CN109460879A - 一种基于灰靶算法的变压器运行状态评估***及方法 - Google Patents
一种基于灰靶算法的变压器运行状态评估***及方法 Download PDFInfo
- Publication number
- CN109460879A CN109460879A CN201711177179.8A CN201711177179A CN109460879A CN 109460879 A CN109460879 A CN 109460879A CN 201711177179 A CN201711177179 A CN 201711177179A CN 109460879 A CN109460879 A CN 109460879A
- Authority
- CN
- China
- Prior art keywords
- state
- index
- transformer
- target
- grey
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000013500 data storage Methods 0.000 claims abstract description 14
- 210000000352 storage cell Anatomy 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 17
- 230000007704 transition Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于灰靶算法的变压器运行状态评估***及方法。***包括若干与变压器相连的传感器单元、数据存储单元和处理单元,传感器单元与数据存储单元相连,数据存储单元与处理单元相连。方法灰靶算法建立灰靶,在灰靶中心找到靶心,然后将各指标的模式与标准模式进行比较,最后由等级划分确定评估等级。本发明采用加权灰靶理论对变压器运行状态进行评估,提高了电力设备状态评估的效率和精确度,达到了对设备实行状态维修的目的,更好的保护了变压器、断路器等输变设备。
Description
技术领域
本发明涉及一种评估技术领域,尤其是涉及一种基于灰靶算法的变压器运行状态评估***及方法。
背景技术
电力变压器状态评估的主要依据就是电力变压器的各种状态信息,如电气试验、油中溶解气体、绝缘油特性、环境因素、运行历史和检修记录。目前,国内外研究比较多并且取得一定成果的是通过油中溶解气体在线监测来评估电力变压器的运行状态。我国DL/T596-1996《电力设备预防性试验规程》将油中溶解气体分析列为油浸电力变压器实验项目的首位。因此有必要设计一种高效率高精确度的评估***及方法。
发明内容
本发明主要是解决上述技术问题,提供了一种基于灰靶算法的变压器运行状态评估***及方法。
本发明的上述技术问题主要是通过下述技术方案得以解决的:一种基于灰靶算法的变压器运行状态评估***,包括若干与变压器相连采集有种溶解气体参数的传感器单元、数据存储单元和具有灰靶算法的处理单元,传感器单元与数据存储单元相连,数据存储单元与处理单元相连。
一种基于灰靶算法的变压器运行状态评估方法,包括以下步骤:
S1.根据选择的状态评判指标,构建指标模式序列并依据最小值极性确定标准状态模式;
S2.对监测数据做灰靶变换;
S3.计算差异空间和监测数据在各指标下的靶心系数;
S4.根据应用贡献度,计算各性能指标对评估结果的权重;
S5.根据靶心系数和权重计算得到靶心度;
S6.设置靶心度等级,根据靶心度等级评估变压器运行状态。
本发明采用加权灰靶理论对变压器运行状态进行评估,提高了电力设备状态评估的效率和精确度,达到了对设备实行状态维修的目的,更好的保护了变压器、断路器等输变设备。本发明在没有标准模式的条件下设定一个灰靶,在灰靶中找到靶心,然后将各指标的模式与标准模式进行比较,最后经由登记划分确定评估等级。
作为一种优选方案,步骤S1的具体过程包括:
S11.选取若干气体作为电力变压的状态评判指标,传感器单元实时采集评判指标的数据;
S12.设定ωi为设备第i个状态模式,ω(k)为设备状态监测的第k个状态参数序列,则建立状态模式ωi:
ωi={ωi(1),ωi(2),…,ωi(n)},
其中n为用于评估气体的数量,
S13.构建指标模式序列:
ω(k)={ω1(k),ω2(k),…,ωm(k)},
其中wi(k)是设备监测的第k个状态指标,在第i个状态模式下的指标取值;
S14.当POLω(k)=POL(min),取ω0(k)=miniωi(k),ωi(k)∈ω(k),则标准状态模式为
ω0={ω0(1),ω0(2),…,ω0(n)},
其中POL(min)为指标极小值极性。通常情况下,指标的极性具有极大值极性、极小值极性和适中性三种,本方案中以最小值为例。
作为一种优选方案,步骤S2的具体过程为:
令T为灰靶变换,Tω0=x0,x0=(x0(1),x0(2),…,x0(n))=(1,1,…,1),Tωi(k)=xi(k),并且满足Apr的含义为ωi(k)=ω0(k),则xi(k)=1,|ω0(k)-ωi(k)|越小,则xi(k)越接近1,|ω0(k)-ωi(k)|越大,则xi(k)越远离(小于)1,xi(k)∈[0,1]。
令T为灰靶变换,
作为一种优选方案,步骤S3的具体过程为:
S31.设Δ为__,Δ={Δ0i(k)|i∈I={1,2,…,m},k∈K={1,2,…,n},
Δ0i(k)=|x0(k)-xi(k)|=|1-xi(k)|,x0(k)∈x0=>x0=Tω0,ζ=0.5,其中Δ0i(k)为设备监测的第k个状态指标在第i状态模式下取值,偏离第k个状态指标标准模式的绝对程度;ζ为调整权重;
S32.设γ(x0(k),xi(k))为靶心系数,
作为一种优选方案,步骤S4的具体过程包括:
S41.令Tv为极性变换,xi(k)为ωi(k)在Tv下的变换值,且满足Tvωi(k)=xi(k),xi(k)∈[0,1],POLxi(k)∈POL(max);
当POLωi(k)∈POL(min),称Tv为下限变换,记为Tl,
xl(k)为ωi(k)在Tv下的变换值,即对设备监测的第k个状态指标在i模式下的取值ωi(k)做下限极性变换后取值;
S42.Δi(0,k)=|xi(0)-xi(k)|,i∈I,k∈K,其中Δi(0,k)为xi(0)与xi(k)间的差异信息,令ΔGR为贡献因子集对应的灰关联差异信息空间,ΔGR上k指标在i点的贡献系数γ(xi(0),xi(k))为:
灰关联度γ(x(0),x(k))为k指标的贡献度,
其中n个状态指标,在m个状态模式下共m*n个状态指标取值,maximaxkΔi(0,k)为m*n个状态指标取值中,偏离各自指标标准模式程度的最大值,i为状态模式,k为状态指标;i=1,2,……m;k=1,2,……n,ζ调整权重;
S43.求得各性能指标的贡献度后,用个指标的灰靶贡献度所占总指标贡献度的比例取代常用平均权重,得到各指标的权重qk:
作为一种优选方案,步骤S5的具体过程包括:
根据靶心系数和权重计算xi的加权靶心度:
作为一种优选方案,步骤S6的具体过程包括:
S61.将靶心度进行分级,包括:
第一级,[0.9,1.0],
第二级,[0.6,0.9],
第三级,[0.5,0.6],
第四级,[0.4,0.5],
第五级,[0.333,0.4];
S62.根据计算得到的加权靶心度所在级别,判断变压器运行的健康度。靶心度越接近1,变压器运行越健康。
因此,本发明的优点是:采用加权灰靶理论对变压器运行状态进行评估,提高了电力设备状态评估的效率和精确度,达到了对设备实行状态维修的目的,更好的保护了变压器、断路器等输变设备。
附图说明
附图1是本发明的一种结构示意图。
1-变压器 2-传感器单元 3-数据存储单元 4-处理单元。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:
本实施例一种基于灰靶算法的变压器运行状态评估***,如图1所示,包括若干与变压器1相连采集油中溶解气体参数的传感器单元2、数据存储单元3和具有灰靶算法的处理单元4,传感器单元与数据存储单元相连,数据存储单元与处理单元相连。
一种基于灰靶算法的变压器运行状态评估方法,包括以下步骤:
S1.根据选择的状态评判指标,构建指标模式序列并依据最小值极性确定标准状态模式;具体过程包括:
S11.选取若干气体作为电力变压的状态评判指标,传感器单元实时采集评判指标的数据;
S12.设定ωi为设备第i个状态模式,ω(k)为设备状态监测的第k个状态参数序列,则建立状态模式ωi:
ωi={ωi(1),ωi(2),…,ωi(n)},
其中n为用于评估气体的数量,
S13.构建指标模式序列:
ω(k)={ω1(k),ω2(k),…,ωm(k)},
其中wi(k)是设备监测的第k个状态指标,在第i个状态模式下的指标取值;
S14.当POLω(k)=POL(min),取ω0(k)=miniωi(k),ωi(k)∈ω(k),则标准状态模式为
ω0={ω0(1),ω0(2),…,ω0(n)},
其中POL(min)为指标极小值极性。
S2.对监测数据做灰靶变换;具体过程为:
令T为灰靶变换,Tω0=x0,x0=(x0(1),x0(2),…,x0(n))=(1,1,…,1),Tωi(k)=xi(k),并且满足
令T为灰靶变换,
S3.计算差异空间和监测数据在各指标下的靶心系数;具体过程为:
S31.设Δ为__,Δ={Δ0i(k)|i∈I={1,2,…,m},k∈K={1,2,…,n},
Δ0i(k)=|x0(k)-xi(k)|=|1-xi(k)|,x0(k)∈x0=>x0=Tω0,ζ=0.5,其中Δ0i(k)为设备监测的第k个状态指标在第i状态模式下取值,偏离第k个状态指标标准模式的绝对程度;ζ为调整权重;
S32.设γ(x0(k),xi(k))为靶心系数,
S4.根据应用贡献度,计算各性能指标对评估结果的权重;具体过程包括:
S41.令Tv为极性变换,xi(k)为ωi(k)在Tv下的变换值,且满足Tvωi(k)=xi(k),xi(k)∈[0,1],POLxi(k)∈POL(max);
当POLωi(k)∈POL(min),称Tv为下限变换,记为Tl,
xl(k)为ωi(k)在Tv下的变换值,即对设备监测的第k个状态指标在i模式下的取值ωi(k)做下限极性变换后取值;S42.Δi(0,k)=|xi(0)-xi(k)|,i∈I,k∈K,其中Δi(0,k)为xi(0)与xi(k)间的差异信息,令ΔGR为贡献因子集对应的灰关联差异信息空间,ΔGR上k指标在i点的贡献系数γ(xi(0),xi(k))为:
灰关联度γ(x(0),x(k))为k指标的贡献度,
其中n个状态指标,在m个状态模式下共m*n个状态指标取值,maximaxkΔi(0,k)为m*n个状态指标取值中,偏离各自指标标准模式程度的最大值,i为状态模式,k为状态指标;i=1,2,……m;k=1,2,……n,ζ调整权重;
S43.求得各性能指标的贡献度后,用个指标的灰靶贡献度所占总指标贡献度的比例取代常用平均权重,得到各指标的权重qk:
S5.根据靶心系数和权重计算得到靶心度;
S6.设置靶心度等级,根据靶心度等级评估变压器运行状态。具体过程包括:
S61.将靶心度进行分级,包括:
第一级,[0.9,1.0],
第二级,[0.6,0.9],
第三级,[0.5,0.6],
第四级,[0.4,0.5],
第五级,[0.333,0.4];
S62.根据计算得到的加权靶心度所在级别,判断变压器运行的健康度。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了变压器、传感器单元、数据存储单元、处理单元等术语,但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质;把它们解释成任何一种附加的限制都是与本发明精神相违背的。
Claims (8)
1.一种基于灰靶算法的变压器运行状态评估***,其特征在于:包括若干与变压器相连采集油中溶解气体参数的传感器单元、数据存储单元和具有灰靶算法的处理单元,传感器单元与数据存储单元相连,数据存储单元与处理单元相连。
2.一种基于灰靶算法的变压器运行状态评估方法,采用权利要求1中的***,其特征是包括以下步骤:
S1.根据选择的状态评判指标,构建指标模式序列并依据最小值极性确定标准状态模式;
S2.对监测数据做灰靶变换;
S3.计算差异空间和监测数据在各指标下的靶心系数;
S4.根据应用贡献度,计算各性能指标对评估结果的权重;
S5.根据靶心系数和权重计算得到靶心度;
S6.设置靶心度等级,根据靶心度等级评估变压器运行状态。
3.根据权利要求2所述的一种基于灰靶算法的变压器运行状态评估方法,其特征是步骤S1的具体过程包括:
S11.选取若干气体作为电力变压的状态评判指标,传感器单元实时采集评判指标的数据;
S12.设定ωi为设备第i个状态模式,ω(k)为设备状态监测的第k个状态参数序列,则建立状态模式ωi:
ωi={ωi(1),ωi(2),…,ωi(n)},
其中n为用于评估气体的数量,
S13.构建指标模式序列:
ω(k)={ω1(k),ω2(k),…,ωm(k)},
其中wi(k)是设备监测的第k个状态指标,在第i个状态模式下的指标取值;
S14.当POLω(k)=POL(min),取ω0(k)=miniωi(k),ωi(k)∈ω(k),则标准状态模式为
ω0={ω0(1),ω0(2),…,ω0(n)},
其中POL(min)为指标极小值极性。
4.根据权利要求2所述的一种基于灰靶算法的变压器运行状态评估方法,其特征是步骤S2的具体过程为:
令T为灰靶变换,Tω0=x0,x0=(x0(1),x0(2),…,x0(n))=(1,1,…,1),Tωi(k)=xi(k),并且满足xi(k)Aprx0(k),
令T为灰靶变换,
5.根据权利要求2所述的一种基于灰靶算法的变压器运行状态评估方法,其特征是步骤S3的具体过程为:
S31.设Δ为__,Δ={Δ0i(k)|i∈I={1,2,…,m},k∈K={1,2,…,n},
Δ0i(k)=|x0(k)-xi(k)|=|1-xi(k)|,x0(k)∈x0=>x0=Tω0,ζ=0.5,其中Δ0i(k)为设备监测的第k个状态指标在第i状态模式下取值,偏离第k个状态指标标准模式的绝对程度;ζ为调整权重;
S32.设γ(x0(k),xi(k))为靶心系数,
6.根据权利要求2所述的一种基于灰靶算法的变压器运行状态评估方法,其特征是步骤S4的具体过程包括:
S41.令Tv为极性变换,xi(k)为ωi(k)在Tv下的变换值,且满足Tvωi(k)=xi(k),xi(k)∈[0,1],POLxi(k)∈POL(max);
当POLωi(k)∈POL(min),称Tv为下限变换,记为Tl,
xl(k)为ωi(k)在Tv下的变换值,即对设备监测的第k个状态指标在i模式下的取值ωi(k)做下限极性变换后取值;
S42.Δi(0,k)=|xi(0)-xi(k)|,i∈I,k∈K,其中Δi(0,k)为xi(0)与xi(k)间的差异信息,令ΔGR为贡献因子集对应的灰关联差异信息空间,ΔGR上k指标在i点的贡献系数γ(xi(0),xi(k))为:
灰关联度γ(x(0),x(k))为k指标的贡献度,
其中n个状态指标,在m个状态模式下共m*n个状态指标取值,maximaxkΔi(0,k)为m*n个状态指标取值中,偏离各自指标标准模式程度的最大值,i为状态模式,k为状态指标;i=1,2,……m;k=1,2,……n,ζ调整权重;
S43.求得各性能指标的贡献度后,用个指标的灰靶贡献度所占总指标贡献度的比例取代常用平均权重,得到各指标的权重qk:
7.根据权利要求2所述的一种基于灰靶算法的变压器运行状态评估方法,其特征是步骤S5的具体过程包括:
根据靶心系数和权重计算xi的加权靶心度:
8.根据权利要求2所述的一种基于灰靶算法的变压器运行状态评估方法,其特征是步骤S6的具体过程包括:
S61.将靶心度进行分级,包括:
第一级,[0.9,1.0],
第二级,[0.6,0.9],
第三级,[0.5,0.6],
第四级,[0.4,0.5],
第五级,[0.333,0.4];
S62.根据计算得到的加权靶心度所在级别,判断变压器运行的健康度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711177179.8A CN109460879A (zh) | 2017-11-22 | 2017-11-22 | 一种基于灰靶算法的变压器运行状态评估***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711177179.8A CN109460879A (zh) | 2017-11-22 | 2017-11-22 | 一种基于灰靶算法的变压器运行状态评估***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109460879A true CN109460879A (zh) | 2019-03-12 |
Family
ID=65606192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711177179.8A Pending CN109460879A (zh) | 2017-11-22 | 2017-11-22 | 一种基于灰靶算法的变压器运行状态评估***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109460879A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420258A (zh) * | 2021-06-10 | 2021-09-21 | 国网福建省电力有限公司电力科学研究院 | 一种基于区间灰数动态灰靶的二次设备状态评估方法 |
CN113868848A (zh) * | 2021-09-14 | 2021-12-31 | 广东核电合营有限公司 | 加权灰靶算法和模拟退火法的变压器状态评估方法 |
CN114723329A (zh) * | 2022-05-06 | 2022-07-08 | 中国矿业大学 | 一种基于变权灰靶理论的电能质量综合评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008116389A (ja) * | 2006-11-07 | 2008-05-22 | Hitachi Ltd | 電気機器の非破壊漏油腐食診断装置 |
CN105005713A (zh) * | 2015-08-28 | 2015-10-28 | 国家电网公司 | 基于灰靶理论的六氟化硫断路器状态评估方法 |
CN105242155A (zh) * | 2015-11-18 | 2016-01-13 | 南京工程学院 | 一种基于熵权法和灰色关联分析的变压器故障诊断方法 |
CN106251042A (zh) * | 2016-07-19 | 2016-12-21 | 广西电网有限责任公司电力科学研究院 | 一种对配电变压器进行健康状态评估的方法 |
-
2017
- 2017-11-22 CN CN201711177179.8A patent/CN109460879A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008116389A (ja) * | 2006-11-07 | 2008-05-22 | Hitachi Ltd | 電気機器の非破壊漏油腐食診断装置 |
CN105005713A (zh) * | 2015-08-28 | 2015-10-28 | 国家电网公司 | 基于灰靶理论的六氟化硫断路器状态评估方法 |
CN105242155A (zh) * | 2015-11-18 | 2016-01-13 | 南京工程学院 | 一种基于熵权法和灰色关联分析的变压器故障诊断方法 |
CN106251042A (zh) * | 2016-07-19 | 2016-12-21 | 广西电网有限责任公司电力科学研究院 | 一种对配电变压器进行健康状态评估的方法 |
Non-Patent Citations (2)
Title |
---|
范体军: "《基于灰靶理论的设备故障模式识别》", 《中国设备工程》 * |
郑蕊蕊: "《基于灰色***理论的电力变压器故障诊断技术》", 《吉林大学硕士学位论文》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420258A (zh) * | 2021-06-10 | 2021-09-21 | 国网福建省电力有限公司电力科学研究院 | 一种基于区间灰数动态灰靶的二次设备状态评估方法 |
CN113868848A (zh) * | 2021-09-14 | 2021-12-31 | 广东核电合营有限公司 | 加权灰靶算法和模拟退火法的变压器状态评估方法 |
CN113868848B (zh) * | 2021-09-14 | 2024-05-31 | 广东核电合营有限公司 | 加权灰靶算法和模拟退火法的变压器状态评估方法 |
CN114723329A (zh) * | 2022-05-06 | 2022-07-08 | 中国矿业大学 | 一种基于变权灰靶理论的电能质量综合评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109460879A (zh) | 一种基于灰靶算法的变压器运行状态评估***及方法 | |
Skowron et al. | Application of self-organizing neural networks to electrical fault classification in induction motors | |
Xu et al. | Data-driven inter-turn short circuit fault detection in induction machines | |
CN109670675B (zh) | 充电桩运行状态评价方法及装置 | |
CN108445410A (zh) | 一种监测蓄电池组运行状态的方法及装置 | |
CN112152313B (zh) | 一种采集***进行电力设备识别的方法 | |
CN106503884A (zh) | 一种对开关柜进行健康状态评估的方法 | |
CN104091056A (zh) | 一种实验室设备使用寿命预测***和方法 | |
CN113205260A (zh) | 一种基于数字孪生的电动汽车充电桩健康状态评估方法 | |
CN113435492B (zh) | 一种基于主动学习的电力***主导失稳模式判别方法 | |
CN109993430A (zh) | 一种基于双向灰色关联分析的充电设备性能评估方法 | |
CN113592359A (zh) | 电力变压器的健康度评价方法和装置 | |
CN113987294A (zh) | 一种基于遗传优化gru神经网络的cvt在线故障诊断方法 | |
CN109085442B (zh) | 一种基于区块链的变压器监测*** | |
CN113297033B (zh) | 基于云端监测数据的车辆电控***健康评估方法和*** | |
CN110137956A (zh) | 一种电力***灵活性需求的评估方法及*** | |
CN106651206A (zh) | 一种继电保护测试性评估指标体系的评估方法 | |
CN109406933A (zh) | 一种电力变压器油纸绝缘状态的分级诊断方法 | |
CN113743452A (zh) | 电能质量评估方法及装置 | |
CN103617571A (zh) | 电网状态估计问题的处理方法及装置 | |
Montanari | Envisaging links between fundamental research in electrical insulation and electrical asset management | |
Xie et al. | Transformer fault diagnosis based on bayesian network and rough set reduction theory | |
CN110412404A (zh) | 一种基于变压器声学图像对比度的绕组松动故障诊断方法 | |
CN115436841A (zh) | 基于短路阻抗在线计算的变压器绕组变形预警方法及装置 | |
CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190312 |