CN114019329A - 基于机器学习的xlpe电缆绝缘早期劣化多维评价***及方法 - Google Patents
基于机器学习的xlpe电缆绝缘早期劣化多维评价***及方法 Download PDFInfo
- Publication number
- CN114019329A CN114019329A CN202111312048.2A CN202111312048A CN114019329A CN 114019329 A CN114019329 A CN 114019329A CN 202111312048 A CN202111312048 A CN 202111312048A CN 114019329 A CN114019329 A CN 114019329A
- Authority
- CN
- China
- Prior art keywords
- xlpe cable
- xlpe
- cable
- early
- degradation
- 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
- 229920003020 cross-linked polyethylene Polymers 0.000 title claims abstract description 108
- 239000004703 cross-linked polyethylene Substances 0.000 title claims abstract description 108
- 238000011156 evaluation Methods 0.000 title claims abstract description 45
- 238000009413 insulation Methods 0.000 title claims abstract description 35
- 238000010801 machine learning Methods 0.000 title claims abstract description 27
- 230000006866 deterioration Effects 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims description 10
- 230000015556 catabolic process Effects 0.000 claims abstract description 41
- 238000006731 degradation reaction Methods 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 238000012360 testing method Methods 0.000 claims abstract description 18
- 238000009825 accumulation Methods 0.000 claims abstract description 16
- 238000013210 evaluation model Methods 0.000 claims abstract description 16
- 239000003990 capacitor Substances 0.000 claims description 23
- 230000032683 aging Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 5
- 240000005572 Syzygium cordatum Species 0.000 claims description 3
- 235000006650 Syzygium cordatum Nutrition 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 239000002184 metal Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000003878 thermal aging Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000005684 electric field Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 210000001787 dendrite Anatomy 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本公开提出了一种基于机器学习的XLPE电缆绝缘早期劣化多维评价方法，包括：对电流进行积分构建XLPE电缆交流电荷测试***得到待测XLPE电缆的空间电荷电荷累积量；基于高频CT传感器构建XLPE电缆局部放电监测***，得到XLPE电缆的多个工频周期内的放电基本参数，将多个工频周期内的放电基本参数整合到同一工频周期中，提取关键参数的特征；根据XLPE电缆的空间电荷电荷累积量以及关键参数的特征结合训练好的XLPE电缆早期劣化多维评价模型中，得到劣化评价结果。
Description
技术领域
本公开涉及电缆绝缘诊断技术领域，具体涉及基于机器学习的XLPE电缆绝缘早期劣化多维评价方***及方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
交联聚乙烯(XLPE)电缆在电力***输电过程中得到大规模应用，其绝缘老化问题造成的故障和隐患及其早期诊断检测技术匮乏成为困扰电力***安全、稳定、可靠运行的瓶颈。而且，早期投运的电缆线路陆续进入了寿命末期，由于诊断和状态检测理论和技术的匮乏，这些电缆能够继续安全稳定运行判据不足，绝缘老化失效的风险日益增加，埋下了长期运行的安全隐患，故障带来的经济损失和社会影响巨大。
因此在对于电缆绝缘早期劣化的评价可以及时反映电缆的状态，根据评价结果及时采取措施干预，但是现有技术对于电缆绝缘早期劣化的评价大多是基于局部放电或者空间电荷单独进行评价的，无法精准地评价电缆的早期劣化结果，和电缆的实际状态存在偏差，因此，综合考虑空间电荷与局部放电的多维评价方法对XLPE电缆的故障诊断具有重大意义。
发明内容
本说明书实施方式的目的是一种基于机器学习的XLPE电缆绝缘早期劣化多维评价方法及***，综合考虑空间电荷与局部放电特征，基于机器学习算法高效实现电缆状态反映，可以精准地评价电缆和电缆的实际状态的早期劣化结果，使得评价的结果和实际的电缆的状态一致。
本发明的第一个方面提供一种基于机器学习的XLPE电缆绝缘早期劣化多维评价***，通过以下技术方案实现：
一种基于机器学习的XLPE电缆绝缘早期劣化多维评价***，包括：XLPE电缆空间电荷测试模块、XLPE电缆局部放电监测模块以及XLPE电缆早期劣化多维评价模块；
所述XLPE电缆交流电荷测量模块用于测量XLPE电缆的空间电荷电荷累积量；
所述XLPE电缆局部放电监测模块用于通过监测XLPE电缆的多个工频周期内的放电基本参数提取关键参数的特征；
所述XLPE电缆早期劣化多维评价模型用于根据空间电荷电荷累积量和关键参数的特征得到劣化评价结果。
进一步的技术方案，所述XLPE电缆交流电荷测量模块封装于金属屏蔽壳内，所述XLPE电缆交流电荷测量模块一端连接高压端子，另一端连接测试端子，所述高压端子上连接高压电源，测试端子上连接待测试设备，所述XLPE电缆交流电荷测量模块包括积分电容器，所述积分电容器设置于高压端子和测试端子之间，所述积分电容器用于对流过积分电容器的电流进行积分得到空间累积电荷。
进一步的技术方案，所述XLPE电缆交流电荷测量模块还包括阻抗变换器和模数转换器，所述阻抗变换器连接积分电容器，所述阻抗变换器用于将积分电容器得到的累积电荷转换为稳定电压，所述阻抗变换器和模数转换器连接，所述模数转换器用于将阻抗变换器输出的模拟电压转换为数字电压。
进一步的技术方案，所述XLPE电缆局部放电监测模块包括高频电流互感器、无线同步模块和主机，所述高频电流互感器通过检测局部放电中局部电流引起的感应电压来获得局放信号，通过无线同步模块上传到主机进行数据收集和处理分析。
进一步的技术方案，所述关键参数特性包括幅值、相位与参数的数量。
进一步的技术方案，所所述XLPE电缆局部放电监测模块用于根据多个工频周期内的放电基本参数生成PRPD谱图，所述PRPD谱图用于将多个工频周期内的放电基本参数整合到同一工频周期中。
本发明的第二个方面提供一种基于机器学习的XLPE电缆绝缘早期劣化多维评价方法，通过以下技术方案实现：
测量XLPE电缆的空间电荷电荷累积量；
监测XLPE电缆的多个工频周期内的放电基本参数，将多个工频周期内的放电基本参数整合到同一工频周期中，提取关键参数的特征；
根据XLPE电缆的空间电荷电荷累积量以及关键参数的特征结合训练好的XLPE电缆早期劣化多维评价模型中，得到劣化评价结果。
进一步的技术方案，所述XLPE电缆早期劣化多维评价模型采用SVM模型。
进一步的技术方案，所述劣化评价结果包括电老化、热老化、水树老化以及正常状态。
本发明的第三个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述任意一种基于机器学习的XLPE电缆绝缘早期劣化多维评价方法的步骤。
与现有技术相比，本公开的有益效果是：
本申请综合考虑空间电荷与局部放电特征，基于机器学习算法高效实现电缆状态反映，对促进电缆的安全可靠运行具有巨大的应用价值。空间电荷的评估采用电荷积分法，对浅层与深层捕获电荷都具有良好的效果；局部放电采用手持式高频电流互感器，使检测方便快捷准确；该技术在故障早期便可发现排查故障，有利于提升输电线路的供电可靠性，大大减少输电网事故的发生。综合考虑空间电荷与局部放电因素，基于SVM算法构建评价体系，极大地提高了准确率，实现了对电缆早期绝缘状态的有效评估。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1是本发明实施例的XLPE电缆空间电荷测试***示意图；
图2是本发明实施例的XLPE电缆空间电荷测试***示意图；
图3是本发明实施例的高频电流传感器外观；
图4是本发明实施例的无线同步模块外观；
图5是本发明实施例的主机的外观；
图6是本发明实施例的XLPE电缆早期劣化多维评价模型。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开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公开的示例性实施方式。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。
实施例一
该实施例公开了一种基于机器学习的XLPE电缆绝缘早期劣化多维评价方法,正如背景技术所介绍的，现有技术对于XLPE电缆绝缘早期劣化的评价比较单一，因此本申请提出一种基于机器学习的XLPE电缆绝缘早期劣化多维评价方法,综合考虑空间电荷与局部放电特征，基于机器学习算法高效实现电缆早期劣化多维状态反映。
空间电荷是导致电介质老化乃至击穿的重要因素，空间电荷导致局部电场畸变，加速聚合物分子结构破坏，在电场和温度的长时期作用下，电缆绝缘中缺陷增加，积聚的空间电荷反作用于电介质，加快绝缘老化速度。
局部放电的出现，是电树枝、击穿等破坏性故障的前兆，是电力电缆绝缘材料发生早期劣化的重要特征之一。
如图1所示，本申请提供了一种基于机器学习的XLPE电缆绝缘早期劣化多维评价***，包括：XLPE电缆空间电荷测试模块、XLPE电缆局部放电监测模块以及XLPE电缆早期劣化多维评价模型；
所述XLPE电缆交流电荷测量模块用于测量XLPE电缆的空间电荷电荷累积量；
所述XLPE电缆局部放电监测模块用于通过监测XLPE电缆的多个工频周期内的放电基本参数提取关键参数的特性；
所述XLPE电缆早期劣化多维评价模型用于根据空间电荷电荷累积量和关键参数的特性得到劣化评价结果。
图2为XLPE电缆空间电荷测试***示意图，如图2所示，所述XLPE电缆交流电荷测量模块封装于金属屏蔽壳内，所述XLPE电缆交流电荷测量模块一端连接高压端子，另一端连接测试端子，所述高压端子上连接高压电源，测试端子上连接待测试设备，所述XLPE电缆交流电荷测量模块包括积分电容器、阻抗变换器、模数转换器以及发射器，所述积分电容器设置于高压端子和测试端子之间，所述积分电容器用于对流过积分电容器的电流进行积分得到空间累积电荷。所述积分电容器用于对流过积分电容器的电流进行积分得到空间累积电荷。所述积分电容器连接阻抗变换器，所述阻抗变换器用于将积分电容器得到的累积电荷Q(t)转换为不受外部噪声影响的稳定电压VQ(t)，所述阻抗变换器和模数转换器连接，所述模数(AD)转换器用于将阻抗变换器输出模拟电压VQ(t)转换为数字电压VD(t)；发射器(4)用于把数字电压VD(t)信号通过天线传输到用户终端。
本发明将积分电容器插在高压端子和检测目标之间，且通过对流过积分电容器的电流进行积分进而达到测量检测目标电荷累积量。
如图3-图5所示，所述XLPE电缆局部放电监测***，包括高频电流互感器(HFCT)、无线同步模块和主机，所述高频电流互感器如图3所示，它是将带状线圈作为传感器对交流XLPE电缆局部放电信号进行在线检测的方法，当交流XLPE电缆内部产生局部放电时，局部放电产生的局部电流在交流XLPE电缆接地螺旋状屏蔽层中流动时可分解为沿电缆表面切向和沿着电缆轴向两个分量，其中轴向分量可在包绕XLPE电缆表面的带状传感器上产生感应电压，这样局部放电检测***就可以通过带状传感器上的感应电压信号检测出交流XLPE电缆内部的局放信号。
同时该设备的带状传感器具有很宽的信号耦合频带带宽。检测到的局放信号通过图4所示的无线同步模块上传至图5所示的主机，进行进一步的数据收集和分析处理。
所述XLPE电缆局部放电监测模块用于根据多个工频周期内的放电基本参数生成PRPD谱图，所述PRPD谱图用于将多个工频周期内的放电基本参数整合到同一工频周期中。
该***监测XLPE电缆中的局部放电信号生成PRPD谱图，该谱图将多个工频周期内的放电基本参数(Up、
Np)整合到同一工频周期中，提取关键参数幅值、相位与数量。
实施例二
本说明书实施方式提供一种基于机器学习的XLPE电缆绝缘早期劣化多维评价方法，通过以下技术方案实现：
包括如下步骤：
步骤S1:在高压端子和检测目标之间***积分电容器(CINT)，通过对电流进行积分得到XLPE电缆的空间电荷电荷累积量；
该***通过对电流进行积分，以Q(t)-t图像反映电缆中空间电荷的积累情况。定义300s时电荷数值与初始时刻的比值为空间电荷注入比率R＝Q(t＝300s)/Q0，可以全面反映空间电荷注入特性。
步骤S2:基于高频CT传感器构建XLPE电缆局部放电监测***，监测XLPE电缆得到XLPE电缆的多个工频周期内的放电基本参数(Up、
Np)，将多个工频周期内的放电基本参数整合到同一工频周期中，提取关键参数的特性。
所述关键参数特性包括幅值、相位与数量。
步骤S3：根据XLPE电缆的空间电荷电荷累积量以及关键参数的特性结合训练好的XLPE电缆早期劣化多维评价模型中，得到劣化评价结果。
图6为XLPE电缆早期劣化多维评价模型，如图6所示，所述XLPE电缆早期劣化多维评价模型采用SVM模型。
所述XLPE电缆早期劣化多维评价模型训练的过程包括：
数据的输入与预处理，模型的训练与参数的调试，模型的正常使用。
数据输入以通过空间电荷和局部放电测试***获得的空间电荷注入比率(R)和局部放电特征值(Up、
Np)为特征量，并进行归一化预处理；
结合具体的故障标签对数据规律进行提取，将2/3的数据划分为训练集而剩下1/3为测试集，进行模型的训练与参数的优化。
最终将识别率最高的参数作为最终参数，用于该早期劣化多维评价模型的正常使用。
所述劣化评价结果包括电老化、热老化、水树老化以及正常状态，根据不同故障下数据的分布特征可大致判断电缆的运行状态，其数据特征如下表1所示。
表1 XLPE电缆早期故障表现特征总结
上述基于SVM算法训练的电缆早期劣化多维评价模型进一步细化了该规律，将训练好的模型直接输入空间电荷与局部放电检测数据即可获得相应的故障检测结果。
该实施例中的具体模块的实现可参见实施例一中的相关技术内容，此处不再进行具体的描述。
实施例三
本说明书实施方式提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例一中的一种基于机器学习的XLPE电缆绝缘早期劣化多维评价方法的步骤。
可以理解的是，在本说明书的描述中，参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例～第N实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (10)
1.一种基于机器学习的XLPE电缆绝缘早期劣化多维评价***，其特征是，包括：XLPE电缆空间电荷测试模块、XLPE电缆局部放电监测模块以及XLPE电缆早期劣化多维评价模块；
所述XLPE电缆交流电荷测量模块用于测量XLPE电缆的空间电荷电荷累积量；
所述XLPE电缆局部放电监测模块用于通过监测XLPE电缆的多个工频周期内的放电基本参数提取关键参数的特征；
所述XLPE电缆早期劣化多维评价模型用于根据空间电荷电荷累积量和关键参数的特征得到劣化评价结果。
2.如权利要求1所述的一种基于机器学习的XLPE电缆绝缘早期劣化多维评价***，其特征是，所述XLPE电缆交流电荷测量模块封装于金属屏蔽壳内，所述XLPE电缆交流电荷测量模块一端连接高压端子，另一端连接测试端子，所述高压端子上连接高压电源，测试端子上连接待测试设备，所述XLPE电缆交流电荷测量模块包括积分电容器，所述积分电容器设置于高压端子和测试端子之间，所述积分电容器用于对流过积分电容器的电流进行积分得到空间累积电荷。
3.如权利要求2所述的一种基于机器学习的XLPE电缆绝缘早期劣化多维评价***，其特征是，所述XLPE电缆交流电荷测量模块还包括阻抗变换器和模数转换器，所述阻抗变换器连接积分电容器，所述阻抗变换器用于将积分电容器得到的累积电荷转换为稳定电压，所述阻抗变换器和模数转换器连接，所述模数转换器用于将阻抗变换器输出的模拟电压转换为数字电压。
4.如权利要求1所述的一种基于机器学习的XLPE电缆绝缘早期劣化多维评价***，其特征是，所述XLPE电缆局部放电监测模块包括高频电流互感器、无线同步模块和主机，所述高频电流互感器通过检测局部放电中局部电流引起的感应电压来获得局放信号，通过无线同步模块上传到主机进行数据收集和处理分析。
5.如权利要求1所述的一种基于机器学习的XLPE电缆绝缘早期劣化多维评价***，其特征是，所述关键参数包括幅值、相位与参数的数量。
6.如权利要求1所述的一种基于机器学习的XLPE电缆绝缘早期劣化多维评价***，其特征是，所述XLPE电缆局部放电监测模块用于根据多个工频周期内的放电基本参数生成PRPD谱图，所述PRPD谱图用于将多个工频周期内的放电基本参数整合到同一工频周期中。
7.一种基于机器学习的XLPE电缆绝缘早期劣化多维评价方法，其特征是，包括如下步骤：
测量XLPE电缆的空间电荷电荷累积量；
监测XLPE电缆的多个工频周期内的放电基本参数，将多个工频周期内的放电基本参数整合到同一工频周期中，提取关键参数的特征；
根据XLPE电缆的空间电荷电荷累积量以及关键参数的特征结合训练好的XLPE电缆早期劣化多维评价模型中，得到劣化评价结果。
8.如权利要求7所述的基于机器学习的XLPE电缆绝缘早期劣化多维评价方法，所述XLPE电缆早期劣化多维评价模型采用SVM模型。
9.如权利要求7所述的基于机器学习的XLPE电缆绝缘早期劣化多维评价方法，所述劣化评价结果包括电老化、热老化、水树老化以及正常状态。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求7-9任一所述的一种基于机器学习的XLPE电缆绝缘早期劣化多维评价方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111312048.2A CN114019329A (zh) | 2021-11-08 | 2021-11-08 | 基于机器学习的xlpe电缆绝缘早期劣化多维评价***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111312048.2A CN114019329A (zh) | 2021-11-08 | 2021-11-08 | 基于机器学习的xlpe电缆绝缘早期劣化多维评价***及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114019329A true CN114019329A (zh) | 2022-02-08 |
Family
ID=80062212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111312048.2A Pending CN114019329A (zh) | 2021-11-08 | 2021-11-08 | 基于机器学习的xlpe电缆绝缘早期劣化多维评价***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114019329A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115062495A (zh) * | 2022-08-05 | 2022-09-16 | 深圳市联嘉祥科技股份有限公司 | 材料绝缘性能分析方法、装置、电子设备及存储介质 |
| CN115902356A (zh) * | 2023-03-08 | 2023-04-04 | 华中科技大学 | 一种电力机车受电电压高频分量的非侵入式测量方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103698674A (zh) * | 2014-01-02 | 2014-04-02 | 国家电网公司 | 一种流动式电缆局部放电在线监测*** |
| CN104714155A (zh) * | 2015-02-02 | 2015-06-17 | 西安交通大学 | 一种对直流xlpe电缆局部放电的检测与评估装置及方法 |
| CN110675712A (zh) * | 2019-08-27 | 2020-01-10 | 西安电子科技大学 | 一种电力电缆振荡波局部放电检测实操培训*** |
| CN111537847A (zh) * | 2020-04-28 | 2020-08-14 | 江苏大学 | 一种移动式局放远程诊断检测***与局放定位方法 |
| CN111766458A (zh) * | 2020-06-03 | 2020-10-13 | 国网山东省电力公司莱芜供电公司 | 基于电流积分的直流高压设备绝缘材料累积电荷测量方法 |
| CN112462208A (zh) * | 2020-11-13 | 2021-03-09 | 国网浙江省电力有限公司舟山供电公司 | 一种基于多参量的直流电缆绝缘诊断及性能测试*** |
-
2021
- 2021-11-08 CN CN202111312048.2A patent/CN114019329A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103698674A (zh) * | 2014-01-02 | 2014-04-02 | 国家电网公司 | 一种流动式电缆局部放电在线监测*** |
| CN104714155A (zh) * | 2015-02-02 | 2015-06-17 | 西安交通大学 | 一种对直流xlpe电缆局部放电的检测与评估装置及方法 |
| CN110675712A (zh) * | 2019-08-27 | 2020-01-10 | 西安电子科技大学 | 一种电力电缆振荡波局部放电检测实操培训*** |
| CN111537847A (zh) * | 2020-04-28 | 2020-08-14 | 江苏大学 | 一种移动式局放远程诊断检测***与局放定位方法 |
| CN111766458A (zh) * | 2020-06-03 | 2020-10-13 | 国网山东省电力公司莱芜供电公司 | 基于电流积分的直流高压设备绝缘材料累积电荷测量方法 |
| CN112462208A (zh) * | 2020-11-13 | 2021-03-09 | 国网浙江省电力有限公司舟山供电公司 | 一种基于多参量的直流电缆绝缘诊断及性能测试*** |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115062495A (zh) * | 2022-08-05 | 2022-09-16 | 深圳市联嘉祥科技股份有限公司 | 材料绝缘性能分析方法、装置、电子设备及存储介质 |
| CN115902356A (zh) * | 2023-03-08 | 2023-04-04 | 华中科技大学 | 一种电力机车受电电压高频分量的非侵入式测量方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Stone | Partial discharge diagnostics and electrical equipment insulation condition assessment | |
| Wu et al. | The use of partial discharges as an online monitoring system for underground cable joints | |
| CN105334433B (zh) | 电缆局部放电的检测方法及装置 | |
| CN114019329A (zh) | 基于机器学习的xlpe电缆绝缘早期劣化多维评价***及方法 | |
| Govindarajan et al. | A review on partial discharge diagnosis in cables: Theory, techniques, and trends | |
| CN109443190B (zh) | 基于暂态行波的变压器绕组变形在线监测方法及装置 | |
| CN106771895A (zh) | 一种基于磁场谐波检测的电缆老化检测方法 | |
| CN201107368Y (zh) | 一种高压绝缘子带电检测*** | |
| CN104897983A (zh) | 一种变电站接地网冲击散流特性测试装置 | |
| CN109580774B (zh) | 一种绝缘替代气体耐压击穿特性检测设备及方法 | |
| CN103558532A (zh) | 高压交联聚乙烯电力电缆局部放电在线检测*** | |
| CN113325276A (zh) | 一种gis环氧绝缘表面缺陷局部放电检测方法及装置 | |
| CN105676082B (zh) | 气体绝缘组合电器盆式绝缘子内部缺陷检测***和方法 | |
| CN105866644A (zh) | 一种自动采集变压器油纸绝缘回复电压***及测试方法 | |
| CN104237727A (zh) | 一种变压器近区短路信号监测装置及短路录波分析方法 | |
| CN103901318A (zh) | 在能量转换***中定位接地故障和绝缘降级状况的方法 | |
| CN110988635A (zh) | 高低压电气设备绝缘在线检测回路、***及方法 | |
| CN114414958A (zh) | 一种基于高频信号特性阻抗的电缆绝缘老化评估装置及方法 | |
| CN110456176A (zh) | 一种高海拔地区高压输电线路无线电干扰水平的计算方法 | |
| CN117420393A (zh) | 开关柜局部放电缺陷识别方法、***、设备及存储介质 | |
| Li et al. | Partial discharge monitoring system for PD characteristics of typical defects in GIS using UHF method | |
| CN116930684A (zh) | 一种海上风电场海底高压电缆状态监测***及方法 | |
| Hui et al. | Cluster analysis on signals from XLPE cable partial discharge detection | |
| CN210109246U (zh) | 基于复合电场下的电力电缆中间接头局部放电检测*** | |
| CN103630811A (zh) | 数字式局放检测*** |
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 |