CN110929751B - 一种基于多源数据融合的电流互感器不平衡度告警方法 - Google Patents

一种基于多源数据融合的电流互感器不平衡度告警方法 Download PDF

Info

Publication number
CN110929751B
CN110929751B CN201910985429.3A CN201910985429A CN110929751B CN 110929751 B CN110929751 B CN 110929751B CN 201910985429 A CN201910985429 A CN 201910985429A CN 110929751 B CN110929751 B CN 110929751B
Authority
CN
China
Prior art keywords
data
delta
current transformer
original
unbalance
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
Application number
CN201910985429.3A
Other languages
English (en)
Other versions
CN110929751A (zh
Inventor
郑作霖
陈太
陈亮
齐瑞
林捷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujian Hoshing Hi Tech Industrial Co ltd
Original Assignee
Fujian Hoshing Hi Tech Industrial Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujian Hoshing Hi Tech Industrial Co ltd filed Critical Fujian Hoshing Hi Tech Industrial Co ltd
Priority to CN201910985429.3A priority Critical patent/CN110929751B/zh
Publication of CN110929751A publication Critical patent/CN110929751A/zh
Application granted granted Critical
Publication of CN110929751B publication Critical patent/CN110929751B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
    • G01R35/02—Testing or calibrating of apparatus covered by the other groups of this subclass of auxiliary devices, e.g. of instrument transformers according to prescribed transformation ratio, phase angle, or wattage rating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Power Engineering (AREA)
  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)

Abstract

本发明涉及一种基于多源数据融合的电流互感器不平衡度告警方法，数据获取层通过RocketMQ获取电流互感器在线监测数据、运行数据、基础台账数据、环境数据，数据处理层采用内存计算框架，将获取的结构化数据、非结构化数据、历史监控数据进行格式化处理，并根据数据影响因素对各类数据进行修正剔除无效数据，并根据孤立森林算法对海量历史监测数据进行预处理以剔除异常点数据，计算标准方差，并进一步剔除样本值大于2.68倍方差的数据，再计算平均值得出基准值，最后根据历史监测数据与基准值计算各个监测参数的不平衡度，应用层分析不平衡度及不平衡度告警因子系数，得到电流互感器不平衡度告警分析结果。本发明能够提高电流互感器运行状态分析的准确性。

Description

一种基于多源数据融合的电流互感器不平衡度告警方法
技术领域
本发明涉及电力安全技术领域，特别是一种基于多源数据融合的电流互感器不平衡度告警方法。
背景技术
电网公司变电设备在线监测业务***自全面建成以来，已经积累了十多年的变电专业运行数据和电网设备所在地的环境、在线监测，但由于缺乏对多来源数据的融合利用和对电网电流互感器告警分析手段方面还存在不足，还不能对电网设备状态的告警分析、生产管理的辅助决策等方面提供支持。当前，针对电流互感器设备的在线监测技术相对成熟，数据准确有效性高，可充分利用积累的海量电流互感器多源数据，有效开展电流互感器设备不平衡度告警分析，实现电流互感器运行状态快速感知，以及在此基础上开展电网设备状态检修工作已变得十分迫切。
近些年来基于人工智能的数据挖掘分析比传统数据分析呈现出了显著的优势，人工智能数据挖掘技术能综合多源数据，采用更高效的智能算法，更有效地利用现阶段不断增长和复杂化的数据。因此智能算法和海量在线监测数据、运行数据、环境数据为解决电流互感器运行状态的准确告警分析提供了方法手段。通过人工智能数据挖掘技术可有效探索与电流互感器运行状态相关的各类因素，发现各项因素与运行状态之间潜在的规律。通过不平衡度告警分析，使电网各专业人员清晰了解设备当前的健康状况，为开展状态检修提供技术支持，保障电网供电可靠性。
发明内容
有鉴于此，本发明的目的是提供一种基于多源数据融合的电流互感器不平衡度告警方法，融合多源数据进行电流互感器不平衡度分析，提高电流互感器运行状态分析的准确性。
本发明采用以下方案实现：一种基于多源数据融合的电流互感器不平衡度告警方法，包括以下步骤：
步骤S1：通过RocketMQ消息框架获取电流互感器在线监测数据、运行数据、基础台账数据和环境数据；
步骤S2：采用内存计算框架，将获取的电流互感器在线监测数据、运行数据、基础台账数据、环境数据、历史监测数据进行格式化处理，并根据所述历史监测数据影响因素对各类数据进行修正，剔除无效数据；根据孤立森林算法对历史监测数据进行预处理以剔除异常点数据；然后计算标准方差，并剔除样本值大于2.68倍方差的数据，再计算得出基准值；
步骤S3：根据所述历史监测数据与所述基准值进行各个电流互感器在线监测数据的不平衡度计算；
步骤S4：分析计算的不平衡度及不平衡度告警因子系数，得到电流互感器不平衡度告警分析结果即判断近6笔不平衡度是否存在4笔以上数据大于不平衡度门限值0.1，若是则保存明细数据和不平衡度告警数据，否则结束分析。
进一步地，所述基础台账数据包括设备名称、型号名称、投运日期和电压等级。
进一步地，所述电流互感器在线监测数据包括泄漏电流、电容量和介损。
进一步地，步骤S2中所述根据所述历史监测数据影响因素对各类数据进行修正，剔除无效数据的具体内容为：首先判断监测数据是否缺相如果缺相则认为是无效数据，否则认为是有效数据；然后根据监测数据状态判断规则，确定监测设备各监测参数监测数据是否有效，若监测设备近10个小时的10笔监测数据的有效数据小于6笔则认为当前数据无效，否则认为当前数据有效满足计算要求继续进行基准值计算。
进一步地，步骤S2中所述利用孤立森林算法对历史监测数据进行预处理以剔除异常点数据的具体内容为：首先根据样本即历史监测数据创建孤立树，然后根据孤立树创建孤立森林；然后根据样本在所有孤立树上的平均高度计算所有样本的异常指数；根据异常指数，获取类标，并设置正常聚类中心与异常聚类中心，得出训练模型，最后根据训练模型对参与计算基准值的样本进行预测判断，如果预测结果为异常，则认为是异常点，进行剔除，否则认为是正常点，给予保留。
进一步地，步骤S2中所述计算标准差的具体过程为：
Figure BDA0002236496050000031
N为剔除异常点数据及无效数据后样本个数，μ为平均值，χi为样本值。
进一步地，步骤S2中所述基准值的计算为：获取样本值在xi-2.68σ＜Xi＜xi+2.68σ区间内样本，然后计算基准值
Figure BDA0002236496050000041
进一步地，所述不平衡度计算具体为：令A、B、C分别为电流互感器设备泄漏电流、电容量、介损小时监测数据，则不平衡度计算过程如下：
ΔBA＝(B-A)/[(B+A+C)/3]；
ΔCB＝(C-B)/[(B+A+C)/3]；
ΔAC＝(A-C)/[(B+A+C)/3]；
ΔBA为B、A相间的同振偏差比例；
ΔCB为C、B相间的同振偏差比例；
ΔAC为A、C相间的同振偏差比例；
ΔBA初＝(B初-A初)/[(B初+A初+C初)/3]；
ΔCB初＝(C初-B初)/[(B初+A初+C初)/3]；
ΔAC初＝(A初-C初)/[(B初+A初+C初)/3]；
A初、B初、C初分别为电流互感器泄漏电流、电容量、介损的初值；
ΔBA初为B、A相间的初值同振偏差比例；
ΔCB初为C、B相间的初值同振偏差比例；
ΔAC初为A、C相间的初值同振偏差比例；
ΔBA判＝ΔBA-ΔBA初，为B、A相间的当前数据同振偏差比例与初值同振偏差比例的差值；
ΔCB判＝ΔCB-ΔCB初，为C、B相间的当前数据同振偏差比例与初值同振偏差比例的差值；
ΔAC判＝ΔAC-ΔAC初，为A、C相间的当前数据同振偏差比例与初值同振偏差比例的差值；
其中，ΔBA判、ΔCB判、ΔAC判分别为进行判定的电流互感器的最终判定参数；
ΔBA判、ΔCB判、ΔAC判中只需要一个数据越不平衡度门限值0.1，则触发告警。
进一步地，所述监测数据状态判断规则具体为：现场存在倒母操作时、监测值为无效值时、前端装置故障、检修、停运时，则当前电流互感器监测数据为无效数据。
与现有技术相比，本发明具有以下有益效果：
本发明融合多源数据进行电流互感器不平衡度分析，提高电流互感器运行状态分析的准确性。
附图说明
图1为本发明实施例的流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示，本实施例提供一种基于多源数据融合的电流互感器不平衡度告警方法，包括以下步骤：
步骤S1：通过RocketMQ消息框架获取电流互感器在线监测数据、运行数据、基础台账数据和环境数据；
步骤S2：采用内存计算框架，将获取的电流互感器在线监测数据、运行数据、基础台账数据、环境数据、历史监测数据进行格式化处理，并根据所述历史监测数据影响因素对各类数据进行修正，剔除无效数据；根据孤立森林算法对历史监测数据进行预处理以剔除异常点数据；然后计算标准方差，并剔除样本值大于2.68倍方差的数据，再计算得出基准值；
步骤S3：根据所述历史监测数据与所述基准值进行各个电流互感器在线监测数据的不平衡度计算；
步骤S4：分析计算的不平衡度及不平衡度告警因子系数，得到电流互感器不平衡度告警分析结果即判断近6笔不平衡度是否存在4笔以上数据大于不平衡度门限值0.1，若是则保存明细数据和不平衡度告警数据，否则结束分析。
在本实施例中，所述基础台账数据包括设备名称、型号名称、投运日期和电压等级。
在本实施例中，所述电流互感器在线监测数据包括泄漏电流、电容量和介损。
在本实施例中，首先判断监测数据是否缺相如果缺相则认为是无效数据，否则认为是有效数据；然后根据监测数据状态判断规则，确定监测设备各监测参数监测数据是否有效，若监测设备近10个小时的10笔监测数据的有效数据小于6笔则认为当前数据无效，否则认为当前数据有效满足计算要求继续进行基准值计算。
在本实施例中，步骤S2中所述利用孤立森林算法对历史监测数据进行预处理以剔除异常点数据的具体内容为：首先根据样本即历史监测数据创建孤立树，然后根据孤立树创建孤立森林；然后根据样本在所有孤立树上的平均高度计算所有样本的异常指数；根据异常指数，获取类标，并设置正常聚类中心与异常聚类中心，得出训练模型，最后根据训练模型对参与计算基准值的样本进行预测判断，如果预测结果为异常，则认为是异常点，进行剔除，否则认为是正常点，给予保留。
在本实施例中，步骤S2中所述计算标准差的具体过程为：
Figure BDA0002236496050000071
N为剔除异常点数据及无效数据后样本个数，μ为平均值，χi为样本值。
在本实施例中，步骤S2中所述基准值的计算为：获取样本值在xi-2.68σ＜Xi＜xi+2.68σ区间内样本，然后计算基准值
Figure BDA0002236496050000081
在本实施例中，所述不平衡度计算具体为：令A、B、C分别为电流互感器设备泄漏电流、电容量、介损小时监测数据，则不平衡度计算过程如下：
分别计算泄露电流、电容量和介损的相间的同振偏差比例，
ΔBA＝(B-A)/[(B+A+C)/3]；
ΔCB＝(C-B)/[(B+A+C)/3]；
ΔAC＝(A-C)/[(B+A+C)/3]；
ΔBA为B、A相间的同振偏差比例；
ΔCB为C、B相间的同振偏差比例；
ΔAC为A、C相间的同振偏差比例；
然后根据A初、B初、C初分别为电流互感器泄漏电流、电容量、介损的初值；
分别计算泄露电流、电容量和介损基准值的相间的同振偏差比例，
ΔBA初＝(B初-A初)/[(B初+A初+C初)/3]；
ΔCB初＝(C初-B初)/[(B初+A初+C初)/3]；
ΔAC初＝(A初-C初)/[(B初+A初+C初)/3]；
A初、B初、C初分别为分别为电流互感器泄漏电流、电容量、介损的初值；
ΔBA初为B、A相间的初值同振偏差比例；
ΔCB初为C、B相间的初值同振偏差比例；
ΔAC初为A、C相间的初值同振偏差比例；
ΔBA判＝ΔBA-ΔBA初，为B、A相间的当前数据同振偏差比例与初值同振偏差比例的差值；
ΔCB判＝ΔCB-ΔCB初，为C、B相间的当前数据同振偏差比例与初值同振偏差比例的差值；
ΔAC判＝ΔAC-ΔAC初，为A、C相间的当前数据同振偏差比例与初值同振偏差比例的差值；
其中，ΔBA判、ΔCB判、ΔAC判分别为进行判定的电流互感器的最终判定参数；
ΔBA判、ΔCB判、ΔAC判中只需要一个数据越不平衡度门限值0.1，则触发告警。
在本实施例中，所述监测数据状态判断规则具体为：现场存在倒母操作时、监测值为无效值时、前端装置故障、检修、停运时，则当前电流互感器监测数据为无效数据。其中，在本实施例中监测值为-12345等无效值时当前电流互感器监测数据可以认为是无效数据。
较佳的，在本实施例中，数据清洗，具体为：确定监测设备各监测参数监测数据是否有效，若监测设备近10个小时的10笔监测数据的有效数据小于6笔则剔除；若现场有母线倒母操作，则对应点数据无效剔除。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (7)

1.一种基于多源数据融合的电流互感器不平衡度告警方法，其特征在于：
包括以下步骤：
步骤S1：通过RocketMQ消息框架获取电流互感器在线监测数据、运行数据、基础台账数据和环境数据；
步骤S2：采用内存计算框架，将获取的电流互感器在线监测数据、运行数据、基础台账数据、环境数据、历史监测数据进行格式化处理，并根据所述历史监测数据影响因素对各类数据进行修正，剔除无效数据；根据孤立森林算法对历史监测数据进行预处理以剔除异常点数据；然后计算标准差，并剔除样本值大于2.68倍标准差的数据，再计算得出基准值；
步骤S3：根据所述历史监测数据与所述基准值进行各个电流互感器在线监测数据的不平衡度计算；
步骤S4：分析计算的不平衡度及不平衡度告警因子系数，得到电流互感器不平衡度告警分析结果即判断近6笔不平衡度是否存在4笔以上数据大于不平衡度门限值0.1，若是则保存明细数据和不平衡度告警数据，否则结束分析；
所述电流互感器在线监测数据包括泄漏电流、电容量和介损；
所述不平衡度计算具体为：令A、B、C分别为电流互感器设备泄漏电流、电容量、介损小时监测数据，则不平衡度计算过程如下：
ΔBA＝(B-A)/[(B+A+C)/3]；
ΔCB＝(C-B)/[(B+A+C)/3]；
ΔAC＝(A-C)/[(B+A+C)/3]；
ΔBA为B、A相间的同振偏差比例；
ΔCB为C、B相间的同振偏差比例；
ΔAC为A、C相间的同振偏差比例；
ΔBA初＝(B初-A初)/[(B初+A初+C初)/3]；
ΔCB初＝(C初-B初)/[(B初+A初+C初)/3]；
ΔAC初＝(A初-C初)/[(B初+A初+C初)/3]；
A初、B初、C初分别为电流互感器泄漏电流、电容量、介损的初值；
ΔBA初为B、A相间的初值同振偏差比例；
ΔCB初为C、B相间的初值同振偏差比例；
ΔAC初为A、C相间的初值同振偏差比例；
ΔBA判＝ΔBA-ΔBA初，为B、A相间的当前数据同振偏差比例与初值同振偏差比例的差值；
ΔCB判＝ΔCB-ΔCB初，为C、B相间的当前数据同振偏差比例与初值同振偏差比例的差值；
ΔAC判＝ΔAC-ΔAC初，为A、C相间的当前数据同振偏差比例与初值同振偏差比例的差值；
其中，ΔBA判、ΔCB判、ΔAC判分别为进行判定的电流互感器的最终判定参数；
ΔBA判、ΔCB判、ΔAC判中只需要一个数据越不平衡度门限值0.1，则触发告警。
2.根据权利要求1所述的一种基于多源数据融合的电流互感器不平衡度告警方法，其特征在于：所述基础台账数据包括设备名称、型号名称、投运日期和电压等级。
3.根据权利要求1所述的一种基于多源数据融合的电流互感器不平衡度告警方法，其特征在于：步骤S2中所述根据所述历史监测数据影响因素对各类数据进行修正，剔除无效数据的具体内容为：首先判断监测数据是否缺相如果缺相则认为是无效数据，否则认为是有效数据；然后根据监测数据状态判断规则，确定监测设备各监测参数监测数据是否有效，若监测设备近10个小时的10笔监测数据的有效数据小于6笔则认为当前数据无效，否则认为当前数据有效满足计算要求继续进行基准值计算。
4.根据权利要求1所述的一种基于多源数据融合的电流互感器不平衡度告警方法，其特征在于：步骤S2中所述利用孤立森林算法对历史监测数据进行预处理以剔除异常点数据的具体内容为：首先根据样本即历史监测数据创建孤立树，然后根据孤立树创建孤立森林；然后根据样本在所有孤立树上的平均高度计算所有样本的异常指数；根据异常指数，获取类标，并设置正常聚类中心与异常聚类中心，得出训练模型，最后根据训练模型对参与计算基准值的样本进行预测判断，如果预测结果为异常，则认为是异常点，进行剔除，否则认为是正常点，给予保留。
5.根据权利要求1所述的一种基于多源数据融合的电流互感器不平衡度告警方法，其特征在于：步骤S2中所述计算标准差的具体过程为：
Figure FDA0003857885060000041
N为剔除异常点数据及无效数据后样本个数，μ为平均值，χi为样本值。
6.根据权利要求5所述的一种基于多源数据融合的电流互感器不平衡度告警方法，其特征在于：步骤S2中所述基准值的计算为：获取样本值在xi-2.68σ＜Xi＜xi+2.68σ区间内样本，然后计算基准值
Figure FDA0003857885060000042
7.根据权利要求3所述的一种基于多源数据融合的电流互感器不平衡度告警方法，其特征在于：所述监测数据状态判断规则具体为：现场存在倒母操作时、监测值为无效值时、前端装置故障、检修、停运时，则当前电流互感器监测数据为无效数据。
CN201910985429.3A 2019-10-16 2019-10-16 一种基于多源数据融合的电流互感器不平衡度告警方法 Active CN110929751B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910985429.3A CN110929751B (zh) 2019-10-16 2019-10-16 一种基于多源数据融合的电流互感器不平衡度告警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910985429.3A CN110929751B (zh) 2019-10-16 2019-10-16 一种基于多源数据融合的电流互感器不平衡度告警方法

Publications (2)

Publication Number Publication Date
CN110929751A CN110929751A (zh) 2020-03-27
CN110929751B true CN110929751B (zh) 2022-11-22

Family

ID=69849276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910985429.3A Active CN110929751B (zh) 2019-10-16 2019-10-16 一种基于多源数据融合的电流互感器不平衡度告警方法

Country Status (1)

Country Link
CN (1) CN110929751B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111425932B (zh) * 2020-03-30 2022-01-14 瑞纳智能设备股份有限公司 一种基于flink的热网运行监测告警***及方法
CN111538723A (zh) * 2020-04-29 2020-08-14 上海电器科学研究所（集团）有限公司 监测数据处理方法、装置及电子设备
CN113267679B (zh) * 2021-04-01 2024-05-03 无锡先导智能装备股份有限公司 相位信号检测/控制方法、电路、控制装置及介质
CN113709167B (zh) * 2021-08-30 2023-04-07 杭州百子尖科技股份有限公司 外观检测数据的压缩传输方法
CN114674373A (zh) * 2022-04-15 2022-06-28 浙江工业大学 基于传感器集群的长管拖车监测***及监测数据融合方法
CN114935697B (zh) * 2022-07-25 2022-12-30 广东电网有限责任公司佛山供电局 一种三相负荷不平衡识别方法、***、设备和介质
CN115877268B (zh) * 2023-02-13 2023-06-23 中节能晶和照明(江西)有限公司 一种智慧照明***中l-n间漏电点定位监测和告警方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201489071U (zh) * 2009-08-19 2010-05-26 东北电力科学研究院有限公司 一种高压电容型设备泄漏电流电阻取样传感器
CN102426328B (zh) * 2011-11-04 2014-01-22 山东电力集团公司济宁供电公司 一种电容性设备绝缘状态实时在线监测方法
CN106374511B (zh) * 2016-10-09 2019-05-21 国网江苏省电力公司扬州供电公司 一种基于用户负荷实时测量的三相负荷平衡控制策略
CN108074198B (zh) * 2016-11-18 2022-10-04 中国电力科学研究院 一种电力***pmu不良数据识别方法
CN107870275A (zh) * 2017-11-03 2018-04-03 福建和盛高科技产业有限公司 基于大数据的避雷器运行状态评价方法
CN108776683B (zh) * 2018-06-01 2022-01-21 广东电网有限责任公司 一种基于孤立森林算法和神经网络的电力运维数据清洗方法
CN109614576B (zh) * 2018-12-11 2022-08-30 福建工程学院 基于多维高斯分布与趋势分段的变压器异常检测方法

Also Published As

Publication number Publication date
CN110929751A (zh) 2020-03-27

Similar Documents

Publication Publication Date Title
CN110929751B (zh) 一种基于多源数据融合的电流互感器不平衡度告警方法
CN105804981B (zh) 动车组牵引变压器油泵远程故障监测和预警***及其方法
CN105003453A (zh) 一种矿井风机在线监测与故障诊断***
CN107870275A (zh) 基于大数据的避雷器运行状态评价方法
CN107886171B (zh) 一种基于pmu数据的断路器状态在线诊断方法及***
CN113401760B (zh) 一种基于大数据的电梯运行故障监管***
CN204113701U (zh) 一种矿井风机在线监测与故障诊断***
CN107679768A (zh) 一种基于电网实时数据的态势感知***及其构建方法
CN105717887A (zh) 基于物联网传感数据的油气处理站智能预警***
CN114723285A (zh) 一种电网设备安全性评估预测方法
CN114167204A (zh) 一种配变运行异常的识别预警方法
CN113071966A (zh) 电梯故障预测方法、装置、设备及存储介质
CN117391481A (zh) 一种基于大数据的电力数据监视方法及***
CN115640698A (zh) 一种水电站运行设备故障预警***
CN105572492A (zh) 一种城轨列车辅助逆变器故障诊断装置
CN116894539A (zh) 一种服装生产监测方法、***及介质
CN115912625A (zh) 一种输电线路在线监测***及方法
CN113464414A (zh) 一种空压站的节能运行方法
CN117493498A (zh) 基于工业互联网的电力数据挖掘与分析***
CN110956308A (zh) 基于时间序列的化工设备健康状态预测方法
CN116050716A (zh) 基于互联网的智慧园区管理控制平台
CN113685335A (zh) 一种配有电能质量监控***的安全节能型空压站
CN110492606A (zh) 一种厂站主接线图自动辨识方法
CN115459449A (zh) 一种可实时分析变压器运行性能的变电站监测方法及***
CN114265837A (zh) 一种站端交互数据特征提取方法

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