CN109932053B - 一种用于高压并联电抗器的状态监测装置及方法 - Google Patents
一种用于高压并联电抗器的状态监测装置及方法 Download PDFInfo
- Publication number
- CN109932053B CN109932053B CN201910206295.0A CN201910206295A CN109932053B CN 109932053 B CN109932053 B CN 109932053B CN 201910206295 A CN201910206295 A CN 201910206295A CN 109932053 B CN109932053 B CN 109932053B
- Authority
- CN
- China
- Prior art keywords
- vibration signal
- shunt reactor
- state
- state evaluation
- voltage shunt
- 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
Images
Landscapes
- Measurement Of Current Or Voltage (AREA)
Abstract
本发明公开了一种用于高压并联电抗器的状态监测装置及方法,包括相连的振动信号采集单元和信号处理单元;所述振动信号采集单元设于高压并联电抗器上,采集高压并联电抗器表面的振动信号,并发送至所述信号处理单元;所述信号处理单元对接收到的振动信号进行时频分析,获得相应的特征值,然后基于所述特征值进行高压并联电抗器的状态评估,获得状态评估结果,完成对高压并联电抗器的状态监测。本发明经实验证实能够准确地检测出电抗器绕组及铁心松动等缺陷,而且提供了多种时频分析与状态评估方法,使得本发明可以综合比较分析,可靠性更高。
Description
技术领域
本发明属于高压电气设备在线监测技术领域,具体涉及一种用于高压并联电抗器的状态监测装置及方法。
背景技术
为增强电力***中的无功补偿与无功平衡,抑制***过电压,提高电能质量和供电可靠性,高压并联电抗器得到了广泛的使用。高压并联电抗器铁心主磁路一般设计成带间隙的结构,且投运后长期满负荷运行,漏磁大,机械振动比变压器更为严重,长期运行容易导致线圈、铁心(夹件)、螺栓紧固件等元器件松动,将进一步加剧振动的发生,严重时还可能引起设备内部过热、放电等缺陷,因而是电抗器的重要故障原因之一。电抗器的机械振动缺陷往往是潜伏性隐患,难以通过常用的电气特征参量准确地诊断出来。现有技术中的高压并联电抗器的检测手段主要采用油色谱分析或局部放电检测的方法,近年来已经发生多起因电抗器内部组件松动引起放电导致的色谱超标,而通过油色谱或局放检测的方法难以灵敏、准确、较早地检测出线圈、铁心或紧固件松动等机械类缺陷,亟需研究有效的电抗器机械缺陷检测方法并应用于工程实际。
发明内容
针对上述问题,本发明提出一种用于高压并联电抗器的状态监测装置及方法,能够准确地检测出电抗器绕组及铁心松动等缺陷。
为了实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
第一方面,本发明提供了一种用于高压并联电抗器的状态监测装置,包括相连的振动信号采集单元和信号处理单元;
所述振动信号采集单元设于高压并联电抗器上,采集高压并联电抗器表面的振动信号,并发送至所述信号处理单元;
所述信号处理单元中的时频分析模块采用合适的时频分析方法对接收到的振动信号进行时频分析,获得相应的特征值,然后由信号处理单元中的状态评估模块基于所述特征值及合适的状态评估方法进行高压并联电抗器的状态评估,获得状态评估结果,完成对高压并联电抗器的状态监测。
优选地,所述振动信号采集单元包括振动信号传感器和信号采集卡;
所述振动信号传感器设于所述高压并联电抗器的外表面或者内表面上,其输出端与所述信号采集卡的输入端相连;
所述信号采集卡的输出端与所述信号处理单元的输入端相连。
优选地,所述时频分析模块采用傅里叶变换对接收到的振动信号进行处理,得到振动信号的频谱,所述频谱的计算公式如公式(1)所示,
式中,X(k)为输入信号的傅里叶变换,x(n)为输入的时域离散振动信号,N为振动信号采样点总数;
所述状态评估模块采用阈值法按照公式(2)得到高压并联电抗器的状态特征值A1,并与正常状态特征值比较获得状态评估结果,
或者采用神经网络法按照公式(3)将信号的状态特征值A2作为输入对高压并联电抗器进行状态评估,获得状态评估结果,
A2(k)=X(50k),k={1,2,3,...20} (3)。
优选地,所述时频分析模块采用小波变换对接收到的振动信号进行处理,得到振动信号的小波分解的系数,所述振动信号的小波分解的系数的计算公式如公式(4)所示:
WT(n)=C*x(n),n={0,1,2...N-1} (4)
式中,WT(n)为小波分解系数,x(n)为输入的时域离散振动信号,C为变换矩阵,具体表达式为:
所述状态评估模块基于时频分析模块输出的振动信号的小波分解系数按照公式(5)得到信号的状态特征值A3,与正常状态特征值比较从而实现对高压并联电抗器进行状态评估,
或者采用神经网络法基于时频分析模块输出的振动信号的小波分解系数按照公式(6)得到信号的状态特征值A4作为神经网络的输入对进行高压并联电抗器的状态评估,
A4(n)={maxCA(1),maxCA(2),...,maxCA(8)} (6)
式中,CA(k)为小波变换每层分解的系数。
优选地,所述用于高压并联电抗器的状态监测装置还包括显示单元和输入单元;
所述显示单元的数据传输端与所述信号处理单元的数据传输端相连,用于显示高压并联电抗器的状态评估结果;
所述输入单元的输出端与所述信号处理单元的输入端相连,用于进行参数设置。
优选地,所述信号处理单元内还包括安全登录模块;利用输入单元输入指令,当输入的指令与所述安全登录模块中存储的预设指令值相同时,则信号处理单元输出信号至显示单元,进行状态评估结果显示。
第二方面,本发明提供了一种用于高压并联电抗器的状态监测方法,包括:
获取高压并联电抗器表面的振动信号;
采用合适的时频分析方法对接收到的振动信号进行时频分析,获得相应的特征值,然后基于所述特征值及合适的状态评估方法进行高压并联电抗器的状态评估,获得状态评估结果,完成对高压并联电抗器的状态监测。
优选地,所述采用合适的时频分析方法对接收到的振动信号进行时频分析,获得相应的特征值,然后基于所述特征值及合适的状态评估方法进行高压并联电抗器的状态评估,获得状态评估结果,具体包括以下步骤:
采用傅里叶变换对接收到的振动信号进行处理,得到振动信号的频谱,所述频谱的计算公式如公式(1)所示:
式中x(n)为输入的时域离散振动信号,N为振动信号采样总点数,X(k)为输入信号的傅里叶变换;
所述状态评估模块采用阈值法按照公式(2)对时频分析模块输出的振动信号的频谱进行得到信号的状态特征值A1,并对高压并联电抗器的状态进行评估,获得状态评估结果,
或者采用神经网络法将按照公式(3)得到信号的状态特征值A2作为输入实现对高压并联电抗器的状态评估,
A2(k)=X(50k),k={1,2,3,...20} (3)。
优选地,所述采用合适的时频分析方法对接收到的振动信号进行时频分析,获得相应的特征值,然后基于所述特征值及合适的状态评估方法进行高压并联电抗器的状态评估,获得状态评估结果,具体包括以下步骤:
采用小波变换对接收到的振动信号进行处理,得到振动信号的小波分解的系数,所述振动信号的小波分解的系数的计算公式如公式(4)所示:
WT(n)=C*x(n),n={0,1,2...N-1} (4)
式中WT(n)为小波分解系数,C为变换矩阵,具体表达式为:
基于时频分析模块输出的振动信号的小波分解系数按照公式(5)得到信号的特征值A3,与正常状态比较从而对高压并联电抗器进行状态评估,
或者采用神经网络法基于时频分析模块输出的振动信号的小波分解系数按照公式(6)得到信号的状态特征值A4作为神经网络的输入对进行高压并联电抗器的状态评估,
A4(n)={maxCA(1),maxCA(2),...,maxCA(8)} (6)。
优选地,所述的一种用于高压并联电抗器的状态监测方法,还包括:对获得的状态评估进行显示。
与现有技术相比,本发明的有益效果:
1)本发明经实验证实能够准确地检测出电抗器绕组及铁心松动等缺陷,而且提供了多种时频分析与状态评估方法,使得本发明可以综合比较分析,可靠性更高。
2)本发明轻便易携,且具有良好的人机交互界面易于操作,同时具有数据存储,离线分析等诸多功能,并且设置了安全登录模块,实现了免了非专业人士的误操作,因此具有科学合理,实用效果好,准确率高等优点。
附图说明
图1为一种用于高压并联电抗器的状态监测装置的结构图;
图2为一种用于高压并联电抗器的状态监测方法的流程图;
图3为不同状态下电抗器特征值折线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
如图1-2所示,本发明实施例提供了一种用于高压并联电抗器的状态监测装置,包括相连的振动信号采集单元和信号处理单元3;
所述振动信号采集单元设于高压并联电抗器上,采集高压并联电抗器表面的振动信号,并发送至所述信号处理单元3;在本发明实施例的优选实施例方式中,所述振动信号采集单元包括振动信号传感器1和信号采集卡2,所述振动信号传感器1设于所述高压并联电抗器的外表面或者内表面上,其数量可以是一个或者多个,其输出端与所述信号采集卡2的输入端相连;所述信号采集卡2的输出端与所述信号处理单元3的输入端相连;在实际应用过程中,所述振动信号传感器1可以采用型号为CTC AC102-1A的压电式加速度传感器,所述信号采集卡2可选用型号为MPS140801的信号采集卡2,其采样率由1K-128K可调,每次采样个数由1024-65536可调,数据为24位;
所述信号处理单元3中的时频分析模块采用合适的时频分析方法对接收到的振动信号进行时频分析,获得相应的特征值,然后由信号处理单元3中的状态评估模块基于所述特征值及合适的状态评估方法进行高压并联电抗器的状态评估,获得状态评估结果,完成对高压并联电抗器的监测;在本发明实施例的优选实施方式中,所述信号处理单元3由UPBoard板卡构成,该板卡搭载凌动TMX5-Z8350处理器(代号Cherry Trail),配备4GBDDR3L RAM和64GB eMMC,具有体积小,性能高等特点。
所述时频分析模块采用傅里叶变换对接收到的振动信号进行处理,得到振动信号的频谱,具体处理过程为:
设x(n)为输入的离散振动信号,N为采样点数,X(k)为x(n)傅里叶变换的结果;
所述状态评估模块根据公式(2)得到高压并联电抗器的状态特征值A1,与正常状态特征值比较后得到状态评估结果,
或者,采用神经网络法将按照公式(3)得到信号的状态特征值A2作为输入实现对高压并联电抗器的状态评估;在具体实施时,所述神经网络法中可以选择BP神经网络来进行数据处理,当BP神经网络的输出为0,则说明高压并联电抗器处于正常状态,当BP神经网络的输出为1,则说明高压并联电抗器处于非正常状态,
A2(k)=X(50k),k={1,2,3,...20} (3)
进一步地,所述用于高压并联电抗器的状态监测装置还包括显示单元4,所述显示单元4的数据传输端与所述信号处理单元3的数据传输端相连,用于显示高压并联电抗器的状态评估结果;另外,所述显示单元4还可进行存储的相关设置,可设置单次存储时长、间隔时间、存储位置及存储通道,默认为连续存储近一小时内的数据,每隔一小时选取一秒的数据及其频谱永久存储,存储通道数为5,保存格式为Bin,文件名称由标识符+时间+采样率组成,历史数据标识符为T,频谱为F,近期数据标识符为D,存储位置为UP Board板卡的存储器,按照默认设置可连续存储数十年的数据量,还可以通过外接存储器扩大容量;更进一步地,所述信号处理单元3内还包括安全登录模块;利用显示单元4输入指令,当输入的指令与所述安全登录模块中存储的预设指令值相同时,则信号处理单元3输出信号至显示单元4,进行状态评估结果显示,大大提高了***安全性能。
进一步地,所述用于高压并联电抗器的状态监测装置还包括输入单元5,所述输入单元5的输出端与所述信号处理单元3的输入端相连,用于进行参数设置;在本发明实施例的一种具体实施方式中,所述输入单元5为键盘、鼠标等外设。
实施例2
本发明实施例与实施例1的区别在于:
所述时频分析模块采用小波变换对接收到的振动信号进行处理,默认为8层分解,得到振动信号的小波分解系数;具体包括以下步骤:
小波变换公式为:
其中,ψ(t)为小波基函数,a为缩放因子,τ为平移因子。当采用db4小波做离散小波变换,所述振动信号的小波分解的系数的计算公式如公式(4)所示:
WT(n)=C*x(n),n={0,1,2...N-1} (4)
其中C为变换矩阵,具体表达式为:
所述状态评估模块基于时频分析模块输出的振动信号的小波分解系数按照公式(6)得到信号的状态特征值A3,与正常状态特征值比较从而对高压并联电抗器进行状态评估;
或者采用神经网络法根据时频分析模块输出的振动信号的小波分解系数按照公式(7)得到信号的状态特征值A4作为神经网络的输入对进行高压并联电抗器的状态评估,其中,神经网络需要预先训练,训练好的的网络模型保存为dll格式以便在决策时调用。
A4(n)={maxCA(1),maxCA(2),...,maxCA(8)} (7)
式中,WT(n)为小波变换得到的分解系数,包括近似系数与细节系数,CA(k)为得到的每一层的分解系数。
阈值法根据输入的特征值与正常状态下相比,比值越大说明故障越为严重,当多次测量持续超过某个数值,装置便发出报警信号,默认的比值系数为1.5。
实施例3
基于与实施例1相同的发明构思,本发明实施例提供了一种用于高压并联电抗器的状态监测方法,包括:
获取高压并联电抗器表面的振动信号;
采用合适的时频分析方法对接收到的振动信号进行时频分析,获得相应的特征值,然后基于所述特征值及合适的状态评估方法进行高压并联电抗器的状态评估,获得状态评估结果,完成对高压并联电抗器的监测。
在本发明实施例的一种具体实施方式中,所述采用合适的时频分析方法对接收到的振动信号进行时频分析,获得相应的特征值,然后基于所述特征值及合适的状态评估方法进行高压并联电抗器的状态评估,获得状态评估结果,具体包括以下步骤:
采用傅里叶变换对接收到的振动信号进行处理,得到振动信号的频谱;所述频谱的计算公式如公式(1)所示:
采用阈值法按照公式(2)得到高压并联电抗器的状态特征值A1,与正常状态特征值比较,从而获得状态评估结果;
或者采用神经网络法按照公式(3)得到特征值A2(n)作为神经网络的输入,从而获得状态评估结果,
A2(k)=X(50k),k={1,2,3,...20} (3)。
优选地,所述采用合适的时频分析方法对接收到的振动信号进行时频分析,获得相应的特征值,然后基于所述特征值及合适的状态评估方法进行高压并联电抗器的状态评估,获得状态评估结果,具体包括以下步骤:
采用小波变换对接收到的振动信号进行处理,得到振动信号的小波分解的系数,所述振动信号的小波分解的系数的计算公式如公式(4)所示;
WT(n)=C*x(n),n={0,1,2...N-1} (4)
式中WT(n)为小波分解系数,C为变换矩阵,具体表达式为:
根据时频分析模块输出的振动信号的小波分解系数按照公式(5)得到信号的状态特征值A3,与正常状态特征值比较从而对高压并联电抗器进行状态评估;
或者采用神经网络法根据时频分析模块输出的振动信号的小波分解系数按照公式(6)得到信号的特征值A4作为神经网络的输入对进行高压并联电抗器的状态评估。
A4(n)={maxCA(1),maxCA(2),...,maxCA(8)} (6)
实施例4
本发明实施例与实施例3的区别在于:
本发明实施例中还包括:所述用于高压并联电抗器的状态监测方法还包括:对获得的状态评估进行显示。
实施例5
如图3所示,基于实施例3,本发明实施例提供了一种用于高压并联电抗器的状态监测方法,包括:以高压并联电抗器正面两个测点、轴面两个测点的振动信号为例,按照实施例3中公式(2)得到信号的特征值,与正常状态特征值比值系数如图3表中数据所示,可以看出松动60%时,信号特征值为正常状态的2倍左右,松动100%的特征值为正常状态20倍左右,通过设置合适的阈值便可实现对电抗器当前状态的判断。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种用于高压并联电抗器的状态监测装置,其特征在于:包括相连的振动信号采集单元和信号处理单元;
所述振动信号采集单元设于高压并联电抗器上,采集高压并联电抗器表面的振动信号,并发送至所述信号处理单元;
所述信号处理单元中的时频分析模块采用合适的时频分析方法对接收到的振动信号进行时频分析,获得相应的特征值,然后由信号处理单元中的状态评估模块基于所述特征值及合适的状态评估方法进行高压并联电抗器的状态评估,获得状态评估结果,完成对高压并联电抗器的状态监测;
所述时频分析模块采用傅里叶变换对接收到的振动信号进行处理,得到振动信号的频谱,所述频谱的计算公式如公式(1)所示,
式中,X(k)为输入信号的傅里叶变换,x(n)为输入的时域离散振动信号,N为振动信号采样点总数;
所述状态评估模块采用阈值法按照公式(2)得到高压并联电抗器的状态特征值A1,并与正常状态特征值比较获得状态评估结果,
或者采用神经网络法按照公式(3)将信号的状态特征值A2作为输入对高压并联电抗器进行状态评估,获得状态评估结果,
A2(k)=X(50k),k={1,2,3,...20} (3);
所述时频分析模块采用小波变换对接收到的振动信号进行处理,得到振动信号的小波分解的系数,所述振动信号的小波分解的系数的计算公式如公式(4)所示:
WT(n)=C*x(n),n={0,1,2...N-1} (4)
式中,WT(n)为小波分解系数,x(n)为输入的时域离散振动信号,C为变换矩阵,具体表达式为:
所述状态评估模块基于时频分析模块输出的振动信号的小波分解系数按照公式(5)得到信号的状态特征值A3,与正常状态特征值比较从而实现对高压并联电抗器进行状态评估,
或者采用神经网络法基于时频分析模块输出的振动信号的小波分解系数按照公式(6)得到信号的状态特征值A4作为神经网络的输入对进行高压并联电抗器的状态评估,
A4(n)={maxCA(1),maxCA(2),...,maxCA(8)} (6)
式中,CA(k)为小波变换每层分解的系数。
2.根据权利要求1所述的一种用于高压并联电抗器的状态监测装置,其特征在于:所述振动信号采集单元包括振动信号传感器和信号采集卡;
所述振动信号传感器设于所述高压并联电抗器的外表面或者内表面上,其输出端与所述信号采集卡的输入端相连;
所述信号采集卡的输出端与所述信号处理单元的输入端相连。
3.根据权利要求1所述的一种用于高压并联电抗器的状态监测装置,其特征在于:所述用于高压并联电抗器的状态监测装置还包括显示单元和输入单元;
所述显示单元的数据传输端与所述信号处理单元的数据传输端相连,用于显示高压并联电抗器的状态评估结果;
所述输入单元的输出端与所述信号处理单元的输入端相连,用于进行参数设置。
4.根据权利要求3所述的一种用于高压并联电抗器的状态监测装置,其特征在于:所述信号处理单元内还包括安全登录模块;利用输入单元输入指令,当输入的指令与所述安全登录模块中存储的预设指令值相同时,则信号处理单元输出信号至显示单元,进行状态评估结果显示。
5.一种用于高压并联电抗器的状态监测方法,其特征在于,包括:
获取高压并联电抗器表面的振动信号;
采用合适的时频分析方法对接收到的振动信号进行时频分析,获得相应的特征值,然后基于所述特征值及合适的状态评估方法进行高压并联电抗器的状态评估,获得状态评估结果,完成对高压并联电抗器的状态监测;
所述采用合适的时频分析方法对接收到的振动信号进行时频分析,获得相应的特征值,然后基于所述特征值及合适的状态评估方法进行高压并联电抗器的状态评估,获得状态评估结果,具体包括以下步骤:
采用傅里叶变换对接收到的振动信号进行处理,得到振动信号的频谱,所述频谱的计算公式如公式(1)所示:
式中x(n)为输入的时域离散振动信号,N为振动信号采样总点数,X(k)为输入信号的傅里叶变换;
所述状态评估模块采用阈值法按照公式(2)对时频分析模块输出的振动信号的频谱进行得到信号的状态特征值A1,并对高压并联电抗器的状态进行评估,获得状态评估结果,
或者采用神经网络法将按照公式(3)得到信号的状态特征值A2作为输入实现对高压并联电抗器的状态评估,
A2(k)=X(50k),k={1,2,3,...20} (3);
所述采用合适的时频分析方法对接收到的振动信号进行时频分析,获得相应的特征值,然后基于所述特征值及合适的状态评估方法进行高压并联电抗器的状态评估,获得状态评估结果,具体包括以下步骤:
采用小波变换对接收到的振动信号进行处理,得到振动信号的小波分解的系数,所述振动信号的小波分解的系数的计算公式如公式(4)所示:
WT(n)=C*x(n),n={0,1,2...N-1} (4)
式中WT(n)为小波分解系数,C为变换矩阵,具体表达式为:
基于时频分析模块输出的振动信号的小波分解系数按照公式(5)得到信号的特征值A3,与正常状态比较从而对高压并联电抗器进行状态评估,
或者采用神经网络法基于时频分析模块输出的振动信号的小波分解系数按照公式(6)得到信号的状态特征值A4作为神经网络的输入对进行高压并联电抗器的状态评估,
A4(n)={maxCA(1),maxCA(2),...,maxCA(8)} (6)。
6.根据权利要求5所述的一种用于高压并联电抗器的状态监测方法,其特征在于:还包括:对获得的状态评估进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910206295.0A CN109932053B (zh) | 2019-03-19 | 2019-03-19 | 一种用于高压并联电抗器的状态监测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910206295.0A CN109932053B (zh) | 2019-03-19 | 2019-03-19 | 一种用于高压并联电抗器的状态监测装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109932053A CN109932053A (zh) | 2019-06-25 |
CN109932053B true CN109932053B (zh) | 2021-10-08 |
Family
ID=66987596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910206295.0A Active CN109932053B (zh) | 2019-03-19 | 2019-03-19 | 一种用于高压并联电抗器的状态监测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109932053B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110441632B (zh) * | 2019-08-01 | 2021-06-25 | 河海大学 | 便携式高压并联电抗器故障检测装置及方法 |
CN111024347B (zh) * | 2019-12-26 | 2021-11-02 | 华中科技大学 | 一种电抗器健康状态评估方法 |
CN111638028B (zh) * | 2020-05-20 | 2022-05-10 | 国网河北省电力有限公司电力科学研究院 | 一种基于振动特征的高压并联电抗器机械状态评估方法 |
CN113536969A (zh) * | 2021-06-25 | 2021-10-22 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种高压电抗器缺陷诊断方法及*** |
CN114062873A (zh) * | 2021-11-17 | 2022-02-18 | 国网陕西省电力公司电力科学研究院 | 基于卷积神经网络的并联电抗器绝缘故障诊断方法和装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4282595B2 (ja) * | 2004-12-09 | 2009-06-24 | 株式会社東芝 | 振動監視システム、振動監視方法、放射線検知システムおよび放射線検知方法 |
CN102200470A (zh) * | 2011-03-04 | 2011-09-28 | 青海电力科学试验研究院 | 一种高压电抗器振动测试方法 |
CN102331547A (zh) * | 2011-07-12 | 2012-01-25 | 江苏镇安电力设备有限公司 | 一种变压器绕组振动的在线监测及故障诊断方法 |
CN203929215U (zh) * | 2013-09-04 | 2014-11-05 | 国家电网公司 | 一种电力电容器振动在线监测装置 |
CN104142423A (zh) * | 2014-08-12 | 2014-11-12 | 国网上海市电力公司 | 1000kV高压并联电抗器的监测***和方法 |
CN105676120A (zh) * | 2016-01-11 | 2016-06-15 | 广东电网有限责任公司电力科学研究院 | 基于振动能量突变的高压断路器同期性检测装置及方法 |
US9377341B1 (en) * | 2013-04-12 | 2016-06-28 | Joe David Watson | Electronic liquid level sensing device and gauge for liquid-immersed power transformers, reactors and similar equipment |
CN105808941A (zh) * | 2016-03-04 | 2016-07-27 | 重庆大学 | 一种基于油中溶解气体的高压并联电抗器模糊综合诊断方法 |
CN106840637A (zh) * | 2017-03-24 | 2017-06-13 | 国网山东省电力公司莱芜供电公司 | 基于改进hht算法的gis机械振动信号时频分析方法 |
CN106841883A (zh) * | 2017-04-13 | 2017-06-13 | 山东汇能电气有限公司 | 高压电力电容器成套装置中电抗器运行状态监测方法 |
CN107179459A (zh) * | 2017-06-09 | 2017-09-19 | 广西电网有限责任公司电力科学研究院 | 一种高压电抗器潜伏性缺陷的状态监测*** |
CN107702908A (zh) * | 2017-10-12 | 2018-02-16 | 国网山东省电力公司莱芜供电公司 | 基于vmd自适应形态学的gis机械振动信号时频分析方法 |
CN108414075A (zh) * | 2018-03-09 | 2018-08-17 | 国网陕西省电力公司电力科学研究院 | 一种高压断路器紧固螺栓松动检测装置及检测方法 |
CN109269629A (zh) * | 2018-08-03 | 2019-01-25 | 河海大学 | 基于经验小波变换的特高压并联电抗器振动信号分析方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100571452C (zh) * | 2006-04-07 | 2009-12-16 | 清华大学 | 扬声器纯音检测方法 |
CN104792522B (zh) * | 2015-04-10 | 2017-05-17 | 北京工业大学 | 一种基于分数阶小波变换和bp神经网络的齿轮缺陷智能分析方法 |
CN105806467A (zh) * | 2016-03-25 | 2016-07-27 | 国家电网公司 | 一种高压并联电抗器铁芯振动测量装置及测量方法 |
CN106338336A (zh) * | 2016-08-04 | 2017-01-18 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 变压器振动的在线监测*** |
CN106468751A (zh) * | 2016-09-29 | 2017-03-01 | 河海大学 | 一种基于模糊自适应共振神经网络的变压器绕组状态识别方法 |
CN108195461B (zh) * | 2017-12-11 | 2020-04-21 | 囯网河北省电力有限公司电力科学研究院 | 电抗器振动的在线监测方法、装置及*** |
-
2019
- 2019-03-19 CN CN201910206295.0A patent/CN109932053B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4282595B2 (ja) * | 2004-12-09 | 2009-06-24 | 株式会社東芝 | 振動監視システム、振動監視方法、放射線検知システムおよび放射線検知方法 |
CN102200470A (zh) * | 2011-03-04 | 2011-09-28 | 青海电力科学试验研究院 | 一种高压电抗器振动测试方法 |
CN102331547A (zh) * | 2011-07-12 | 2012-01-25 | 江苏镇安电力设备有限公司 | 一种变压器绕组振动的在线监测及故障诊断方法 |
US9377341B1 (en) * | 2013-04-12 | 2016-06-28 | Joe David Watson | Electronic liquid level sensing device and gauge for liquid-immersed power transformers, reactors and similar equipment |
CN203929215U (zh) * | 2013-09-04 | 2014-11-05 | 国家电网公司 | 一种电力电容器振动在线监测装置 |
CN104142423A (zh) * | 2014-08-12 | 2014-11-12 | 国网上海市电力公司 | 1000kV高压并联电抗器的监测***和方法 |
CN105676120A (zh) * | 2016-01-11 | 2016-06-15 | 广东电网有限责任公司电力科学研究院 | 基于振动能量突变的高压断路器同期性检测装置及方法 |
CN105808941A (zh) * | 2016-03-04 | 2016-07-27 | 重庆大学 | 一种基于油中溶解气体的高压并联电抗器模糊综合诊断方法 |
CN106840637A (zh) * | 2017-03-24 | 2017-06-13 | 国网山东省电力公司莱芜供电公司 | 基于改进hht算法的gis机械振动信号时频分析方法 |
CN106841883A (zh) * | 2017-04-13 | 2017-06-13 | 山东汇能电气有限公司 | 高压电力电容器成套装置中电抗器运行状态监测方法 |
CN107179459A (zh) * | 2017-06-09 | 2017-09-19 | 广西电网有限责任公司电力科学研究院 | 一种高压电抗器潜伏性缺陷的状态监测*** |
CN107702908A (zh) * | 2017-10-12 | 2018-02-16 | 国网山东省电力公司莱芜供电公司 | 基于vmd自适应形态学的gis机械振动信号时频分析方法 |
CN108414075A (zh) * | 2018-03-09 | 2018-08-17 | 国网陕西省电力公司电力科学研究院 | 一种高压断路器紧固螺栓松动检测装置及检测方法 |
CN109269629A (zh) * | 2018-08-03 | 2019-01-25 | 河海大学 | 基于经验小波变换的特高压并联电抗器振动信号分析方法 |
Non-Patent Citations (3)
Title |
---|
《Experimental research of vibration characteristics of shunt reactor》;S. Chen;《2014 IEEE PES General Meeting | Conference & Exposition》;20140631;全文 * |
《基于经验小波变换的特高压并联电抗器振动信号分析》;赵若妤;《电工电能新技术》;20180831;第70页-第75页 * |
《振动监测方法在特高压电抗器缺陷分析中的应用》;郑一鸣;《浙江电力》;20180125;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109932053A (zh) | 2019-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109932053B (zh) | 一种用于高压并联电抗器的状态监测装置及方法 | |
US9404957B2 (en) | Fault diagnosis and preliminary location system and method for transformer core looseness | |
CN102279341B (zh) | 一种基于esprit与psa的笼型异步电动机转子断条故障检测方法 | |
CN107037313A (zh) | 建立变压器绕组变形故障与扫频阻抗特征对应关系的方法 | |
CN110991481B (zh) | 一种基于交叉小波变换的高压并联电抗器内部松动故障诊断方法 | |
CN110146268A (zh) | 一种基于均值分解算法的oltc故障诊断方法 | |
CN109507554A (zh) | 一种电气设备绝缘状态评估方法 | |
CN108169639A (zh) | 基于并行长短时记忆神经网络的识别开关柜故障的方法 | |
CN108398252A (zh) | 基于itd与svm的oltc机械故障诊断方法 | |
CN110824389A (zh) | 一种基于ifra的同步发电机绕组短路故障检测方法 | |
CN108896161A (zh) | 一种卷铁心变压器绕组故障模拟平台与测评方法 | |
CN103487665B (zh) | 测量高压断路器均压电容试验方法 | |
CN108089100A (zh) | 小电流接地***弧光电阻接地故障的检测方法 | |
CN113238165A (zh) | 一种基于ifra和svm的电抗器匝间短路故障检测方法 | |
CN116643132B (zh) | 一种基于高频信号的电缆绝缘在线监测方法及装置 | |
Naderi et al. | Modeling and detection of transformer internal incipient fault during impulse test | |
CN106872762A (zh) | 一种板卡供电电压在线监测*** | |
Luping et al. | Novel detection method for DC series arc faults by using morphological filtering | |
CN116340810A (zh) | 基于随机森林的变压器出线部位局部放电诊断方法和装置 | |
CN115183994A (zh) | 一种断路器机械故障的振动检测方法 | |
CN107576259A (zh) | 基于特快速暂态过电压特性的变压器绕组变形在线检测方法 | |
CN101576611A (zh) | 基于核独立分量分析的电流传感器角差在线监测方法 | |
CN110161363B (zh) | 基于主频表征量的变压器运行状态振声检测方法和*** | |
Deekshit et al. | Progressive bearing fault detection in a three-phase induction motor using S-Transform via pre-fault frequency cancellation | |
Sun et al. | A new fault diagnosis method for HV circuit breakers based on wavelet packet-neural network |
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 |