CN103278728B - 发电机转子匝间短路故障诊断方法与*** - Google Patents
发电机转子匝间短路故障诊断方法与*** Download PDFInfo
- Publication number
- CN103278728B CN103278728B CN201310153154.XA CN201310153154A CN103278728B CN 103278728 B CN103278728 B CN 103278728B CN 201310153154 A CN201310153154 A CN 201310153154A CN 103278728 B CN103278728 B CN 103278728B
- Authority
- CN
- China
- Prior art keywords
- turn
- short circuit
- similarity
- data model
- normal condition
- 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
Landscapes
- Control Of Eletrric Generators (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
Abstract
本发明公开了一种发电机转子匝间短路故障诊断方法与***，根据发电机转子正常状态和匝间短路发生前的历史数分别建立正常状态数据模型和故障状态数据模型，先利用正常状态数据模型对实时数据进行分析，确定发电机转子是否异动，若异动则采用故障状态数据模型对实时数据进行分析，确认发电机转子是否将要发生匝间短路，以便进行早期预警。其中的分析过程所依赖的模型是在海量历史数据的基础上建立起来的，因而分析结果更合理，避开了一直依赖于规则、专家经验判断以及事后处理的模式。使得现场对发电机转子匝间短路故障的监测分析更简单可靠，并且可以对发电机转子匝间短路故障进行早期预警提示，及时将故障解决在萌芽状态，有利于机组的正常运行。
Description
技术领域
本发明涉及电力***技术领域，特别是涉及一种发电机转子匝间短路故障诊断方法与***。
背景技术
发电机转子匝间短路是发电机的典型故障之一。转子匝间短路初期，故障对机组正常运行影响不大，故障特征相对不明显，因此往往容易被忽略；当转子匝间短路严重时，转子电流显著增大、温度急剧升高，使发电机无功功率输出受限、机组振动加剧，对发电机寿命产生影响，甚至有发生恶性事故的可能。因此，对发电机匝间短路故障进行综合诊断，及时发现转子匝间短路故障隐患，从而提前进行适当的人工干预，防止故障的扩大和事故的发生，具有重大的现实意义。
目前，国内对发电机转子匝间短路故障的研究，主要还停留在发电机转子本身原因的分析和研究上。传统的研究方法主要包括：测点直流电阻，测量交流阻抗和功率损耗，神经元建模分析和小波分析。这些分析方法或***，只能提供转子本身测点参数的实时数据显示、分析与故障事后报警；同时，对于外部原因引起的转子匝间短路，如发电机密封瓦漏油等故障，还缺少有效的分析和预警方法。无法对发电机转子运行状态进行整体和定量的评估，也无法在转子出现匝间短路的初期征兆提供早期预警。
发明内容
基于上述情况，本发明提出了一种发电机转子匝间短路故障诊断方法与***，以提高对发电机转子匝间短路故障诊断的可靠性。
一种发电机转子匝间短路故障诊断方法，包括步骤：
利用正常状态数据模型对发电机转子的实时数据进行分析，得出发电机转子当前运行状态与历史正常状态的相似度；
判断当前运行状态与历史正常状态的相似度是否低于正常状态相似度基准值；
若当前运行状态与历史正常状态的相似度低于正常状态相似度基准值，则利用故障状态数据模型对发电机转子实时数据中的匝间短路特征参数进行分析，得出当前运行状态与历史故障状态的相似度；
判断当前运行状态与历史故障状态的相似度是否高于故障状态相似度基准值，若高于，则判定发电机转子临近匝间短路，
所述正常状态数据模型为利用发电机转子正常工况历史数据所建立的正常状态数据模型；
所述正常状态相似度基准值为利用所述正常状态数据模型对建模时使用的正常工况历史数据进行分析所得的正常状态的相似度基准值；
所述故障状态数据模型为利用发电机转子匝间短路特征参数在匝间短路发生前的历史数据所建立的故障状态数据模型；
所述故障状态相似度基准值为利用所述故障状态数据模型对建模时使用的匝间短路特征参数在匝间短路发生前的历史数据进行分析所得的故障状态的相似度基准值。
一种发电机转子匝间短路故障诊断***，包括：
正常状态分析单元，用于利用正常状态数据模型对发电机转子的实时数据进行分析，得出发电机转子当前运行状态与历史正常状态的相似度，并判断该相似度是否低于正常状态相似度基准值；
故障状态分析单元，用于在当前运行状态与历史正常状态的相似度低于正常状态相似度基准值时，利用故障状态数据模型对发电机转子实时数据中的匝间短路特征参数进行分析，得出当前运行状态与历史故障状态的相似度，并判断该相似度是否高于故障状态相似度基准值，若高于，则判定发电机转子临近匝间短路，
所述正常状态数据模型为利用发电机转子正常工况历史数据所建立的正常状态数据模型；
所述正常状态相似度基准值为利用所述正常状态数据模型对建模时使用的正常工况历史数据进行分析所得的正常状态的相似度基准值；
所述故障状态数据模型为利用发电机转子匝间短路特征参数在匝间短路发生前的历史数据所建立的故障状态数据模型；
所述故障状态相似度基准值为利用所述故障状态数据模型对建模时使用的匝间短路特征参数在匝间短路发生前的历史数据进行分析所得的故障状态的相似度基准值。
本发明发电机转子匝间短路故障诊断方法与***，根据发电机转子正常状态和匝间短路发生前的历史数分别建立正常状态数据模型和故障状态数据模型，先利用正常状态数据模型对实时数据进行分析，确定发电机转子是否异动，若异动则采用故障状态数据模型对实时数据进行分析，确认发电机转子是否将要发生匝间短路，以便进行早期预警。其中的分析过程所依赖的模型是在海量历史数据的基础上建立起来的，因而分析结果更合理，避开了一直依赖于规则、专家经验判断以及事后处理的模式。使得现场对发电机转子匝间短路故障的监测分析更简单可靠，并且可以对发电机转子匝间短路故障进行早期预警提示，及时将故障解决在萌芽状态，有利于机组的正常运行。
附图说明
图1为本发明发电机转子匝间短路故障诊断方法的流程示意图；
图2为本发明发电机转子匝间短路故障诊断***的结构示意图。
具体实施方式
本发明利用历史数据建立模型，通过分析实时运行数据与模型中数据的相似度判断发电子转子的运行状况。下面结合附图与实施例详细解释本发明。
本发明的发电机转子匝间短路故障诊断方法，如图1所示，包括步骤：
步骤S101、利用正常状态数据模型对发电机转子的实时数据进行分析，得出发电机转子当前运行状态与历史正常状态的相似度；
步骤S102、判断当前运行状态与历史正常状态的相似度是否低于正常状态相似度基准值；
步骤S103、若当前运行状态与历史正常状态的相似度低于正常状态相似度基准值，则利用故障状态数据模型对发电机转子实时数据中的匝间短路特征参数进行分析，得出当前运行状态与历史故障状态的相似度；
步骤S104、判断当前运行状态与历史故障状态的相似度是否高于故障状态相似度基准值；
步骤S105、若当前运行状态与历史故障状态的相似度高于故障状态相似度基准值，则判定发电机转子临近匝间短路。
所述正常状态数据模型为利用发电机转子正常工况历史数据所建立的正常状态数据模型；
所述正常状态相似度基准值为利用所述正常状态数据模型对建模时使用的正常工况历史数据进行分析所得的正常状态的相似度基准值；
所述故障状态数据模型为利用发电机转子匝间短路特征参数在匝间短路发生前的历史数据所建立的故障状态数据模型；
所述故障状态相似度基准值为利用所述故障状态数据模型对建模时使用的匝间短路特征参数在匝间短路发生前的历史数据进行分析所得的故障状态的相似度基准值。
通过以上描述可知，在使用本方法前，利用发电机转子海量历史运行数据中的正常工况数据，生成发电机转子正常工况下的状态组，并根据状态组内所有参数的特征分布，创建反映发电机转子实际运行规律的正常状态数据模型。再利用发电机转子海量历史运行数据中发生过转子匝间短路故障的异常数据，基于主要的匝间短路特征参数生成发电机转子匝间短路工况下或匝间短路公开前的状态组，并根据状态组内所有参数的特征分布，创建反映发电机转子匝间短路实际运行规律的故障状态数据模型。
正常状态数据模型用于判断发电机转子是否出现异动，发生异动则由故障状态数据模型判断所发生的异动是否为匝间短路故障，或是否临近匝间短路。如此，采用两个模型对发电机转子的实时运行数据进行两级判断，使得诊断结果更可靠更准确。正常状态数据模型可以实时监测发电机转子的运行情况，记录发生异动的时间，若不关注该时间，也可以省去正常状态数据模型，直接采用故障状态数据模型对发电机转子运行数据继续判断。另外，若侧重于对匝间短路进行预警，则故障数据模型建立时使用的历史数据为匝间短路发生前匝间短路特征参数的数据；若侧重于对正在发生的匝间短路进行诊断，则故障数据模型建立时使用的历史数据为匝间短路发生时匝间短路特征参数的数据。本方案侧重于对匝间短路进行预警，因此选用匝间短路发生前的历史数据。
所述故障状态数据模型的个数可以是多个，每个所述故障状态数据模型为利用发电机转子匝间短路特征参数在匝间短路发生前不同时间的历史数据所建立的故障状态数据模型，且每个所述故障状态数据模型对应一个所述故障状态相似度基准值；
若当前运行状态与历史正常状态的相似度低于正常状态相似度基准值，则利用每个所述故障状态数据模型对发电机转子实时数据中的匝间短路特征参数进行分析，得出当前运行状态与匝间短路发生前不同时间的历史故障状态的相似度，并判断所得的各个相似度是否高于对应的故障状态相似度基准值，确定高出最多的相似度对应的匝间短路发生前的时间，并进行预警提示。
前一周、前两周、前三周这三个时间是最能反映匝间短路发生前的状态的时间，因此，作为一个优选的实施例，所述故障状态数据模型的个数为3个，对应的匝间短路发生前的时间分别为：前7天、前14天、前21天。相应的故障状态基准值也分为前7天状态基准值、前14天状态基准值和前21天状态基准值。发电机转子的实时运行数据经三个故障状态数据模型分析后，得到三个相似度，将三个相似度分别与对应的故障相似度基准值比较，若高于某故障状态相似度基准值且高出部分最多，则说明发电机转子当前状态最可能处于匝间短路前相应天的状态，此时可以发出预警，通知工作人员进行检修。
在发出预警的同时，还可以对引起故障预警的测点进行关联排序并输出，方便专业人员进一步排查。
建立正常状态数据模型所使用的历史数据必须是发电机转子的重要参数中正常的有效数据，必须符合以下几点：
涵盖了一段可以反映发电机转子在各个工况下的运行时间；
每组数据都可以表达发电机转子的一个正常运行状态；
满足每一组采样值中各个变量参数的同时性，即必须是同一历史时刻各个参数的采样值。
建立故障状态数据模型所使用的历史数据必须是代表发电机转子匝间短路的特征参数数据，必须符合以下几点：
涵盖了一段发电机转子匝间短路故障前7天、14天和21天的的运行时间；
每组数据都可以表达发电机转子有效运行状态；
每组采样值中各个变量参数具有同时性，即必须是各个参数同一时刻的采样值。
对于建立故障数据模型的匝间短路特征参数，主要包括以下测点：发电机组振动、励磁电流、机组无功、轴电压、转子绕组温度、转子温度等等。
本发明的发电机转子匝间短路故障诊断***是与上述诊断方法对应的***，如图2所示，包括：
正常状态分析单元，用于利用正常状态数据模型对发电机转子的实时数据进行分析，得出发电机转子当前运行状态与历史正常状态的相似度，并判断该相似度是否低于正常状态相似度基准值；
故障状态分析单元，用于在当前运行状态与历史正常状态的相似度低于正常状态相似度基准值时，利用故障状态数据模型对发电机转子实时数据中的匝间短路特征参数进行分析，得出当前运行状态与历史故障状态的相似度，并判断该相似度是否高于故障状态相似度基准值，若高于，则判定发电机转子临近匝间短路，
所述正常状态数据模型为利用发电机转子正常工况历史数据所建立的正常状态数据模型；
所述正常状态相似度基准值为利用所述正常状态数据模型对建模时使用的正常工况历史数据进行分析所得的正常状态的相似度基准值；
所述故障状态数据模型为利用发电机转子匝间短路特征参数在匝间短路发生前的历史数据所建立的故障状态数据模型；
所述故障状态相似度基准值为利用所述故障状态数据模型对建模时使用的匝间短路特征参数在匝间短路发生前的历史数据进行分析所得的故障状态的相似度基准值。
作为一个优选的实施例，所述故障状态数据模型的个数为多个，每个所述故障状态数据模型为利用发电机转子匝间短路特征参数在匝间短路发生前不同时间的历史数据所建立的故障状态数据模型，且每个所述故障状态数据模型对应一个所述故障状态相似度基准值；
所述故障状态分析单元，用于在当前运行状态与历史正常状态的相似度低于正常状态相似度基准值时，利用每个所述故障状态数据模型对发电机转子实时数据中的匝间短路特征参数进行分析，得出当前运行状态与匝间短路发生前不同时间的历史故障状态的相似度，并判断所得的各个相似度是否高于对应的故障状态相似度基准值，确定高出最多的相似度对应的匝间短路发生前的时间，并进行预警提示。
作为一个优选的实施例，所述故障状态数据模型的个数为3个，对应的匝间短路发生前的时间分别为：前7天、前14天、前21天。
作为一个优选的实施例，所述故障状态分析单元在利用每个所述故障状态数据模型对发电机转子实时数据中的匝间短路特征参数进行分析时，还分析得出当前运行状态与匝间短路发生前不同时间的历史故障状态相似度高于阈值的测点，并对该测点进行关联排序。
作为一个优选的实施例，所述测点包括：发电机组振动、励磁电流、机组无功、转子绕组温度和转子温度。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种发电机转子匝间短路故障诊断方法，其特征在于，包括步骤：
利用正常状态数据模型对发电机转子的实时数据进行分析，得出发电机转子当前运行状态与历史正常状态的相似度；
判断当前运行状态与历史正常状态的相似度是否低于正常状态相似度基准值；
若当前运行状态与历史正常状态的相似度低于正常状态相似度基准值，则利用故障状态数据模型对发电机转子实时数据中的匝间短路特征参数进行分析，得出当前运行状态与历史故障状态的相似度；
判断当前运行状态与历史故障状态的相似度是否高于故障状态相似度基准值，若高于，则判定发电机转子临近匝间短路，
所述正常状态数据模型为利用发电机转子正常工况历史数据所建立的正常状态数据模型；
所述正常状态相似度基准值为利用所述正常状态数据模型对建模时使用的正常工况历史数据进行分析所得的正常状态的相似度基准值；
所述故障状态数据模型为利用发电机转子匝间短路特征参数在匝间短路发生前的历史数据所建立的故障状态数据模型；
所述故障状态相似度基准值为利用所述故障状态数据模型对建模时使用的匝间短路特征参数在匝间短路发生前的历史数据进行分析所得的故障状态的相似度基准值；
所述故障状态数据模型的个数为多个，每个所述故障状态数据模型为利用发电机转子匝间短路特征参数在匝间短路发生前不同时间的历史数据所建立的故障状态数据模型，且每个所述故障状态数据模型对应一个所述故障状态相似度基准值；
若当前运行状态与历史正常状态的相似度低于正常状态相似度基准值，则利用每个所述故障状态数据模型对发电机转子实时数据中的匝间短路特征参数进行分析，得出当前运行状态与匝间短路发生前不同时间的历史故障状态的相似度，并判断所得的各个相似度是否高于对应的故障状态相似度基准值，确定高出最多的相似度对应的匝间短路发生前的时间，并进行预警提示。
2.根据权利要求1所述的发电机转子匝间短路故障诊断方法，其特征在于，所述故障状态数据模型的个数为3个，对应的匝间短路发生前的时间分别为：前7天、前14天、前21天。
3.根据权利要求1或2所述的发电机转子匝间短路故障诊断方法，其特征在于，利用每个所述故障状态数据模型对发电机转子实时数据中的匝间短路特征参数进行分析，还分析得出当前运行状态与匝间短路发生前不同时间的历史故障状态相似度高于阈值的测点，并对该测点进行关联排序。
4.根据权利要求3所述的发电机转子匝间短路故障诊断方法，其特征在于，所述测点包括：发电机组振动、励磁电流、机组无功、转子绕组温度和转子温度。
5.一种发电机转子匝间短路故障诊断***，其特征在于，包括：
正常状态分析单元，用于利用正常状态数据模型对发电机转子的实时数据进行分析，得出发电机转子当前运行状态与历史正常状态的相似度，并判断该相似度是否低于正常状态相似度基准值；
故障状态分析单元，用于在当前运行状态与历史正常状态的相似度低于正常状态相似度基准值时，利用故障状态数据模型对发电机转子实时数据中的匝间短路特征参数进行分析，得出当前运行状态与历史故障状态的相似度，并判断该相似度是否高于故障状态相似度基准值，若高于，则判定发电机转子临近匝间短路，
所述正常状态数据模型为利用发电机转子正常工况历史数据所建立的正常状态数据模型；
所述正常状态相似度基准值为利用所述正常状态数据模型对建模时使用的正常工况历史数据进行分析所得的正常状态的相似度基准值；
所述故障状态数据模型为利用发电机转子匝间短路特征参数在匝间短路发生前的历史数据所建立的故障状态数据模型；
所述故障状态相似度基准值为利用所述故障状态数据模型对建模时使用的匝间短路特征参数在匝间短路发生前的历史数据进行分析所得的故障状态的相似度基准值；
所述故障状态数据模型的个数为多个，每个所述故障状态数据模型为利用发电机转子匝间短路特征参数在匝间短路发生前不同时间的历史数据所建立的故障状态数据模型，且每个所述故障状态数据模型对应一个所述故障状态相似度基准值；
所述故障状态分析单元，用于在当前运行状态与历史正常状态的相似度低于正常状态相似度基准值时，利用每个所述故障状态数据模型对发电机转子实时数据中的匝间短路特征参数进行分析，得出当前运行状态与匝间短路发生前不同时间的历史故障状态的相似度，并判断所得的各个相似度是否高于对应的故障状态相似度基准值，确定高出最多的相似度对应的匝间短路发生前的时间，并进行预警提示。
6.根据权利要求5所述的发电机转子匝间短路故障诊断***，其特征在于，所述故障状态数据模型的个数为3个，对应的匝间短路发生前的时间分别为：前7天、前14天、前21天。
7.根据权利要求5或6所述的发电机转子匝间短路故障诊断***，其特征在于，所述故障状态分析单元在利用每个所述故障状态数据模型对发电机转子实时数据中的匝间短路特征参数进行分析时，还分析得出当前运行状态与匝间短路发生前不同时间的历史故障状态相似度高于阈值的测点，并对该测点进行关联排序。
8.根据权利要求7所述的发电机转子匝间短路故障诊断***，其特征在于，所述测点包括：发电机组振动、励磁电流、机组无功、转子绕组温度和转子温度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310153154.XA CN103278728B (zh) | 2013-04-27 | 2013-04-27 | 发电机转子匝间短路故障诊断方法与*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310153154.XA CN103278728B (zh) | 2013-04-27 | 2013-04-27 | 发电机转子匝间短路故障诊断方法与*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103278728A CN103278728A (zh) | 2013-09-04 |
| CN103278728B true CN103278728B (zh) | 2015-09-16 |
Family
ID=49061303
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310153154.XA Active CN103278728B (zh) | 2013-04-27 | 2013-04-27 | 发电机转子匝间短路故障诊断方法与*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103278728B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103675544B (zh) * | 2013-12-09 | 2016-01-20 | 华南理工大学 | 基于优化算法的电力***故障信号检测与波形识别方法 |
| CN103823150B (zh) * | 2013-12-11 | 2017-01-11 | 贵州电力试验研究院 | 多传感器联合的汽轮发电机转子匝间短路故障诊断方法 |
| CN105486973B (zh) * | 2015-12-02 | 2018-07-20 | 国网河北能源技术服务有限公司 | 一种纳秒级陡前沿指数重复脉冲发生装置 |
| CN108919040A (zh) * | 2018-05-15 | 2018-11-30 | 国网河北省电力有限公司电力科学研究院 | 电抗器线圈的故障检测方法、故障检测装置及电子设备 |
| CN108594062A (zh) * | 2018-06-04 | 2018-09-28 | 广西电网有限责任公司桂林供电局 | 一种基于特征波形相似度的匝间短路故障定位方法及*** |
| CN109142963B (zh) * | 2018-06-05 | 2020-09-29 | 广西电网有限责任公司桂林供电局 | 一种匝间短路故障定位***及方法 |
| CN110837042B (zh) * | 2018-08-17 | 2021-06-22 | 东元电机股份有限公司 | 马达层间短路快筛方法 |
| CN111624515B (zh) * | 2020-07-06 | 2022-07-15 | 华北电力大学（保定） | 一种早期同步发电机定子绕组匝间短路检测方法及装置 |
| CN112731022B (zh) * | 2020-12-18 | 2023-06-23 | 阳光智维科技股份有限公司 | 光伏逆变器故障检测方法、设备及介质 |
| CN113391235B (zh) * | 2021-06-04 | 2022-07-19 | 华北电力大学（保定） | 一种同步发电机转子动态匝间短路故障检测***及方法 |
| CN114019298B (zh) * | 2021-09-28 | 2023-12-05 | 中电华创(苏州)电力技术研究有限公司 | 一种基于pcc-svm的发电机转子匝间短路在线监测方法 |
| CN114813105B (zh) * | 2022-04-11 | 2023-04-28 | 西安热工研究院有限公司 | 一种基于工况相似性评估的齿轮箱故障预警方法及*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1441257A (zh) * | 2003-03-27 | 2003-09-10 | 河海大学 | 基于损耗变化的变压器绕组匝间短路在线故障诊断技术 |
| KR100719138B1 (ko) * | 2007-03-15 | 2007-05-18 | 주식회사 젤파워 | 수배전 설비 고장 진단 방법 |
| CN101162247A (zh) * | 2006-10-13 | 2008-04-16 | 黑龙江大学 | 电气装置“亚健康”运行状态识别方法 |
| CN101872165A (zh) * | 2010-06-13 | 2010-10-27 | 西安交通大学 | 一种基于遗传神经网络的风电机组故障诊断方法 |
| CN102270271A (zh) * | 2011-05-03 | 2011-12-07 | 北京中瑞泰科技有限公司 | 基于相似度曲线的设备故障早期预警及优化的方法和*** |
| CN102765643A (zh) * | 2012-05-31 | 2012-11-07 | 天津大学 | 基于数据驱动的电梯故障诊断与预警方法 |
-
2013
- 2013-04-27 CN CN201310153154.XA patent/CN103278728B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1441257A (zh) * | 2003-03-27 | 2003-09-10 | 河海大学 | 基于损耗变化的变压器绕组匝间短路在线故障诊断技术 |
| CN101162247A (zh) * | 2006-10-13 | 2008-04-16 | 黑龙江大学 | 电气装置“亚健康”运行状态识别方法 |
| KR100719138B1 (ko) * | 2007-03-15 | 2007-05-18 | 주식회사 젤파워 | 수배전 설비 고장 진단 방법 |
| CN101872165A (zh) * | 2010-06-13 | 2010-10-27 | 西安交通大学 | 一种基于遗传神经网络的风电机组故障诊断方法 |
| CN102270271A (zh) * | 2011-05-03 | 2011-12-07 | 北京中瑞泰科技有限公司 | 基于相似度曲线的设备故障早期预警及优化的方法和*** |
| CN102765643A (zh) * | 2012-05-31 | 2012-11-07 | 天津大学 | 基于数据驱动的电梯故障诊断与预警方法 |
Non-Patent Citations (1)
| Title |
|---|
| 发电机转子绕组匝间短路故障诊断的研究;吕然;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20110930(第9期);第C042-53页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103278728A (zh) | 2013-09-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103278728B (zh) | 发电机转子匝间短路故障诊断方法与*** | |
| CN106662072B (zh) | 风力发电机状态监控方法与*** | |
| CN103713237B (zh) | 一种电力***输电线路短路故障诊断方法 | |
| CN103163841B (zh) | 自动化设备远程监控***及方法 | |
| CN103163842B (zh) | 自动化设备远程监控***及方法 | |
| CN105809255A (zh) | 一种基于物联网的火电厂旋转机械健康管理方法及*** | |
| CN103711645B (zh) | 基于建模参数特征分析的风力发电机组状态评估方法 | |
| CN106841846A (zh) | 一种变压器状态分析与故障诊断方法及*** | |
| CN202101419U (zh) | 一种远程监控热泵热水机组*** | |
| JP2015516530A (ja) | 遠心圧縮機用のリアルタイム性能回復勧告のための方法およびシステム | |
| CN102368634A (zh) | 智能变电站状态监测统一信息平台*** | |
| CN102510125A (zh) | 电力一次设备运行工况监测方法及装置 | |
| CN109733238B (zh) | 故障检测方法、装置、存储介质及处理器 | |
| CN102141808A (zh) | 汽轮发电机组嵌入式故障预诊断***及方法 | |
| CN110728836A (zh) | 一种集中器抄表异常分析方法及其*** | |
| CN105548744A (zh) | 一种基于运检大数据的变电设备故障识别方法及其*** | |
| EP3972084A2 (en) | Systems and methods for monitoring energy-related data in an electrical system | |
| CN111929579B (zh) | 发电机在线故障诊断方法、设备及计算机设备 | |
| CN104442831A (zh) | 一种基于can信息的电动汽车故障智能诊断方法 | |
| CN104091290A (zh) | 一种变电站监控信息智能诊断分析方法 | |
| CN111008485A (zh) | 基于神经网络的三相交流异步电机多参数寿命预测方法 | |
| CN110543658A (zh) | 基于大数据的电厂设备诊断方法 | |
| CN202533529U (zh) | 高压设备在线监测*** | |
| CN105024595A (zh) | 一种无刷直流电机故障监控方法及装置 | |
| CN115146977A (zh) | 一种基于物联网的企业能效数据管理方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C56 | Change in the name or address of the patentee | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 510080 Dongfeng East Road, Dongfeng, Guangdong, Guangzhou, Zhejiang Province, No. 8 Patentee after: ELECTRIC POWER RESEARCH INSTITUTE, GUANGDONG POWER GRID CO., LTD. Address before: 510080 Dongfeng East Road, Dongfeng, Guangdong, Guangzhou, Zhejiang Province, No. 8 Patentee before: Electrical Power Research Institute of Guangdong Power Grid Corporation |