CN113380258B - 一种变电站故障判定声纹识别方法 - Google Patents

一种变电站故障判定声纹识别方法 Download PDF

Info

Publication number
CN113380258B
CN113380258B CN202110476178.3A CN202110476178A CN113380258B CN 113380258 B CN113380258 B CN 113380258B CN 202110476178 A CN202110476178 A CN 202110476178A CN 113380258 B CN113380258 B CN 113380258B
Authority
CN
China
Prior art keywords
fault
sound
frequency
module
voiceprint
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
CN202110476178.3A
Other languages
English (en)
Other versions
CN113380258A (zh
Inventor
冯跃亮
周刚
戚中译
白景涛
刘剑清
周迅
丁建中
蔡宏飞
石惠承
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.)
Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Jiaxing Power Supply Co of State Grid Zhejiang Electric Power 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 Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202110476178.3A priority Critical patent/CN113380258B/zh
Publication of CN113380258A publication Critical patent/CN113380258A/zh
Application granted granted Critical
Publication of CN113380258B publication Critical patent/CN113380258B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/26—Recognition of special voice characteristics, e.g. for use in lie detectors; Recognition of animal voices
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/04—Training, enrolment or model building
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • H02J13/00034—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving an electric power substation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/16—Electric power substations

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Power Engineering (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种变电站故障判定声纹识别方法，克服了现有技术由于变电站数目和站内设备越来越多导致设备故障判断困难的问题，先建立***模型存储变电站站内的常有噪声类型，将各种噪声的波形与声纹信息存储在***模型中，根据已知噪声构建多个滤波器，实时采集变电站站内噪声信息将实时采集的噪声信息经过***模型的滤波器中，若滤出的噪声能够与预先存储好的某种噪声波形相关联则判定变电站故障。本发明采用声纹识别的方法通过对声音滤波再进行波形的图形比较得到结论。

Description

一种变电站故障判定声纹识别方法
技术领域
本发明涉及变电站监测技术领域，尤其是涉及一种变电站故障判定声纹识别方法。
背景技术
日常生活中，语音是传递信息的一种介质，可以从不同的语音中获取说话内容，而且还可以通过语音中独特的特征来确认说话人的个人信息。电力设备运行时，也会像人一样发出自己的语音，经验丰富的电力老师傅往往可以根据这些语音，判断设备是否存在安全隐患，老师傅的这种“听音识别”的能力对于变电站的安全稳定运行至关重要。随着电网建设的发展，变电站的数目会越来越多，完全依靠老师傅进行设备故障的判断是不现实的。变电站设备众多，有变压器、开关柜、绝缘子、母线、隔离开关等多类设备，且每类设备不止一种。不同设备的电气特性、物理形态特征、红外特性、运行状态、声纹特性等多维特征信息都存在差异。传统设备故障诊断主要有温度检测、气味检测、外观检查、电气信息测量等几种方式。当前应用的巡视机器人可以替代人完成设备的红外信息的读取和识别，判断设备是否正常工作。温度只是人判断设备是否存在故障的一个维度，经验丰富的老师傅还会根据设备的气味、外观、电气信息等因素综合判断设备是否存在故障，当前应用的巡检机器人是无法实现这些功能的，它只利用了设备的红外特性数据。这样的故障识别方式存在明显弊端。
发明内容
本发明是为了克服现有技术的由于变电站数目和站内设备越来越多导致设备故障判断困难的问题，提供一种变电站故障判定声纹识别方法，通过对变电站设备声音进行采集、将识别其中故障声音的上文，将故障声音与预设的对应故障进行关联，判断故障类型，提高了变电站故障识别的准确性。
为了实现上述目的，本发明采用以下技术方案：
一种变电站故障判定声纹识别方法，包括以下步骤：
S1、建立***模型；
S2、对变电站设备声音进行采集；
S3、对上一步中采集到的变电站设备声音进行识别；
S4、将识别得到的结果与预先设定好的***模型中的故障声音进行关联；
S5、通过关联结果判定具体的故障类型。
本发明采用声纹识别的方法通过对声音滤波再进行波形的图形比较得到结论，准确性高，并提供报警功能对故障声纹进行判定便于维修。
作为优选，S1包括以下内容，建立***模型包括依次连接的预设的声音采集模块、声纹识别模块、故障声纹关联模块和故障判定模块；
所述的声音采集模块用于采集变电站中设备的声音并将声音发送至声纹识别模块；
所述的声纹识别模块用于将噪声过滤出来，设备噪声的各个带宽预先设定在声纹识别模块中，声纹识别模块内包括若干用于过滤噪声的带通滤波器；
故障声纹关联模块用于将声纹识别模块滤波后得到的噪声的波形与预先设定在故障声纹关联模块中的变电站站内各类故障噪声的声纹波形进行比对，将滤波后得到的噪声与变电站站内各类故障噪声进行关联；
故障判定模块用于输出具体的故障类型并对本次故障进行报警。
四个依次项链的模块协同工作实时对变电站站内的噪声进行采集，判定是否为已知故障噪声，
作为优选，所述声纹采集模块通过以下步骤建立：
S11、将变电站站內各类故障的声音进行读取，得到故障声音的最低截止频率和最高截止频率和带宽；
S12、通过最低截止频率得到高通滤波器，通过最高截止频率得到低通滤波器，将高通滤波器与低通滤波器串联得到带通滤波器，抑制最低截止频率以下和最高截止频率以上的声音通过；S13、计算带通滤波器的传递函数；
S13、将带通滤波器滤波后的噪声信息发送给故障声纹关联模块。
作为优选，S11包括以下内容：计算故障声音的带宽B＝ωh-ωl、中心频率
Figure BDA0003047448000000021
根据带宽及中心频率计算传递函数得到带通滤波器的具体模型。
作为优选，所述传递函数的计算方式为：
Figure BDA0003047448000000022
其中，B为滤波器带宽，ωl为故障声音确定的滤波器的最低截止频率，ωh为故障声音确定的滤波器的最高截止频率，ω0为中心频率，s＝jω,s来自拉普拉斯变换代表复杂的频率。
作为优选，S4包括以下步骤：
S41、将识别得到的结果故障声音的频域波形图在ω轴平移平移，以斜率大于0处为原点，ω轴为横轴，H(s)轴为纵轴；
S42、将预先设定的变电站内故障声音的声纹模型与识别得到的结果故障声音的频域波形图在最低截止频率和最高截止频率重合；
S43、识别结果故障声音频域波形图的斜率为0的点作为第一关键点集合A＝{a0,a1,a2,a3...an}；
识别预先设定的故障声音频域波形图的斜率为0的点作为第二关键点集合B＝{b0,b1,b2,b3...an}；
S44、构建第一斜率集合K＝{k1,k2,k3...kn}和第二斜率集合F＝{f1,f2,f3...fn}；
S45、根据第一斜率集合与第二斜率集合构建判别式确定是否与当前的预先设定故障声音关联，若关联则发送结果至故障判定模块，若非关联则继续将识别得到的结果故障声音与下一预先设定的故障声音进行关联比较；
其中，S44中k1为关键点a0和a1之间的斜率，f1为关键点b0和b1之间的斜率，以此类推。
作为优选，所述S44中判别式为：
ki*fi＞0；
i∈[1,n],n为关键点的个数
若满足上述判别式，则判定关联，发送结果至故障判定模块。
作为优选，S5包括以下内容：故障判定模块读取最后关联的预先设定的故障类型，判定故障类型并进行报警。
因此，本发明具有如下有益效果：
本发明预先建立***模型存储变电站站内的常有噪声类型，将各种噪声的波形与声纹信息存储在***模型中，根据已知噪声构建多个滤波器，实时采集变电站站内噪声信息将实时采集的噪声信息经过***模型的滤波器中，若滤出的噪声能够与预先存储好的某种噪声波形相关联则判定变电站故障，本发明采用声纹识别的方法通过对声音滤波再进行波形的图形比较得到结论，准确性高，并提供报警功能对故障声纹进行判定便于维修。
避免了由于其他判断特征不明显无法及时判断故障的问题，防止出现漏判，采用分层判断比岁，缩小了模型识别误差的范围。
附图说明
图1是本实施例的流程图。
图2是本实施例的带通滤波器的波形示意图。
具体实施方式
下面结合附图与具体实施方式对本发明做进一步的描述。
实施例1：
本实施例提供了一种变电站故障判定声纹识别方法，如图1所示，一种变电站故障判定声纹识别方法，包括以下步骤：
S1、建立***模型；
S2、对变电站设备声音进行采集；
S3、对上一步中采集到的变电站设备声音进行识别；
S4、将识别得到的结果与预先设定好的***模型中的故障声音进行关联；
S5、通过关联结果判定具体的故障类型。
作为优选，S1包括以下内容，建立***模型包括依次连接的预设的声音采集模块、声纹识别模块、故障声纹关联模块和故障判定模块；
所述的声音采集模块用于采集变电站中设备的声音并将声音发送至声纹识别模块；
所述的声纹识别模块用于将噪声过滤出来，设备噪声的各个带宽预先设定在声纹识别模块中，声纹识别模块内包括若干用于过滤噪声的带通滤波器；
故障声纹关联模块用于将声纹识别模块滤波后得到的噪声的波形与预先设定在故障声纹关联模块中的变电站站内各类故障噪声的声纹波形进行比对，将滤波后得到的噪声与变电站站内各类故障噪声进行关联；
故障判定模块用于输出具体的故障类型并对本次故障进行报警。
作为优选，所述声纹采集模块通过以下步骤建立：
S11、将变电站站內各类故障的声音进行读取，得到故障声音的最低截止频率和最高截止频率和带宽；
S12、通过最低截止频率得到高通滤波器，通过最高截止频率得到低通滤波器，将高通滤波器与低通滤波器串联得到带通滤波器，抑制最低截止频率以下和最高截止频率以上的声音通过；S13、计算带通滤波器的传递函数；
S13、将带通滤波器滤波后的噪声信息发送给故障声纹关联模块。
作为优选，S11包括以下内容：计算故障声音的带宽B＝ωh-ωl、中心频率
Figure BDA0003047448000000041
根据带宽及中心频率计算传递函数得到带通滤波器的具体模型。
作为优选，所述传递函数的计算方式为：
Figure BDA0003047448000000042
其中，B为滤波器带宽，ωl为故障声音确定的滤波器的最低截止频率，ωh为故障声音确定的滤波器的最高截止频率，ω0为中心频率，s＝jω,s来自拉普拉斯变换代表复杂的频率。
作为优选，S4包括以下步骤：
S41、将识别得到的结果故障声音的频域波形图在ω轴平移平移，以斜率大于0处为原点，ω轴为横轴，H(s)轴为纵轴；
S42、将预先设定的变电站内故障声音的声纹模型与识别得到的结果故障声音的频域波形图在最低截止频率和最高截止频率重合；
S43、识别结果故障声音频域波形图的斜率为0的点作为第一关键点集合A＝{a0,a1,a2,a3...an}；
识别预先设定的故障声音频域波形图的斜率为0的点作为第二关键点集合B＝{b0,b1,b2,b3...an}；
S44、构建第一斜率集合K＝{k1,k2,k3...kn}和第二斜率集合F＝{f1,f2,f3...fn}；
S45、根据第一斜率集合与第二斜率集合构建判别式确定是否与当前的预先设定故障声音关联，若关联则发送结果至故障判定模块，若非关联则继续将识别得到的结果故障声音与下一预先设定的故障声音进行关联比较；
其中，S44中k1为关键点a0和a1之间的斜率，f1为关键点b0和b1之间的斜率，以此类推。
作为优选，所述S44中判别式为：
ki*fi＞0；
i∈[1,n],n为关键点的个数
若满足上述判别式，则判定关联，发送结果至故障判定模块。
作为优选，S5包括以下内容：故障判定模块读取最后关联的预先设定的故障类型，判定故障类型并进行报警。
本发明的工作过程如下：预先建立***模型存储变电站站内的常有噪声类型，将各种噪声的波形与声纹信息存储在***模型中，根据已知噪声构建多个滤波器，实时采集变电站站内噪声信息将实时采集的噪声信息经过***模型的滤波器中，若滤出的噪声能够与预先存储好的某种噪声波形相关联则判定变电站故障，本发明采用声纹识别的方法通过对声音滤波再进行波形的图形比较得到结论，准确性高，并提供报警功能对故障声纹进行判定便于维修。
上述实施例对本发明的具体描述，只用于对本发明进行进一步说明，不能理解为对本发明保护范围的限定，本领域的技术工程师根据上述发明的内容对本发明作出一些非本质的改进和调整均落入本发明的保护范围内。

Claims (6)

1.一种变电站故障判定声纹识别方法，其特征是，包括以下步骤：
S1、建立***模型；
S2、对变电站设备声音进行采集；
S3、对上一步中采集到的变电站设备声音进行识别；
S4、将识别得到的结果与预先设定好的***模型中的故障声音进行关联；
S4包括以下步骤：
S41、将识别得到的结果故障声音的频域波形图在ω轴平移，以斜率大于0处为原点，ω轴为横轴，H(s)轴为纵轴；
S42、将预先设定的变电站内故障声音的声纹模型与识别得到的结果故障声音的频域波形图在最低截止频率和最高截止频率重合；
S43、识别结果故障声音频域波形图的斜率为0的点作为第一关键点集合A＝{a0,a1,a2,a3...an}；
识别预先设定的故障声音频域波形图的斜率为0的点作为第二关键点集合B＝{b0,b1,b2,b3...an}；
S44、构建第一斜率集合K＝{k1,k2,k3...kn}和第二斜率集合F＝{f1,f2,f3...fn}；
S45、根据第一斜率集合与第二斜率集合构建判别式确定是否与当前的预先设定故障声音关联，若关联则发送结果至故障判定模块，若非关联则继续将识别得到的结果故障声音与下一预先设定的故障声音进行关联比较；
其中，S44中k1为关键点a0和a1之间的斜率，f1为关键点b0和b1之间的斜率，以此类推；所述S45中判别式为：
ki*fi＞0；
i∈[1,n],n为关键点的个数
若满足上述判别式，则判定关联，发送结果至故障判定模块；
S5、通过关联结果判定具体的故障类型。
2.根据权利要求1所述的一种变电站故障判定声纹识别方法，其特征是，S1包括以下内容，建立***模型包括依次连接的预设的声音采集模块、声纹识别模块、故障声纹关联模块和故障判定模块；
所述的声音采集模块用于采集变电站中设备的声音并将声音发送至声纹识别模块；
所述的声纹识别模块用于将噪声过滤出来，设备噪声的各个带宽预先设定在声纹识别模块中，声纹识别模块内包括若干用于过滤噪声的带通滤波器；
故障声纹关联模块用于将声纹识别模块滤波后得到的噪声的波形与预先设定在故障声纹关联模块中的变电站站内各类故障噪声的声纹波形进行比对，将滤波后得到的噪声与变电站站内各类故障噪声进行关联；
故障判定模块用于输出具体的故障类型并对本次故障进行报警。
3.根据权利要求2所述的一种变电站故障判定声纹识别方法，其特征是，所述声纹采集模块通过以下步骤建立：
S11、将变电站站内各类故障的声音进行读取，得到故障声音的最低截止频率和最高截止频率和带宽；
S12、通过最低截止频率得到高通滤波器，通过最高截止频率得到低通滤波器，将高通滤波器与低通滤波器串联得到带通滤波器，抑制最低截止频率以下和最高截止频率以上的声音通过；
S13、计算带通滤波器的传递函数；
S13、将带通滤波器滤波后的噪声信息发送给故障声纹关联模块。
4.根据权利要求3所述的一种变电站故障判定声纹识别方法，其特征是，S11包括以下内容：计算故障声音的带宽B＝ωh-ωl、中心频率
Figure FDA0003504878630000021
根据带宽及中心频率计算传递函数得到带通滤波器的具体模型；
ωl为故障声音确定的滤波器的最低截止频率，ωh为故障声音确定的滤波器的最高截止频率。
5.根据权利要求4所述的一种变电站故障判定声纹识别方法，其特征是，所述传递函数的计算方式为：
Figure FDA0003504878630000022
其中，B为滤波器带宽，ω0为中心频率，s＝jω，s来自拉普拉斯变换代表复杂的频率。
6.根据权利要求1所述的一种变电站故障判定声纹识别方法，其特征是，S5包括以下内容：故障判定模块读取最后关联的预先设定的故障类型，判定故障类型并进行报警。
CN202110476178.3A 2021-04-29 2021-04-29 一种变电站故障判定声纹识别方法 Active CN113380258B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110476178.3A CN113380258B (zh) 2021-04-29 2021-04-29 一种变电站故障判定声纹识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110476178.3A CN113380258B (zh) 2021-04-29 2021-04-29 一种变电站故障判定声纹识别方法

Publications (2)

Publication Number Publication Date
CN113380258A CN113380258A (zh) 2021-09-10
CN113380258B true CN113380258B (zh) 2022-04-12

Family

ID=77570299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110476178.3A Active CN113380258B (zh) 2021-04-29 2021-04-29 一种变电站故障判定声纹识别方法

Country Status (1)

Country Link
CN (1) CN113380258B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115240691B (zh) * 2022-09-23 2022-12-06 山西振中电力股份有限公司 一种基于数据分析的变电站设备运行状态监测控制***

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2912296C (en) * 2007-06-27 2021-06-15 Wanda G. Papadimitriou Autonomous fitness for service assessment
PL231399B1 (pl) * 2014-01-27 2019-02-28 Adam Pluta Sposób dekompozycji sygnału akustycznego na obiekty dźwiękowe
CN105136404B (zh) * 2015-09-22 2017-08-25 孙宏岩 一种声纹检测***
CN112420055A (zh) * 2020-09-22 2021-02-26 甘肃同兴智能科技发展有限公司 基于声纹特征的变电站状态识别方法及装置
CN112289341A (zh) * 2020-11-03 2021-01-29 国网智能科技股份有限公司 变电站设备声音异常识别方法及***

Also Published As

Publication number Publication date
CN113380258A (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
CN103713237B (zh) 一种电力***输电线路短路故障诊断方法
CN101696986B (zh) 故障电弧检测方法及保护装置
CN104964738B (zh) 一种基于噪声分离的电力变压器噪声评估方法
Peng et al. Application of K-Means method to pattern recognition in on-line cable partial discharge monitoring
CN108802525A (zh) 基于小样本的设备故障智能预测方法
CN108414079A (zh) 一种变压器噪声监测***
CN113380258B (zh) 一种变电站故障判定声纹识别方法
CN111653291B (zh) 一种基于声纹的电力设备智能健康监测方法
CN114325256A (zh) 一种电力设备局部放电识别方法、***、设备及存储介质
CN110703151A (zh) 基于振动盲源分离和贝叶斯模型的变压器故障诊断方法
CN112016470A (zh) 基于声音信号和振动信号的有载分接开关故障识别方法
CN117153193B (zh) 融合物理特性和数据诊断的电力设备故障声纹识别方法
CN109782126B (zh) 基于类人概念学习的配电网早期故障检测方法
CN108594156B (zh) 一种改进的电流互感器饱和特性识别方法
CN117849691A (zh) 一种电容式电压互感器多维协同运行监测预警***和方法
CN106646138B (zh) 基于多采样频率小波特征能量折算的配电网接地故障定位方法
CN113866572A (zh) 多电力电子装置接入条件下的直流故障电弧检测及定位方法
CN115808600B (zh) 基于数学形态学和模式识别的直流电弧检测方法
CN110017894B (zh) 变压器运行状态振声检测中随机噪声的滤除方法和装置
CN114935708A (zh) 一种线路放电异常的识别方法
CN109917245B (zh) 考虑相位差的超声检测局部放电信号模式识别方法
CN112964948A (zh) 基于录波数据反演的串联电抗器运行状态在线监测方法及***
CN116805054A (zh) 电动自行车充电负载识别方法
CN114994442A (zh) 故障电弧识别方法、***及装置
CN117849552A (zh) 一种环网柜局部放电在线监测方法

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