CN110579323B - 一种用于高压断路器绝缘气体的机器人测值识别算法 - Google Patents
一种用于高压断路器绝缘气体的机器人测值识别算法 Download PDFInfo
- Publication number
- CN110579323B CN110579323B CN201910768010.2A CN201910768010A CN110579323B CN 110579323 B CN110579323 B CN 110579323B CN 201910768010 A CN201910768010 A CN 201910768010A CN 110579323 B CN110579323 B CN 110579323B
- Authority
- CN
- China
- Prior art keywords
- value
- voltage switch
- robot
- sulfur hexafluoride
- gas
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/26—Investigating fluid-tightness of structures by using fluid or vacuum by measuring rate of loss or gain of fluid, e.g. by pressure-responsive devices, by flow detectors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Gas-Insulated Switchgears (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及变电站巡视机器人技术领域,具体涉及一种用于高压断路器绝缘气体的机器人测值识别算法。本发明提供了揭示高压开关六氟化硫绝缘气体压力异常变化隐患的方法,成功克服了现有机器人远程集控***仅能发现气压测值小于低告警、低闭锁定值等显性缺陷的弊端,提高了发现高压开关设备潜伏性缺陷的成功率,有助于反映巡视机器人检测气体数据的非正态分布的特征。
Description
技术领域
本发明涉及变电站巡视机器人技术领域,具体涉及一种用于高压断路器绝缘气体的机器人测值识别算法。
背景技术
变电站是各级电网的核心枢纽,对变电站内设备例行巡视是保证电网安全运行的关键手段。随着电力***稳定性的要求不断提高,人工巡视模式存在劳动强度大、待检设备分散、恶劣天气干扰影响等缺点,人工巡视日益暴露出不适应智能电网发展趋势的迹象。六氟化硫(SF6)气体具有极强的电负性,赋予它优良的电绝缘和灭弧性能,被广泛应用于高压断路器(高压开关)。六氟化硫绝缘气体泄漏会导致高压开关绝缘性能下降,酿成设备事件。因此加强高压开关气体压力巡视,识别高压断路器气压异常是重要的变电站巡视内容。
自2013年起,我国已连续五年成为全球工业机器人第一大消费国,2018年我国工业机器人销售量突破14万台,市场规模占据全球市场份额的三分之一,销售额达到62.3亿美元。同时,国内电网企业重视使用变电站巡视机器人克服上述难题。2013年,变电站巡视机器人开始全面投入国家电网公司的巡视应用;2016年,南方电网公司也适时提出了推行“机巡+人巡”和探索应用智能作业的新要求,旨在通过研制灵活搭载多种类、高性能、高精度传感器的智能机器人,解决结构性缺员的突出矛盾,提升生产运行质量和设备健康水平。其中,远程集控后台通常部署在省级电网设备状态监测评价中心或电力检修公司,是指用于集中监控、管理多个变电站的变电站机器人巡检***的计算机***。当前,我国从国家战略层面将工业机器人纳入未来将要重点发展的方向,连续三年持续发布了《机器人产业发展规划(2016-2020年)》《工业机器人行业规范条件》《国家机器人标准体系建设指南》等产业政策,推动我国工业机器人领域的技术进步和产业升级。但是单一的机器人远程集控***难以胜任设备状态分析的需求,需要运维人员主观判断及手动计算巡视机器人检测的高压开关气体压力等数值,大幅增加了工作强度且存在设备异常误诊断、漏诊断的隐患。另外,特别是当前的六氟化硫绝缘气体巡检数据分析以静态分析的阈值告警为主,仅能发现气压测值小于低告警、低闭锁定值等显性缺陷。然而六氟化硫绝缘气体泄漏缺陷属于逐渐衍变的过程,常以潜伏性缺陷开始,所以阈值告警不是划分有无异常的唯一标准。如果能分析同类高压开关六氟化硫绝缘气体巡检数据的显著性差异,则可判断数据突变趋势,发现早期缺陷。上述情况不仅限制了机器人的应用效果,更削弱了巡维人员应用机器人的主观意愿。
鉴于此,为完全有效推进应用户内变电站巡视机器人,有必要研究可识别高压开关六氟化硫绝缘气体异常变化的智能算法,并用以提升完善巡视机器人远程集控***的高级应用功能,攻克当前***无法自动检测识别高压断路器气压异常变化的难题,使之能够破解结构性缺员的突出矛盾,确保提升生产运行的质量水平。
发明内容
为了解决上述问题,本发明提供了适用于变电站巡视机器人远程集控***的高压开关绝缘气体测值异常变化识别算法,通过识别高压开关气体压力异常变化的计算方法,横向、纵向比较断路器SF6气体压力值,及时、准确判断高压开关的泄漏异常状态,具体技术方案如下:
一种用于高压断路器绝缘气体的机器人测值识别算法,包括以下步骤:
S1:变电站巡视机器人巡视高压开关,并将采集到的高压开关的压力数值集合X上传至巡视机器人远程集控***;
所述高压开关的压力数值集合为变电站内某类高压开关的n个六氟化硫绝缘气体测值,X={x1,x2,…,xn};
S2:巡视机器人远程集控***将高压开关压力数值集合X及其聚类中心集合Y输入应用服务器;
聚类中心集合Y为变电站内不同设备间隔n个高压开关具有代表性六氟化硫绝缘气体测值的聚类中心,Y={y1,y2,…,yn};
S3:判断迭代计算数据的次数是否满足终止准则,如果是,则跳到步骤S8;如果不是,则进行步骤S4;
所述终止准则是指六氟化硫绝缘气体测值小于等于报警信号气压值或闭锁气压阈值,即xi≤bj或者xi≤aj,j=1,2,…,n;
式中,bj为第j个聚类中心高压开关的二级告警值,即报警信号气压值;aj为第j个聚类中心高压开关的一级异常值,即闭锁气压阈值;
S4:应用服务器计算n个六氟化硫气体测值分别与聚类中心集合Y之间的距离,具体如下:dij=||xi-yj||,i=1,2,…,n;
若同一时间段内采集了多个数值,则按时间排序,划分出这些样本的时间最近的聚类集合z;式中,dij为第i测值与第j个聚类中心之间的距离,即相似度;
S5:***:当相似度dij大于设定距离L的1.5倍,则认为对应的六氟化硫气体测值xi是异常值;
S6:合并:当相似度dij小于等于设定距离L的1.5倍,则认为对应的六氟化硫气体测值xi是正常值;
S7:结束:相似度dij大于设定距离L的1.5倍的数据即是巡视机器人远程集控***要提取的反映气体泄漏的测值;
S8:告警预警:六氟化硫气体测值xi小于或等于报警信号气压值bj、闭锁气压阈值aj时,巡视机器人远程集控***向省级电网设备状态监测评价中心或供电局的运维人员发布告警提示信息;六氟化硫气体测值xi是异常值时,巡视机器人远程集控***向省级电网设备状态监测评价中心或供电局的运维人员发出预警提示信息。
优选地,所述步骤S1中的高压开关包括六氟化硫敞开式断路器、气体绝缘金属封闭开关设备的高压断路器。
优选地,所述步骤S1中变电站巡视机器人可选用LER-3000A、GZRobot-patrol-Ⅲ、LC-GR1000、XRS004S型的无轨式机器人或DL-RH型的轨道式机器人。
优选地,所述步骤S2中的聚类中心是指该高压开关设计时的额定工作气压。
优选地,所述步骤S5、S6中的设定距离L是指某类高压开关的n个六氟化硫绝缘气体测值集合X与聚类中心集合Y距离的平均值,具体计算如下:
本发明的有益效果为:本发明提供了揭示高压开关六氟化硫绝缘气体压力异常变化隐患的方法,成功克服了现有机器人远程集控***仅能发现气压测值小于低告警、低闭锁定值等显性缺陷的弊端,提高了发现高压开关设备潜伏性缺陷的成功率,有助于反映巡视机器人检测气体数据的非正态分布的特征。
附图说明
图1为本发明的流程示意图。
具体实施方式
为了更好的理解本发明,下面结合附图和具体实施例对本发明作进一步说明:
高压开关六氟化硫绝缘气体压力异常变化隐患的工作流程可以描述为:变电站巡视机器人将高压开关六氟化硫绝缘气体压力传输至机器人远程集控***的应用服务器,并利用本发明所述异常值识别算法分析气体压力异常变化隐患。
如图1所示,本发明提供的一种用于高压断路器绝缘气体的机器人测值识别算法,包括以下步骤:
S1:变电站巡视机器人巡视高压开关,并将采集到的高压开关的压力数值集合X上传至巡视机器人远程集控***;高压开关包括六氟化硫敞开式断路器、气体绝缘金属封闭开关设备的高压断路器。变电站巡视机器人可选用LER-3000A、GZRobot-patrol-Ⅲ、LC-GR1000、XRS004S型的无轨式机器人或DL-RH型的轨道式机器人。
所述高压开关的压力数值集合为变电站内某类高压开关的n个六氟化硫绝缘气体测值,X={x1,x2,…,xn}。
变电站内某类高压开关是指《输变电设备状态检修试验规程》(DL/T 393)所提出的同制造商同批次设备的同一家族设备。
将变电站巡视机器人部署在某220千伏变电站内,按《变电站机器人巡检技术导则》(DL/T 1637)等要求,通过图像识别技术采集8DN9-Ⅱ型GIS三相分体式高压开关的六氟化硫绝缘气体压力测值,并实时上传至机器人远程集控***的应用服务器。
该220千伏变电站内8DN9-Ⅱ型GIS共有9组高压开关,分别是#1主变220千伏侧2001开关、#2主变220千伏侧2002开关、#3主变220千伏侧2003开关、220千伏出线Ⅰ线2051开关、220千伏出线Ⅱ线2052开关、220千伏出线Ⅲ线2053开关、220千伏出线Ⅳ线2054开关、220千伏出线Ⅴ线2055开关、220千伏母联2012开关,每组高压开关分为3个气室。因此,当巡视机器人巡视GIS设备时,需实时采集、上传27个高压开关气室的六氟化硫绝缘气体压力测值。同时,在某日内采集变电站巡视机器人分别在当日8时、17时进行了例行巡视,高压开关压力数值集合X为X={x1,x2,…,x27},具体测值如下:
表1高压开关压力数值集合
S2:巡视机器人远程集控***将高压开关压力数值集合X及其聚类中心集合Y输入应用服务器;
聚类中心集合Y为变电站内不同设备间隔n个高压开关具有代表性六氟化硫绝缘气体测值的聚类中心,Y={y1,y2,…,yn};聚类中心yj是指该高压开关设计时的额定工作气压,j=1,2,…,n。
8DN9-Ⅱ型GIS高压开关的额定工作气压(20摄氏度)为0.69兆帕,最高工作气压(40摄氏度)为0.9兆帕,最低工作气压为(20摄氏度)为0.62兆帕,因此,27个高压开关气室的聚类中心yj均为0.69,即Y={y1,y2,…,y27}={0.69,0.69,…,0.69}。
S3:判断迭代计算数据的次数是否满足终止准则,如果是,则跳到步骤S8;如果不是,则进行步骤S4;
所述终止准则是指六氟化硫绝缘气体测值小于等于报警信号气压值或闭锁气压阈值,即xi≤bj或者xi≤aj,j=1,2,…,n;
式中,bj为第j个聚类中心高压开关的二级告警值,即报警信号气压值;aj为第j个聚类中心高压开关的一级异常值,即闭锁气压阈值。
8DN9-Ⅱ型GIS高压开关的报警信号气压值(20摄氏度)为0.64兆帕,闭锁气压阈值(20摄氏度)为0.62兆帕。因此,27个高压开关气室的一级异常值aj为0.62,二级告警值bj为0.64。
因为2051开关A相气室的六氟化硫绝缘气体测值为0.61兆帕,小于闭锁气压阈值,因为2051开关B相和C相气室的六氟化硫绝缘气体测值为0.63兆帕,小于报警信号气压值,故该高压开关气压异常的判断步骤直接进入步骤S8,巡视机器人远程集控***向省级电网设备状态监测评价中心或供电局的运维人员发布2051开关A相、B相、C相气室告警预警的提示信息,并由相关运维人员采取缺陷消除措施。
S4:应用服务器计算n个六氟化硫气体测值分别与聚类中心集合Y之间的距离,具体如下:dij=||xi-yj||,i=1,2,…,n;
若同一时间段,例如24小时内采集了多个数值,则按时间排序,以时段划分出这些样本的时间最近的聚类集合z;
式中,dij为第i测值与第j个聚类中心之间的距离,即相似度。
由于当日分别在8时、17时巡视设备,故取距分析识别时间最近的17时数据作为聚类集合z。
求解各高压开关气室测值的相似度如表2所示。
表2各高压开关压力数值相似度
S5:***:当相似度dij大于设定距离L的1.5倍,则认为对应的六氟化硫气体测值xi是异常值;设定距离L是指某类高压开关的n个六氟化硫绝缘气体测值集合X与聚类中心集合Y距离的平均值,具体计算如下:
根据表2的数据计算得到L=0.024。设定距离L的1.5倍为0.36。
S6:合并:当相似度dij小于等于设定距离L的1.5倍,则认为对应的六氟化硫气体测值xi是正常值。
S7:结束:相似度dij大于设定距离L的1.5倍的数据即是巡视机器人远程集控***要提取的反映气体泄漏的测值。
S8:告警预警:六氟化硫气体测值xi小于或等于报警信号气压值bj、闭锁气压阈值aj时,巡视机器人远程集控***向省级电网设备状态监测评价中心或供电局的运维人员发布告警提示信息;六氟化硫气体测值xi是异常值时,巡视机器人远程集控***向省级电网设备状态监测评价中心或供电局的运维人员发出预警提示信息。
根据相似度dij是否大于或小于等于设定距离L的1.5倍判断除2051开关A相、B相、C相气室之外的其余24个开关气室压力是否为***数据或合并数据。其中2003B相及C相测值的相似度dij大于设定距离L的1.5倍,故这2个高压开关气压异常的判断步骤进入S8,向省级电网设备状态监测评价中心或供电局的运维人员发布2003B相及C相气室、2051A相/B相/C相气室预警提示信息,并由相关运维人员针对气压小于或接近报警信号气压值的设备采取缺陷预控措施。
与其他传统的静态阈值分析、告警算法相比,本发明所述算法具有简单有效的优势,不仅可以发现小于等于闭锁气压阈值或报警信号气压值的开关气室,还可以通过相似度判断测值接近报警信号气压值的高压开关,克服了以往巡视机器人发现气体压力异常变化隐患特征方面效果欠佳的弊端,为巡视变电站的气体绝缘金属封闭开关、敞开式断路器设备提供了有效技术手段,达到巡视过程耗费成本(人力、物力和时间成本)最小的目标。
本发明不局限于以上所述的具体实施方式,以上所述仅为本发明的较佳实施案例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种用于高压断路器绝缘气体的机器人测值识别算法,其特征在于:包括以下步骤:
S1:变电站巡视机器人巡视高压开关,并将采集到的高压开关的压力数值集合X上传至巡视机器人远程集控***;
所述高压开关的压力数值集合为变电站内某类高压开关的n个六氟化硫绝缘气体测值,X={x1,x2,…,xn};
S2:巡视机器人远程集控***将高压开关压力数值集合X及其聚类中心集合Y输入应用服务器;
聚类中心集合Y为变电站内不同设备间隔n个高压开关具有代表性六氟化硫绝缘气体测值的聚类中心,Y={y1,y2,…,yn};所述步骤S2中的聚类中心是指该高压开关设计时的额定工作气压;
S3:判断迭代计算数据的次数是否满足终止准则,如果是,则跳到步骤S8;如果不是,则进行步骤S4;
所述终止准则是指六氟化硫绝缘气体测值小于等于报警信号气压值或闭锁气压阈值,即xi≤bj或者xi≤aj,j=1,2,…,n;
式中,bj为第j个聚类中心高压开关的二级告警值,即报警信号气压值;aj为第j个聚类中心高压开关的一级异常值,即闭锁气压阈值;
S4:应用服务器计算n个六氟化硫气体测值分别与聚类中心集合Y之间的距离,具体如下:dij=||xi-yj||,i=1,2,…,n;
若同一时间段内采集了多个数值,则按时间排序,划分出这些样本的时间最近的聚类集合z;式中,dij为第i测值与第j个聚类中心之间的距离,即相似度;
S5:***:当相似度dij大于设定距离L的1.5倍,则认为对应的六氟化硫气体测值xi是异常值;设定距离L是指某类高压开关的n个六氟化硫绝缘气体测值集合X与聚类中心集合Y距离的平均值,具体计算如下:
S6:合并:当相似度dij小于等于设定距离L的1.5倍,则认为对应的六氟化硫气体测值xi是正常值;
S7:结束:相似度dij大于设定距离L的1.5倍的数据即是巡视机器人远程集控***要提取的反映气体泄漏的测值;
S8:告警预警:六氟化硫气体测值xi小于或等于报警信号气压值bj、闭锁气压阈值aj时,巡视机器人远程集控***向省级电网设备状态监测评价中心或供电局的运维人员发布告警提示信息;六氟化硫气体测值xi是异常值时,巡视机器人远程集控***向省级电网设备状态监测评价中心或供电局的运维人员发出预警提示信息。
2.根据权利要求1所述的一种用于高压断路器绝缘气体的机器人测值识别算法,其特征在于:所述步骤S1中的高压开关包括六氟化硫敞开式断路器、气体绝缘金属封闭开关设备的高压断路器。
3.根据权利要求1所述的一种用于高压断路器绝缘气体的机器人测值识别算法,其特征在于:所述步骤S1中变电站巡视机器人可选用LER-3000A、GZRobot-patrol-Ⅲ、LC-GR1000、XRS004S型的无轨式机器人或DL-RH型的轨道式机器人。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910768010.2A CN110579323B (zh) | 2019-08-20 | 2019-08-20 | 一种用于高压断路器绝缘气体的机器人测值识别算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910768010.2A CN110579323B (zh) | 2019-08-20 | 2019-08-20 | 一种用于高压断路器绝缘气体的机器人测值识别算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110579323A CN110579323A (zh) | 2019-12-17 |
CN110579323B true CN110579323B (zh) | 2021-09-10 |
Family
ID=68811260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910768010.2A Active CN110579323B (zh) | 2019-08-20 | 2019-08-20 | 一种用于高压断路器绝缘气体的机器人测值识别算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110579323B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114594349B (zh) * | 2022-03-04 | 2023-10-24 | 福建时代星云科技有限公司 | 一种储能***中直流绝缘监测方法及终端 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100956162B1 (ko) * | 2009-06-19 | 2010-05-06 | 주식회사 헤코 | 복합형 전기안전 차단기 및 그 방법 |
CN101825894A (zh) * | 2010-04-30 | 2010-09-08 | 北京航空航天大学 | 一种六氟化硫高压断路器状态智能监测与健康管理*** |
CN103345639A (zh) * | 2013-07-01 | 2013-10-09 | 河海大学常州校区 | 基于模糊聚类的支持向量机高压断路器故障诊断方法 |
CN106093771A (zh) * | 2016-08-16 | 2016-11-09 | 国网天津市电力公司 | 一种断路器分合闸线圈电流信号识别方法 |
CN106482937A (zh) * | 2016-09-30 | 2017-03-08 | 南方电网科学研究院有限责任公司 | 一种高压断路器机械状态的监测方法 |
CN108803554A (zh) * | 2017-05-04 | 2018-11-13 | 上海电气集团股份有限公司 | 一种发电机信号的智能诊断方法 |
CN109100646A (zh) * | 2018-08-17 | 2018-12-28 | 国网江苏省电力有限公司检修分公司 | 一种高压断路器故障诊断方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129466B (zh) * | 2011-03-22 | 2012-11-28 | 国网电力科学研究院 | 基于实证示范建立光伏电站测试诊断和预测数据库的方法 |
JP6765365B2 (ja) * | 2014-09-04 | 2020-10-07 | ユニヴァーシティ オブ ワシントン | 単一の感知点からの電気デバイスのユーザ駆動動作状態の検出 |
CN107016507A (zh) * | 2017-04-07 | 2017-08-04 | 国网技术学院 | 基于数据挖掘技术的电网故障追踪方法 |
-
2019
- 2019-08-20 CN CN201910768010.2A patent/CN110579323B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100956162B1 (ko) * | 2009-06-19 | 2010-05-06 | 주식회사 헤코 | 복합형 전기안전 차단기 및 그 방법 |
CN101825894A (zh) * | 2010-04-30 | 2010-09-08 | 北京航空航天大学 | 一种六氟化硫高压断路器状态智能监测与健康管理*** |
CN103345639A (zh) * | 2013-07-01 | 2013-10-09 | 河海大学常州校区 | 基于模糊聚类的支持向量机高压断路器故障诊断方法 |
CN106093771A (zh) * | 2016-08-16 | 2016-11-09 | 国网天津市电力公司 | 一种断路器分合闸线圈电流信号识别方法 |
CN106482937A (zh) * | 2016-09-30 | 2017-03-08 | 南方电网科学研究院有限责任公司 | 一种高压断路器机械状态的监测方法 |
CN108803554A (zh) * | 2017-05-04 | 2018-11-13 | 上海电气集团股份有限公司 | 一种发电机信号的智能诊断方法 |
CN109100646A (zh) * | 2018-08-17 | 2018-12-28 | 国网江苏省电力有限公司检修分公司 | 一种高压断路器故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
Fault diagnosis for high voltage circuit breaker based on timing parameters and FCM;WANG SHUTING;《IEICE ELECTRONICS EXPRESS》;20180510;全文 * |
SF6断路器气体压力表智能遥视研究;张广胜;《光学技术》;20170131;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110579323A (zh) | 2019-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109444791B (zh) | 一种电容式电压互感器误差状态评估方法和*** | |
CN114429092B (zh) | 一种基于数字孪生的继电保护设备数字化仿真*** | |
CN204064509U (zh) | 一种高压开关柜温度在线监测*** | |
CN108846591A (zh) | 一种变电站开关柜多运行状态智能监测***及评估方法 | |
CN109086518A (zh) | 一种智能变电站输变电一次设备状态评估的方法 | |
CN112467724A (zh) | 一种低压配电网故障研判方法 | |
CN108459269A (zh) | 一种10kV柱上真空开关状态在线评价方法与装置 | |
CN107104414B (zh) | 一种基于在线数据的继电保护检修辅助决策方法 | |
CN110579323B (zh) | 一种用于高压断路器绝缘气体的机器人测值识别算法 | |
CN115169506A (zh) | 一种供变电关键设备故障快速诊断方法及*** | |
CN111999695B (zh) | 一种变电站计量装置状态评估与异常诊断方法 | |
Guo et al. | A review of on-line condition monitoring in power system | |
CN111391694B (zh) | 一种充电站运行维护的多层次快速数据监测方法和*** | |
CN105652157B (zh) | 基于行波电气量的配电网健康状态分析方法 | |
CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及*** | |
KR20210053846A (ko) | 운전 중인 전력설비 내부 전기회로정수 측정에 의한 설비 건전상태 감시 방법 | |
Zeng et al. | A condition evaluation method of isolation circuit breaker based on triangular fuzzy analytic hierarchy process | |
CN116011845A (zh) | 一种10kV电缆运行健康状况分析模型 | |
CN117572157B (zh) | 一种配网线路异常行波定位方法及*** | |
Chen et al. | Reliability assessment on switchgear and its controller based on Time-Spatial-Source dimension | |
Jiafeng et al. | Research and Application of State Identification Technology for Live Operation of Distribution Lines | |
Wang et al. | Fault Location Algorithm for Power Grid Based on Protection Status Infor-mation and Aggregation Hierarchical Clustering | |
Li et al. | An intelligent diagnosis method for analog of the secondary equipment based on the remote dispatching station | |
Fu et al. | IQR-MAD-Based Anomaly Detection of Voltage Data in the Distribution Network | |
Zhang et al. | Impacts of various maintenance tasks on life-cycle costs of a power grid project |
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 |