CN108646132B - 一种基于变压器绕组频率响应数据特征量提取的绕组变形诊断方法 - Google Patents
一种基于变压器绕组频率响应数据特征量提取的绕组变形诊断方法 Download PDFInfo
- Publication number
- CN108646132B CN108646132B CN201810250330.4A CN201810250330A CN108646132B CN 108646132 B CN108646132 B CN 108646132B CN 201810250330 A CN201810250330 A CN 201810250330A CN 108646132 B CN108646132 B CN 108646132B
- Authority
- CN
- China
- Prior art keywords
- response data
- frequency response
- winding
- frequency
- characteristic quantity
- 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
- 238000004804 winding Methods 0.000 title claims abstract description 70
- 230000004044 response Effects 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000003745 diagnosis Methods 0.000 title claims abstract description 20
- 238000000605 extraction Methods 0.000 title claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000013016 damping Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 239000004744 fabric Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000010189 synthetic method Methods 0.000 description 4
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/72—Testing of electric windings
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于变压器绕组频率响应数据特征量提取的绕组变形诊断方法,首先获取变压器A、B、C三相绕组的频率响应数据;然后,将每组频率响应数据分别分成五个频率段;再对各个频率段的频率响应数据分别进行拟合,还原成函数形式,并提取它们特征量;最后结合特征量所在的数值区间与绕组诊断判据诊断变压器绕组是否发生了变形及变形程度。本发明能够准确诊断变压器绕组变形状况,正确指导其检修工作。
Description
技术领域
本发明属于电力工程技术领域,尤其涉及一种基于变压器绕组频率响应数据特征量提取的绕组变形诊断方法。
背景技术
变压器是电网***的核心设备,也是最昂贵的设备之一,它的运行状态直接影响着整个电网***的安全与稳定。由于设计制造、工艺材料、运行维护和运行环境等方面的原因,使得变压器绕组变形故障时有发生,特别是在短路电流的影响下,变压器绕组受强大电动力作用,会发生塌陷、整体扭曲和位移等机械性永久变形。及时发现和修复变压器绕组变形故障,能够延长变压器运行寿命,从而减少电力***不必要的开支。目前,检测电力变压器绕组变形的方法主要有:(1)根据电容量的变化量判断绕组变形程度,该方法能够检测绕组整体扭曲和位移等变形状况,但无法检测匝间短路等变形状况;(2)短路阻抗法,该方法无法定位绕组故障,且灵敏度低;(3)频率响应分析法是目前最常用的绕组变形检测方法,但是存在三点不足,一是抗干扰能力不强,所测试验数据存在不同程度的干扰信号;二是通过横向相关系数的比较来判断绕组变形状况,灵敏度低,经常导致误判;三是需要丰富的现场经验才能对绕组变形状况进行初步的判断。因此,有必要设计一种能够准确诊断变压器绕组变形状况的方法。
发明内容
本发明要解决的技术问题是:针对现有技术的不足,提供一种基于变压器绕组频率响应数据特征量提取的绕组变形诊断方法,能够准确诊断变压器绕组变形状况(程度),有利于及时发现和修复变压器绕组变形故障,延长变压器运行寿命,对防止和减小电力变压器绕组变形状况的进一步扩大与发展,正确指导其检修工作,预防电网事故具有重要的意义。
本发明所提供的技术方案为:
一种基于变压器绕组频率响应数据特征量提取的绕组变形诊断方法,首先获取变压器A、B、C三相绕组的频率响应数据;然后,将每组频率响应数据分别分成五个频率段;再对各个频率段的频率响应数据分别进行拟合,还原成函数形式,并提取它们特征量;最后根据特征量诊断变压器绕组变形状况。
进一步地,将每组频率响应数据分别分成五个频率段,分别为1kHz-55kHz频率段、56kHz-100kHz频率段、101kHz-450kHz频率段、451kHz-800kHz频率段以及801kHz-1000kHz频率段。
进一步地,在对各个频率段的频率响应数据分别进行拟合,还原成函数形式的过程中,采用数值计算方法求解拟合函数的参数。
进一步地,所述函数形式为6阶正弦函数形式,其表达式为:
fij(x)=a1ij·sin(b1ij·x+c1ij)+a2ij·sin(b2ij·x+c2ij)+a3ij·sin(b3ij·x+c3ij)+a4ij·sin(b4ij·x+c4ij)
+a5ij·sin(b5ij·x+c5ij)+a6ij·sin(b6ij·x+c6ij)
其中,fij(x)表示由6阶正弦函数拟合得到的幅值(单位dB),x表示频率(单位kHz),下标i=1,2,3,4,5分别表示5个频段,下标j=A,B,C分别表示变压器A、B、C三相。
进一步地,提取特征量包括以下步骤:
首先,通过6阶正弦函数的参数,提取3个特性量,分别如下:
τ1ij=a1ij+a2ij+a3ij+a4ij+a5ij+a6ij
τ3ij=max(c1ij,c2ij,c3ij,c4ij,c5ij,c6ij)-min(c1ij,c2ij,c3ij,c4ij,c5ij,c6ij)
然后,将特征量τ1ij、τ2ij、τ3ij按照下式进行计算:
由此,得到5个频段的特征量δi,i=1,2,3,4,5,分别记为δ1-55kHz、δ56-100kHz、δ101-450kHz、δ451-800kHz、δ801-1000kHz。
进一步地,结合特征量所在的数值区间与绕组诊断判据诊断变压器绕组是否发生了变形及变形程度;
变压器绕组变形诊断判据如下表所示:
进一步地,所述数值计算方法为LM算法。
进一步地,采用LM算法求解拟合函数的参数的具体步骤如下:
1)设拟合函数为f(x);将由拟合函数中的待求解参数构成的参数矢量记为x;x=[x1,x2,…,xN]T,x1,x2,…,xN为拟合函数中的待求解参数,N为拟合函数中的待求解参数个数;
2)选定合适的参数x的初值x(0)、阻尼因子λ(0)(通常将λ(0)设定为10-3)和终止条件ε;初始化迭代次数k=0;计算初始拟合误差e(0)=||y-f(x(0))||,其中y为频率响应数据中的幅值真实值,f(x(0))为由6阶正弦函数拟合得到的幅值;
5)判断是否有Δ<ε,若有,则输出x(k),结束;否则进入步骤6);
6)按增量Δ进行更新x的值,即令x(k+1)=x(k)+Δ;
7)计算残差e(k+1)=||y-f(x(k+1))||;
8)如果增量Δ导致误差减小,即e(k+1)≤e(k),那么接受该增量并在下一次迭代前将λ(k)除以10,即λ(k+1)=0.1λ(k);令k=k+1,返回步骤3);
如果增量Δ导致误差增加,即e(k+1)>e(k),那么将λ(k)乘以10,即λ(k+1)=10λ(k);令k=k+1,返回步骤3)。
有益效果:
1)、能够准确诊断变压器绕组变形状况,正确指导其检修工作;
2)、可防止和减小变压器故障进一步扩大与发展,预防电网事故的发生;
3)、有利于延长变压器运行寿命,减少电力***不必要的开支。
附图说明
图1为本发明一个具体实施的流程图;
图2为本实施例中获取的某一相频率响应数据;
图3为LM算法流程图;
图4为本实施例中某一相某个频率段的频率响应数据拟合函数曲线与原始数据曲线。
具体实施方式
参见图1,本发明公开了一种基于变压器绕组频率响应数据特征量提取的绕组变形诊断方法,首先获取变压器A、B、C三相绕组的频率响应数据;然后,将每组频率响应数据分别分成五个频率段;再对各个频率段的频率响应数据分别进行拟合,还原成函数形式,并提取它们特征量;最后根据特征量诊断变压器绕组变形状况。
以下对各个步骤进行详细说明。
(1)获取变压器A、B、C三相绕组的频率响应数据;
频率响应数据是现场通过变压器绕组变形测试仪器测量得到的数据,本实施例中获取的某一相频率响应数据如图2所示,横坐标为频率(单位kHz),纵坐标为幅值(单位dB),共1000点数据。
(2)对各组频率响应数据分别进行分段处理;
将每组频率响应数据分为五段,分别为(1kHz-55kHz)、(56kHz-100kHz)、(101kHz-450kHz)、(451kHz-800kHz)、(801kHz-1000kHz)。
(3)对各个频率段的频率响应数据分别进行拟合,还原成函数形式;
根据数据分布的本质规律,以及经验或实验验证,选择合适的拟合函数形式。拟合函数形式的选择比较灵活,可以选择线性函数、多项式函数、指数函数、三角函数或其它函数。本实施例中选择6阶正弦函数作为拟合函数,其表达式为:
fij(x)=a1ij·sin(b1ij·x+c1ij)+a2ij·sin(b2ij·x+c2ij)+a3ij·sin(b3ij·x+c3ij)+a4ij·sin(b4ij·x+c4ij)
+a5ij·sin(b5ij·x+c5ij)+a6ij·sin(b6ij·x+c6ij)
其中,fij(x)表示由6阶正弦函数拟合得到的幅值(单位dB),x表示频率(单位kHz),下标i=1,2,3,4,5分别表示5个频段,下标j=A,B,C分别表示变压器A、B、C三相。
根据获取的频率响应数据,使用数值计算方法求解拟合函数的参数。
本实施例中采用Levenberg-Marquardt算法(简称LM算法)求解拟合函数的参数。
Levenberg-Marquardt算法简称LM算法是使用最广泛的非线性最小二乘算法,它是介于牛顿法与梯度下降法之间的一种非线性优化方法,对于过参数化问题不敏感,能有效处理冗余参数问题,使代价函数陷入局部极小值的机会大大减小,这些特性使得LM算法在计算机视觉等领域得到广泛应用。在LM算法中,每次迭代是寻找一个合适的阻尼因子λ,当λ很小时,算法就变成了Gauss-Newton法的最优步长计算式,λ很大时,退化为梯度下降法的最优步长计算式。如图3所示,采用Levenberg-Marquardt算法(简称LM算法)求解拟合函数的参数的具体步骤如下:
1)将由待求解参数构成的参数矢量记为x;对于6阶正弦函数fij(x):
fij(x)=a1ij·sin(b1ij·x+c1ij)+a2ij·sin(b2ij·x+c2ij)+a3ij·sin(b3ij·x+c3ij)+a4ij·sin(b4ij·x+c4ij)
+a5ij·sin(b5ij·x+c5ij)+a6ij·sin(b6ij·x+c6ij)
其参数矢量为:
x=[x1,x2,…,x18]T=[a1ij,b1ij,c1ij,a2ij,b2ij,c2ij,a3ij,b3ij,c3ij,a4ij,b4ij,c4ij,a5ij,b5ij,c5ij,a6ij,b6ij,c6ij]T;
令f(x)=fij(x);
2)选定合适的参数x的初值x(0)、阻尼因子λ(0)(通常将λ(0)设定为10-3)和终止条件ε;初始化迭代次数k=0;计算初始拟合误差e(0)=||y-f(x(0))||,其中y为频率响应数据中的幅值真实值,fij为由6阶正弦函数拟合得到的幅值;
5)判断是否有Δ<ε,若有,则输出x(k),结束;否则进入步骤6);
6)按增量Δ进行更新x的值,即令x(k+1)=x(k)+Δ;
7)计算残差e(k+1)=||y-f(x(k+1))||;
8)如果增量Δ导致误差减小,即e(k+1)≤e(k),那么接受该增量并在下一次迭代前将λ(k)除以10,即λ(k+1)=0.1λ(k);令k=k+1,返回步骤3);
如果增量Δ导致误差增加,即e(k+1)>e(k),那么将λ(k)乘以10,即λ(k+1)=10λ(k);令k=k+1,返回步骤3)。
其中,通过解增量正规方程求解增量Δ的原理为:
对于一个从Rn映到Rm映射的函数,其雅可比矩阵是从Rn映到Rm的线性映射,它表现了一个多变数向量函数的最佳线性逼近。对于单变量函数,雅可比矩阵类似于函数的导数。在本问题中,自变量为18维矢量,函数值为标量,因此:
当迭代到第k次时,残差为e(k)=||y-fij(x(k))||;
对f(x(k))进行一阶泰勒公式展开可以得到:f(x(k+1))=f(x(k)+Δ)≈f(x(k))+J(k)Δ;则第k+1次残差:e(k+1)=||y-f(x(k+1))||≈||y-f(x(k))||-J(k)Δ=e(k)-J(k)Δ。这样,通过第k次到第k+1次的迭代,可以发现已经把非线性问题y-f(x(k+1))=0转化为线性求解e(k)-J(k)Δ=0,则最小二乘解为:N(k)Δ=J(k)Te(k),即
本实施例中,以变压器某一相绕组5个频率段的频率响应数据的拟合为例(以下为针对同一相绕组5个频率段的频率响应数据进行拟合,各变量省略了下标j):
1kHz-55kHz频段:拟合成6阶正弦函数形式
各系数值如表1所示。
系数 | 值 | 系数 | 值 | 系数 | 值 |
a<sub>11</sub> | 91.35 | b<sub>11</sub> | 0.0483 | c<sub>11</sub> | 0.2033 |
a<sub>21</sub> | 29.62 | b<sub>21</sub> | 0.0926 | c<sub>21</sub> | 1.9620 |
a<sub>31</sub> | 16.12 | b<sub>31</sub> | 0.3120 | c<sub>31</sub> | -1.289 |
a<sub>41</sub> | 15.89 | b<sub>41</sub> | 0.3360 | c<sub>41</sub> | 0.9556 |
a<sub>51</sub> | 2.071 | b<sub>51</sub> | 0.4757 | c<sub>51</sub> | -1.407 |
a<sub>61</sub> | 1.077 | b<sub>61</sub> | 0.7234 | c<sub>61</sub> | -0.8553 |
56kHz-100kHz频段:拟合成6阶正弦函数形式。
各系数值如表2所示。
系数 | 值 | 系数 | 值 | 系数 | 值 |
a<sub>12</sub> | 95.83 | b<sub>12</sub> | 0.0501 | c<sub>12</sub> | 3.7540 |
a<sub>22</sub> | 27.78 | b<sub>22</sub> | 0.1138 | c<sub>22</sub> | 1.7330 |
a<sub>32</sub> | 0.0540 | b<sub>32</sub> | 0.1806 | c<sub>32</sub> | 6.612 |
a<sub>42</sub> | 1.515 | b<sub>42</sub> | 0.2988 | c<sub>42</sub> | 14.94 |
a<sub>52</sub> | 0.3484 | b<sub>52</sub> | 0.5378 | c<sub>52</sub> | 4.445 |
a<sub>62</sub> | 0.1913 | b<sub>62</sub> | 0.6554 | c<sub>62</sub> | 4.39 |
101kHz-450kHz频段:拟合成6阶正弦函数形式
各系数值如表3所示。
451kHz-800kHz频段:拟合成6阶正弦函数形式
各系数值如表4所示。
系数 | 值 | 系数 | 值 | 系数 | 值 |
a<sub>14</sub> | 153.9 | b<sub>14</sub> | 0.0065 | c<sub>14</sub> | 3.804 |
a<sub>24</sub> | 72.7 | b<sub>24</sub> | 0.0099 | c<sub>24</sub> | 4.857 |
a<sub>34</sub> | 4.821 | b<sub>34</sub> | 0.0345 | c<sub>34</sub> | -1.401 |
a<sub>44</sub> | 1.601 | b<sub>44</sub> | 0.0421 | c<sub>44</sub> | 9.872 |
a<sub>54</sub> | 0.4601 | b<sub>54</sub> | 0.0613 | c<sub>54</sub> | 6.18 |
a<sub>64</sub> | 0.0989 | b<sub>64</sub> | 0.0895 | c<sub>64</sub> | 0.4776 |
801kHz-1000kHz频段:拟合成6阶正弦函数形式
各系数值如表5所示。
拟合函数曲线与原始数据曲线如图4所示,深色曲线为原始数据,浅色曲线为拟合函数曲线。
(4)提取特征量;
通过6阶正弦函数的参数,提取3个特性量,分别如下:
τ1ij=a1ij+a2ij+a3ij+a4ij+a5ij+a6ij (式6)
τ3ij=max(c1ij,c2ij,c3ij,c4ij,c5ij,c6ij)-min(c1ij,c2ij,c3ij,c4ij,c5ij,c6ij) (式8)
将特征量τ1ij、τ2ij、τ3ij按照下式进行计算:
得到5个频段的特征量δi,i=1,2,3,4,5,6,分别记为δ1-55kHz、δ56-100kHz、δ101-450kHz、δ451-800kHz、δ801-1000kHz;
(5)根据特征量诊断变压器绕组变形状况;
变压器绕组变形诊断判据如下表:
结合步骤(4)计算得到的δ1-55kHz、δ56-100kHz、δ101-450kHz、δ451-800kHz、δ801-1000kHz所在的数值区间与绕组变形诊断判据诊断变压器绕组是否发生了变形及变形程度。诊断结果分为正常绕组、轻度变形(绕组匝间或饼间短路)、明显变形(绕组扭曲或鼓包)、严重变形(绕组整***移或引线位移)。
Claims (5)
1.一种基于变压器绕组频率响应数据特征量提取的绕组变形诊断方法,其特征在于,首先获取变压器A、B、C三相绕组的频率响应数据;然后,将每组频率响应数据分别分成五个频率段;再对各个频率段的频率响应数据分别进行拟合,还原成函数形式,并提取它们特征量;最后根据特征量诊断变压器绕组变形状况;
所述函数形式为6阶正弦函数形式,其表达式为:
fij(x)=a1ij·sin(b1ij·x+c1ij)+a2ij·sin(b2ij·x+c2ij)+a3ij·sin(b3ij·x+c3ij)+a4ij·sin(b4ij·x+c4ij)+a5ij·sin(b5ij·x+c5ij)+a6ij·sin(b6ij·x+c6ij)
其中,fij(x)表示由6阶正弦函数拟合得到的幅值,单位为dB;x表示频率,单位为kHz;下标i=1,2,3,4,5分别表示5个频段,下标j=A,B,C分别表示变压器A、B、C三相;
提取特征量包括以下步骤:
首先,通过6阶正弦函数的参数,提取3个特性量,分别如下:
τ1ij=a1ij+a2ij+a3ij+a4ij+a5ij+a6ij
τ3ij=max(c1ij,c2ij,c3ij,c4ij,c5ij,c6ij)-min(c1ij,c2ij,c3ij,c4ij,c5ij,c6ij)
然后,将特征量τ1ij、τ2ij、τ3ij按照下式进行计算:
由此,得到5个频段的特征量δi,i=1,2,3,4,5,分别记为δ1-55kHz、δ56-100kHz、δ101-450kHz、δ451-800kHz、δ801-1000kHz;
结合特征量所在的数值区间与绕组诊断判据诊断变压器绕组是否发生了变形及变形程度;
变压器绕组变形诊断判据如下表所示:
2.根据权利要求1所述的基于变压器绕组频率响应数据特征量提取的绕组变形诊断方法,其特征在于,将每组频率响应数据分别分成五个频率段,分别为1kHz-55kHz频率段、56kHz-100kHz频率段、101kHz-450kHz频率段、451kHz-800kHz频率段以及801kHz-1000kHz频率段。
3.根据权利要求1~2中任一项所述的基于变压器绕组频率响应数据特征量提取的绕组变形诊断方法,其特征在于,在对各个频率段的频率响应数据分别进行拟合,还原成函数形式的过程中,采用数值计算方法求解拟合函数的参数。
4.根据权利要求3所述的基于变压器绕组频率响应数据特征量提取的绕组变形诊断方法,其特征在于,所述数值计算方法为LM算法。
5.根据权利要求4所述的基于变压器绕组频率响应数据特征量提取的绕组变形诊断方法,其特征在于,采用LM算法求解拟合函数的参数的具体步骤如下:
1)设拟合函数为f(x);将由拟合函数中的待求解参数构成的参数矢量记为x;x=[x1,x2,…,xN]T,x1,x2,…,xN为拟合函数中的待求解参数,N为拟合函数中的待求解参数个数;
2)选定合适的参数x的初值x(0)、阻尼因子λ(0)和终止条件ε;初始化迭代次数k=0;计算初始拟合误差e(0)=||y-f(x(0))||,其中y为频率响应数据中的幅值真实值,f(x(0))为由6阶正弦函数拟合得到的幅值;
4)解增量正规方程,得到增量Δ=(N(k))-1J(k)Te(k);
5)判断是否有Δ<ε,若有,则输出x(k),结束;否则进入步骤6);
6)按增量Δ进行更新x的值,即令x(k+1)=x(k)+Δ;
7)计算残差e(k+1)=||y-f(x(k+1))||;
8)如果增量Δ导致误差减小,即e(k+1)≤e(k),那么接受该增量并在下一次迭代前将λ(k)除以10,即λ(k+1)=0.1λ(k);令k=k+1,返回步骤3);
如果增量Δ导致误差增加,即e(k+1)>e(k),那么将λ(k)乘以10,即λ(k+1)=10λ(k);令k=k+1,返回步骤3)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810250330.4A CN108646132B (zh) | 2018-03-26 | 2018-03-26 | 一种基于变压器绕组频率响应数据特征量提取的绕组变形诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810250330.4A CN108646132B (zh) | 2018-03-26 | 2018-03-26 | 一种基于变压器绕组频率响应数据特征量提取的绕组变形诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108646132A CN108646132A (zh) | 2018-10-12 |
CN108646132B true CN108646132B (zh) | 2020-05-05 |
Family
ID=63744583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810250330.4A Active CN108646132B (zh) | 2018-03-26 | 2018-03-26 | 一种基于变压器绕组频率响应数据特征量提取的绕组变形诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108646132B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1522863A1 (fr) * | 2003-10-03 | 2005-04-13 | Areva T&D SA | Procédé pour diagnostiquer un défaut sur un enroulement de transformateur |
CN104374312A (zh) * | 2014-11-10 | 2015-02-25 | 华中科技大学 | 一种电力变压器绕组变形的检测方法 |
CN104914364A (zh) * | 2015-05-30 | 2015-09-16 | 大连理工大学 | 电容式油纸变压器套管绝缘状态评估的方法 |
CN105180792A (zh) * | 2015-07-01 | 2015-12-23 | 西安交通大学 | 一种基于模型修正的变压器绕组变形定量诊断方法 |
CN105823960A (zh) * | 2016-03-18 | 2016-08-03 | 国家电网公司 | 一种变压器绕组变形综合诊断方法及*** |
CN106338237A (zh) * | 2015-07-10 | 2017-01-18 | 华北电力大学(保定) | 基于频响阻抗法的变压器绕组变形检测方法 |
CN106443316A (zh) * | 2016-10-12 | 2017-02-22 | 国网辽宁省电力有限公司电力科学研究院 | 一种电力变压器绕组形变状态多信息检测方法及装置 |
CN106679558A (zh) * | 2016-12-19 | 2017-05-17 | 国网内蒙古东部电力有限公司检修分公司 | 一种变压器绕组变形的评价方法 |
-
2018
- 2018-03-26 CN CN201810250330.4A patent/CN108646132B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1522863A1 (fr) * | 2003-10-03 | 2005-04-13 | Areva T&D SA | Procédé pour diagnostiquer un défaut sur un enroulement de transformateur |
CN104374312A (zh) * | 2014-11-10 | 2015-02-25 | 华中科技大学 | 一种电力变压器绕组变形的检测方法 |
CN104914364A (zh) * | 2015-05-30 | 2015-09-16 | 大连理工大学 | 电容式油纸变压器套管绝缘状态评估的方法 |
CN105180792A (zh) * | 2015-07-01 | 2015-12-23 | 西安交通大学 | 一种基于模型修正的变压器绕组变形定量诊断方法 |
CN106338237A (zh) * | 2015-07-10 | 2017-01-18 | 华北电力大学(保定) | 基于频响阻抗法的变压器绕组变形检测方法 |
CN105823960A (zh) * | 2016-03-18 | 2016-08-03 | 国家电网公司 | 一种变压器绕组变形综合诊断方法及*** |
CN106443316A (zh) * | 2016-10-12 | 2017-02-22 | 国网辽宁省电力有限公司电力科学研究院 | 一种电力变压器绕组形变状态多信息检测方法及装置 |
CN106679558A (zh) * | 2016-12-19 | 2017-05-17 | 国网内蒙古东部电力有限公司检修分公司 | 一种变压器绕组变形的评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108646132A (zh) | 2018-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108593260B (zh) | 光缆线路故障定位和检测方法及终端设备 | |
CN116879662B (zh) | 基于数据分析的变压器故障检测方法 | |
Behjat et al. | Statistical approach for interpretation of power transformers frequency response analysis results | |
US20200241066A1 (en) | Intelligent on-line diagnosis and positioning method for winding deformation of power transformers | |
US11693062B2 (en) | Method for processing direct current electric arc and apparatus | |
CN111965476B (zh) | 一种基于图卷积神经网络的低电压诊断方法 | |
CN112362987B (zh) | 一种基于稳健估计的避雷器故障诊断方法 | |
CN112149569B (zh) | 变压器基于模糊c均值聚类算法的声纹故障诊断方法 | |
CN107480386A (zh) | 一种基于响应混叠性度量与遗传算法的测试激励优选方法 | |
CN110703076A (zh) | 一种基于振动信号频域能量比的gis故障诊断方法 | |
CN110749835A (zh) | 基于卡尔曼滤波器的输电线路故障定位方法 | |
CN106019043B (zh) | 一种基于模糊积分多源信息融合理论的电网故障诊断方法 | |
CN108646132B (zh) | 一种基于变压器绕组频率响应数据特征量提取的绕组变形诊断方法 | |
Karimifard et al. | Localization of winding radial deformation and determination of deformation extent using vector fitting‐based estimated transfer function | |
US20220413032A1 (en) | Machine learning based method and device for disturbance classification in a power transmission line | |
CN103412230B (zh) | 一种高压容性设备绝缘故障检测方法 | |
CN109557434A (zh) | 基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法 | |
CN117706452A (zh) | 基于knn-gru模型的电压互感器的在线评估方法 | |
CN110929673A (zh) | 一种基于itd排列熵和cgwo-svm的变压器绕组振动信号识别方法 | |
CN111272222A (zh) | 一种基于特征量集的变压器故障诊断方法 | |
CN116382237A (zh) | 一种多电飞机非相似余度作动***的传感器故障诊断方法 | |
CN115358294A (zh) | 一种高速列车牵引***的微小故障检测方法 | |
CN110208658B (zh) | 一种对局部放电诊断结果进行多元互补交叉验证的方法 | |
CN115308644A (zh) | 基于电流偏移比差分析的变压器绕组故障检测方法及*** | |
CN110244144B (zh) | 一种避雷器状态监测方法及交流数据采集方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |