CN104361259A - 一种变压器越限运行特征分析方法 - Google Patents
一种变压器越限运行特征分析方法 Download PDFInfo
- Publication number
- CN104361259A CN104361259A CN201410728408.0A CN201410728408A CN104361259A CN 104361259 A CN104361259 A CN 104361259A CN 201410728408 A CN201410728408 A CN 201410728408A CN 104361259 A CN104361259 A CN 104361259A
- Authority
- CN
- China
- Prior art keywords
- limit
- transformer
- standardization
- limit operation
- num
- 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
Landscapes
- Complex Calculations (AREA)
Abstract
本发明的目的在于提供一种变压器越限运行特征分析方法,包括以下步骤:首先获取变压器历史负载数据并进行数据预处理,根据变压器负载越限阈值a,判断变压器越限运行区间,进而提取单台变压器的越限特征指标:越限运行总时间、越限运行频次和平均越限运行时间,形成变压器越限特征样本;然后,对变压器越限特征样本集进行标准化处理,采用DBSCAN聚类算法对其进行聚类分群;最后对分群的结果进行特征分析,分析各个分群变压器越限特征,并以此分析变压器负载情况。
Description
技术领域
本发明涉及变压器越限特征指标的计算,具体涉及一种通过计算变压器越限特征指标并以此实现变压器负载分群的方法。
背景技术
电力变压器作为电力***中最重要的设备,保证其长时间安全运行是获取高经济效益的前提。变压器内部的油纸绝缘,特别是绝缘纸,在变压器运行期间,受到氧气、温度、水分和酸等多种因素作用而逐渐老化,当绝缘纸的聚合度降低到一定程度,变压器的绝缘寿命将被宣告终止。出于经济原因或为保证不间断供电,变压器会进入高负荷运行,甚至是越限运行的情况,而越限运行会加速变压器老化,但目前没有一种分析方法对变压器的越限情况作评价,因此,有必要建立一种对变压器越限状态分析的方法,寻求科学地反映越限运行情况的特征量,对变压器的越限运行情况进行合理分类,并能以此依据安排变压器的合理运行方式。
传统的基于层次聚类和划分聚类算法,受噪声的影响大,聚类结果不稳定。而基于密度的聚类算法,如DBSCAN算法,使用簇的基于密度的定义,因此它是相对抗噪声的,并且能够处理任意形状和大小的簇,它可以发现使用K均值不能发现的许多簇。
发明内容
针对上述现有技术中存在的问题,本发明的目的在于提供一种变压器越限运行特征分析方法,其可以根据变压器的负载越限特征,分析变压器的越限情况。
为了解决上述技术问题,本发明采用的技术方案是根据变压器历史负载数据并提取变压器的越限特征,再根据越限特征对变压器聚类分群,分析各个分群的内部特征,识别各个分群变压器越限情况。具体技术方案如下
一种变压器越限运行特征分析方法,包括以下步骤:
步骤1:获取变压器负载数据并进行数据预处理;所述数据预处理是指剔除负载率等于0和大于110%的数据。
步骤2:根据运行监控需求,找出变压器的越限运行区间,进一步地计算出各台变压器的越限运行总时间、越限运行频次和平均越限运行时间三个负载越限特征指标,形成特征样本集;
步骤3:对特征样本集进行标准化处理,再对变压器进行DBSCAN聚类分群;
步骤4:对各个分群结果,画出各特征指标的概率密度函数图像,根据特征指标值的区间范围,评价不同分群的越限运行状态。
所述步骤2中具体计算过程为:设定越限阈值a,在一段连续时间内均有负载率fi≥a,k1≤i≤k2;则单次越限运行时间为如果在统计时间内变压器共越限m次,则越限运行频次为num=m,越限运行总时间为其中ytk为第k次越限的越限运行时间,平均越限运行时间为其中表示第k次越限运行中变压器负荷数据的起始时间和结束时间。
所述步骤3中的标准化处理包括对越限运行总时间、越限运行频次和平均越限运行时间分别进行标准化处理并得到标准化后的越限运行总时间、标准化后的越限运行频次和标准化后的平均越限运行时间。
所述步骤3中的标准化处理具体计算公式如下:
标准化后的越限运行总时间其中
标准化后的越限运行频次其中
标准化后的平均越限运行时间其中
所述步骤3中是利用DBSCAN聚类算法对变压器进行DBSCAN聚类分群,其中,距离函数选择欧氏距离
S3.1:在特征样本集中随机选择一个不属于任何分群的核心对象变压器p,创建一个新的分群;
S3.2:根据该分群中的核心对象变压器,循环收集密度可达的核心对象变压器加入该分群,直到没有新的核心对象变压器加入为止;
S3.3:若不存在不属于任何聚类的核心对象变压器,则转入步骤S3.4,否则返回步骤S3.1继续执行;
S3.4:对各个核心对象变压器收集与其密度相连的边界对象变压器,把边界对象变压器归类到相应核心对象变压器所属的聚类中。
所述的DBSCAN算法具体步骤如下:
首先给出如下定义:
定义1.一个给定对象的半径r内的区域称为该对象的r邻域。
定义2.如果一个对象的r邻域内至少包含k个对象,则称为核心对象。
定义3.对于一个给定对象,如果它在某个核心对象的r邻域内,但自己不是核心对象,则称其为边界对象。
定义4.给定对象集合,如果q在p的r邻域内,而p是核心对象,则称p到q是直接密度可达。
定义5.对于给定的r和k,如果存在一系列对象p1,...,pn,p1=p,pn=q,其中pi可以直接密度可达pi+1,则称p到q是密度可达。
本发明对比现有技术,有如下优点:
根据上述本发明实施例的方案,本发明考虑了不同变压器越限运行的差异性,提供了一种变压器越限运行特征分析方法,得到变压器越限分群结果和建议,经验证,对变压器越限运行状态分类效果明显,为掌握变压器越限运行情况提供一种技术手段。同时聚类分群方法采用DBSCAN算法,它跟传统的基于层次聚类和划分聚类的凸形聚类簇不同,该算法可以发现任意形状的聚类簇,而且不必预先设定聚类分群的个数。
附图说明
图1一种变压器越限运行特征分析方法过程;
图2分群0各指标的概率密度图;
图3分群1各指标的概率密度图;
图4分群2各指标的概率密度图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
如图1所示,本发明的一种变压器越限运行特征分析方法包括如下步骤:
步骤1:获取变压器的历史负载数据并进行数据预处理,剔除负载率等于0和大于110%的数据;
步骤2:根据运行监控需求,根据越限阈值a,找出变压器的越限运行区间,进一步地计算出各台变压器的越限运行总时间、越限运行频次和平均越限运行时间三个负载越限特征指标,形成特征样本集;
步骤3:对特征样本集进行标准化处理,再对变压器进行DBSCAN聚类分群;
步骤4:对各个分群结果,画出各特征指标的概率密度函数图像,根据特征指标值的区间范围,评价不同分群的越限运行状态。
所述的步骤1具体说明如下:
抽取变压器历史负载数据,并对数据进行预处理,剔除负载率等于0和大于110%的数据,单台变压器进行数据预处理后的历史负载数据格式见表1。
表1.变压器历史负载数据格式
时间 | t1 | t2 | t3 | t4 | t5 | t6 | … | tn-1 | tn |
负载率 | f1 | f2 | f3 | f4 | f5 | f6 | … | fn-1 | fn |
所述的步骤2具体说明如下:
根据运行监控需求,设定变压器负载越限阈值为a,定义变压器一次越限运行区间为在一段连续时间内(表示第k次越限运行中变压器负荷数据的起始时间和结束时间),均有负载率fi≥a,k1≤i≤k2,则单次越限运行时间为考虑到变压器会出现持续极短时间负载超过越限阈值,这可能是变压器负载波动幅度大,偶然发生的越限,不能代表变压器的负载越限特征,故需要剔除ytk为小于3分钟的越限运行数据。同时在实际运行中,越限运行时间不可能存在大于1000分钟的情况,故需要剔除ytk大于1000分钟的越限运行数据。
假定在统计时间内变压器共越限m次,则越限运行频次为num=m,越限运行总时间为其中ytk为第k次越限的越限运行时间,平均越限运行时间为
对各台变压器均计算出越限运行总时间、越限运行频次和平均越限运行时间三个负载越限特征指标,得到特征样本数据集,见
变压器编号 | 越限运行总时间 | 越限运行频次 | 平均越限运行时间 |
num_1 | total_t1 | num1 | avg_t1 |
num_2 | total_t2 | num2 | avg_t2 |
num_3 | total_t3 | num3 | avg_t3 |
… | … | … | … |
num_n-1 | total_tn-1 | numn-1 | avg_tn-1 |
num_n | total_tn | numn | avg_tn |
。
表2.特征样本数据集示例
变压器编号 | 越限运行总时间 | 越限运行频次 | 平均越限运行时间 |
num_1 | total_t1 | num1 | avg_t1 |
num_2 | total_t2 | num2 | avg_t2 |
num_3 | total_t3 | num3 | avg_t3 |
… | … | … | … |
num_n-1 | total_tn-1 | numn-1 | avg_tn-1 |
num_n | total_tn | numn | avg_tn |
所述的步骤3具体说明如下:
根据步骤3形成的特征样本集,对每一个特征指标进行标准化处理:
标准化后的越限运行总时间其中
标准化后的越限运行频次其中
标准化后的平均越限运行时间其中
经过标准化后的特征样本集见
变压器编号 | 越限运行总时间 | 越限运行频次 | 平均越限运行时间 |
num_1 | Normtotal_t1 | Normnum1 | Normavg_t1 |
num_2 | Normtotal_t2 | Normnum2 | Normavg_t2 |
num_3 | Normtotal_t3 | Normnum3 | Normavg_t3 |
… | … | … | … |
num_n-1 | Normtotal_tn-1 | Normnumn-1 | Normavg_tn-1 |
num_n | Normtotal_tn | Normnumn | Normavg_tn |
表3.标准化后的特征样本集示例
变压器编号 | 越限运行总时间 | 越限运行频次 | 平均越限运行时间 |
num_1 | Normtotal_t1 | Normnum1 | Normavg_t1 |
num_2 | Normtotal_t2 | Normnum2 | Normavg_t2 |
num_3 | Normtotal_t3 | Normnum3 | Normavg_t3 |
… | … | … | … |
num_n-1 | Normtotal_tn-1 | Normnumn-1 | Normavg_tn-1 |
num_n | Normtotal_tn | Normnumn | Normavg_tn |
为了更简洁描述DBSCAN聚类算法,先给出以下定义:
定义1.一个给定对象的r半径内的区域称为该对象的r邻域。
定义2.如果一个对象的r邻域内至少包含k个对象,则称为核心对象。
定义3.对于一个给定对象,如果它在某个核心对象的r Eps邻域内,但自己不是核心对象,则称其为边界对象。
定义4.给定对象集合,如果q在p的r邻域内,而p是核心对象,则称p到q是直接密度可达。
定义5.对于给定的r和k,如果存在一系列对象p1,...,pn,p1=p,pn=q,其中pi可以直接密度可达pi+1,则称p到q是密度可达。
利用DBSCAN聚类算法,距离函数选择欧氏距离 ,选择合适的半径r和邻域内最小样本点数目k,对标准化后的特征样本集聚类分群,具体步骤如下:
S3.1:在特征样本集中随机选择一个不属于任何分群的核心对象变压器p,创建一个新的分群;
S3.2:根据该分群中的核心对象变压器,循环收集密度可达的核心对象变压器加入该分群,直到没有新的核心对象变压器加入为止;
S3.3:若不存在不属于任何聚类的核心对象变压器,则转入步骤S3.4,否则返回步骤S3.1继续执行;
S3.4:对各个核心对象变压器收集与其密度相连的边界对象变压器,把边界对象变压器归类到相应核心对象变压器所属的聚类中。
所述的步骤4具体说明如下:
对各个分群结果,针对负载越限特征指标,采用核密度估计模拟其概率密度函数,并画出相应的概率密度函数图像,从概率密度图的分布情况,获取负载越限特征指标值的区间范围,依据此标准评价不同分群的越限运行状态。
算法算例
下面通过实施例,并结合附图,对本发明方法作进一步具体的说明。
步骤1:获取变压器历史负载数据并进行数据预处理,剔除负载率等于0和大于110%的数据;
设定统计时间段为2013年9月至2014年7月,抽取某省电网500kV变压器历史负载数据进行分析。并对数据进行预处理,剔除负载率等于0和大于110%的数据,某台500kV变压器进行数据预处理后的部分历史负载数据见
表4.某台500kV变压器部分历史负载数据
步骤2:根据运行监控需求,根据越限阈值a,找出变压器的越限运行区间,进一步地计算出各台变压器的越限运行总时间、越限运行频次和平均越限运行时间三个负载越限特征指标;
设定变压器负载越限阈值为80%,计算出各台变压器的所有越限运行区间并剔除异常值后,分别统计得到各台变压器的越限运行总时间、越限运行频次和平均越限运行时间三个负载越限特征指标,得到的负载越限特征样本集见
变压器编号 | 越限运行频次 | 平均越限运行时间 | 越限运行总时间 |
1 | 73 | 137.9352 | 10069.27 |
2 | 55 | 132.9321 | 7311.267 |
3 | 45 | 138.7726 | 6244.767 |
4 | 54 | 140.2053 | 7571.083 |
5 | 17 | 48.94314 | 832.0333 |
6 | 75 | 132.0929 | 9906.967 |
7 | 77 | 124.1162 | 9556.95 |
8 | 82 | 110.8228 | 9087.467 |
9 | 234 | 122.4511 | 28653.57 |
10 | 82 | 89.07907 | 7304.483 |
11 | 33 | 81.10505 | 2676.467 |
12 | 306 | 142.3345 | 43554.37 |
13 | 60 | 148.1872 | 8891.233 |
14 | 11 | 59.36818 | 653.05 |
15 | 9 | 57.02778 | 513.25 |
16 | 6 | 16.31389 | 97.88333 |
17 | 15 | 31.45111 | 471.7667 |
18 | 24 | 109.284 | 2622.817 |
19 | 59 | 119.4729 | 7048.9 |
20 | 7 | 143.6095 | 1005.267 |
21 | 2 | 62.95833 | 125.9167 |
22 | 5 | 18.33 | 91.65 |
23 | 7 | 92.00952 | 644.0667 |
24 | 9 | 51.93889 | 467.45 |
25 | 85 | 77.69039 | 6603.683 |
26 | 33 | 99.6096 | 3287.117 |
27 | 20 | 59.75917 | 1195.183 |
28 | 3 | 15.92222 | 47.76667 |
29 | 19 | 83.58421 | 1588.1 |
30 | 22 | 80.63561 | 1773.983 |
31 | 4 | 56.94167 | 227.7667 |
32 | 5 | 237.7333 | 1188.667 |
。
表5.负载越限特征样本集
变压器编号 | 越限运行频次 | 平均越限运行时间 | 越限运行总时间 |
1 | 73 | 137.9352 | 10069.27 |
2 | 55 | 132.9321 | 7311.267 |
3 | 45 | 138.7726 | 6244.767 |
4 | 54 | 140.2053 | 7571.083 |
5 | 17 | 48.94314 | 832.0333 |
6 | 75 | 132.0929 | 9906.967 |
7 | 77 | 124.1162 | 9556.95 |
8 | 82 | 110.8228 | 9087.467 |
9 | 234 | 122.4511 | 28653.57 |
10 | 82 | 89.07907 | 7304.483 |
11 | 33 | 81.10505 | 2676.467 |
12 | 306 | 142.3345 | 43554.37 |
13 | 60 | 148.1872 | 8891.233 |
14 | 11 | 59.36818 | 653.05 |
15 | 9 | 57.02778 | 513.25 |
16 | 6 | 16.31389 | 97.88333 |
17 | 15 | 31.45111 | 471.7667 |
18 | 24 | 109.284 | 2622.817 |
19 | 59 | 119.4729 | 7048.9 |
20 | 7 | 143.6095 | 1005.267 |
21 | 2 | 62.95833 | 125.9167 |
22 | 5 | 18.33 | 91.65 |
23 | 7 | 92.00952 | 644.0667 |
24 | 9 | 51.93889 | 467.45 |
25 | 85 | 77.69039 | 6603.683 |
26 | 33 | 99.6096 | 3287.117 |
27 | 20 | 59.75917 | 1195.183 |
28 | 3 | 15.92222 | 47.76667 |
29 | 19 | 83.58421 | 1588.1 |
30 | 22 | 80.63561 | 1773.983 |
31 | 4 | 56.94167 | 227.7667 |
32 | 5 | 237.7333 | 1188.667 |
步骤3:对特征样本集进行标准化处理,再对变压器进行DBSCAN聚类分群;
对特征样本集进行标准化后,利用DBSCAN聚类算法,距离函数选择欧氏距离,选择半径r=0.7和邻域内最小样本点数目k=2,其输出的聚类结果如错误!未找到引用源。所示。
表6.聚类结果(一)
分群类别 | 分群0 | 分群1 | 分群2 |
样本个数 | 4 | 11 | 17 |
样本个数占比 | 12.50% | 34.38% | 53.13% |
表7.聚类结果(二)
变压器编号 | 越限运行频次 | 平均越限运行时间 | 越限运行总时间 | 分群号 |
1 | 73 | 137.9352 | 10069.27 | 1 |
2 | 55 | 132.9321 | 7311.267 | 1 |
3 | 45 | 138.7726 | 6244.767 | 1 |
4 | 54 | 140.2053 | 7571.083 | 1 |
5 | 17 | 48.94314 | 832.0333 | 2 |
6 | 75 | 132.0929 | 9906.967 | 1 |
7 | 77 | 124.1162 | 9556.95 | 1 |
8 | 82 | 110.8228 | 9087.467 | 1 |
9 | 234 | 122.4511 | 28653.57 | 0 |
10 | 82 | 89.07907 | 7304.483 | 1 |
11 | 33 | 81.10505 | 2676.467 | 2 |
12 | 306 | 142.3345 | 43554.37 | 0 |
13 | 60 | 148.1872 | 8891.233 | 1 |
14 | 11 | 59.36818 | 653.05 | 2 |
15 | 9 | 57.02778 | 513.25 | 2 |
16 | 6 | 16.31389 | 97.88333 | 2 |
17 | 15 | 31.45111 | 471.7667 | 2 |
18 | 24 | 109.284 | 2622.817 | 2 |
19 | 59 | 119.4729 | 7048.9 | 1 |
20 | 7 | 143.6095 | 1005.267 | 0 |
21 | 2 | 62.95833 | 125.9167 | 2 |
22 | 5 | 18.33 | 91.65 | 2 |
23 | 7 | 92.00952 | 644.0667 | 2 |
24 | 9 | 51.93889 | 467.45 | 2 |
25 | 85 | 77.69039 | 6603.683 | 1 |
26 | 33 | 99.6096 | 3287.117 | 2 |
27 | 20 | 59.75917 | 1195.183 | 2 |
28 | 3 | 15.92222 | 47.76667 | 2 |
29 | 19 | 83.58421 | 1588.1 | 2 |
30 | 22 | 80.63561 | 1773.983 | 2 |
31 | 4 | 56.94167 | 227.7667 | 2 |
32 | 5 | 237.7333 | 1188.667 | 0 |
步骤4:对各个分群结果,画出各特征指标的概率密度函数图像,根据特征指标值的区间范围,评价不同分群的越限运行状态。
根据步骤3得到的分群结果,针对负载越限特征指标,采用核密度估计模拟其概率密度函数,并画出相应的概率密度函数图像,从概率密度图的分布情况,获取负载越限特征指标值的区间范围,依据此标准评价不同分群的越限运行状态。
1)分群0特征分析
三个特征变量的频率密度如图2所示,可以看出,对于分群0,变压器的越限运行频次分布不均,分布范围广,大致在0到400之间;平均越限运行时间较长,大致在100-250分钟;越限运行总时间较长,大致在0-50000分钟。总体来看,分群0的越限严重程度较高,需重点排查这些变压器的运行情况和越限原因。
2)分群1特征分析
三个特征变量的频率密度如图3所示,可以看出,对于分群1,变压器的越限运行频次处于中等水平,大致在20到100之间;平均越限运行时间处于中等水平,大致在70-150分钟;越限运行总时间处于中等水平,大致在5000-10000分钟。总体来看,分群1的越限严重程度处于中等水平。
3)分群2特征分析
五个特征变量的频率密度如图4所示,可以看出,对于分群2,变压器的越限运行频次较低,大致在0到40之间;平均越限运行时间较短,大致在0-110分钟;越限运行总时间较短,大致在0-3000分钟。总体来看,分群2的越限严重程度较低。
本发明的实施方式不限于此,在本发明上述基本技术思想前提下,按照本领域的普通技术知识和惯用手段对本发明内容所做出其它多种形式的修改、替换或变更,均落在本发明权利保护范围之内。
Claims (6)
1.一种变压器越限运行特征分析方法,其特征在于包括以下步骤:
步骤1:获取变压器负载数据并进行数据预处理;
步骤2:根据运行监控需求,找出变压器的越限运行区间,进一步地计算出各台变压器的越限运行总时间、越限运行频次和平均越限运行时间三个负载越限特征指标,形成特征样本集;
步骤3:对特征样本集进行标准化处理,再对变压器进行DBSCAN聚类分群;
步骤4:对各个分群结果,画出各特征指标的概率密度函数图像,根据特征指标值的区间范围,评价不同分群的越限运行状态。
2.根据权利要求1所述的变压器越限运行特征分析方法,其特征在于:所述数据预处理是指剔除负载率等于0和大于110%的数据。
3.根据权利要求1所述的变压器越限运行特征分析方法,其特征在于:所述步骤2中具体计算过程为:设定越限阈值a,在一段连续时间内均有负载率fi≥a,k1≤i≤k2;则单次越限运行时间为如果在统计时间内变压器共越限m次,则越限运行频次为num=m,越限运行总时间为其中ytk为第k次越限的越限运行时间,平均越限运行时间为其中表示第k次越限运行中变压器负荷数据的起始时间和结束时间。
4.根据权利要求3所述的变压器越限运行特征分析方法,其特征在于:所述步骤3中的标准化处理包括对越限运行总时间、越限运行频次和平均越限运行时间分别进行标准化处理并得到标准化后的越限运行总时间、标准化后的越限运行频次和标准化后的平均越限运行时间。
5.根据权利要求3所述的变压器越限运行特征分析方法,其特征在于:所述步骤3中的标准化处理具体计算公式如下:
标准化后的越限运行总时间其中
标准化后的越限运行频次 其中
标准化后的平均越限运行时间 其中
6.根据权利要求5所述的变压器越限运行特征分析方法,其特征在于:所述步骤3中是利用DBSCAN聚类算法对变压器进行DBSCAN聚类分群,其中,距离函数选择欧氏距离
S3.1:在特征样本集中随机选择一个不属于任何分群的核心对象变压器p,创建一个新的分群;
S3.2:根据该分群中的核心对象变压器,循环收集密度可达的核心对象变压器加入该分群,直到没有新的核心对象变压器加入为止;
S3.3:若不存在不属于任何聚类的核心对象变压器,则转入步骤S3.4,否则返回步骤S3.1继续执行;
S3.4:对各个核心对象变压器收集与其密度相连的边界对象变压器,把边界对象变压器归类到相应核心对象变压器所属的聚类中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410728408.0A CN104361259B (zh) | 2014-12-03 | 2014-12-03 | 一种变压器越限运行特征分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410728408.0A CN104361259B (zh) | 2014-12-03 | 2014-12-03 | 一种变压器越限运行特征分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104361259A true CN104361259A (zh) | 2015-02-18 |
CN104361259B CN104361259B (zh) | 2017-03-01 |
Family
ID=52528518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410728408.0A Active CN104361259B (zh) | 2014-12-03 | 2014-12-03 | 一种变压器越限运行特征分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104361259B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107895222A (zh) * | 2017-10-26 | 2018-04-10 | 华北电力大学 | 基于dbscan算法的变压器不良漏抗参数辨识方法 |
CN108197647A (zh) * | 2017-12-28 | 2018-06-22 | 中南大学 | 一种汽车起动机耐久测试数据的快速聚类方法 |
CN109711437A (zh) * | 2018-12-06 | 2019-05-03 | 武汉三江中电科技有限责任公司 | 一种基于yolo网络模型的变压器部件识别方法 |
CN110921446A (zh) * | 2019-12-10 | 2020-03-27 | 猫岐智能科技(上海)有限公司 | 设备属性获取*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6373891B1 (en) * | 1997-07-02 | 2002-04-16 | Klaus Schulze | System and method for image sequence processing |
CN103618315A (zh) * | 2013-12-10 | 2014-03-05 | 广州供电局有限公司 | 一种基于bart算法和超吸收壁的电网电压无功优化方法 |
CN103793756A (zh) * | 2014-01-17 | 2014-05-14 | 广西电网公司电力科学研究院 | 一种变压器经济运行特征分析方法 |
-
2014
- 2014-12-03 CN CN201410728408.0A patent/CN104361259B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6373891B1 (en) * | 1997-07-02 | 2002-04-16 | Klaus Schulze | System and method for image sequence processing |
CN103618315A (zh) * | 2013-12-10 | 2014-03-05 | 广州供电局有限公司 | 一种基于bart算法和超吸收壁的电网电压无功优化方法 |
CN103793756A (zh) * | 2014-01-17 | 2014-05-14 | 广西电网公司电力科学研究院 | 一种变压器经济运行特征分析方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107895222A (zh) * | 2017-10-26 | 2018-04-10 | 华北电力大学 | 基于dbscan算法的变压器不良漏抗参数辨识方法 |
CN108197647A (zh) * | 2017-12-28 | 2018-06-22 | 中南大学 | 一种汽车起动机耐久测试数据的快速聚类方法 |
CN108197647B (zh) * | 2017-12-28 | 2021-08-31 | 中南大学 | 一种汽车起动机耐久测试数据的快速聚类方法 |
CN109711437A (zh) * | 2018-12-06 | 2019-05-03 | 武汉三江中电科技有限责任公司 | 一种基于yolo网络模型的变压器部件识别方法 |
CN110921446A (zh) * | 2019-12-10 | 2020-03-27 | 猫岐智能科技(上海)有限公司 | 设备属性获取*** |
Also Published As
Publication number | Publication date |
---|---|
CN104361259B (zh) | 2017-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107301296B (zh) | 基于数据的断路器故障影响因素定性分析方法 | |
CN116304766B (zh) | 基于多传感器的开关柜状态快速评估方法 | |
CN108959187B (zh) | 一种变量分箱方法、装置、终端设备及存储介质 | |
CN114298863A (zh) | 一种智能抄表终端的数据采集方法及*** | |
CN104361259A (zh) | 一种变压器越限运行特征分析方法 | |
CN107862114A (zh) | 基于三比值特征量的小波pso‑svm变压器故障诊断方法 | |
CN103675610B (zh) | 局部放电在线检测中的特征因子提取方法 | |
CN108053095B (zh) | 一种电能质量扰动事件特征提取方法及*** | |
CN106355209B (zh) | 基于决策树算法的窃电诊断***及方法 | |
CN117235557B (zh) | 基于大数据分析的电气设备故障快速诊断方法 | |
CN114997256A (zh) | 一种风电场异常功率的检测方法、设备及存储介质 | |
CN111160404B (zh) | 配电网线损标杆合理值的分析方法及装置 | |
CN110690701A (zh) | 一种异常线损影响因素的分析方法 | |
CN116780781B (zh) | 智能电网接入的功率管理方法 | |
CN111371188A (zh) | 一种用电异常数据实时预警*** | |
CN113125903A (zh) | 线损异常检测方法、装置、设备及计算机可读存储介质 | |
CN115563477B (zh) | 谐波数据识别方法、装置、计算机设备和存储介质 | |
CN111582406A (zh) | 一种电力设备状态监测数据聚类方法和*** | |
WO2020058479A1 (en) | Method, apparatus and device for evaluating the state of a distribution transformer, and a medium and a program | |
CN111178690A (zh) | 基于风控评分卡模型的用电客户窃电风险评估方法 | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的***和方法 | |
CN116664335B (zh) | 基于智能监控的半导体生产***运行分析方法及*** | |
CN112329971A (zh) | 一种输变电工程投资决策模型的建模方法 | |
CN105183612B (zh) | 服务器可用内存异常增长及运行状况的评估方法 | |
CN108055088B (zh) | 异常无线电信号的监测方法、装置及无线电监测设备 |
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 |