CN104316846B - 一种电力设备局部放电模式识别方法、装置及*** - Google Patents
一种电力设备局部放电模式识别方法、装置及*** Download PDFInfo
- Publication number
- CN104316846B CN104316846B CN201410431243.0A CN201410431243A CN104316846B CN 104316846 B CN104316846 B CN 104316846B CN 201410431243 A CN201410431243 A CN 201410431243A CN 104316846 B CN104316846 B CN 104316846B
- Authority
- CN
- China
- Prior art keywords
- discharge
- power equipment
- shelf depreciation
- pattern recognition
- depreciation information
- 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
- 238000012567 pattern recognition method Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000003909 pattern recognition Methods 0.000 claims description 29
- 238000001514 detection method Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 230000003321 amplification Effects 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 5
- 230000007547 defect Effects 0.000 description 9
- 238000009413 insulation Methods 0.000 description 9
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000000977 initiatory effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000007599 discharging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical compound OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000001914 filtration Methods 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
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Landscapes
- Testing Relating To Insulation (AREA)
Abstract
本申请提供了一种电力设备局部放电模式识别方法、装置及***，该方法包括获取预设工频周期内电力设备的局部放电信号，将所述预设工频周期均分为预设个数的相位间隔，并统计所述局部放电信号在每个所述相位间隔内的局部放电信息，对所述各个局部放电信息进行离散傅里叶变换及取模运算，获得局部放电信息特征向量，进而依据预设模式识别算法，识别所述局部放电信息特征向量对应的放电模式。与现有技术中需要采集两路信号即工频电压信号及局部放电信号相比，本申请只需获取局部放电信号，不仅可以减少信号采集的复杂性及成本，而且可避免接近高压母线带来的危险，提高了放电模式识别的安全性。
Description
技术领域
本发明涉及电力监测技术领域，尤其是一种电力设备局部放电模式识别方法、装置及***。
背景技术
在电力***中，电力设备尤其是高压设备的绝缘缺陷检测对提高电力***的安全运行至关重要。当高压设备出现绝缘缺陷时，往往会出现局部放电现象。局部放电指的是高压设备中绝缘介质局部区域发生放电，但该放电并未贯穿施加电压的导体之间的现象。局部放电信号虽微弱，但其却包含大量的绝缘缺陷信息，通过对局部放电信号进行模式识别，可以确定引发此局部放电的绝缘缺陷类型。
目前，电力设备局部放电模式识别的方法主要是，需要两路信号通道，分别采集电力设备的工频高压信号及局部放电信号，通过跟踪该工频高压信号的相位以标定局放信号对应的具体工频相位，进而对放电模式进行识别。
然而，上述模式识别方法中两路电压信号的采集过程复杂且成本较高，另外，对工频高压信号的采集需要靠近甚至接触高压母线，具有较高的危险性。
发明内容
有鉴于此，本申请提供了一种电力设备局部放电模式识别方法、装置及***，用以解决现有技术中的模式识别方法中两路电压信号的采集过程复杂、成本较高且危险性较大的技术问题。为实现所述发明目的，本发明提供的技术方案如下：
一种电力设备局部放电模式识别方法，包括：
获取预设工频周期内电力设备的局部放电信号；
将所述预设工频周期均分为预设个数的相位间隔，并统计所述局部放电信号在每个所述相位间隔内的局部放电信息；
对所述各个局部放电信息进行离散傅里叶变换及取模运算，获得局部放电信息特征向量；
依据预设模式识别算法，识别所述局部放电信息特征向量对应的放电模式。
上述方法，优选地，所述局部放电信息包括：放电次数、最大放电量、最小放电量或放电幅值。
上述方法，优选地，所述预设模式识别算法包括：神经网络算法、支持向量机算法或隐马尔可夫法。
上述方法，优选地，所述获取预设工频周期内电力设备的局部放电信号，包括：
随机确定获取起始时间点；
以所述起始时间点为起点，获取预设工频周期内电力设备的局部放电信号。
本申请还提供了一种电力设备局部放电模式识别装置，包括：
放电信号获取单元，用于获取预设工频周期内电力设备的局部放电信号；
放电信息统计单元，用于将所述预设工频周期均分为预设个数的相位间隔，并统计所述局部放电信号在每个所述相位间隔内的局部放电信息；
特征向量获得单元，用于对所述各个局部放电信息进行离散傅里叶变换及取模运算，获得局部放电信息特征向量；
放电模式识别单元，用于依据预设模式识别算法，识别所述局部放电信息特征向量对应的放电模式。
上述装置，优选地，所述放电信息统计单元统计的局部放电信息包括：放电次数、最大放电量、最小放电量或放电幅值。
上述装置，优选地，所述放电模式识别单元依据的预设模式识别算法包括：神经网络算法、支持向量机算法或隐马尔可夫法。
上述装置，优选地，所述放电信号获取单元包括：
起始时间点确定子单元，用于随机确定获取起始时间点；
放电信号获取子单元，用于以所述起始时间点为起点，获取预设工频周期内电力设备的局部放电信号。
本申请还提供了一种电力设备局部放电模式识别***，包括：局部放电检测装置及如上述任意一种电力设备局部放电模式识别装置；其中：
所述局部放电检测装置，用于采集电力设备产生的局部放电信号；
所述电力设备局部放电模式识别装置，用于获取所述局部放电检测装置采集的预设工频周期内电力设备的局部放电信号，将所述预设工频周期均分为预设个数的相位间隔，并统计所述局部放电信号在每个所述相位间隔内的局部放电信息，对所述各个局部放电信息进行离散傅里叶变换及取模运算，获得局部放电信息特征向量，并依据预设模式识别算法，识别所述局部放电信息特征向量对应的放电模式。
上述***，优选地，所述局部放电检测装置包括：依次相连的传感器、滤波放大电路、数字采集电路及上位机。
与现有技术相比，本申请具有如下有益效果：
本申请只需获取预设工频周期内电力设备的局部放电信号，与现有技术中需要采集两路信号即工频电压信号及局部放电信号相比，本发明实施例中，不必获取工频高压信号，因此，不仅可以减少信号采集的复杂性及成本，而且可避免接近高压母线带来的危险，提高了放电模式识别的安全性。
同时，本申请获得局部放电信息特征向量的方式是对局部放电信息进行离散傅里叶变换及取模运算，使得在预设工频周期内获得的局部放电信息特征向量可以代表进行相位移位后的其他工频周期内的放电信号，实现了依据少量的放电信号对相位移位后的多个放电信号放电模式的识别。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的电力设备局部放电模式识别方法的流程图；
图2为本发明实施例提供的电力设备局部放电模式识别装置的结构图；
图3为本发明实施例提供的电力设备局部放电模式识别***的结构图；
图4为本发明实施例提供的电力设备局部放电模式识别***中局部放电检测装置的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，其示出了本发明实施例提供的电力设备局部放电模式识别方法的流程，具体包括以下步骤：
步骤S101：获取预设工频周期内电力设备的局部放电信号。
其中，工频周期与工频电压信号的频率相关，本实施例中，工频周期可以为20ms。电力设备出现局部放电现象时，可以获取局部放电检测设备采集到的局部放电信号。本步骤的获取过程可以具体包括：随机确定获取起始时间点，以所述起始时间点为起点，获取预设工频周期内电力设备的局部放电信号。也就是说，获取的局部放电信号可以是任意一个起始点开始的工频周期内的局部放电信号。
步骤S102：将所述预设工频周期均分为预设个数的相位间隔，并统计所述局部放电信号在每个所述相位间隔内的局部放电信息。
其中，可以将预设工频周期，如20ms，进行均分，以获得多个相位间隔。需要说明的是，相位间隔的个数越多，放电模式识别的准确性越高，但识别运算量越大，效率相应降低。本发明实施例中，可选地，预设个数可以为128-256中的任意值。
可选地，统计的局部放电信息可以是放电次数、最大放电量、最小放电量及放电幅值。具体地，统计放电次数时，可以判断每个相位间隔内各自的放电信号幅值是否高于预设阈值，将高于预设阈值的放电信号确定为一次放电，从而获得每个相位间隔内各自的放电次数。同理，统计最大放电量、最小放电量或放电幅值，均是获取每个相位间隔内各自放电信号的最大放电量、最小放电量或放电幅值。
步骤S103：对所述各个局部放电信息进行离散傅里叶变换及取模运算，获得局部放电信息特征向量。
本实施例中，相位间隔为多个，则获得的局部放电信息为多个，多个局部放电信息生成特征向量，并对该特征向量依次进行离散傅里叶变换及取模运算。其中，离散傅里叶变换过程及取模运算的具体过程参见下文描述。
步骤S104：依据预设模式识别算法，识别所述局部放电信息特征向量对应的放电模式。
可选地，使用的模式识别算法可以是神经网络算法、支持向量机算法或隐马尔可夫法。具体地，预先设置模式识别算法可以识别的放电模式，并且设置识别结果包含的每种放电模式相对应的识别参数，该识别参数用以表明对应放电模式的存在概率，进而，当具体的识别结果中某个识别参数的参数值为1时，表明识别出的放电模式为该参数值对应的放电模式的概率最大。
例如，预设放电模式为三种，分别为尖端放电、内部缺陷放电及沿面闪络放电；预设识别结果集合中包含的参数分别为参数a、参数b及参数c，分别依次对应上述三种放电模式；当输出的识别结果集为{1，0，0}，则表明该放电信号最可能的绝缘缺陷为尖端放电。
局部放电现象是由电力设备的绝缘缺陷造成的，不同的绝缘缺陷产生的放电模式不尽相同，通过识别出的放电模式可以确定导致该种放电模式的绝缘缺陷类型，进而依据该绝缘缺陷类型对电力设备进行检修。
由以上的技术方案可知，与现有技术需要采集两路信号即工频电压信号及局部放电信号相比，本发明实施例提供的放电模式识别方法，不必获取工频高压信号，因此，不仅可以减少信号采集的复杂性及成本，而且可避免接近高压母线带来的危险，提高了放电模式识别的安全性。同时，本发明实施例中并不需要对放电信号进行相位跟踪，而是使用离散傅里叶变换及取模运算获得的局部放电信息特征向量，可以代表不同相位起始点的局部放电信号，进而，可以用获取到的该局部放电信号的放电模式推知其他相位起始点的局部放电信号的放电模式，因此，本发明实施例不必对各个放电信号的相位进行跟踪，识别方式简单。
具体地，利用一具体示例对上述实施例中步骤S103对所述各个局部放电信息进行离散傅里叶变换及取模运算获得局部放电信息特征向量的过程进行说明。
例如，将4个相位间隔内的局部放电信息生成4维特征向量x[n]＝(1,2,3,4)，利用离散傅里叶变换公式可知：
其中，所述N为特征向量的维数，也即将工频周期划分为的相位间隔个数。
X[k]为x[n]的离散傅里叶变换后的形式，即x[n]～X[k]，具体地，利用上述式(1)获得的X[k]为(10,-2+j2,-2,-2-j2)，对X[k]依据下述式(2)进行取模运算。例如，取模运算获得的特征向量为(10,2.8284,2,2.8284)。
更进一步地，由离散傅里叶变换的移位性质可知：
x[n-m]～e-j2πkm/NX[k] (2)；
对移位后式(2)中的e-j2πkm/NX[k]利用下述式(3)进行取模运算：
|e-j2πkm/NX[k]|＝|e-j2πkm/N|×|X[k]|＝|X[k]| (3)。
针对上述式(3)，由欧拉公式可知，k与N的取值并不会影响取模运算获得的模值，因此，x[n]进行离散傅里叶变换及取模后获得的特征向量与对x[n]移位后的x[n-m]进行离散傅里叶变换及取模后获得的特征向量相同，因此，可以得出的结论是，局部放电信息是原始特征向量，该原始特征向量中起始特征点对获得的局部放电信息特征向量并无影响。
从理论上讲，由上述离散傅里叶变换公式可知，离散傅里叶变换求解过程中涵盖了原始特征向量中各个特征点的时域圆周位置信息，也即特征点首尾相连形成圆周时，该原始特征向量中的特征点在圆周上的相对顺序不变，因此，利用式(3)对移位后的原始特征向量取模运算后获得的局部放电信息特征向量中也包含各个特征点的位置信息，并且，利用式(3)获得的局部放电信息特征向量并不关心具体的起始相位点，因此，可以用来对基于相位特征进行放电模式识别。
另外，参见表1中的实验数据，其对上述结论提供数据佐证。在该表可以看出，各个原始特征向量中的起始特征点并不相同，但取模运算获得特征向量均相同。
表1
| 原始特征向量 | 离散傅里叶变换的特征向量 | 取模运算的特征向量 |
| (1,2,3,4) | (10,-2+j2,-2,-2-j2) | (10,2.8284,2,2.8284) |
| (2,3,4,1) | (10,-2-j2,2,-2+j2) | (10,2.8284,2,2.8284) |
| (3,4,1,2) | (10,2-j2,-2,2+j2) | (10,2.8284,2,2.8284) |
| (4,1,2,3) | (10,2+j2,2,2-j2) | (10,2.8284,2,2.8284) |
下面对本发明实施例提供电力设备局部放电模式识别装置进行说明，需要说明的是，下文对电力设备局部放电模式识别装置的说明可以参见上文描述的电力设备局部放电模式识别方法，此处并不赘述。
参见图2，其示出了本申请提供的电力设备局部放电模式识别装置的结构，具体包括：
放电信号获取单元100，用于获取预设工频周期内电力设备的局部放电信号；
放电信息统计单元200，用于将所述预设工频周期均分为预设个数的相位间隔，并统计所述局部放电信号在每个所述相位间隔内的局部放电信息；
特征向量获得单元300，用于对所述各个局部放电信息进行离散傅里叶变换及取模运算，获得局部放电信息特征向量；
放电模式识别单元400，用于依据预设模式识别算法，识别所述局部放电信息特征向量对应的放电模式。
与现有技术相比，本发明实施例提供的电力设备局部放电模式识别装置只需获取预设工频周期内电力设备的局部放电信号，与现有技术中需要采集两路信号即工频电压信号及局部放电信号相比，本发明实施例中，不必获取工频高压信号，因此，不仅可以减少信号采集的复杂性及成本，而且可避免接近高压母线带来的危险，提高了放电模式识别的安全性。同时，本申请获得局部放电信息特征向量的方式是对局部放电信息进行离散傅里叶变换及取模运算，使得在预设工频周期内获得的局部放电信息特征向量可以代表进行相位移位后的其他工频周期内的放电信号，实现了依据少量的放电信号对相位移位后的多个放电信号放电模式的识别。
其中，放电信息统计单元200统计的局部放电信息包括：放电次数、最大放电量、最小放电量或放电幅值。
其中，放电模式识别单元400依据的预设模式识别算法包括：神经网络算法、支持向量机算法或隐马尔可夫法。
可选地，放电信号获取单元100包括：起始时间点确定子单元，用于随机确定获取起始时间点；放电信号获取子单元，用于以所述起始时间点为起点，获取预设工频周期内电力设备的局部放电信号。
本发明实施例提供的装置可以集成为手持枪式测量仪，该仪器只需获取外部局部放电检测装置采集的局部放电信号，进行分析处理后即可获得放电模式，该装置更为小型、成本更低且使用效率更高。
下面对本发明实施例提供电力设备局部放电模式识别***进行说明，需要说明的是，下文对电力设备局部放电模式识别***的说明可以参见上文描述的电力设备局部放电模式识别方法及装置，此处并不赘述。
参见图3，其示出了本发明实施例提供的电力设备局部放电模式识别***结构，包括；局部放电检测装置1及上述的电力设备局部放电模式识别装置2；其中：
所述局部放电检测装置1，用于采集电力设备产生的局部放电信号；
所述电力设备局部放电模式识别装置2，用于获取所述局部放电检测装置采集的预设工频周期内电力设备的局部放电信号，将所述预设工频周期均分为预设个数的相位间隔，并统计所述局部放电信号在每个所述相位间隔内的局部放电信息，对所述各个局部放电信息进行离散傅里叶变换及取模运算，获得局部放电信息特征向量，并依据预设模式识别算法，识别所述局部放电信息特征向量对应的放电模式。
具体地，参见图4，所述局部放电检测装置1包括：依次相连的传感器11、滤波放大电路12、数字采集电路13及上位机14。
其中，传感器11可以为传感器为高频传感器、超声传感器或TEV传感器，采集电力设备局部放电产生的放电信号，并将该放电信号通过同轴电缆发送至滤波放大电路，以进行信号滤波去噪处理及对去噪后的信号放大，从而提高信噪比，放大后的信号发送至数字采集电路以实现将模拟信号转化为数字信号，并将该数字信号发送至上位机存储及显示等。另外，可以使用蓄电池对该局部放电检测装置直流供电，不仅可以适应不同检测现场环境，而且还可以减少外部交流电源对该检测装置的干扰。
由以上技术方案可知，本发明实施例提供的***中的局部放电检测装置中包含有传感器，利用传感器采集电力设备产生的局部放电信号，并不必如现有技术中打开高压设备外壳接触高压母线，从而提高了模式识别的安全性，并且，本发明实施例提供的***不需直接与高压回路进行电气连接，并不会对高压回路产生影响。
同时，局部放电检测装置中只包含一路用于采集局部放电信号的通道即可，并不包含工频高压信号的采集通道，降低了设备成本。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种电力设备局部放电模式识别方法，其特征在于，包括：
获取预设工频周期内电力设备的局部放电信号；
将所述预设工频周期均分为预设个数的相位间隔，并统计所述局部放电信号在每个所述相位间隔内的局部放电信息；
对各个局部放电信息进行离散傅里叶变换及取模运算，获得局部放电信息特征向量；
依据预设模式识别算法，识别所述局部放电信息特征向量对应的放电模式；
其中，所述局部放电信息特征向量的维数与所述相位间隔个数相同。
2.根据权利要求1所述的电力设备局部放电模式识别方法，其特征在于，所述局部放电信息包括：放电次数、最大放电量、最小放电量或放电幅值。
3.根据权利要求1所述的电力设备局部放电模式识别方法，其特征在于，所述预设模式识别算法包括：神经网络算法、支持向量机算法或隐马尔可夫法。
4.根据权利要求1所述的电力设备局部放电模式识别方法，其特征在于，所述获取预设工频周期内电力设备的局部放电信号，包括：
随机确定获取起始时间点；
以所述起始时间点为起点，获取预设工频周期内电力设备的局部放电信号。
5.一种电力设备局部放电模式识别装置，其特征在于，包括：
放电信号获取单元，用于获取预设工频周期内电力设备的局部放电信号；
放电信息统计单元，用于将所述预设工频周期均分为预设个数的相位间隔，并统计所述局部放电信号在每个所述相位间隔内的局部放电信息；
特征向量获得单元，用于对各个局部放电信息进行离散傅里叶变换及取模运算，获得局部放电信息特征向量；
放电模式识别单元，用于依据预设模式识别算法，识别所述局部放电信息特征向量对应的放电模式；
其中，所述局部放电信息特征向量的维数与所述相位间隔个数相同。
6.根据权利要求5所述的电力设备局部放电模式识别装置，其特征在于，所述放电信息统计单元统计的局部放电信息包括：放电次数、最大放电量、最小放电量或放电幅值。
7.根据权利要求5所述的电力设备局部放电模式识别装置，其特征在于，所述放电模式识别单元依据的预设模式识别算法包括：神经网络算法、支持向量机算法或隐马尔可夫法。
8.根据权利要求5所述的电力设备局部放电模式识别装置，其特征在于，所述放电信号获取单元包括：
起始时间点确定子单元，用于随机确定获取起始时间点；
放电信号获取子单元，用于以所述起始时间点为起点，获取预设工频周期内电力设备的局部放电信号。
9.一种电力设备局部放电模式识别***，其特征在于，包括：局部放电检测装置及如权利要求5至8任意一项所述的电力设备局部放电模式识别装置；其中：
所述局部放电检测装置，用于采集电力设备产生的局部放电信号；
所述电力设备局部放电模式识别装置，用于获取所述局部放电检测装置采集的预设工频周期内电力设备的局部放电信号，将所述预设工频周期均分为预设个数的相位间隔，并统计所述局部放电信号在每个所述相位间隔内的局部放电信息，对各个局部放电信息进行离散傅里叶变换及取模运算，获得局部放电信息特征向量，并依据预设模式识别算法，识别所述局部放电信息特征向量对应的放电模式。
10.根据权利要求9所述的电力设备局部放电模式识别***，其特征在于，所述局部放电检测装置包括：依次相连的传感器、滤波放大电路、数字采集电路及上位机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410431243.0A CN104316846B (zh) | 2014-08-28 | 2014-08-28 | 一种电力设备局部放电模式识别方法、装置及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410431243.0A CN104316846B (zh) | 2014-08-28 | 2014-08-28 | 一种电力设备局部放电模式识别方法、装置及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104316846A CN104316846A (zh) | 2015-01-28 |
| CN104316846B true CN104316846B (zh) | 2017-07-18 |
Family
ID=52372099
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410431243.0A Active CN104316846B (zh) | 2014-08-28 | 2014-08-28 | 一种电力设备局部放电模式识别方法、装置及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104316846B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107037327A (zh) * | 2016-10-09 | 2017-08-11 | 中国电力科学研究院 | 局部放电故障判定特征提取方法及判定方法 |
| CN106526434A (zh) * | 2016-10-11 | 2017-03-22 | 国网上海市电力公司 | 一种局部放电模式的识别方法和装置 |
| CN106707118B (zh) * | 2016-12-12 | 2019-09-10 | 国网北京市电力公司 | 局部放电模式识别方法和装置 |
| CN106771938B (zh) * | 2017-03-22 | 2019-12-10 | 广东工业大学 | 一种固体绝缘环网柜局部放电模式识别方法及装置 |
| CN107238782A (zh) * | 2017-05-10 | 2017-10-10 | 西安热工研究院有限公司 | 一种基于特征相位的多种局部放电混合信号分离方法 |
| CN110720046B (zh) * | 2017-06-14 | 2022-03-18 | 三菱电机株式会社 | 经年劣化诊断装置和经年劣化诊断方法 |
| CN107831412B (zh) * | 2017-10-11 | 2020-02-21 | 国网上海市电力公司 | 电气设备局部放电定位方法及***、存储介质及终端设备 |
| CN108375720B (zh) * | 2018-03-29 | 2023-04-28 | 广东电网有限责任公司 | 一种用于局放测试的相频追踪*** |
| CN109828189A (zh) * | 2019-02-19 | 2019-05-31 | 福建聚实新能源科技有限公司 | 基于泛在电力物联网的局放在线监测装置、***及方法 |
| CN110160483B (zh) * | 2019-04-26 | 2021-01-29 | 云南电网有限责任公司电力科学研究院 | 一种电缆终端绝缘损伤面积的测量方法以及装置 |
| CN110837028B (zh) * | 2019-09-27 | 2021-08-31 | 中国船舶重工集团公司第七一九研究所 | 一种快速识别局部放电模式的方法 |
| CN110954790A (zh) * | 2019-11-25 | 2020-04-03 | 贵州电网有限责任公司 | 一种绝缘子沿面放电手持检测装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3077397B2 (ja) * | 1992-06-26 | 2000-08-14 | 日立電線株式会社 | 部分放電測定法 |
| AUPQ260599A0 (en) * | 1999-09-02 | 1999-09-23 | Transgrid | Partial discharge monitoring system for transformers |
| CN102135593B (zh) * | 2010-12-28 | 2016-01-20 | 太原理工大学 | 大电机绝缘状态在线诊断评估方法 |
| CN103323749B (zh) * | 2013-05-16 | 2016-08-03 | 上海交通大学 | 多分类器信息融合的局部放电诊断方法 |
| CN103323755A (zh) * | 2013-06-17 | 2013-09-25 | 广东电网公司电力科学研究院 | Gis特高频局部放电信号识别方法及*** |
-
2014
- 2014-08-28 CN CN201410431243.0A patent/CN104316846B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104316846A (zh) | 2015-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104316846B (zh) | 一种电力设备局部放电模式识别方法、装置及*** | |
| CN105548832B (zh) | 高压电力电缆故障识别方法 | |
| US7865321B2 (en) | Arcing event detection | |
| CN104614608B (zh) | 一种低压并联电弧故障检测装置及方法 | |
| US20150120218A1 (en) | Novel method for real time tests and diagnosis of partial discharge sources in high voltage equipment and installations, which are in service or out of service, and physical system for the practical use of the method | |
| CN105508276B (zh) | 一种城区变电站主变压器风扇噪声评价方法 | |
| KR20090045154A (ko) | 전력선의 부분 방전의 검출 및 감시 | |
| CN110568329B (zh) | 电弧检测方法、家用电器及计算机可读存储介质 | |
| CN107621595A (zh) | 一种电力电缆的绝缘状态评估装置及方法 | |
| CN103454526B (zh) | 一种基于klc模型的电力变压器绕组故障类型判定方法 | |
| CN103197206A (zh) | 电平扫描式超高频局部放电在线监测***及方法 | |
| WO2015024825A1 (en) | Diagnostic method for automatic discrimination of phase-to-ground partial discharge, phase-to-phase partial discharge and electromagnetic noise | |
| CN103048593A (zh) | 一种气体绝缘开关设备绝缘缺陷种类的识别方法 | |
| CN103698669A (zh) | 一种高压电力设备局部放电脉冲分离方法 | |
| CN110850244A (zh) | 基于深度学习的局放缺陷时域图谱诊断方法、***及介质 | |
| CN103197211A (zh) | 一种开关柜局部放电巡检仪 | |
| Mahela et al. | A hybrid signal processing technique for recognition of complex power quality disturbances | |
| CN216848010U (zh) | 一种边缘计算的电缆局放在线监测装置 | |
| CN116593842A (zh) | 一种宽频带、带滤波功能的电缆局部放电检测***及方法 | |
| CN104865508A (zh) | 基于数据分组量化的局部放电识别方法 | |
| JP2003307539A (ja) | ガス絶縁機器の部分放電診断装置 | |
| CN106950462A (zh) | 一种输电线路的故障辨识及定位设备 | |
| CN105425126A (zh) | 一种多局部放电源分离方法及其三频率中心调理装置 | |
| CN205246818U (zh) | 一种多局部放电源分离用三频率中心调理装置 | |
| CN112485715B (zh) | 一种基于电流零休暂态特征的可靠选线方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |