CN117031154A - 一种基于声纹识别的变压器故障分析方法及*** - Google Patents
一种基于声纹识别的变压器故障分析方法及*** Download PDFInfo
- Publication number
- CN117031154A CN117031154A CN202310982921.1A CN202310982921A CN117031154A CN 117031154 A CN117031154 A CN 117031154A CN 202310982921 A CN202310982921 A CN 202310982921A CN 117031154 A CN117031154 A CN 117031154A
- Authority
- CN
- China
- Prior art keywords
- fault
- sound
- group
- suspected fault
- suspected
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 36
- 230000005540 biological transmission Effects 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000015654 memory Effects 0.000 claims description 24
- 239000000203 mixture Substances 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 6
- 239000000470 constituent Substances 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 229910000976 Electrical steel Inorganic materials 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005350 ferromagnetic resonance Effects 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000005291 magnetic effect Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
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
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/62—Testing of transformers
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Locating Faults (AREA)
Abstract
本申请涉及一种基于声纹识别的变压器故障分析方法及***,方法包括响应于收到的音频信息,对音频信息进行解析,得到疑似故障声音组与已知声音组;使用疑似故障声音组对音源进行定位,得到至少一个疑似故障位置;将疑似故障位置在三维模型中显示;根据三维模型中的疑似故障位置构建疑似故障声音组的传递路径;使用疑似故障声音组的传递路径对疑似故障声音组进行校正,得到故障声音组以及根据故障声音组给出变压器的故障报告。本申请公开的基于声纹识别的变压器故障分析方法及***,通过将收集声音由时域转移到频域上进行分析和对收集声音进行定位定向的方式来发现变压器的故障点,实现对变压器运行故障的自动化预警。
Description
技术领域
本申请涉及数据分析技术领域,尤其是涉及一种基于声纹识别的变压器故障分析方法及***。
背景技术
近年来,经济和工业的发展使得我国对电力的需求不断增大,超高压大电网成为电力发展的新趋势。经过多年运行,变压器发生故障的几率不断增加,存在发生绝缘老化、部件松动等各种故障的风险。
传统的变压器检测方法包括:溶解气体分析、红外测温、局部放电在线监测、频率响应分析、振动分析等。但对于内部放电及器件螺丝松动等故障仍存在检测盲区。当然,也有经验人员通过变压器运行声音来发现故障的方式,但是人耳监听的方式易受主观影响,误差较大,且不能长时间监听,不能达到定量的科学分析。
随着特高压变电站设备运行状态智能巡检管理水平的提高,部分特高压变电站部署了拾音器采集装置,拾音器采集装置对部分设备的运行声音进行采集、存储及播放,如何借助于该项技术实现对变压器声信号进行采集、处理、分析,实现对变压器运行的实时监测,解决人工监听的不足,有效诊断评估变压器健康状态和分析预测异常故障是一个重要的研究课题。
发明内容
本申请提供一种基于声纹识别的变压器故障分析方法及***,通过将收集声音由时域转移到频域上进行分析和对收集声音进行定位定向的方式来发现变压器的故障点,实现对变压器运行故障的自动化预警。
本申请的上述目的是通过以下技术方案得以实现的:
第一方面,本申请提供了一种基于声纹识别的变压器故障分析方法,包括:
响应于收到的音频信息,对音频信息进行解析,得到疑似故障声音组与已知声音组;
使用疑似故障声音组对音源进行定位,得到至少一个疑似故障位置;
将疑似故障位置在三维模型中显示;
根据三维模型中的疑似故障位置构建疑似故障声音组的传递路径;
使用疑似故障声音组的传递路径对疑似故障声音组进行校正,得到故障声音组;以及
根据故障声音组给出变压器的故障报告。
在第一方面的一种可能的实现方式中,对音频信息进行解析包括:
将音频信息由时域转入到频域;
在频域中将音频信息转为多个波形;
根据频率与幅值将得到的波形进行组合,得到已知声音组;以及
将剩余波形作为疑似故障声音组。
在第一方面的一种可能的实现方式中,使用疑似故障声音组对音源进行定位,得到至少一个疑似故障位置包括:
确定疑似故障声音组中每一个波形的收到位置,收到位置的数量为多个;
使用归属于一个波形的多个收到位置对该波形进行定位;以及
根据定位确定疑似故障位置;
其中,一个疑似故障位置包括多个定位;
对于无法进行定位的波形,在确定与疑似故障位置的关联度后将其归属到关联度最高的疑似故障位置处。
在第一方面的一种可能的实现方式中,确定与疑似故障位置的关联度包括:
确定与无法进行定位的波形的收到位置关联的完成定位的波形的收到位置,无法进行定位的该波形的收到位置位于完成定位的波形的收到位置组成区域内;
计算无法进行定位的波形的收到位置与组成区域的边界距离;以及
选取边界距离最小的组成区域对应的疑似故障位置作为该无法进行定位的波形的疑似故障位置。
在第一方面的一种可能的实现方式中,计算边界距离包括:
确定组成区域的边界数量;
计算无法进行定位的波形的收到位置到组成区域的每一个边界的距离,得到多个边界距离值;以及
将组成区域的边界累加,得到边界距离。
在第一方面的一种可能的实现方式中,使用疑似故障声音组的传递路径对疑似故障声音组进行校正包括:
根据传递路径确定三维模型中的一个固定对象;
将与固定对象关联的疑似故障位置进行合并处理并根据固定对象生成传递路径;
将位于传递路径以外的疑似故障声音组中的声音波形删除,得到故障声音组。
在第一方面的一种可能的实现方式中,根据故障声音组给出变压器的故障报告包括根据频率对故障声音组中的声音波形进行分组,分组包括高频组、常规组与低频组;
计算高频组与低频组中的声音波形在单位时间内出现的频次,当出现高频组和/或低频组的出现频次大于最低出现频次时给出变压器的故障报告;
计算常规组中的声音波形与对应固定对象正常工作时发出声音波形的相似度,当相似度不符合要求的常规组中的声音波形数量大于最低数量时给出变压器的故障报告。
第二方面,本申请提供了一种基于声纹识别的变压器故障分析装置,包括:
解析与分组单元,用于响应于收到的音频信息,对音频信息进行解析,得到疑似故障声音组与已知声音组;
第一定位单元,用于使用疑似故障声音组对音源进行定位,得到至少一个疑似故障位置;
显示单元,用于将疑似故障位置在三维模型中显示;
路径构建单元,用于根据三维模型中的疑似故障位置构建疑似故障声音组的传递路径;
校正单元,用于使用疑似故障声音组的传递路径对疑似故障声音组进行校正,得到故障声音组;以及
报告单元,用于根据故障声音组给出变压器的故障报告。
第三方面,本申请提供了一种基于声纹识别的变压器故障分析***,所述***包括:
一个或多个存储器,用于存储指令;以及
一个或多个处理器,用于从所述存储器中调用并运行所述指令,执行如第一方面及第一方面任意可能的实现方式中所述的方法。
第四方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质包括:
程序,当所述程序被处理器运行时,如第一方面及第一方面任意可能的实现方式中所述的方法被执行。
第五方面,本申请提供了一种计算机程序产品,包括程序指令,当所述程序指令被计算设备运行时,如第一方面及第一方面任意可能的实现方式中所述的方法被执行。
第六方面,本申请提供了一种芯片***,该芯片***包括处理器,用于实现上述各方面中所涉及的功能,例如,生成,接收,发送,或处理上述方法中所涉及的数据和/或信息。
该芯片***,可以由芯片构成,也可以包括芯片和其他分立器件。
在一种可能的设计中,该芯片***还包括存储器,该存储器,用于保存必要的程序指令和数据。该处理器和该存储器可以解耦,分别设置在不同的设备上,通过有线或者无线的方式连接,或者处理器和该存储器也可以耦合在同一个设备上。
附图说明
图1是本申请提供的一种变压器故障分析方法的应用示意图。
图2是本申请提供的一种变压器故障分析方法的步骤流程示意框图。
图3是本申请提供的一种使用声音采集器进行定位的原理性示意图。
图4是本申请提供的一种对音频信息进行分组的步骤流程示意框图。
图5是本申请提供的一种借助多个定位得到一个疑似故障位置的原理性示意图。
图6是本申请提供的一种计算最短直线距离的原理性示意图。
图7是本申请提供的一种对疑似故障声音组进行校正的步骤流程示意框图。
具体实施方式
以下结合附图,对本申请中的技术方案作进一步详细说明。
请参阅图1,在一些例子中,本申请公开的基于声纹识别的变压器故障分析方法,应用于一台分析终端,分析终端使用的音频信息来自于部署在变压器上的声音采集器,声音采集器附着在变压器外表面上,将采集到的声音通过无线网络发送给分析终端。
请参阅图2,本申请公开的基于声纹识别的变压器故障分析方法,包括以下步骤:
S101,响应于收到的音频信息,对音频信息进行解析,得到疑似故障声音组与已知声音组;
S102,使用疑似故障声音组对音源进行定位,得到至少一个疑似故障位置;
S103,将疑似故障位置在三维模型中显示;
S104,根据三维模型中的疑似故障位置构建疑似故障声音组的传递路径;
S105,使用疑似故障声音组的传递路径对疑似故障声音组进行校正,得到故障声音组;以及
S106,根据故障声音组给出变压器的故障报告。
具体而言,在步骤S101中,分析终端在收到的音频信息后,会对音频信息进行解析,解析的结果有两种,分别是疑似故障声音组与已知声音组,疑似故障声音组表征变压器内部可能存在故障点;已知声音组表征已经确定是变压器在运行过程中发出的声音,此处需要注意,已知声音组包括变压器运行过程中产生的正常声音和已知的故障声音两种,当已知声音组中出现已知的故障声音时,分析终端会给出变压器的故障报告。
举例说明,变压器运行过程中发出的声音与变压器的运行状态存在联系,因此可根据变压器的运行状态猜测可能会发出的声音,比如:
当变压器过负荷运行时,流过线圈的电流强,变压器声音变得更加低沉响亮;
设备负荷启动,在高次谐波影响下会产生“咯咯”或“哇哇”的声响;
变压器发生短路故障时,会使电流迅速增变,变压器会发出“呼啸”的声音;变压器的及其金属夹件会感应出电位,电位差过大时变声;
电网有过电压故障发生时,如发生铁磁谐会发出“哼哼”声或“嗡嗡”声;
变压器内夹件或螺丝松动,会使硅钢片的一些部件相互碰撞而发出异响。
在步骤S102中,会使用疑似故障声音组对音源进行定位,得到至少一个疑似故障位置。此处需要说明,部署在变压器上的声音采集器的数量为多个,这些声音采集器组成一个均匀线阵,使用该均匀线阵的计算方法如下:
假设在由0、1、...M-1 阵元组成的均匀线阵中,参考阵元接收的声源信号为,那么第M个阵元接收到的信号为/>,那么对某个频率(窄带)的信号的傅里叶变换为:
其中N对应每一个阵元,那么均匀线阵此时接收到的信号便为:
那么我们便定义阵列流形为:那么每个阵元(声音采集器)的权值即为该阵元相对参考阵元需要补偿的相位延迟,因此权值即为阵列流形的共轭转置。通过多个阵元(声音采集器),可以确定接收时间、接收角度和被接收声音波形的幅值(振幅)。
执行完成步骤S102后,会得到疑似故障位置,如图3所示。
在步骤S103中,将疑似故障位置在三维模型中显示,也就是通过三维模型将疑似故障位置具象化。
接着执行步骤S104,该步骤中,根据三维模型中的疑似故障位置构建疑似故障声音组的传递路径,构建传递路径的目的是对疑似故障声音组进行校正,校正完成后得到故障声音组。
校正的目的是将不属于故障声音组的音频信息排除。因为在疑似故障位置的过程中,会得到过多的疑似故障位置,这些疑似故障位置中有准确的,有不准确的,例如某个疑似故障位置可能出现在变压器的变压油中,很明显,该疑似故障位置是不准确的。
出现这种情况的原因有数据采集缺失、数据采集误差和计算误差等。因此需要构建疑似故障声音组的传递路径,然后使用传递路径对对疑似故障声音组进行校正。
校正的具体原理是首先进行模糊位置确定,然后在借助三维模型进行精确位置确定。因为对于变压器而言,出现故障时某个零部件会发出声音,该声音的发出位置固定,但是在通过声音采集进行反向位置确定时,存在一定量的模糊,模糊的原因包括数据采集缺失、数据采集误差和计算误差等。
最后执行步骤S106,该步骤中,根据故障声音组给出变压器的故障报告,故障报告包括变压器编号(通过声音采集器)、故障位置(通过三维模型)和故障类型(通过已知故障声音)等信息。
在一些例子中,请参阅图4,对音频信息进行解析包括以下步骤:
S201,将音频信息由时域转入到频域;
S202,在频域中将音频信息转为多个波形;
S203,根据频率与幅值将得到的波形进行组合,得到已知声音组;以及
S204,将剩余波形作为疑似故障声音组。
将音频信息由时域转入到频域的目的是得到更加详细的音频信息内容。简单总结下,时域是信号在时间轴随时间变化的总体概括。对信号进行时域分析时,有时一些信号的时域参数相同,但并不能说明信号就完全相同。因为信号不仅随时间变化,还与频率、相位等信息有关,这就需要进一步分析信号的频率结构,并在频率域中对信号进行描述。
转入到频域后,将音频信息转为多个波形,然后根据频率与幅值将得到的波形进行组合,得到已知声音组,已知声音组是全部音频信息的一部分,将已知声音组排除后,可以缩小音频信息的数据含量。
在得到已知声音组的过程中,通过变压器中的零部件在正常运行时发出的声音和在已知故障状态下运行时发出的声音将已知声音组直接筛选出来。但是这种筛选方式只能进行基础筛选,因为部分故障发出的声音并不固定,受到环境因素和运行因素等的影响。
最后将剩余波形作为疑似故障声音组,至此,已知声音组和疑似故障声音组的划分工作完成。
在一些例子中,使用疑似故障声音组对音源进行定位,得到至少一个疑似故障位置包括以下步骤:
S301,确定疑似故障声音组中每一个波形的收到位置,收到位置的数量为多个;
S302,使用归属于一个波形的多个收到位置对该波形进行定位;以及
S303,根据定位确定疑似故障位置;
其中,一个疑似故障位置包括多个定位;
对于无法进行定位的波形,在确定与疑似故障位置的关联度后将其归属到关联度最高的疑似故障位置处。
具体地说,在步骤S301中,会首先确定疑似故障声音组中每一个波形的收到位置,这里的收到位置指的是声音采集器的位置,该步骤中,收到位置的数量为多个。
因为收到位置仅有一个的疑似故障声音组中的波形无法完成后续的定位工作。在步骤S302中,使用归属于一个波形的多个收到位置对该波形进行定位,此处的定位指的是确定该波形的产生位置。
最后在步骤S303中,根据定位确定疑似故障位置,具体的原理是,在步骤S302中得到的定位会出现一定的聚集度,这些聚集度会指向一个区域,该区域就是疑似故障位置。
也就是说,一个疑似故障位置包括多个定位。例如此处设定至少三个定位符合聚集度要求才能够将其视为疑似故障位置,一种实现方式就是构建一个圆球(图5中的虚线圆形),然后在空间范围内移动该圆球,当至少三个定位位于圆球内时,将该圆球的所在位置认为是疑似故障位置。
对于无法进行定位的波形,在确定与疑似故障位置的关联度后将其归属到关联度最高的疑似故障位置处,具体的步骤如下:
S401,确定与无法进行定位的波形的收到位置关联的完成定位的波形的收到位置,无法进行定位的该波形的收到位置位于完成定位的波形的收到位置组成区域内;
S402,计算无法进行定位的波形的收到位置与组成区域的边界距离;以及
S403,选取边界距离最小的组成区域对应的疑似故障位置作为该无法进行定位的波形的疑似故障位置。
具体而言,在步骤S401中,会首先确定与无法进行定位的波形的收到位置关联的完成定位的波形的收到位置,具体的方式就是无法进行定位的该波形的收到位置位于完成定位的波形的收到位置组成区域内。
例如对于一个疑似故障位置,将其关联的全部收到位置(声音采集器)顺序连接,组成一个封闭图形;将无法进行定位的波形的收到位置视为一个点,这个点在封闭图形内,如图6所示。
这种方式主要是考虑到无法进行定位的波形从其产生点产生后,在传播过程中会发生衰减,因此选择一条最短的传播路径来对其进行确定归属。同时,当一个无法进行定位的波形与多个疑似故障位置存在关联时,需要计算其接收位置与每一个存在关联的疑似故障位置的直线距离,然后选择一个具有最短直线距离(图6中S1至S6的累加)的疑似故障位置。
计算边界距离的步骤如下:
确定组成区域的边界数量;
计算无法进行定位的波形的收到位置到组成区域的每一个边界的距离,得到多个边界距离值;以及
将组成区域的边界累加,得到边界距离。
在一些例子中,请参阅图7,使用疑似故障声音组的传递路径对疑似故障声音组进行校正包括:
S501,根据传递路径确定三维模型中的一个固定对象;
S502,将与固定对象关联的疑似故障位置进行合并处理并根据固定对象生成传递路径;
S503,将位于传递路径以外的疑似故障声音组中的声音波形删除,得到故障声音组。
具体的说,在步骤S501至步骤S503中,会首先传递路径确定三维模型中的一个固定对象,该固定对象指的是变压器中的一个具体的零部件或者一个具体的区域。因为对于变压器而言,在实际的运行过程中,某个具体的零部件发生故障或者某个区域(区域内存在多个强相关的零部件)出现故障时,会产生具有一定特征的声音。
得到固定对象后,将与固定对象关联的疑似故障位置进行合并处理并根据固定对象生成传递路径,此处的传递路径是假想的声音的传递路径。最后将位于传递路径以外的疑似故障声音组中的声音波形删除,得到故障声音组。
删除的具体的方式计算每一个具体的波形的传递路径与根据固定对象生成传递路径的重合度,例如设定重合度是80%,当一个具体的波形的传递路径与根据固定对象生成传递路径的重合度小于80%时,就会将这个波形舍弃。
舍弃表示该波形不是在固定对象处生成。
并且,将与固定对象关联的疑似故障位置进行合并还有利于对固定对象处进行更为准确的判断,因为在此处有更多的声音样本。
在一些例子中,具体的判定方式如下:
根据故障声音组给出变压器的故障报告包括根据频率对故障声音组中的声音波形进行分组,分组包括高频组、常规组与低频组;
计算高频组与低频组中的声音波形在单位时间内出现的频次,当出现高频组和/或低频组的出现频次大于最低出现频次时给出变压器的故障报告;
计算常规组中的声音波形与对应固定对象正常工作时发出声音波形的相似度,当相似度不符合要求的常规组中的声音波形数量大于最低数量时给出变压器的故障报告。
应理解,变压器在正常运行过程中,其产生的声音的频率在一个较为固定的范围内,当变压器在运行过程中出现了该较为固定的范围之外的频率的声音时,说明变压器可能出现故障。
因此首先根据故障声音组给出变压器的故障报告包括根据频率对故障声音组中的声音波形进行分组,分组包括高频组、常规组与低频组。其中的常规组对应前文中提到的声音的频率在一个较为固定的范围内,高频组和低频组分别对应该较为固定的范围之外的频率的声音。
对于高频组和低频组,具体的判定规则是:计算高频组与低频组中的声音波形在单位时间内出现的频次,当出现高频组和/或低频组的出现频次大于最低出现频次时给出变压器的故障报告。
具体地说,对于高频组和低频组的判定,主要是根据其出现的频次或者时间来判定,例如高频组和低频组仅出现过一次,那么可能考虑是数据异常后者某个不会复现的问题;当时当高频组和低频组多次出现时,就需要进行判定变压器的运行是否出现了异常情况。
对于常规组,具体的判定规则是:
计算常规组中的声音波形与对应固定对象正常工作时发出声音波形的相似度,当相似度不符合要求的常规组中的声音波形数量大于最低数量时给出变压器的故障报告。
具体地说,就是对于常规组中的声音波形,无法简单的使用出现频次来判定,因为对于固定对象在正常工作时发出的声音波形,也是从其中选择一些具有代表性的声音波形来使用,无法实现对正常工作的全面反馈。
因此在本申请中,使用了进行相似度比较的方式来判定,相似度有幅值和频率两个维度,通过幅值和频率,可以将相似的声音波形从常规组中删除,然后对于常规组中剩下的声音波形,使用数量判定的方式来预测变压器的运行是否出现了异常情况。
本申请还提供了一种基于声纹识别的变压器故障分析装置,包括:
解析与分组单元,用于响应于收到的音频信息,对音频信息进行解析,得到疑似故障声音组与已知声音组;
第一定位单元,用于使用疑似故障声音组对音源进行定位,得到至少一个疑似故障位置;
显示单元,用于将疑似故障位置在三维模型中显示;
路径构建单元,用于根据三维模型中的疑似故障位置构建疑似故障声音组的传递路径;
校正单元,用于使用疑似故障声音组的传递路径对疑似故障声音组进行校正,得到故障声音组;以及
报告单元,用于根据故障声音组给出变压器的故障报告。
进一步地,还包括:
第一处理单元,用于将音频信息由时域转入到频域;
第二处理单元,用于在频域中将音频信息转为多个波形;
组合单元,用于根据频率与幅值将得到的波形进行组合,得到已知声音组;以及
第三处理单元,用于将剩余波形作为疑似故障声音组。
进一步地,还包括:
收到位置确定单元,用于确定疑似故障声音组中每一个波形的收到位置,收到位置的数量为多个;
第二定位单元,用于使用归属于一个波形的多个收到位置对该波形进行定位;以及
第三定位单元,用于根据定位确定疑似故障位置;
其中,一个疑似故障位置包括多个定位;
对于无法进行定位的波形,在确定与疑似故障位置的关联度后将其归属到关联度最高的疑似故障位置处。
进一步地,还包括:
第四定位单元,用于确定与无法进行定位的波形的收到位置关联的完成定位的波形的收到位置,无法进行定位的该波形的收到位置位于完成定位的波形的收到位置组成区域内;
第一计算单元,用于计算无法进行定位的波形的收到位置与组成区域的边界距离;以及
选取单元,用于选取边界距离最小的组成区域对应的疑似故障位置作为该无法进行定位的波形的疑似故障位置。
进一步地,还包括:
第一确定单元,用于确定组成区域的边界数量;
第二计算单元,用于计算无法进行定位的波形的收到位置到组成区域的每一个边界的距离,得到多个边界距离值;以及
累加单元,用于将组成区域的边界累加,得到边界距离。
进一步地,还包括:
第二确定单元,用于根据传递路径确定三维模型中的一个固定对象;
第四处理单元,用于将与固定对象关联的疑似故障位置进行合并处理并根据固定对象生成传递路径;
第五处理单元,用于将位于传递路径以外的疑似故障声音组中的声音波形删除,得到故障声音组。
进一步地,还包括:
分组单元,用于根据故障声音组给出变压器的故障报告包括根据频率对故障声音组中的声音波形进行分组,分组包括高频组、常规组与低频组;
第一分析与报告单元,用于计算高频组与低频组中的声音波形在单位时间内出现的频次,当出现高频组和/或低频组的出现频次大于最低出现频次时给出变压器的故障报告;
第二分析与报告单元,用于计算常规组中的声音波形与对应固定对象正常工作时发出声音波形的相似度,当相似度不符合要求的常规组中的声音波形数量大于最低数量时给出变压器的故障报告。
在一个例子中,以上任一装置中的单元可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个专用集成电路(applicationspecific integratedcircuit,ASIC),或,一个或多个数字信号处理器(digital signal processor,DSP),或,一个或者多个现场可编程门阵列(fieldprogrammable gate array,FPGA),或这些集成电路形式中至少两种的组合。
再如,当装置中的单元可以通过处理元件调度程序的形式实现时,该处理元件可以是通用处理器,例如中央处理器(central processing unit,CPU)或其它可以调用程序的处理器。再如,这些单元可以集成在一起,以片上***(system-on-a-chip,SOC)的形式实现。
在本申请中可能出现的对各种消息/信息/设备/网元/***/装置/动作/操作/流程/概念等各类客体进行了赋名,可以理解的是,这些具体的名称并不构成对相关客体的限定,所赋名称可随着场景,语境或者使用习惯等因素而变更,对本申请中技术术语的技术含义的理解,应主要从其在技术方案中所体现/执行的功能和技术效果来确定。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
还应理解,在本申请的各个实施例中,第一、第二等只是为了表示多个对象是不同的。例如第一时间窗和第二时间窗只是为了表示出不同的时间窗。而不应该对时间窗的本身产生任何影响,上述的第一、第二等不应该对本申请的实施例造成任何限制。
还应理解,在本申请的各个实施例中,如果没有特殊说明以及逻辑冲突,不同的实施例之间的术语和/或描述具有一致性、且可以相互引用,不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个计算机可读存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请还提供了一种计算机程序产品,该计算机程序产品包括指令,当该指令被执行时,以使得该故障分析***执行对应于上述方法的故障分析***的操作。
本申请还提供了一种基于声纹识别的变压器故障分析***,所述***包括:
一个或多个存储器,用于存储指令;以及
一个或多个处理器,用于从所述存储器中调用并运行所述指令,执行如上述内容中所述的方法。
本申请还提供了一种芯片***,该芯片***包括处理器,用于实现上述内容中所涉及的功能,例如,生成,接收,发送,或处理上述方法中所涉及的数据和/或信息。
该芯片***,可以由芯片构成,也可以包括芯片和其他分立器件。
上述任一处提到的处理器,可以是一个CPU,微处理器,ASIC,或一个或多个用于控制上述的反馈信息传输的方法的程序执行的集成电路。
在一种可能的设计中,该芯片***还包括存储器,该存储器,用于保存必要的程序指令和数据。该处理器和该存储器可以解耦,分别设置在不同的设备上,通过有线或者无线的方式连接,以支持该芯片***实现上述实施例中的各种功能。或者,该处理器和该存储器也可以耦合在同一个设备上。
可选地,该计算机指令被存储在存储器中。
可选地,该存储器为该芯片内的存储单元,如寄存器、缓存等,该存储器还可以是该终端内的位于该芯片外部的存储单元,如ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM等。
可以理解,本申请中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
非易失性存储器可以是ROM、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasablePROM,EPROM)、电可擦除可编程只读存储器(electricallyEPROM,EEPROM)或闪存。
易失性存储器可以是RAM,其用作外部高速缓存。RAM有多种不同的类型,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(doubledata rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM,ESDRAM)、同步连接动态随机存取存储器(synch link DRAM,SLDRAM)和直接内存总线随机存取存储器。
本具体实施方式的实施例均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种基于声纹识别的变压器故障分析方法,其特征在于,包括:
响应于收到的音频信息,对音频信息进行解析,得到疑似故障声音组与已知声音组;
使用疑似故障声音组对音源进行定位,得到至少一个疑似故障位置;
将疑似故障位置在三维模型中显示;
根据三维模型中的疑似故障位置构建疑似故障声音组的传递路径;
使用疑似故障声音组的传递路径对疑似故障声音组进行校正,得到故障声音组;以及
根据故障声音组给出变压器的故障报告。
2.根据权利要求1所述的基于声纹识别的变压器故障分析方法,其特征在于,对音频信息进行解析包括:
将音频信息由时域转入到频域;
在频域中将音频信息转为多个波形;
根据频率与幅值将得到的波形进行组合,得到已知声音组;以及
将剩余波形作为疑似故障声音组。
3.根据权利要求1或2所述的基于声纹识别的变压器故障分析方法,其特征在于,使用疑似故障声音组对音源进行定位,得到至少一个疑似故障位置包括:
确定疑似故障声音组中每一个波形的收到位置,收到位置的数量为多个;
使用归属于一个波形的多个收到位置对该波形进行定位;以及
根据定位确定疑似故障位置;
其中,一个疑似故障位置包括多个定位;
对于无法进行定位的波形,在确定与疑似故障位置的关联度后将其归属到关联度最高的疑似故障位置处。
4.根据权利要求3所述的基于声纹识别的变压器故障分析方法,其特征在于,确定与疑似故障位置的关联度包括:
确定与无法进行定位的波形的收到位置关联的完成定位的波形的收到位置,无法进行定位的该波形的收到位置位于完成定位的波形的收到位置组成区域内;
计算无法进行定位的波形的收到位置与组成区域的边界距离;以及
选取边界距离最小的组成区域对应的疑似故障位置作为该无法进行定位的波形的疑似故障位置。
5.根据权利要求4所述的基于声纹识别的变压器故障分析方法,其特征在于,计算边界距离包括:
确定组成区域的边界数量;
计算无法进行定位的波形的收到位置到组成区域的每一个边界的距离,得到多个边界距离值;以及
将组成区域的边界累加,得到边界距离。
6.根据权利要求1或2或4或5所述的基于声纹识别的变压器故障分析方法,其特征在于,使用疑似故障声音组的传递路径对疑似故障声音组进行校正包括:
根据传递路径确定三维模型中的一个固定对象;
将与固定对象关联的疑似故障位置进行合并处理并根据固定对象生成传递路径;
将位于传递路径以外的疑似故障声音组中的声音波形删除,得到故障声音组。
7.根据权利要求1所述的基于声纹识别的变压器故障分析方法,其特征在于,根据故障声音组给出变压器的故障报告包括根据频率对故障声音组中的声音波形进行分组,分组包括高频组、常规组与低频组;
计算高频组与低频组中的声音波形在单位时间内出现的频次,当出现高频组和/或低频组的出现频次大于最低出现频次时给出变压器的故障报告;
计算常规组中的声音波形与对应固定对象正常工作时发出声音波形的相似度,当相似度不符合要求的常规组中的声音波形数量大于最低数量时给出变压器的故障报告。
8.一种基于声纹识别的变压器故障分析装置,其特征在于,包括:
解析与分组单元,用于响应于收到的音频信息,对音频信息进行解析,得到疑似故障声音组与已知声音组;
第一定位单元,用于使用疑似故障声音组对音源进行定位,得到至少一个疑似故障位置;
显示单元,用于将疑似故障位置在三维模型中显示;
路径构建单元,用于根据三维模型中的疑似故障位置构建疑似故障声音组的传递路径;
校正单元,用于使用疑似故障声音组的传递路径对疑似故障声音组进行校正,得到故障声音组;以及
报告单元,用于根据故障声音组给出变压器的故障报告。
9.一种基于声纹识别的变压器故障分析***,其特征在于,所述***包括:
一个或多个存储器,用于存储指令;以及
一个或多个处理器,用于从所述存储器中调用并运行所述指令,执行如权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括:
程序,当所述程序被处理器运行时,如权利要求1至7中任意一项所述的方法被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310982921.1A CN117031154B (zh) | 2023-08-07 | 2023-08-07 | 一种基于声纹识别的变压器故障分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310982921.1A CN117031154B (zh) | 2023-08-07 | 2023-08-07 | 一种基于声纹识别的变压器故障分析方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117031154A true CN117031154A (zh) | 2023-11-10 |
CN117031154B CN117031154B (zh) | 2024-03-22 |
Family
ID=88638490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310982921.1A Active CN117031154B (zh) | 2023-08-07 | 2023-08-07 | 一种基于声纹识别的变压器故障分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117031154B (zh) |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE9404209D0 (sv) * | 1994-12-05 | 1994-12-05 | Abb Research Ltd | Förfarande och anordning för lokalisering av partiella urladdningar hos en elektrisk högspänningsapparat |
EP1686673A1 (en) * | 2005-01-27 | 2006-08-02 | Hojgaard Sound IS | Acoustic detection of power network failures |
KR20080099429A (ko) * | 2007-05-09 | 2008-11-13 | (주)태광이엔시 | 전력용 변압기의 진단시스템 |
KR20140033944A (ko) * | 2012-09-11 | 2014-03-19 | 엘에스전선 주식회사 | 풍력용 변압기 감시 진단 시스템 및 방법 |
US20170310539A1 (en) * | 2016-04-25 | 2017-10-26 | Cisco Technology, Inc. | Hybrid fibre coaxial fault locationing in cable network environments |
CN108760034A (zh) * | 2018-05-21 | 2018-11-06 | 广西电网有限责任公司电力科学研究院 | 一种变压器振动噪声源定位***和方法 |
CN110672950A (zh) * | 2019-10-08 | 2020-01-10 | 深圳海岸语音技术有限公司 | 一种电力设备故障声像检测***及方法 |
KR20200060179A (ko) * | 2018-11-22 | 2020-05-29 | 고려대학교 세종산학협력단 | 소리 정보를 이용한 변압기 고장 진단 방법 |
CN111739557A (zh) * | 2020-06-19 | 2020-10-02 | 浙江讯飞智能科技有限公司 | 设备故障定位方法、装置、设备及存储介质 |
KR102264773B1 (ko) * | 2020-11-30 | 2021-06-15 | 주식회사 국제기술인증원 | 센서를 이용한 변압기의 온도, 부분방전 및 소음의 진단 및 제어를 위한 고장진단시스템 |
CN113283310A (zh) * | 2021-05-07 | 2021-08-20 | 国网浙江省电力有限公司武义县供电公司 | 一种基于声纹特征的电力设备健康状态检测***和方法 |
CN113362856A (zh) * | 2021-06-21 | 2021-09-07 | 国网上海市电力公司 | 一种应用于电力物联网的声音故障检测方法以及装置 |
CN114280413A (zh) * | 2021-11-29 | 2022-04-05 | 山东信通电子股份有限公司 | 一种输电通道异常故障声音的定位方法及设备 |
WO2022100323A1 (zh) * | 2020-11-10 | 2022-05-19 | 国网新疆电力有限公司电力科学研究院 | 一种基于声-振一体化的大型变压器运行状态感知*** |
CN115291056A (zh) * | 2022-07-29 | 2022-11-04 | 国网安徽省电力有限公司超高压分公司 | 一种基于声纹识别模型的变压器工作状态识别***及方法 |
CN115358110A (zh) * | 2022-07-25 | 2022-11-18 | 国网江苏省电力有限公司淮安供电分公司 | 一种基于声传感器阵列的变压器故障检测*** |
CN115586410A (zh) * | 2022-11-03 | 2023-01-10 | 国网安徽省电力有限公司电力科学研究院 | 一种基于无人机的变压器声纹巡检装置及方法 |
US20230024104A1 (en) * | 2021-07-23 | 2023-01-26 | Nec Laboratories America, Inc | Identification of false transformer humming using machine learning |
KR20230062189A (ko) * | 2021-10-29 | 2023-05-09 | 주식회사 싸이콤 | 인공지능 기반의 전력 설비 진단 방법 및 이를 이용한 장치 |
CN116189711A (zh) * | 2023-04-26 | 2023-05-30 | 四川省机场集团有限公司 | 基于声波信号监测的变压器故障识别方法及装置 |
CN116223040A (zh) * | 2023-03-07 | 2023-06-06 | 华北电力大学(保定) | 一种托辊故障声学信号特征提取及定位方法 |
CN117095695A (zh) * | 2023-10-19 | 2023-11-21 | 国网山西省电力公司超高压变电分公司 | 一种用于变压器本体的广域声纹压缩采集方法及*** |
-
2023
- 2023-08-07 CN CN202310982921.1A patent/CN117031154B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE9404209D0 (sv) * | 1994-12-05 | 1994-12-05 | Abb Research Ltd | Förfarande och anordning för lokalisering av partiella urladdningar hos en elektrisk högspänningsapparat |
EP1686673A1 (en) * | 2005-01-27 | 2006-08-02 | Hojgaard Sound IS | Acoustic detection of power network failures |
KR20080099429A (ko) * | 2007-05-09 | 2008-11-13 | (주)태광이엔시 | 전력용 변압기의 진단시스템 |
KR20140033944A (ko) * | 2012-09-11 | 2014-03-19 | 엘에스전선 주식회사 | 풍력용 변압기 감시 진단 시스템 및 방법 |
US20170310539A1 (en) * | 2016-04-25 | 2017-10-26 | Cisco Technology, Inc. | Hybrid fibre coaxial fault locationing in cable network environments |
CN108760034A (zh) * | 2018-05-21 | 2018-11-06 | 广西电网有限责任公司电力科学研究院 | 一种变压器振动噪声源定位***和方法 |
KR20200060179A (ko) * | 2018-11-22 | 2020-05-29 | 고려대학교 세종산학협력단 | 소리 정보를 이용한 변압기 고장 진단 방법 |
CN110672950A (zh) * | 2019-10-08 | 2020-01-10 | 深圳海岸语音技术有限公司 | 一种电力设备故障声像检测***及方法 |
CN111739557A (zh) * | 2020-06-19 | 2020-10-02 | 浙江讯飞智能科技有限公司 | 设备故障定位方法、装置、设备及存储介质 |
WO2022100323A1 (zh) * | 2020-11-10 | 2022-05-19 | 国网新疆电力有限公司电力科学研究院 | 一种基于声-振一体化的大型变压器运行状态感知*** |
KR102264773B1 (ko) * | 2020-11-30 | 2021-06-15 | 주식회사 국제기술인증원 | 센서를 이용한 변압기의 온도, 부분방전 및 소음의 진단 및 제어를 위한 고장진단시스템 |
CN113283310A (zh) * | 2021-05-07 | 2021-08-20 | 国网浙江省电力有限公司武义县供电公司 | 一种基于声纹特征的电力设备健康状态检测***和方法 |
CN113362856A (zh) * | 2021-06-21 | 2021-09-07 | 国网上海市电力公司 | 一种应用于电力物联网的声音故障检测方法以及装置 |
US20230024104A1 (en) * | 2021-07-23 | 2023-01-26 | Nec Laboratories America, Inc | Identification of false transformer humming using machine learning |
KR20230062189A (ko) * | 2021-10-29 | 2023-05-09 | 주식회사 싸이콤 | 인공지능 기반의 전력 설비 진단 방법 및 이를 이용한 장치 |
CN114280413A (zh) * | 2021-11-29 | 2022-04-05 | 山东信通电子股份有限公司 | 一种输电通道异常故障声音的定位方法及设备 |
CN115358110A (zh) * | 2022-07-25 | 2022-11-18 | 国网江苏省电力有限公司淮安供电分公司 | 一种基于声传感器阵列的变压器故障检测*** |
CN115291056A (zh) * | 2022-07-29 | 2022-11-04 | 国网安徽省电力有限公司超高压分公司 | 一种基于声纹识别模型的变压器工作状态识别***及方法 |
CN115586410A (zh) * | 2022-11-03 | 2023-01-10 | 国网安徽省电力有限公司电力科学研究院 | 一种基于无人机的变压器声纹巡检装置及方法 |
CN116223040A (zh) * | 2023-03-07 | 2023-06-06 | 华北电力大学(保定) | 一种托辊故障声学信号特征提取及定位方法 |
CN116189711A (zh) * | 2023-04-26 | 2023-05-30 | 四川省机场集团有限公司 | 基于声波信号监测的变压器故障识别方法及装置 |
CN117095695A (zh) * | 2023-10-19 | 2023-11-21 | 国网山西省电力公司超高压变电分公司 | 一种用于变压器本体的广域声纹压缩采集方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117031154B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107102244B (zh) | 一种gis特高频局部放电在线监测装置的放电源定位方法 | |
Shintemirov et al. | Transformer winding condition assessment using frequency response analysis and evidential reasoning | |
EP2156203B1 (en) | Method and device to predict a state of a power system in the time domain | |
CN109933852B (zh) | 预测车辆尺寸偏差的方法、装置、存储介质及电子设备 | |
JP5238455B2 (ja) | 電気設備の絶縁異常診断方法および絶縁異常診断装置 | |
KR20200014129A (ko) | 딥러닝을 이용한 변압기 진단 방법 | |
JP6789872B2 (ja) | 分析方法、分析装置、およびプログラム | |
CN113109674B (zh) | 变压器套管的监测方法、装置、设备、***和存储介质 | |
CN108362966A (zh) | 一种油浸变压器高精度噪声在线监测方法和*** | |
JP2011252752A (ja) | 変圧器の健全性診断方法、健全性診断装置及び健全性診断プログラム | |
JP2011253885A (ja) | 変圧器の健全性診断方法、健全性診断装置及び健全性診断プログラム | |
CN117095695B (zh) | 一种用于变压器本体的广域声纹压缩采集方法及*** | |
CN117031154B (zh) | 一种基于声纹识别的变压器故障分析方法及*** | |
CN111739557A (zh) | 设备故障定位方法、装置、设备及存储介质 | |
US11231999B2 (en) | Detection of electric power system anomalies in streaming measurements | |
EP3793333A1 (en) | Filament current control method and apparatus | |
CN111507618A (zh) | 小区经纬度核查方法、装置及存储介质 | |
CN107132500A (zh) | 一种同步相量测量单元在线校准方法与装置 | |
CN117113833A (zh) | 一种检定装置的核查方法及*** | |
KR101623354B1 (ko) | 통합 품질관리시스템 기반의 품질검사 방법 | |
CN116436030A (zh) | 新能源场站宽频振荡就地监测控制方法及装置 | |
CN114675143A (zh) | 一种局部放电测量方法及装置 | |
CN112020087B (zh) | 隧道故障监控方法、装置及计算设备 | |
CN115902443A (zh) | 交流超特高压输电线路可听噪声异常数据检测方法及*** | |
CN113805105A (zh) | 三相变压器检测方法和*** |
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 |