CN113568353A - 基于精简状态特征集的开关柜局部放电监测预警方法 - Google Patents
基于精简状态特征集的开关柜局部放电监测预警方法 Download PDFInfo
- Publication number
- CN113568353A CN113568353A CN202110872025.0A CN202110872025A CN113568353A CN 113568353 A CN113568353 A CN 113568353A CN 202110872025 A CN202110872025 A CN 202110872025A CN 113568353 A CN113568353 A CN 113568353A
- Authority
- CN
- China
- Prior art keywords
- discharge
- partial discharge
- switch cabinet
- early warning
- feature set
- 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 55
- 238000012544 monitoring process Methods 0.000 title claims abstract description 15
- 230000007547 defect Effects 0.000 claims abstract description 39
- 230000015556 catabolic process Effects 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000011161 development Methods 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 8
- 208000028659 discharge Diseases 0.000 claims description 141
- 238000003745 diagnosis Methods 0.000 claims description 12
- 239000012212 insulator Substances 0.000 claims description 11
- 239000004020 conductor Substances 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 239000000725 suspension Substances 0.000 claims description 5
- 238000012502 risk assessment Methods 0.000 claims description 4
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 claims description 3
- 239000011248 coating agent Substances 0.000 claims description 3
- 238000000576 coating method Methods 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 229920006335 epoxy glue Polymers 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 239000000843 powder Substances 0.000 claims description 3
- 238000002791 soaking Methods 0.000 claims description 3
- 239000011780 sodium chloride Substances 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000002604 ultrasonography Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000010606 normalization Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000012567 pattern recognition method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000003822 epoxy resin Substances 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了基于精简状态特征集的开关柜局部放电监测预警方法,包括（1）提取开关柜的局部放电多物理信号的精简状态特征集；（2）基于精简状态特征集的局放状态跟踪和危险度评估。同时公开了一种适用于开关柜的局部放电多物理信号的精简状态特征提取方法，包括以下步骤：（1）构建典型缺陷模型（2）不同交流恒压下试品起始→击穿试验（3）记录多物理量发展全过程数据（4）基于阶段状态辨识的缺陷故障诊断和预警。本发明提供的针对多物理信号精简状态特征集的规范化、有效性分析，可有效的跟踪局部放电的状态及危险程度的评估。
Description
技术领域
本发明属于开关柜局部放电监测预警技术领域，特别涉及一种基于精简状态特征集的开关柜局部放电监测预警方法。
背景技术
高压开关柜中可能出现不同类型的局部放电，不同类型的放电缺陷对开关柜的破坏程度有着很大的差异。通常与固体绝缘无关的放电危害性较小，而当放电发生在固体绝缘内部或固体绝缘表面时，则非常危险。由于局部放电是否危险，在很大程度上取决于放电缺陷的类型。在局部放电模式识别中，由于放电信号波形、频谱和统计特性的数据量较大，如果直接对其放电模式进行识别，将是非常困难的。为了有效地实现分类识别，就需要选择和提取能够反映不同放电缺陷的本质特征，特征量的提取过程是对放电脉冲信号在数据量上的简化和压缩，以实现利用简单的特征量来表征放电特性。目前局部放电模式识别常用的特征量主要有统计特征参数、灰度图像分形特征及矩特征参数、波形时域及频域特征参数、小波分解系数特征参数等，局部放电模式谱图主要有局部放电相位分布模式(PRPD)、脉冲序列分布模式(PRPS)、Δu/Δt模式等，而常用的模式识别方法则有人工神经网络、支持向量机、模糊识别、灰色评估、遗传算法以及相应的改进方法等。
现有技术的技术方案：
(1)特征量提取方法：主要有统计特征参数、灰度图像分形特征及矩特征参数、波形时域及频域特征参数、小波分解系数特征参数等，局部放电模式谱图主要有局部放电相位分布模式(PRPD)、脉冲序列分布模式(PRPS)、Δu/Δt模式等；
(2)模式识别方法：有人工神经网络、支持向量机、模糊识别、灰色评估、遗传算法以及相应的改进方法等。
目前，对局部放电的现象、机理研究不够，对于局部放电多物理量之间的关联性及其随设备缺陷和故障状态演化的过程和机理认识不足，特别对放电的随机性、间歇性和风险性认识不足，导致开关柜局部放电检测数据采集不规范，不能有效跟踪局部放电的状态及评估危险程度，导致现有检测***实时性远不满足工程实际需求。
发明内容
为解决上述技术问题，本发明提供一种基于精简状态特征集的开关柜局部放电监测预警方法：包括：
（1）提取开关柜的局部放电多物理信号的精简状态特征集；
（2）基于精简状态特征集的局放状态跟踪和危险度评估。
优选地， 高频/TEV信号的精简状态特征数据集，提取放电脉冲的相位、幅值（ø，V），构成长度为N的二维数表，上传至边缘计算网关；
超声信号的精简状态特征数据集，除了提取放电脉冲的相位、幅值（ø，V）序列，进一步提取信号的前5次主频及其对应峰值；构成两段二维数据表上传至边缘计算网关。
优选地，根据开关柜缺陷统计分析，构建典型缺陷局部放电模型，通过施加不同电压等级的交流恒定电压，通过高频、TEV、超声三种方式检测缺陷由起始到击穿全过程的信号，获得典型缺陷放电全过程多物理量的统计特征，根据这些特征量的变化规律和特点，基于放电特征参量的发展阶段状态辨识进行危险性放电的预警。
优选地，典型缺陷局部放电模型包括四种：绝缘子通过外力产生端部裂纹缺陷，对应气隙放电；绝缘子沿面放电缺陷，绝缘子表面涂抹导电粉末并加盐水浸润；高压导体尖端电晕；高压导体上的连接螺栓用环氧胶处理使其接触不良，产生悬浮放电。
优选地，所述阶段包括正常放电劣化阶段和高击穿危险阶段。
优选地，建立高压开关柜局部放电故障模式数据库及放电指纹特征信息库，形成不同局放缺陷类型局部放电严重程度的诊断规则；通过放电指纹分析，比较放电指纹是否与放电指纹特征信息库中指纹信息一致，如果一致，则判定局部放电处于此状态。
优选地，所述步骤（2）中，结合高压开关柜内部局部放电类型辨识、放电缺陷的严重程度诊断、放电风险程度评估，形成开关柜局部放电状态跟踪方法和危险评估方法。
优选地，采取基于放电长期发展阶段性特征和状态辨识的方式实施缺陷诊断和击穿风险评估。
一种适用于开关柜的局部放电多物理信号的精简状态特征提取方法，包括以下步骤：
（1）构建典型缺陷模型；
（2）不同交流恒压下试品起始→击穿试验；
（3）记录多物理量发展全过程数据；
（4）基于阶段状态辨识的缺陷故障诊断和预警。
优选地，所述全过程数据包括放电次数统计参量随时间t的变化函数、 放电时间间隔均值统计参量随时间t的变化函数和放电脉冲时间间隔均值统计参量随时间t的变化函数。
本发明技术方案带来的有益效果
高压开关柜中局部放电的缺陷类型可导致开关柜运行出现严重问题，但现有的诊断方法针对局部放电的现象、机理研究不够，数据采集不规范，不能有效跟踪局部放电的状态，本发明提供的针对多物理信号精简状态特征集的规范化、有效性分析，可有效的跟踪局部放电的状态及危险程度的评估。
下面结合附图对本发明的具体实施方式作进一步详细的描述。
附图说明
附图作为本发明的一部分，用来提供对本发明的进一步的理解，本发明的示意性实施例及其说明用于解释本发明，但不构成对本发明的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。在附图中：
图1为本发明开关柜典型缺陷模型的局放发展全过程多物理量特征提取流程图。
图2为开关设备典型缺陷模型图；
（a）绝缘子内部裂纹 （b）绝缘子表面污秽受潮引起的沿面放电(c)高压导体尖端电晕 (d) 高压导体金具接触不良引发悬浮放电。
图3是70%-90%外施电压下放电次数统计参量随时间t的变化过程图。
图4 是放电脉冲时间间隔均值统计参量随时间t的变化过程图。
图5是放电幅值均值统计参量随时间t的变化过程图。
图6是局部放电特征指纹图。
需要说明的是，这些附图和文字描述并不旨在以任何方式限制本发明的构思范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对实施例中的技术方案进行清楚、完整地描述，以下实施例用于说明本发明，但不用来限制本发明的范围。
在本发明的描述中，需要说明的是，术语 “上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
如图1-6所示，本发明公开了一种基于精简状态特征集的开关柜局部放电监测预警方法。
本发明所要解决的技术问题：
（1）多物理信号精简状态特征集的规范化和有效性分析；
（2）基于精简状态特征集的局放状态跟踪方法和危险度评估方法。
高频/TEV信号的精简状态特征数据集，提取放电脉冲的相位、幅值（ø，V），构成长度为N的二维数表，上传至边缘计算网关。
超声信号的精简状态特征数据集，除了提取放电脉冲的相位、幅值（ø，V）序列，还需进一步提取信号的前5次主频及其对应峰值。构成两段二维数据表上传至边缘计算网关。
高压开关柜在实际运行中出现的局部放电主要由以下几种情况引起：(1)气隙内部放电：开关柜中绝缘子内部或表面存在缝隙而产生；(2)沿面放电：运行中设备绝缘件上存在污秽、湿气和凝露而产生；（3)电晕放电：元器件加工和装配工艺不规范使得导体、柜体内表面存在金属毛刺和尖端而产生；(4) 悬浮放电：现场安装工艺不规范引起的导体间绝缘距离不足、母排螺栓未拧紧等问题产生。
为此，本发明根据上述开关柜缺陷统计分析，构建典型缺陷局部放电模型，通过施加不同电压等级的交流恒定电压，通过高频、TEV、超声三种方式检测缺陷由起始到击穿全过程的信号，获得典型缺陷放电全过程多物理量的统计特征，研究这些特征量的变化规律和特点，基于放电特征参量的发展阶段状态辨识进行危险性放电的预警。如图1所示。
如图2所示，本发明分别设计了四种典型缺陷：绝缘子通过外力产生端部裂纹缺陷（气隙放电）；绝缘子沿面放电缺陷，绝缘子表面涂抹导电粉末并加盐水浸润；高压导体尖端电晕；高压导体上的连接螺栓用环氧胶处理使其接触不良，产生悬浮放电。
实施例1：
以针对高压环氧树脂盆式绝缘子沿面放电发展至闪络故障的全过程数据为例予以说明。
图3为四种电压下放电次数统计参量随时间t的变化过程，图中a)、b)、c)、d)分别对应90%、85%、75%、70%击穿电压；其中，外施电压90%击穿电压的试验放电次数并无规律可循，放电次数总体波动较大，有下降趋势；外施电压85%击穿电压、75%击穿电压、70%击穿电压的试验放电次数呈现出显著的阶段性特征，不同阶段分别对应于正常放电劣化和高击穿危险阶段。
图4为放电时间间隔均值统计参量随时间t的变化过程。同样，外施电压90%击穿电压的试验放电脉冲时间间隔均值并无明显规律。外施电压70%-85%范围内该统计量也呈现出显著的阶段性特征，且电压接近运行电压，该阶段性特征更为明显。
同样，放电信号幅值均值也呈现类似特征，如图5所示。
本发明采取基于放电长期发展阶段性特征和状态辨识的方式实施缺陷诊断和击穿风险评估。
实施例2
本发明可在获取大量局部放电PRPD和PRPS数据信息的基础上，提取表征不同故障缺陷局部放电严重程度的特征参量。建立高压开关柜局部放电故障模式数据库及放电指纹特征信息库，形成不同局放缺陷类型局部放电严重程度的诊断规则。通过放电指纹分析，可以从复杂的局部放电数据中获取局部放电发展过程中的本质特征，从中挖掘出可以反映局部放电现象的有效数据信息，如图6所示。
本发明结合高压开关柜内部局部放电类型辨识、放电缺陷的严重程度诊断、放电风险程度评估，总结出开关柜局部放电状态跟踪方法和危险评估方法。
以上所述仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专利的技术人员在不脱离本发明技术方案范围内，当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例，上述实施例中的实施方案也可以进一步组合或者替换，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明方案的范围内。
Claims (10)
1.基于精简状态特征集的开关柜局部放电监测预警方法：其特征在于：包括
（1）提取开关柜的局部放电多物理信号的精简状态特征集；
（2）基于精简状态特征集的局放状态跟踪和危险度评估。
2.根据权利要求1所述的基于精简状态特征集的高压开关柜局部放电监测预警方法：其特征在于：
高频/TEV信号的精简状态特征数据集，提取放电脉冲的相位、幅值（ø，V），构成长度为N的二维数表，上传至边缘计算网关；
超声信号的精简状态特征数据集，除了提取放电脉冲的相位、幅值（ø，V）序列，进一步提取信号的前5次主频及其对应峰值；构成两段二维数据表上传至边缘计算网关。
3.根据权利要求1所述的基于精简状态特征集的开关柜局部放电监测预警方法：其特征在于：
根据开关柜缺陷统计分析，构建典型缺陷局部放电模型，通过施加不同电压等级的交流恒定电压，通过高频、TEV、超声三种方式检测缺陷由起始到击穿全过程的信号，获得典型缺陷放电全过程多物理量的统计特征，根据这些特征量的变化规律和特点，基于放电特征参量的发展阶段状态辨识进行危险性放电的预警。
4.根据权利要求3所述的基于精简状态特征集的开关柜局部放电监测预警方法：其特征在于：典型缺陷局部放电模型包括四种：绝缘子通过外力产生端部裂纹缺陷，即气隙放电；绝缘子沿面放电缺陷，绝缘子表面涂抹导电粉末并加盐水浸润；高压导体尖端电晕；高压导体上的连接螺栓用环氧胶处理使其接触不良，产生悬浮放电。
5.根据权利要求3所述的基于精简状态特征集的开关柜局部放电监测预警方法：其特征在于：所述阶段包括正常放电劣化阶段和高击穿危险阶段。
6.根据权利要求1所述的基于精简状态特征集的开关柜局部放电监测预警方法：其特征在于：建立高压开关柜局部放电故障模式数据库及放电指纹特征信息库，形成不同局放缺陷类型局部放电严重程度的诊断规则；通过放电指纹分析，比较放电指纹是否与放电指纹特征信息库中指纹信息一致，如果一致，则判定局部放电处于此状态。
7.根据权利要求1所述的基于精简状态特征集的开关柜局部放电监测预警方法：其特征在于：所述步骤（2）中，结合高压开关柜内部局部放电类型辨识、放电缺陷的严重程度诊断、放电风险程度评估，形成开关柜局部放电状态跟踪方法和危险评估方法。
8.根据权利要求1所述的基于精简状态特征集的开关柜局部放电监测预警方法：其特征在于：采取基于放电长期发展阶段性特征和状态辨识的方式实施缺陷诊断和击穿风险评估。
9.一种适用于开关柜的局部放电多物理信号的精简状态特征提取方法，其特征在于：包括以下步骤：
（1）构建典型缺陷模型；
（2）不同交流恒压下试品起始→击穿试验；
（3）记录多物理量发展全过程数据；
（4）基于阶段状态辨识的缺陷故障诊断和预警。
10.根据权利要求9所述的适用于开关柜的局部放电多物理信号的精简状态特征提取方法，其特征在于：所述全过程数据包括放电次数统计参量随时间t的变化函数、 放电时间间隔均值统计参量随时间t的变化函数和放电脉冲时间间隔均值统计参量随时间t的变化函数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110872025.0A CN113568353A (zh) | 2021-07-30 | 2021-07-30 | 基于精简状态特征集的开关柜局部放电监测预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110872025.0A CN113568353A (zh) | 2021-07-30 | 2021-07-30 | 基于精简状态特征集的开关柜局部放电监测预警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113568353A true CN113568353A (zh) | 2021-10-29 |
Family
ID=78169486
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110872025.0A Pending CN113568353A (zh) | 2021-07-30 | 2021-07-30 | 基于精简状态特征集的开关柜局部放电监测预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113568353A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117347796A (zh) * | 2023-09-28 | 2024-01-05 | 国网四川省电力公司电力科学研究院 | 一种基于智能网关的开关设备局部放电诊断***及方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103197218A (zh) * | 2013-04-23 | 2013-07-10 | 国家电网公司 | 一种高压电缆绝缘缺陷局放带电检测诊断方法 |
| CN103645425A (zh) * | 2013-11-15 | 2014-03-19 | 广东电网公司电力科学研究院 | 一种高压电缆绝缘缺陷局部放电在线监测诊断方法 |
| CN105044566A (zh) * | 2015-06-25 | 2015-11-11 | 国家电网公司 | 一种基于特征超高频信号的gis局部放电故障检测方法 |
| CN105548832A (zh) * | 2015-12-10 | 2016-05-04 | 国网四川省电力公司电力科学研究院 | 高压电力电缆故障识别方法 |
| CN105911438A (zh) * | 2016-04-13 | 2016-08-31 | 国网湖南省电力公司 | 一种基于局部放电带电检测的gis风险评估方法及*** |
| CN106814290A (zh) * | 2015-12-02 | 2017-06-09 | 中国电力科学研究院 | 一种10kV开关柜状态检测方法 |
| CN108051711A (zh) * | 2017-12-05 | 2018-05-18 | 国网浙江省电力公司检修分公司 | 基于状态特征映射的固体绝缘表面缺陷诊断方法 |
| CN109116193A (zh) * | 2018-06-14 | 2019-01-01 | 国网浙江省电力有限公司检修分公司 | 基于局放信号综合熵值的电气设备危险性放电判别方法 |
| CN109116203A (zh) * | 2018-10-31 | 2019-01-01 | 红相股份有限公司 | 基于卷积神经网络的电力设备局部放电故障诊断方法 |
| CN109444682A (zh) * | 2018-11-02 | 2019-03-08 | 国网四川省电力公司广安供电公司 | 基于多信息融合的开关柜局部放电诊断***的构建方法 |
| CN111007365A (zh) * | 2019-11-25 | 2020-04-14 | 国网四川省电力公司广安供电公司 | 一种基于神经网络的超声波局部放电识别方法及*** |
| CN111679166A (zh) * | 2020-07-23 | 2020-09-18 | 国家电网有限公司 | 基于无线传输技术的开关柜局部放电故障多源信息融合检测预警***及方法 |
| CN112203249A (zh) * | 2020-09-29 | 2021-01-08 | 国网四川省电力公司电力科学研究院 | 一种适用于开关柜局部放电的智能网关*** |
| CN112485610A (zh) * | 2020-11-05 | 2021-03-12 | 国网电力科学研究院有限公司 | 考虑绝缘劣化的gis局部放电特征参数提取方法 |
| CN112731080A (zh) * | 2020-12-24 | 2021-04-30 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种快速发展型局部放电油纸绝缘劣化状态的诊断方法 |
-
2021
- 2021-07-30 CN CN202110872025.0A patent/CN113568353A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103197218A (zh) * | 2013-04-23 | 2013-07-10 | 国家电网公司 | 一种高压电缆绝缘缺陷局放带电检测诊断方法 |
| CN103645425A (zh) * | 2013-11-15 | 2014-03-19 | 广东电网公司电力科学研究院 | 一种高压电缆绝缘缺陷局部放电在线监测诊断方法 |
| CN105044566A (zh) * | 2015-06-25 | 2015-11-11 | 国家电网公司 | 一种基于特征超高频信号的gis局部放电故障检测方法 |
| CN106814290A (zh) * | 2015-12-02 | 2017-06-09 | 中国电力科学研究院 | 一种10kV开关柜状态检测方法 |
| CN105548832A (zh) * | 2015-12-10 | 2016-05-04 | 国网四川省电力公司电力科学研究院 | 高压电力电缆故障识别方法 |
| CN105911438A (zh) * | 2016-04-13 | 2016-08-31 | 国网湖南省电力公司 | 一种基于局部放电带电检测的gis风险评估方法及*** |
| CN108051711A (zh) * | 2017-12-05 | 2018-05-18 | 国网浙江省电力公司检修分公司 | 基于状态特征映射的固体绝缘表面缺陷诊断方法 |
| CN109116193A (zh) * | 2018-06-14 | 2019-01-01 | 国网浙江省电力有限公司检修分公司 | 基于局放信号综合熵值的电气设备危险性放电判别方法 |
| CN109116203A (zh) * | 2018-10-31 | 2019-01-01 | 红相股份有限公司 | 基于卷积神经网络的电力设备局部放电故障诊断方法 |
| CN109444682A (zh) * | 2018-11-02 | 2019-03-08 | 国网四川省电力公司广安供电公司 | 基于多信息融合的开关柜局部放电诊断***的构建方法 |
| CN111007365A (zh) * | 2019-11-25 | 2020-04-14 | 国网四川省电力公司广安供电公司 | 一种基于神经网络的超声波局部放电识别方法及*** |
| CN111679166A (zh) * | 2020-07-23 | 2020-09-18 | 国家电网有限公司 | 基于无线传输技术的开关柜局部放电故障多源信息融合检测预警***及方法 |
| CN112203249A (zh) * | 2020-09-29 | 2021-01-08 | 国网四川省电力公司电力科学研究院 | 一种适用于开关柜局部放电的智能网关*** |
| CN112485610A (zh) * | 2020-11-05 | 2021-03-12 | 国网电力科学研究院有限公司 | 考虑绝缘劣化的gis局部放电特征参数提取方法 |
| CN112731080A (zh) * | 2020-12-24 | 2021-04-30 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种快速发展型局部放电油纸绝缘劣化状态的诊断方法 |
Non-Patent Citations (4)
| Title |
|---|
| 何宁辉等: "GIS中自由金属颗粒缺陷局部放电严重程度评估", 《绝缘材料》, pages 80 - 88 * |
| 杨波等: "GIS盆式绝缘子表面自由金属颗粒缺陷导致局部放电的发展过程", 《南方电网技术》, vol. 9, no. 11, pages 73 - 77 * |
| 王传栋: "非相位电气特征参量的局部放电模式识别", 《电子世界》, pages 144 * |
| 齐波等: "GIS绝缘子表面固定金属颗粒沿面局部放电发展的现象及特征", 《中国电机工程学报》, vol. 31, no. 1, pages 101 - 108 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117347796A (zh) * | 2023-09-28 | 2024-01-05 | 国网四川省电力公司电力科学研究院 | 一种基于智能网关的开关设备局部放电诊断***及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9046563B2 (en) | Arcing event detection | |
| CN102539527B (zh) | 一种基于超声波检测的gis局部放电模式识别方法 | |
| Yang et al. | Chaotic analysis and feature extraction of vibration signals from power circuit breakers | |
| Yang et al. | Recognising multiple partial discharge sources in power transformers by wavelet analysis of UHF signals | |
| Florkowski et al. | Distortion of partial-discharge images caused by high-voltage harmonics | |
| Meijer et al. | UHF defect evaluation in gas insulated equipment | |
| Wang et al. | Measurement and analysis of partial discharge using an ultra-high frequency sensor for gas insulated structures | |
| CN113568353A (zh) | 基于精简状态特征集的开关柜局部放电监测预警方法 | |
| CN110703078A (zh) | 基于频谱能量分析与自组织竞争算法的gis故障诊断方法 | |
| CN106526383A (zh) | 避雷器状态监测***及监测方法 | |
| Huecker et al. | UHF partial discharge monitoring and expert system diagnosis | |
| Beltle et al. | Statistical analysis of online ultrahigh-frequency partial-discharge measurement of power transformers | |
| CN117434397A (zh) | 一种基于微型传感器的主变套管绝缘监测***及其方法 | |
| Boya-Lara et al. | A Comparative Study of Denoising Techniques for UHF Signals from Partial Discharge | |
| Yao et al. | Study on the partial discharge characteristics and development process in use of the multiple discharge patterns for the typical defects in gas-insulated switchgear | |
| Florkowski | Exploitation stresses and challenges in diagnostics of electrical industrial equipment | |
| Bhure et al. | Partial discharge detection in medium voltage stators using an antenna | |
| Haiba et al. | Statistical Significance of Wavelet Extracted Features in the Condition Monitoring of Ceramic Outdoor Insulators | |
| Kumar et al. | Classification of PD faults using features extraction and K-means clustering techniques | |
| Lin et al. | Novel trend of" l" shape in PD pattern to judge the appropriate crucial moment of replacing cast-resin current transformer | |
| Vu-Cong et al. | Partial discharge measurement in DC GIS: comparison between conventional and UHF methods | |
| Schober et al. | HVDC GIS/GIL–classification of PD defects using NoDi* pattern and machine learning | |
| Piccin et al. | Partial discharge analysis and monitoring in HVDC gas insulated substations | |
| Zhong et al. | Lightning strike identification algorithm of an all-parallel auto-transformer traction power supply system based on morphological fractal theory | |
| Kluge et al. | Non-invasive PD measurement method in air-insulated switchgear-signal processing |
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: 20211029 |