CN107832687A - 基于无线标识传感的变压器绕组故障诊断方法 - Google Patents
基于无线标识传感的变压器绕组故障诊断方法 Download PDFInfo
- Publication number
- CN107832687A CN107832687A CN201711027358.3A CN201711027358A CN107832687A CN 107832687 A CN107832687 A CN 107832687A CN 201711027358 A CN201711027358 A CN 201711027358A CN 107832687 A CN107832687 A CN 107832687A
- Authority
- CN
- China
- Prior art keywords
- transformer winding
- vibration signal
- data
- radio frequency
- denoising
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/62—Testing of transformers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
- G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
基于无线标识传感的变压器绕组故障诊断方法,包括如下步骤:采集正常状态下以及故障发生时的变压器绕组振动信号;采用奇异熵对变压器绕组振动信号进行去噪,将去噪后的正常状态下的变压器绕组振动信号随机分为两组,一组为训练数据,另一组为测量原始数据;去噪后的故障发生时的变压器绕组振动信号为阈值原始数据;对阈值原始数据进行重构,得到阈值重构数据,获取变压器绕组故障发生时的残差阈值;对测量原始数据进行重构以获取测量重构数据,获取相应残差数据,并将该残差数据与残差阈值进行比较,以实现对变压器绕组的故障诊断。本发明实现对变压器绕组故障的远程无线无人化诊断,诊断效率高,减少维修人员的工作量,提高变压器的运行效率。
Description
技术领域
本发明涉及变压器绕组故障诊断领域,特别涉及一种基于无线标识传感的变压器绕组故障诊断方法。
背景技术
变电站中,以变压器的运行状况直接关系到发电、供电***的安全性和可靠性。现有的对变压器进行故障诊断的方法主要有油色谱法、低压脉冲法、短路阻抗法和频率响应分析法等方法。但以上三种方法均为离线诊断方法,需要变压器退出运行状态进行故障诊断,无法实现对变压器的带电故障诊断,大大降低了供电的可靠性。现有的基于振动的变压器绕组故障诊断方法都是通过有线速度传感器来实现对变压器绕组振动信号的获取,这种方式增加了布线的成本以及后期维修的成本,经济效益低。
发明内容
本发明要解决的技术问题是,针对现有变压器绕组故障诊断存在的弊端,提供一种无线标识传感的变压器绕组故障诊断方法,有效实现对变压器绕组远程无线无人化的故障诊断,诊断效率高,降低了故障诊断的成本,减少维修人员的工作量,提高变压器的运行效率。
本发明为解决上述技术问题所采用的技术方案是:
基于无线标识传感的变压器绕组故障诊断方法,包括如下步骤:
(1)通过融合射频标识功能的振动传感器分别采集正常状态下以及故障发生时变压器绕组振动信号,即原始振动信号;
(2)采用奇异熵对采集的变压器绕组振动信号即原始振动信号进行去噪,获得去噪后的正常状态下的变压器绕组振动信号与故障发生时的变压器绕组振动信号;将去噪后的正常状态下的变压器绕组振动信号随机分为两组,一组为训练数据,另一组为测量原始数据;将去噪后的故障发生时的变压器绕组振动信号作为阈值原始数据;
(3)利用训练数据训练最小二乘支持向量机回归模型,并由训练后的最小二乘支持向量机回归模型对上述阈值原始数据进行重构,得到阈值重构数据,通过阈值重构数据与阈值原始数据获取变压器绕组故障发生时的残差阈值,残差阈值=阈值重构数据-阈值原始数据;
(4)利用训练后的最小二乘支持向量机回归模型对测量原始数据进行重构以获取测量重构数据,通过测量重构数据与测量原始数据获取相应残差数据,残差数据=测量重构数据-测量原始数据,并将该残差数据与步骤(3)所得残差阈值进行比较,以实现对变压器绕组的故障诊断。
进一步,所述步骤(1)中,融合射频标识功能的振动传感器包括设于变压器外周的磁场能量获取装置,磁场能量获取装置用于从变压器周围磁场中获取能量为融合射频标识功能的振动传感器进行供电,实现融合射频标识功能的振动传感器的自取能(便于融合射频标识功能的振动传感器对变压器绕组振动信号进行采集与存储)。
进一步,所述磁场能量获取装置包括磁场能量获取器以及整流器,磁场能量获取器与整流器电连接,磁场能量获取器用于实现磁场能量到电能的转化,整流器用于将磁场能量获取器采集的交流电转为直流电,且提高输出电压。
进一步,所述磁场能量获取器为带有铁芯的螺线管,铁芯材质为铸铁,铁芯直径与铁芯长度的比值范围为[0.05,0.07]。
进一步,所述整流器包括一个倍压整流电路以及升压转换器。
进一步,所述融合射频标识功能的振动传感器还包括低压降稳压器、MCU、三轴加速度传感器和射频标识传感芯片,整流器的输入为磁场能量获取器的输出,整流器的输出端与低压降稳压器的输入端相连接,低压降稳压器的输出端与MCU电连接,三轴加速度传感器和射频标识传感芯片均通过I2C总线与MCU电连接,射频标识传感芯片外接天线;所述三轴加速度传感器用于对变压器绕组振动信号进行采集;所述低压降稳压器用于对整流器的输出电压进行稳压,以获取稳定的直流电压输出;所述MCU用于设置融合射频标识功能的振动传感器的信号采样频率、采样时间以及对采集的变压器绕组振动信号在融合射频标识功能的振动传感器内部的处理与传输进行管理;所述射频标识传感芯片用于实现融合射频标识功能的振动传感器与外部设备之间的通信与数据传输。
进一步,所述步骤(2)中,采用奇异熵对采集的变压器绕组振动信号即原始振动信号进行去噪的具体方法为:
将原始振动信号数据映射到高维矩阵,计算出高维矩阵的奇异谱,由奇异谱确定去噪后的变压器绕组振动信号矩阵的阶次,从而提取出能反映原始振动信号特征的去噪数据;
若原始振动信号为正常状态下的变压器绕组振动信号,则提取出的去噪数据为正常状态下的变压器绕组振动信号;若原始振动信号为故障发生时的变压器绕组振动信号,则提取出的去噪数据为故障发生时的变压器绕组振动信号(即阈值原始数据)。
进一步,所述步骤(3)中,变压器绕组故障发生时的残差阈值的范围为[0.03-0.1]。
进一步,所述步骤(4)中,实现对变压器绕组的故障诊断具体为:当残差数据RE>0.03时,即判断变压器绕组发生故障。
本发明的工作原理:采用融合射频标识功能的振动传感器对变压器绕组信号进行无线采集与传输,由于从变压器油箱外壁采集的振动信号除了绕组振动信号以外,还包含着大量的谐波分量以及其他振动源产生的干扰信号,同时所采集的振动信号在经由融合射频标识功能的振动传感器无线传输的过程中,也不可避免的会有一定的电磁干扰,采集的原始数据即振动信号中包含着不同类型以及不同大小的噪声,从而导致无法进行准确的故障诊断,因此采用奇异熵对采集的原始振动信号进行去噪,奇异熵去噪是一种有效的针对于不平稳非线性信号的去噪方法,该方法将原始信号映射到高维矩阵并计算该矩阵的奇异谱,由奇异谱来确定能够完成表征原始振动信号特征的去噪后的变压器绕组振动信号矩阵阶次,以提取出去噪数据;最后由最小二乘支持向量机回归模型对去噪后的去噪数据进行重构,比较重构数据与测量数据获取残差,并与故障发生时的残差阈值进行比较,实现对于变压器绕组的故障诊断。
与现有技术相比,本发明具有以下有益效果:
1、通过融合射频标识功能的振动传感器对变压器绕组信号进行无线采集与传输,实现对变压器绕组远程无线无人化操作的故障诊断,简单易行,提高了变压器的运行效率;
2、融合射频标识功能的振动传感器包括设于变压器外周的磁场能量获取装置,通过对变压器周围磁场的能量进行捕获,作为融合射频标识功能的振动传感器的能量来源;同时通过融合射频标识功能的振动传感器所配置的三轴加速度传感器进行振动信号数据采集,同时通过协议控制对射频标识传感芯片的内存管理模式进行优化,使融合射频标识功能的振动传感器具备数据存储功能;
3、采用奇异熵对采集的原始振动信号进行去噪,提高了后续故障诊断的速度与精度;
4、由最小二乘支持向量机回归模型对去噪后的数据进行重构以实现对于变压器绕组的故障诊断,降低了故障诊断的成本,减少了维修人员的工作量。
附图说明
图1为本发明基于无线标识传感的变压器绕组故障诊断方法的流程图;
图2为本发明融合射频标识功能的振动传感器的整体结构图;
图3为本发明的射频标识传感芯片的内存管理模型示意图;
图4为传统内存管理模型示意图;
图5为本发明融合射频标识功能的振动传感器的射频标识传感芯片的工作距离与通信成功率的关系图;
图6为本发明的磁场能量获取器的结构图;
图7为采用奇异熵去噪前的测量数据(即原始振动信号)与去噪后的数据对比图;
图8为采用最小二乘支持向量机回归模型对变压器绕组进行故障诊断的结果。
具体实施方式
下面结合附图和较优选实施例对本发明的技术方案进行详细地阐述。以下较优选实施例仅用于说明和解释本发明,而不构成对本发明技术方案的限制。
参照图1所示,本发明基于无线标识传感的变压器绕组故障诊断方法的流程图,包括如下步骤:
(1)确定采样频率,通过融合射频标识功能的振动传感器分别采集正常状态下以及故障发生时变压器绕组振动信号,即原始振动信号;
(2)采用奇异熵对采集的原始振动信号进行去噪,获得去噪后的正常状态下的变压器绕组振动信号与故障发生时的变压器绕组振动信号;将去噪后的正常状态下的变压器绕组振动信号随机分为两组,一组为训练数据,另一组为测量原始数据;将去噪后的故障发生时的变压器绕组振动信号作为阈值原始数据;
(3)利用训练数据训练最小二乘支持向量机回归模型,并由训练后的最小二乘支持向量机回归模型对上述阈值原始数据进行重构(重构为现有技术,可参考“曲凤成,张秀平,邱敏,等.基于多元重构预测和最小二乘支持向量机回归的变压器故障诊断[J].电测与仪表,2014,51(15):64-67.”),得到阈值重构数据,通过阈值重构数据与阈值原始数据获取变压器绕组故障发生时的残差阈值,残差阈值=阈值重构数据-阈值原始数据;实施例中变压器绕组故障发生时的残差阈值的范围为[0.03-0.1];
(4)利用训练后的最小二乘支持向量机回归模型对测量原始数据进行重构以获取测量重构数据,通过测量重构数据与测量原始数据获取相应残差数据,残差数据=测量重构数据-测量原始数据,并将该残差数据与步骤(3)所得残差阈值进行比较,以实现对变压器绕组的故障诊断,实现对变压器绕组的故障诊断具体为:当残差数据RE>0.03时,即判断变压器绕组发生故障。
如图2所示,融合射频标识功能的振动传感器包括磁场能量获取器、整流器、低压降稳压器、MCU、三轴加速度传感器、射频标识传感芯片、I2C总线以及天线,磁场能量获取器与整流器电连接,整流器的输入为磁场能量获取器的输出,整流器的输出端与低压降稳压器的输入端相连接,低压降稳压器的输出端与MCU电连接,三轴加速度传感器和射频标识传感芯片均通过I2C总线与MCU电连接,射频标识传感芯片外接天线;
磁场能量获取器和整流器设于变压器外周、共同构成磁场能量获取装置,磁场能量获取器用于实现磁场能量到电能的转化,整流器用于将磁场能量获取器采集的交流电转为直流电,且提高输出电压;
三轴加速度传感器用于对变压器绕组振动信号即原始振动信号进行采集;
低压降稳压器用于对整流器的输出电压进行稳压,以获取稳定的直流电压输出;
MCU用于设置融合射频标识功能的振动传感器的信号采样频率、采样时间以及对采集的变压器绕组振动信号在融合射频标识功能的振动传感器内部的处理与传输进行管理;
射频标识传感芯片用于实现与外部设备(图中未标示出)之间的通信与数据传输,外部设备可为计算机,步骤(2)、(3)、(4)在计算机内完成;
I2C总线用于实现MCU对射频标识传感芯片其余部分之间的通信以及三轴加速度传感器与MCU之间的数据传输;天线用于射频信号的发送与接收。
图3为本发明的融合射频标识功能的振动传感器的射频标识传感芯片内存管理模型,相比于图4所示的传统内存管理模型,本发明融合射频标识功能的振动传感器的射频标识传感芯片利用了其闲置空间对原始振动信号数据进行存储,同时增设了CRC控制位以检验数据传输的完整性。
图5为本发明的融合射频标识功能的振动传感器的射频标识传感芯片的工作距离与通信成功率的关系图,通信成功率大于等于80%可认为是有效通信距离,由图可见该振动传感器的最大有效通信距离为10.5m,可以实现对变压器绕组的远程故障诊断。
图6为本发明的融合射频标识功能的振动传感器的磁场能量获取器的结构图,磁场能量获取器为带有铁芯的螺线管,铁芯材质为铸铁,其工作原理如下:
由法拉第电磁感应定律可知,磁场能量获取器的开路电压Voc为
VOC=2πfμeffNπ(0.5D)2B;
式中,B为平行于螺线管的线圈轴线的磁通量密度,f为对应磁场的频率,μeff为有效磁导率,N为线圈匝数,D为铁芯直径;铁芯直径D与铁芯长度l的比值范围为[0.05,0.07],实施例中优选0.066,该数值的选取同时兼顾了取能效率以及成本。
图7为为采用奇异熵去噪前的测量数据(即原始振动信号)与去噪后的数据对比展示,由图7可见,去噪数据接近于原始振动信号,但噪声成分可以忽略不计。采用奇异熵对采集的变压器绕组振动信号即原始振动信号进行去噪的具体方法为:
给定原始振动信号数据X=[xi](i=1,2,…,P),xi表示原始振动信号数据的元素,i为元素标号,P为数据长度,将其映射到高维矩阵W∈Rm×n中,可得
式中,n为滑动窗宽度,m为高维矩阵的维度,τ为延迟时间。m可通过互信息法获取,τ可由Cao算法获得。对高维矩阵W进行奇异值分解,可得W=U·Λ·VT,U和V是矩阵W的奇异向量,Λ为如下所示的对角阵:
式中λ1≥λ2≥…≥λq,λj(j=1,2,…,q)为W的奇异值,j为奇异值标号,q为奇异值数目。则k阶奇异熵可由下式计算:
ΔEj表示奇异熵在阶次j处的增量,可由下式计算:
不同阶次的奇异熵增量共同构成了奇异谱,其中奇异谱的横坐标为阶次,纵坐标为相应阶次处的奇异熵增量。
通过上述公式计算高维矩阵W的奇异谱,取奇异熵增量趋近于平稳时(斜率处于[-0.5,0.5]之间时)的奇异熵阶次c为去噪后振动信号矩阵的阶次,保留上述对角阵Λ前c个主对角元素,其余主对角元素置零,得到新的对角阵Λ',将Λ'重组(W'=U·Λ'·VT)即可获得去噪后的去噪数据W',通过去噪后的去噪数据反映原始振动信号特征。
若原始振动信号为正常状态下的变压器绕组振动信号,则提取出的去噪数据为正常状态下的变压器绕组振动信号;若原始振动信号为故障发生时的变压器绕组振动信号,则提取出的去噪数据为故障发生时的变压器绕组振动信号(即阈值原始数据)。
图8为采用最小二乘支持向量机回归模型对变压器绕组进行故障诊断的结果,由图8可见,对于故障以及正常状态下的绕组,该模型获得的残差有着显著的差异,可以有效地实现故障诊断,获得最小二乘支持向量机回归模型的方法如下:
给定训练数据集{(xt,yt)|t=1,2,…,l},xt∈RQ,yt∈R,其中,xt为训练数据的元素,yt为相应元素xt的标签,t为元素的标号,l为训练数据集中数据的数目,Q为训练数据x的维数,则最小二乘支持向量机回归模型可为:
式中,w为权重系数,b为偏置项,为将训练数据x投射到高维空间的非线性函数,最小二乘支持向量机回归模型由w和b决定,因此该模型的建立可转化为求取获得最佳泛化能力时w和b两个参数的值,可通过求取正则化损失函数的最小值来实现:
式中,et表示最小化回归函数的偏差,l为训练数据集中训练数据的数目,C为控制模型复杂度以及对训练数据适应度的参数,拉格朗日乘子法可用来求解上述优化问题,可得下述矩阵:
式中1=[1,1,…,1],α=[α1,α2,…,αl]T,s=[s1,s2,…,sl]T,K=k(xt,x)为核函数,由核变换技巧可得
最终,最小二乘支持向量机回归模型可表述为:
核函数的选择对于最小二乘支持向量机回归模型的性能有着至关重要的作用,由于本实施例所处理的振动信号为非线性信号,因此本实施例采用径向基函数作为核函数:
k(xt,x)=exp{-||x-xt||2/σ2};
其中σ为核函数宽度。
以上内容结合附图对本发明进行了示例性说明,在结构和布局方面还有多种变化和变型,因此等同的技术方案也属于本发明的范畴,采用本发明的构思和方案的非实质性改进,均在本发明的保护范围之内。
Claims (9)
1.基于无线标识传感的变压器绕组故障诊断方法,其特征在于,包括如下步骤:
(1)通过融合射频标识功能的振动传感器分别采集正常状态下以及故障发生时的变压器绕组振动信号,即原始振动信号;
(2)采用奇异熵对采集的变压器绕组振动信号即原始振动信号进行去噪,获得去噪后的正常状态下的变压器绕组振动信号与故障发生时的变压器绕组振动信号;将去噪后的正常状态下的变压器绕组振动信号随机分为两组,一组为训练数据,另一组为测量原始数据;将去噪后的故障发生时的变压器绕组振动信号作为阈值原始数据;
(3)利用训练数据训练最小二乘支持向量机回归模型,并由训练后的最小二乘支持向量机回归模型对上述阈值原始数据进行重构,得到阈值重构数据,通过阈值重构数据与阈值原始数据获取变压器绕组故障发生时的残差阈值,残差阈值=阈值重构数据-阈值原始数据;
(4)利用训练后的最小二乘支持向量机回归模型对测量原始数据进行重构以获取测量重构数据,通过测量重构数据与测量原始数据获取相应残差数据,残差数据=测量重构数据-测量原始数据,并将该残差数据与步骤(3)所得残差阈值进行比较,以实现对变压器绕组的故障诊断。
2.根据权利要求1所述的基于无线标识传感的变压器绕组故障诊断方法,其特征在于,所述步骤(1)中,融合射频标识功能的振动传感器包括设于变压器外周的磁场能量获取装置,磁场能量获取装置用于从变压器周围磁场中获取能量为融合射频标识功能的振动传感器进行供电,实现融合射频标识功能的振动传感器的自取能。
3.根据权利要求1或2所述的基于无线标识传感的变压器绕组故障诊断方法,其特征在于,所述磁场能量获取装置包括磁场能量获取器以及整流器,磁场能量获取器与整流器电连接,磁场能量获取器用于实现磁场能量到电能的转化,整流器用于将磁场能量获取器采集的交流电转为直流电,且提高输出电压。
4.根据权利要求3所述的基于无线标识传感的变压器绕组故障诊断方法,其特征在于,所述磁场能量获取器为带有铁芯的螺线管,铁芯材质为铸铁,铁芯直径与铁芯长度的比值范围为[0.05,0.07]。
5.根据权利要求3所述的基于无线标识传感的变压器绕组故障诊断方法,其特征在于,所述整流器包括一个倍压整流电路以及升压转换器。
6.根据权利要求2所述的基于无线标识传感的变压器绕组故障诊断方法,其特征在于,所述融合射频标识功能的振动传感器还包括低压降稳压器、MCU、三轴加速度传感器和射频标识传感芯片,整流器的输入为磁场能量获取器的输出,整流器的输出端与低压降稳压器的输入端相连接,低压降稳压器的输出端与MCU电连接,三轴加速度传感器和射频标识传感芯片均通过I2C总线与MCU电连接,射频标识传感芯片外接天线;所述三轴加速度传感器用于对变压器绕组振动信号进行采集;所述低压降稳压器用于对整流器的输出电压进行稳压,以获取稳定的直流电压输出;所述MCU用于设置融合射频标识功能的振动传感器的信号采样频率、采样时间以及对采集的变压器绕组振动信号在融合射频标识功能的振动传感器内部的处理与传输进行管理;所述射频标识传感芯片用于实现融合射频标识功能的振动传感器与外部设备之间的通信与数据传输。
7.根据权利要求1所述的基于无线标识传感的变压器绕组故障诊断方法,其特征在于,所述步骤(2)中,采用奇异熵对采集的变压器绕组振动信号即原始振动信号进行去噪的具体方法为:
将原始振动信号数据映射到高维矩阵,计算出高维矩阵的奇异谱,由奇异谱确定去噪后的变压器绕组振动信号矩阵的阶次,从而提取出能反映原始振动信号特征的去噪数据;
若原始振动信号为正常状态下的变压器绕组振动信号,则提取出的去噪数据为正常状态下的变压器绕组振动信号;若原始振动信号为故障发生时的变压器绕组振动信号,则提取出的去噪数据为故障发生时的变压器绕组振动信号。
8.根据权利要求1所述的基于无线标识传感的变压器绕组故障诊断方法,其特征在于,所述步骤(3)中,变压器绕组故障发生时的残差阈值的范围为[0.03-0.1]。
9.根据权利要求8所述的基于无线标识传感的变压器绕组故障诊断方法,其特征在于,所述步骤(4)中,实现对变压器绕组的故障诊断具体为:当残差数据RE>0.03时,即判断变压器绕组发生故障。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711027358.3A CN107832687A (zh) | 2017-10-27 | 2017-10-27 | 基于无线标识传感的变压器绕组故障诊断方法 |
US15/916,164 US10571507B2 (en) | 2017-10-27 | 2018-03-08 | Transformer winding fault diagnosis method based on wireless identification sensing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711027358.3A CN107832687A (zh) | 2017-10-27 | 2017-10-27 | 基于无线标识传感的变压器绕组故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107832687A true CN107832687A (zh) | 2018-03-23 |
Family
ID=61650812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711027358.3A Pending CN107832687A (zh) | 2017-10-27 | 2017-10-27 | 基于无线标识传感的变压器绕组故障诊断方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10571507B2 (zh) |
CN (1) | CN107832687A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109799808A (zh) * | 2019-01-25 | 2019-05-24 | 东北大学 | 一种基于重构技术的动态过程故障预测方法 |
CN110376437A (zh) * | 2019-07-18 | 2019-10-25 | 北京科技大学 | 一种克服非阶次频率成分干扰的阶次分析方法 |
CN112557966A (zh) * | 2020-12-02 | 2021-03-26 | 国网江苏省电力有限公司南京供电分公司 | 一种基于局部均值分解与支持向量机的变压器绕组松动识别方法 |
CN113435395A (zh) * | 2021-07-13 | 2021-09-24 | 重庆大学 | 基于自适应卡尔曼滤波器的风轮故障自适应诊断方法 |
CN117706433A (zh) * | 2023-12-13 | 2024-03-15 | 西南交通大学 | 一种考虑多频率分量的变压器绕组故障判断方法 |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110057443B (zh) * | 2019-05-07 | 2021-04-27 | 北京中瑞和电气有限公司 | 一种基于瞬态加速度特征的变压器在线监测装置及方法 |
CN110348468B (zh) * | 2019-05-10 | 2023-01-20 | 辽宁大学 | 一种相关向量机优化强重构边缘降噪自动编码器的轴承亚健康识别方法 |
CN110427918B (zh) * | 2019-08-15 | 2022-03-08 | 国网重庆市电力公司电力科学研究院 | 一种电子式电力互感器的故障分类方法及可读存储介质 |
CN111537910B (zh) * | 2020-04-17 | 2022-09-13 | 江苏大学 | 基于振动信号的定子绕组匝间短路故障诊断方法与装置 |
CN112183499B (zh) * | 2020-11-27 | 2021-03-05 | 万鑫精工(湖南)股份有限公司 | 基于信号分量差商值的时域信号诊断方法及存储介质 |
CN113466779B (zh) * | 2021-07-14 | 2024-01-30 | 国网四川省电力公司营销服务中心 | 一种具备抗扰动能力的电能表计量故障诊断方法及*** |
CN113721121B (zh) * | 2021-09-02 | 2024-04-19 | 长江存储科技有限责任公司 | 一种用于半导体工艺的故障检测方法及装置 |
CN113762486B (zh) * | 2021-11-11 | 2022-04-08 | 中国南方电网有限责任公司超高压输电公司广州局 | 换流阀故障诊断模型的构建方法、装置和计算机设备 |
CN113916346B (zh) * | 2021-11-14 | 2023-11-17 | 广东电网有限责任公司江门供电局 | 一种具有三轴振动姿态数据判断功能的配电设备识别方法 |
CN114325164B (zh) * | 2021-11-24 | 2023-03-10 | 合肥工业大学 | 单相三电平整流器多故障诊断方法 |
CN114914888B (zh) * | 2022-04-25 | 2024-03-26 | 合肥工业大学 | 一种单相三电平整流器多故障估计方法 |
CN115114955B (zh) * | 2022-06-07 | 2024-04-30 | 山东科技大学 | 一种基于声音与振动信号的设备故障检测方法 |
CN116796276B (zh) * | 2023-06-28 | 2024-03-22 | 深圳市前海极智创新科技有限公司 | 一种基于人工智能算法的电驱动故障诊断装置 |
CN117607598A (zh) * | 2023-12-12 | 2024-02-27 | 国网山东省电力公司莒县供电公司 | 一种基于声纹特征的变压器故障检测方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324034A (zh) * | 2011-05-25 | 2012-01-18 | 北京理工大学 | 基于最小二乘支持向量机在线预测的传感器故障诊断方法 |
CN103868620A (zh) * | 2014-03-03 | 2014-06-18 | 上海交通大学 | 用于电力设备远距离无源无线温度监测的传感器及其*** |
CN105445022A (zh) * | 2015-11-17 | 2016-03-30 | 中国矿业大学 | 一种基于双树复小波变换-熵特征融合的行星齿轮故障诊断方法 |
CN205209534U (zh) * | 2015-11-12 | 2016-05-04 | 国网辽宁省电力有限公司朝阳供电公司 | 基于Zigbee和RFID技术的配电变压器网络管理*** |
CN205263861U (zh) * | 2015-08-06 | 2016-05-25 | 广西电网有限责任公司电力科学研究院 | 一种基于rfid的电力设备信息采集与管理*** |
CN107039976A (zh) * | 2017-06-08 | 2017-08-11 | 山东鲁能智能技术有限公司 | 一种主被动结合的配电网智能反孤岛***及配置运行方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9959736B2 (en) * | 2011-12-16 | 2018-05-01 | Virginia Transformer Corporation | System and method for monitoring and controlling a transformer |
-
2017
- 2017-10-27 CN CN201711027358.3A patent/CN107832687A/zh active Pending
-
2018
- 2018-03-08 US US15/916,164 patent/US10571507B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324034A (zh) * | 2011-05-25 | 2012-01-18 | 北京理工大学 | 基于最小二乘支持向量机在线预测的传感器故障诊断方法 |
CN103868620A (zh) * | 2014-03-03 | 2014-06-18 | 上海交通大学 | 用于电力设备远距离无源无线温度监测的传感器及其*** |
CN205263861U (zh) * | 2015-08-06 | 2016-05-25 | 广西电网有限责任公司电力科学研究院 | 一种基于rfid的电力设备信息采集与管理*** |
CN205209534U (zh) * | 2015-11-12 | 2016-05-04 | 国网辽宁省电力有限公司朝阳供电公司 | 基于Zigbee和RFID技术的配电变压器网络管理*** |
CN105445022A (zh) * | 2015-11-17 | 2016-03-30 | 中国矿业大学 | 一种基于双树复小波变换-熵特征融合的行星齿轮故障诊断方法 |
CN107039976A (zh) * | 2017-06-08 | 2017-08-11 | 山东鲁能智能技术有限公司 | 一种主被动结合的配电网智能反孤岛***及配置运行方法 |
Non-Patent Citations (1)
Title |
---|
TAO WANG等: "Self-Powered RFID Sensor Tag for Fault Diagnosis and Prognosis of Transformer Winding", 《IEEE SENSORS JOURNAL》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109799808A (zh) * | 2019-01-25 | 2019-05-24 | 东北大学 | 一种基于重构技术的动态过程故障预测方法 |
CN110376437A (zh) * | 2019-07-18 | 2019-10-25 | 北京科技大学 | 一种克服非阶次频率成分干扰的阶次分析方法 |
CN110376437B (zh) * | 2019-07-18 | 2020-04-24 | 北京科技大学 | 一种克服非阶次频率成分干扰的阶次分析方法 |
CN112557966A (zh) * | 2020-12-02 | 2021-03-26 | 国网江苏省电力有限公司南京供电分公司 | 一种基于局部均值分解与支持向量机的变压器绕组松动识别方法 |
CN113435395A (zh) * | 2021-07-13 | 2021-09-24 | 重庆大学 | 基于自适应卡尔曼滤波器的风轮故障自适应诊断方法 |
CN117706433A (zh) * | 2023-12-13 | 2024-03-15 | 西南交通大学 | 一种考虑多频率分量的变压器绕组故障判断方法 |
Also Published As
Publication number | Publication date |
---|---|
US10571507B2 (en) | 2020-02-25 |
US20190128946A1 (en) | 2019-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107832687A (zh) | 基于无线标识传感的变压器绕组故障诊断方法 | |
CN102680799B (zh) | 基于无线方式的变电站电容在线监测方法及其装置 | |
CN101261192A (zh) | 24kV高压真空断路器机械特性在线监测方法及监测装置 | |
CN102818958B (zh) | 变电站并联补偿电容器组的在线监测方法及其装置 | |
CN206270201U (zh) | 气体密度在线监测***和设备 | |
WO2024046363A1 (zh) | Gis局部放电诊断方法、模型训练方法、装置及*** | |
CN104391169A (zh) | 一种双线霍尔电流传感器 | |
CN105182163B (zh) | 基于云技术的特高压直流避雷器泄漏电流的在线侦测*** | |
CN102662110A (zh) | 一种测试电容式电压互感器介损和电容量的方法 | |
CN107132441A (zh) | 一种用于干式空心电抗器现场故障的诊断***及方法 | |
CN104851581B (zh) | 一种高精度数字量输出电子式电流互感器 | |
CN111308162A (zh) | 一种基于电场传感器的配电网运行电压检测方法 | |
CN203350410U (zh) | 真空断路器健康度在线监测*** | |
CN202676777U (zh) | 防窃电远程监控管理*** | |
CN109238313B (zh) | 一种用于转动结构状态监测的多参数lc传感器 | |
Kulkarni et al. | Review on online monitoring of electrical machine using iot | |
CN106842098A (zh) | 一种适合变电站现场测量的电压传感器 | |
CN103941082B (zh) | 一种双通道数据冗余的高电压电能直接计量装置和方法 | |
CN109406874A (zh) | 一种一体化高压电能计量装置 | |
CN202794387U (zh) | 一种容性设备及避雷器在线监测*** | |
CN203772952U (zh) | 一种双通道数据冗余的高电压电能直接计量装置 | |
CN207181662U (zh) | 一种电容式电压互感器误差在线诊断*** | |
CN204596615U (zh) | 一种高精度数字量输出电子式电流互感器 | |
CN207317926U (zh) | 变压器便携式振动监测装置 | |
CN207528797U (zh) | 一种多开口联合电流测试的电缆井接地电流测试装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180323 |
|
RJ01 | Rejection of invention patent application after publication |