01-09 한국전력공사 데이터 표준 호환을 위한 부분방전 이벤트 처리 장치 및 그 방법
CN109061426A (zh) * 2018-11-02 2018-12-21 国网河北省电力有限公司电力科学研究院 变压器局部放电故障诊断方法及在线监测装置
CN111999382A (zh) * 2020-09-17 2020-11-27 海南电网有限责任公司电力科学研究院 一种考虑绝缘老化的电缆局部放电特征参数提取方法
KR20220126930A (ko) * 2021-03-10 2022-09-19 한전케이디엔주식회사 부분방전 위험도 예측 장치 및 방법
KR102571411B1 (ko) * 2023-05-16 2023-08-28 주식회사 솔라리치 Uhf센서를 이용한 ai기반의 배전반 부분방전 감시 및 진단 시스템

Similar Documents

Publication Publication Date Title
KR20140023814A (ko) 가스절연개폐장치의 부분방전 진단방법
KR101574615B1 (ko) 통계적 위상패턴 기반의 신호검출 방법을 이용한 전력설비 부분 방전 감시진단 시스템
Schichler et al. Risk assessment on defects in GIS based on PD diagnostics
US11143686B2 (en) Method for detecting power distribution network early failure
KR101578701B1 (ko) 가스절연 부하개폐장치의 부분방전 결함 분석 시스템
CN104849630B (zh) 一种用于测量气体绝缘组合开关盆式绝缘子缺陷的装置
CN103093110A (zh) 一种支柱瓷绝缘子机械寿命影响因素检测方法
CN106597196A (zh) 输变电设备状态监测智能诊断分析系统及方法
CN110703078A (zh) 基于频谱能量分析与自组织竞争算法的gis故障诊断方法
Wang et al. Measurement and analysis of partial discharge using an ultra-high frequency sensor for gas insulated structures
Elsadd et al. Incorporating earth fault location in management‐control scheme for distribution networks
Khan et al. ANFIS based identification and location of paper insulation faults of an oil immersed transformer
JP7107580B2 (ja) 配電網の早期故障の検出方法
dos Santos Sousa et al. Analysis of alternative parameters of dynamic resistance measurement in high voltage circuit breakers
Ma et al. Fractal‐based autonomous partial discharge pattern recognition method for MV motors
CN105629144B (zh) 基于指纹库的高压开关设备局部放电诊断方法及系统
Chen et al. Location for single‐phase grounding fault in distribution network based on equivalent admittance distortion rate
Zhao et al. Reliability assessment of distribution network considering preventive maintenance
Blanco-Solano et al. Voltage sag state estimation using compressive sensing in power systems
Mulroy et al. Continuous online monitoring of PD activity in the medium voltage distribution network
KR102243313B1 (ko) 부분방전 판단 방법 및 진단 시스템
CN107632223A (zh) 一种避雷器诊断方法、装置、终端和计算机可读存储介质
JP4299829B2 (ja) 分散電源の単独運転検出方法および装置
Khazraj et al. Addressing single and multiple bad data in the modern PMU-based power system state estimation
Yao et al. Statistical operators calculation of partial discharge on floating electrode defect in GIS

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination