CN114200304A - 一种用于转子绕组故障的判断方法、装置及存储介质 - Google Patents
一种用于转子绕组故障的判断方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114200304A CN114200304A CN202111334732.0A CN202111334732A CN114200304A CN 114200304 A CN114200304 A CN 114200304A CN 202111334732 A CN202111334732 A CN 202111334732A CN 114200304 A CN114200304 A CN 114200304A
- Authority
- CN
- China
- Prior art keywords
- fault
- data
- rotor winding
- rotor
- analyzer
- 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
- 238000004804 winding Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000003066 decision tree Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims 1
- 230000003252 repetitive effect Effects 0.000 description 7
- 230000005284 excitation Effects 0.000 description 6
- 238000007689 inspection Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 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
- G01R31/34—Testing dynamo-electric machines
- G01R31/346—Testing of armature or field windings
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明提供了一种用于转子绕组故障的判断方法、装置及存储介质,属于检测方法技术领域。它解决了现有技术中的检测到的故障类型较少等问题。本发明包括分析仪和以下步骤:S1:接入检测设备进行故障检测;‑S11:RSO检测线路接入;‑S12:输出阻抗匹配;‑S13:传播时间标定;‑S14:特征波形精调;S2:导入故障数据进行故障分析判断;‑S21:RSO故障识别***对转子故障进行识别;‑S22:转子故障数据保存。本发明具有能够判断故障位置,保存故障信息,使用方便等优点。
Description
技术领域
本发明属于检测设备技术领域,特别涉及一种用于转子绕组故障的判断方法、装置及存储介质。
背景技术
在电力***中,各电厂发电机由于长期频繁启停或者深度调峰运行会对发电机转子产生不可逆的损害,进而发生故障,这些故障不仅影响发电机正常运转,造成非停事故,严重情况下还可能会带来巨大的经济损失,危害人身安全,其中匝间短路等故障占发电机转子故障事故的八成左右。
现有的针对发电机转子故障的分析仪仅作为数据采集的装置,采集到的数据还需由专业人员进行数据分析,才能得到故障的类型以及故障点位置;此外,现存的产品所涉及的故障分析只包括匝间短路故障分析,能检测到的故障类型较少,因此需要一种用于转子绕组故障的判断方法、装置及存储介质。
发明内容
本发明的目的是针对现有技术中存在的上述问题,提供了一种用于转子绕组故障的判断方法、装置及存储介质。
本发明的第一个目的可通过下列技术方案实现:一种用于转子绕组故障的判断方法,其特征在于,包括分析仪和以下步骤:
S1:接入检测设备进行故障检测;
-S11:RSO检测线路接入;
-S12:输出阻抗匹配;
-S13:传播时间标定;
-S14:特征波形精调;
S2:导入故障数据进行故障分析判断;
-S21:RSO故障识别***对转子故障进行识别;
-S22:转子故障数据保存。
本发明的工作原理:分析仪利用RSO重复脉冲法对转子绕组进行检查诊断,分析仪将检查数据进行保存后导入RSO故障识别***,RSO故障识别***对检查数据进行分析判断,确认故障位置,不需要浪费人力再去对转子绕组是否存在故障、故障类型及故障位置进行诊断,节省时间和资源,并且RSO故障识别***还能够对转子故障数据进行保存,以便于下次使用。
在上述的一种用于转子绕组故障的判断方法中,所述的分析仪上设置有用于连接转子绕组外滑环的外环端口和用于连接转子绕组内滑环的内环端口,所述的分析仪上还设置有连接转子绕组大轴端的大轴接口,所述的分析仪上还设置有第一电位器和第二电位器。
在上述的一种用于转子绕组故障的判断方法中,所述的分析仪上还设置有用于传输数据的传输接口,所述的分析仪上还设置有用于显示分析仪信号的指示灯,所述的分析仪的底部设置有固定口,所述的分析仪的一侧还设置有用于连接电源的电源接口,所述的分析仪顶部设置有电源开关。
在上述的一种用于转子绕组故障的判断方法中,步骤S21包括以下步骤:
S211:导入发电机转子机型、发电厂及机组编号信息;
S212:导入检测数据;
S213:基于XGBoost算法对转子绕组故障类型进行预测;
-S2131:获得转子绕组的实验数据集的数据信息,和/或实时采集待检测发电机转子工作数据信息,然后通过EWMA算法处理数据信息,将数据信息存入工作数据集;每个数据信息均包括X、Y、Z三种数据特征,工作数据集中设置有接地短路、槽间短路、匝间短路三种不同的转子故障状态信息;
-S2132:将工作数据集内的数据信息以7:2:1的比例进行划分,其中70%的数据信息作为训练数据集用于训练模型、20%数据信息作为验证数据集用来对模型参数进行调整、以及10%数据信息作为测试数据集验证模型的准确度;
-S2133:XGBoost模型初始化设置模型参数,模型参数包括构建决策树的最大深度、模型学习效率和模型训练次数;
-S2134:利用训练数据集中的X、Y、Z三种数据特征和转子故障状态信息进行第一次迭代,构建一棵CART决策树,然后将迭代信息导入预测数据集,对预测数据集内的迭代信息进行故障预测,再根据迭代信息进行下一次迭代,得到一颗新的CART决策树,将新的CART决策树的迭代信息再次导入预测数据集,再对新的迭代信息进行故障预测,直到达到设定的迭代次数后停止构建CART决策树;每次迭代结束后,都会得到新的CART决策树和新的CART决策树对预测样本的预测值;在训练过程中,每一轮学习都以损失函数最小化为目标遍历所有特征,将每一个预测值均设置为预测节点,求出预测节点的预测分值,利用SoftMax将预测分值转化为概率值,最终根据概率完成对转子故障状态的分类;
-S2135:利用步骤S2132中的验证数据集调整模型参数,通过不断的调整模型参数查看验证数据集的分类结果,最终选出最优的模型参数;
-S2136:重复步骤S2131至S2135,每次重复过程中,通过步骤S2132中的测试数据集验证XGBoost模型准确时,步骤S2134中所得故障状态分类即为当前发电机转子故障状态。
在上述的一种用于转子绕组故障的判断方法中,步骤S22包括以下步骤:
S221:接地短路数据导入;
S222:槽间短路数据导入;
S223:匝间短路数据导入。
在上述的一种用于转子绕组故障的判断方法中,所述的输出阻抗匹配用于使分析仪的内阻与转子绕组的阻抗匹配。
在上述的一种用于转子绕组故障的判断方法中,所述的特征波形精调用于匹配所述的外环端口和所述的内环端口发出的脉冲波形。
在上述的一种用于转子绕组故障的判断方法中,所述的传播时间标定用于明确特征波形的有效时间段。
本发明的第二个目的可通过下列技术方案实现:一种用于转子绕组故障的判断装置,包括:
分析仪;
计算机端;
一个或多个处理器;
存储器;
以及一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述的程序包括用于执行如上述的一种用于转子绕组故障的判断方法。
本发明的第三个目的可通过下列技术方案实现:一种存储介质,存储与有机算机端、显示器结合使用的计算机程序,所述的计算机程序可被处理器执行完成如上述的一种用于转子绕组故障的判断方法。
与现有技术相比,本发明具有能够判断故障位置,保存故障信息,使用方便的优点。
附图说明
图1是本发明的流程示意图。
图2是本发明的分析步骤示意图。
图3是本发明的接线示意图。
图4是本发明的分析仪结构示意图。
图5是本发明的底部结构示意图。
图中,1、外环端口;2、内环端口;3、传输接口;4、指示灯;5、固定口;6、电源接口;7、大轴接口;8、第一电位器;9、第二电位器;10、分析仪;11、电源开关。
具体实施方式
以下是本发明的具体实施例并结合附图,对本发明的技术方案作进一步的描述,但本发明并不限于这些实施例。
如图1所示,本用于转子绕组故障的判断方法,其特征在于,包括分析仪10和以下步骤:
S1:接入检测设备进行故障检测;
-S11:RSO检测线路接入;
-S12:输出阻抗匹配;
-S13:传播时间标定;
-S14:特征波形精调;
S2:导入故障数据进行故障分析判断;
-S21:RSO故障识别***对转子故障进行识别;
-S22:转子故障数据保存。
分析仪10利用RSO重复脉冲法对转子绕组进行检查,并能够将检查数据进行保存,RSO故障识别***对分析仪10检查出的检测数据进行分析判断,而不需要浪费人力再去对转子绕组是否存在故障、故障类型及故障位置进行诊断,节省时间和资源,并且RSO故障识别***还能够对转子故障数据进行保存,以便于下次使用,RSO重复脉冲法是指离线情况下在转子两端的滑环同时注入脉冲信号,当脉冲遇到匝间短路点时,将会产生折反射,通过对所接收的折反射信号进行分析,来判断转子绕组是否存在匝间短路,并判断短路的程度和短路的位置,判断精确,槽间短路和接地短路是RSO重复脉冲法的扩展应用,在检测槽间短路和匝间短路时同样适用RSO重复脉冲法对匝间短路的检测方法,在此仅将RSO重复脉冲法对匝间短路的故障检测作为实施例,RSO重复脉冲法对槽间短路和接地短路的故障检测不再举例。
如图2所示,进一步细说,步骤S21包括以下步骤:
S211:导入发电机转子机型、发电厂及机组编号信息;
S212:导入检测数据;
S213:基于XGBoost算法对转子绕组故障类型进行预测;
-S2131:获得转子绕组的实验数据集的数据信息,和/或实时采集待检测发电机转子工作数据信息,然后通过EWMA算法处理数据信息,将数据信息存入工作数据集;每个数据信息均包括X、Y、Z三种数据特征,工作数据集中设置有接地短路、槽间短路、匝间短路三种不同的转子故障状态信息;
-S2132:将工作数据集内的数据信息以7:2:1的比例进行划分,其中70%的数据信息作为训练数据集用于训练模型、20%数据信息作为验证数据集用来对模型参数进行调整、以及10%数据信息作为测试数据集验证模型的准确度;
-S2133:XGBoost模型初始化设置模型参数,模型参数包括构建决策树的最大深度、模型学习效率和模型训练次数;
-S2134:利用训练数据集中的X、Y、Z三种数据特征和转子故障状态信息进行第一次迭代,构建一棵CART决策树,然后将迭代信息导入预测数据集,对预测数据集内的迭代信息进行故障预测,再根据迭代信息进行下一次迭代,得到一颗新的CART决策树,将新的CART决策树的迭代信息再次导入预测数据集,再对新的迭代信息进行故障预测,直到达到设定的迭代次数后停止构建CART决策树;每次迭代结束后,都会得到新的CART决策树和新的CART决策树对预测样本的预测值;在训练过程中,每一轮学习都以损失函数最小化为目标遍历所有特征,将每一个预测值均设置为预测节点,求出预测节点的预测分值,利用SoftMax将预测分值转化为概率值,最终根据概率完成对转子故障状态的分类;
-S2135:利用步骤S2132中的验证数据集调整模型参数,通过不断的调整模型参数查看验证数据集的分类结果,最终选出最优的模型参数;
-S2136:重复步骤S2131至S2135,每次重复过程中,通过步骤S2132中的测试数据集验证XGBoost模型准确时,步骤S2134中所得故障状态分类即为当前发电机转子故障状态。
如图3-5所示,进一步细说,分析仪10上还设置有用于传输数据的传输接口3,分析仪10上还设置有用于显示分析仪10信号的指示灯4,分析仪10的底部设置有固定口5,分析仪10的一侧还设置有用于连接电源的电源接口6,分析仪10顶部设置有电源开关11,分析仪10上的传输接口3设置为USB接口,分析仪10能够通过USB接口将检测数据进行导出,而分析仪10上的指示灯4则是为了显示分析仪10检测到的故障信号,信号灯设置有多个,同时,信号灯也可以用于显示对分析仪10进行的各种操作设置是否正确或是是否成功,而固定口5则是为了使分析仪10能够在对转子绕组进行检测时能够固定住,防止分析仪10倾倒,电源接口6则是使得分析仪10能够连接外界电源,使得分析仪10能够获得运行所需的能源。
进一步细说,分析仪10上设置有用于连接转子绕组外滑环的外环端口1和用于连接转子绕组内滑环的内环端口2,分析仪10上还设置有连接转子绕组大轴端的大轴接口7,分析仪10上还设置有第一电位器和第二电位器,利用两路激励信号对转子绕组进行检测,将外环端口1接入转子绕组的外滑环,将内环端口2接入转子绕组的内滑环,使分析仪10能够通过外环端口1和内环端口2对转子绕组注入脉冲信号,而大轴接口7则是用于使分析仪10能够连接到转子绕组的大轴端,并同时能够通过导线接地;
在进入测试前,转子绕组必须和励磁回路断开,确保转子绕组是仪器输出信号的唯一负载,转子绕组对转子轴体应经过充分放电,并用万用表对滑环与转子轴体之间的电压进行测量确认,避免线圈和转子轴体之间可能持续存在的电压损坏分析仪10,万用表需选用兆欧表;
在测试过程中,需要保证分析仪10信号地与转子轴体的良好链接,外环端点与内环端点两路激励信号应使用分析仪10配套的特征阻抗为五十欧姆的同轴电缆,转子静止时,使用磁吸端子将外环端口1连接至转子绕组的外滑环,将内环端口2连接至转子绕组的内滑环;
点击分析仪10上的运行按钮,屏幕的画面中显示波形并且不断刷新,此时可以调整激励信号的参数、试验模式,或者调整波形画面的纵向比例、横向时间,使波形处于最佳状态。
进一步细说,步骤S22包括以下步骤:
S221:接地短路数据导入;
S222:槽间短路数据导入;
S223:匝间短路数据导入。
将接地短路数据、槽间短路数据和匝间短路数据进行保存,使得后续出现相同状况的故障时,RSO故障识别***能够根据故障数据进行对比判断,使用方便。
进一步细说,输出阻抗匹配用于使分析仪10的内阻与转子绕组的阻抗匹配,使转子绕组获得最大激励信号功率,匹配步骤包括:
1、将内环端口2的测试线从分析仪10面板上断开;
2、调节第一电位器,使得“端点”波形的脉冲幅值大约是内环端口2的一半;
3、接上内环端口2的测试线;
4、再调节第二电位器,使得内环端口2波形的幅值与外环端口1的幅值基本一致;
5、匹配过程结束。
进一步细说,特征波形精调用于匹配所述的外环端口和所述的内环端口发出的脉冲波形,使得脉冲波形相似度达到最大,在经过输出阻抗匹配后,如果特性波形不平直,则说明存在短路,此时需要进行特征波形的精调,然后再根据精调后的特征波形进行故障分析。
进一步细说,传播时间标定用于明确特征波形的有效时间段,传播时间由转子的结构参数所决定,同一设计的发电机,也会因为制造误差、绕组状态等原因,使得激励信号在转子绕组的传播时间略有差异,因此需要对传播时间进行标定,减少误差,明确特征波形的有效时间段。
本发明的第二个目的可通过下列技术方案实现:一种用于转子绕组故障的判断装置,包括:
分析仪10;
导线;
计算机端;
一个或多个处理器;
存储器;
以及一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,程序包括用于执行如上述的一种用于转子绕组故障的判断方法。
本发明的第三个目的可通过下列技术方案实现:一种存储介质,存储与有机算机端、显示器结合使用的计算机程序,计算机程序可被处理器执行完成如上述的一种用于转子绕组故障的判断方法。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了大量术语,但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质;把它们解释成任何一种附加的限制都是与本发明精神相违背的。
Claims (10)
1.一种用于转子绕组故障的判断方法,其特征在于,包括分析仪(10)和以下步骤:
S1:接入检测设备进行故障检测;
-S11:RSO检测线路接入;
-S12:输出阻抗匹配;
-S13:传播时间标定;
-S14:特征波形精调;
S2:导入故障数据进行故障分析判断;
-S21:RSO故障识别***对转子故障进行识别;
-S22:转子故障数据保存。
2.根据权利要求1所述的一种用于转子绕组故障的判断方法,其特征在于,所述的分析仪(10)上设置有用于连接转子绕组外滑环的外环端口(1)和用于连接转子绕组内滑环的内环端口(2),所述的分析仪(10)上还设置有连接转子绕组大轴端的大轴接口(7),所述的分析仪(10)上还设置有第一电位器(8)和第二电位器(9)。
3.根据权利要求1所述的一种用于转子绕组故障的判断方法,其特征在于,所述的分析仪(10)上还设置有用于传输数据的传输接口(3),所述的分析仪(10)上还设置有用于显示分析仪(10)信号的指示灯(4),所述的分析仪(10)的底部设置有固定口(5),所述的分析仪(10)的一侧还设置有用于连接电源的电源接口(6),所述的分析仪(10)顶部设置有电源开关(11)。
4.根据权利要求1所述的一种用于转子绕组故障的判断方法,其特征在于,步骤S21包括以下步骤:
S211:导入发电机转子机型、发电厂及机组编号信息;
S212:导入检测数据;
S213:基于XGBoost算法对转子绕组故障类型进行预测;
-S2131:获得转子绕组的实验数据集的数据信息,和/或实时采集待检测发电机转子工作数据信息,然后通过EWMA算法处理数据信息,将数据信息存入工作数据集;每个数据信息均包括X、Y、Z三种数据特征,工作数据集中设置有接地短路、槽间短路、匝间短路三种不同的转子故障状态信息;
-S2132:将步骤S2131中的工作数据集内的数据信息以7:2:1的比例进行划分,其中70%的数据信息作为训练数据集用于训练模型、20%数据信息作为验证数据集用来对模型参数进行调整、以及10%数据信息作为测试数据集验证模型的准确度;
-S2133:XGBoost模型初始化设置模型参数,模型参数包括构建决策树的最大深度、模型学习效率和模型训练次数;
-S2134:利用训练数据集中的X、Y、Z三种数据特征和转子故障状态信息进行第一次迭代,构建一棵CART决策树,然后将迭代信息导入预测数据集,对预测数据集内的迭代信息进行故障预测,再根据迭代信息进行下一次迭代,得到一颗新的CART决策树,将新的CART决策树的迭代信息再次导入预测数据集,再对新的迭代信息进行故障预测,直到达到设定的迭代次数后停止构建CART决策树;每次迭代结束后,都会得到新的CART决策树和新的CART决策树对预测样本的预测值;在训练过程中,每一轮学习都以损失函数最小化为目标遍历所有特征,将每一个预测值均设置为预测节点,求出预测节点的预测分值,利用SoftMax将预测分值转化为概率值,最终根据概率完成对转子故障状态的分类;
-S2135:利用步骤S2132中的验证数据集调整模型参数,通过不断的调整模型参数查看验证数据集的分类结果,最终选出最优的模型参数;
-S2136:重复步骤S2131至S2135,每次重复过程中,通过步骤S2132中的测试数据集验证XGBoost模型准确时,步骤S2134中所得故障状态分类即为当前发电机转子故障状态。
5.根据权利要求1所述的一种用于转子绕组故障的判断方法,其特征在于,步骤S22包括下步骤:
S221:接地短路数据导入;
S222:槽间短路数据导入;
S223:匝间短路数据导入。
6.根据权利要求1所述的一种用于转子绕组故障的判断方法,其特征在于,所述的输出阻抗匹配用于使分析仪(10)的内阻与转子绕组的阻抗匹配。
7.根据权利要求1所述的一种用于转子绕组故障的判断方法,其特征在于,所述的特征波形精调用于匹配所述的外环端口(1)和所述的内环端口(2)发出的脉冲波形。
8.根据权利要求1所述的一种用于转子绕组故障的判断方法,其特征在于,所述的传播时间标定用于明确特征波形的有效时间段。
9.一种用于转子绕组故障的判断装置,包括:
分析仪(10);
计算机端;
一个或多个处理器;
存储器;
以及一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,其特征在于,所述的程序包括用于执行如上述权利要求1-8任意一项中的一种用于转子绕组故障的判断方法。
10.一种存储介质,存储有与机算机端、显示器结合使用的计算机程序,其特征在于,所述的计算机程序可被处理器执行完成如上述权利要求1-8任意一项中的一种用于转子绕组故障的判断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111334732.0A CN114200304A (zh) | 2021-11-11 | 2021-11-11 | 一种用于转子绕组故障的判断方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111334732.0A CN114200304A (zh) | 2021-11-11 | 2021-11-11 | 一种用于转子绕组故障的判断方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114200304A true CN114200304A (zh) | 2022-03-18 |
Family
ID=80647384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111334732.0A Pending CN114200304A (zh) | 2021-11-11 | 2021-11-11 | 一种用于转子绕组故障的判断方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114200304A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115965080A (zh) * | 2022-11-07 | 2023-04-14 | 河海大学 | 新能源发电单元运行状态识别方法、装置及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106093686A (zh) * | 2016-07-27 | 2016-11-09 | 国网河北省电力公司电力科学研究院 | 一种断路器分合闸线圈匝间短路故障检测的方法 |
CN108896880A (zh) * | 2018-06-05 | 2018-11-27 | 广西电网有限责任公司桂林供电局 | 一种断路器分合闸线圈匝间绝缘故障模拟装置及方法 |
CN112098891A (zh) * | 2020-09-17 | 2020-12-18 | 国网新源控股有限公司北京十三陵蓄能电厂 | 发电机转子匝间短路诊断用重复脉冲参数优化方法及装置 |
CN113433453A (zh) * | 2021-05-20 | 2021-09-24 | 大唐信阳发电有限责任公司 | 一种基于rso法发电机转子匝间短路诊断方法 |
-
2021
- 2021-11-11 CN CN202111334732.0A patent/CN114200304A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106093686A (zh) * | 2016-07-27 | 2016-11-09 | 国网河北省电力公司电力科学研究院 | 一种断路器分合闸线圈匝间短路故障检测的方法 |
CN108896880A (zh) * | 2018-06-05 | 2018-11-27 | 广西电网有限责任公司桂林供电局 | 一种断路器分合闸线圈匝间绝缘故障模拟装置及方法 |
CN112098891A (zh) * | 2020-09-17 | 2020-12-18 | 国网新源控股有限公司北京十三陵蓄能电厂 | 发电机转子匝间短路诊断用重复脉冲参数优化方法及装置 |
CN113433453A (zh) * | 2021-05-20 | 2021-09-24 | 大唐信阳发电有限责任公司 | 一种基于rso法发电机转子匝间短路诊断方法 |
Non-Patent Citations (1)
Title |
---|
"基于XGBoost的磨煤机效率异常检测", 《计算机应用》, vol. 39, no. 2, 30 December 2019 (2019-12-30), pages 29 - 33 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115965080A (zh) * | 2022-11-07 | 2023-04-14 | 河海大学 | 新能源发电单元运行状态识别方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107015119B (zh) | 一种信号电缆线路故障诊断装置及方法 | |
CN103336259B (zh) | 气体绝缘组合电器局部放电检测传感器的检测***及方法 | |
US8988099B2 (en) | On-line time domain reflectometer system | |
US8103475B2 (en) | Apparatus for testing multiple conductor wiring and terminations for electronic systems | |
CN103792462B (zh) | 基于阻频曲线的电力变压器绕组匝间短路故障检测方法 | |
CN109613407B (zh) | 电力电缆局放定位***及检测方法 | |
CN104237713A (zh) | 基于离散小波变换的变压器绕组形变诊断方法 | |
CN117368623B (zh) | 一种可对拖的储能逆变器老化检验方法、***及介质 | |
CN114200304A (zh) | 一种用于转子绕组故障的判断方法、装置及存储介质 | |
CN104730504B (zh) | 一种面向二次雷达询问***的测试***及其测试方法 | |
CN111426924A (zh) | 一种高频局部放电信号模式识别功能校验方法及*** | |
CN103744004A (zh) | 变压器/电抗器局部放电在线监测方法及其监测*** | |
KR101654630B1 (ko) | 신경회로망을 이용한 케이블 고장 진단 시스템 및 방법 | |
CN117420393A (zh) | 开关柜局部放电缺陷识别方法、***、设备及存储介质 | |
CN110579680B (zh) | 一种超导电缆的无损检测装置及检测方法 | |
CN111880114A (zh) | 一种输电铁塔接地体断点检测方法及*** | |
CN116520068A (zh) | 一种电力数据的诊断方法、装置、设备及存储介质 | |
KR102491660B1 (ko) | 시간영역 반사파 계측법과 웨이블릿 변환을 이용한 케이블 고장 진단 시스템 | |
CN109655726B (zh) | 基于螺线管高压线的电力电缆局放定位***及检测方法 | |
CN211123115U (zh) | 一种电机槽绝缘电场冲击评估装置 | |
CN112083301A (zh) | 一种用于电缆施工的无损检测方法 | |
CN116626445B (zh) | 一种线缆故障检测***及方法 | |
CN118138129B (zh) | 应用于光纤传输下的信号连接强度提升方法及*** | |
CN117783794B (zh) | 一种变压器内部故障放电量检测方法及设备 | |
CN114878674B (zh) | 基于融合算法的绕组应力与漏磁参量综合特征的变压器绕组缺陷诊断方法 |
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 |