CN117074817A - 一种适用于油浸式变压器的早期电弧预警***及方法 - Google Patents
一种适用于油浸式变压器的早期电弧预警***及方法 Download PDFInfo
- Publication number
- CN117074817A CN117074817A CN202310988337.7A CN202310988337A CN117074817A CN 117074817 A CN117074817 A CN 117074817A CN 202310988337 A CN202310988337 A CN 202310988337A CN 117074817 A CN117074817 A CN 117074817A
- Authority
- CN
- China
- Prior art keywords
- arc
- early warning
- early
- module
- data
- 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 description 34
- 238000012545 processing Methods 0.000 claims abstract description 62
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000010891 electric arc Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 11
- 230000006872 improvement Effects 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 6
- 230000009467 reduction Effects 0.000 abstract description 3
- 238000012795 verification Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 8
- 238000000354 decomposition reaction Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Housings And Mounting Of Transformers (AREA)
Abstract
本发明涉及电弧预警技术领域,且公开了一种适用于油浸式变压器的早期电弧预警***,包括信号检测模块:采集变压器运行参数的信号,进行信号处理和分析;信号处理模块:接受信号进行实时处理和分析,以预设警戒值;预警级别评估模块:评估电弧特征,识别出变压器是否存在早期电弧的风险,并发出相应的预警信号;预警显示模块:接收预警信号,通过显示装置,将信号以可视化的方式显示给工作人员;反馈模块:收集故障实际情况反馈回数据处理单元,以进行进一步的分析和验证。本发明在性能提高、成本减低、效率提高、数据处理方便等方面具有明显的技术优势,可以有效地提高变压器电气设备的预警监测能力,降低了电弧故障的风险和损失。
Description
技术领域
本发明涉及电弧预警技术领域,具体为一种适用于油浸式变压器的早期电弧预警***及方法。
背景技术
电弧预警***是一种用于检测和预警电力设备中电弧故障的***,其主要应用于开关柜、电缆、配电柜和变压器等设备,对火灾预警、井下安全供电、电网安全运行等起到重要作用,预警信号一般为弧声信号、弧光信号、压力信号、气体信号等,可以提供及时的故障预警信息。为提高电弧预警***准确性和可靠性。目前已有的先进的技术包括:
1.多传感器融合技术:采用多种传感器(如压力传感器、气体传感器、声波传感器、光学传感器等)对电弧进行检测,然后将多个传感器的信号融合起来,以提高检测准确性和敏感度。
2.基于人工智能的电弧诊断技术:采用人工智能技术对电弧的声音、光学、气体等多个信号进行综合分析和判断,以提高预警的准确性和敏感度。
3.基于光纤传感器的电弧检测技术:采用光纤传感器对电弧的光信号进行检测,可以实现高精度和高灵敏度的检测。
4.基于无线传感器网络的电弧预警技术:采用无线传感器网络技术,将多个传感器分布在电力设备中,实现对电弧的实时监测和预警。
虽然电弧预警***技术已经得到了广泛的应用和发展,但是在实际应用中仍然存在一些缺陷和不足,主要包括以下几个方面:
1.对微弱电弧的检测不够敏感:目前的电弧预警***往往只能对较强的电弧进行检测,对于微弱电弧的检测不够敏感,这可能会导致潜在的危险因素被忽略。
2.对不同类型电弧的检测准确性有限:不同类型的电弧具有不同的特征,有些电弧可能不太容易被传感器所检测到,这就要求电弧预警***必须能够对不同类型电弧进行准确的检测和诊断。
3.对复杂工况下的电弧检测能力有限:在一些复杂工况下,如电网负荷波动、电力设备老化、环境温度变化等因素的影响下,电弧预警***的检测准确性和可靠性可能会受到一定的影响。
4.***成本高:目前的电弧预警***通常采用多传感器融合、人工智能等技术,这些技术所需的设备和算法复杂度较高,导致***成本相对较高。
技术标准尚不完善:由于电弧预警***技术的发展还比较新,相关的技术标准和规范还不够完善,这给相关的研究和应用带来了一定的困难。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种适用于油浸式变压器的早期电弧预警***及方法,在性能提高、成本减低、效率提高、数据处理方便等方面具有明显的技术优势,可以有效地提高变压器电气设备的预警监测能力,降低了电弧故障的风险和损失。
(二)技术方案
为实现上述目的,本发明提供如下技术方案:
一种适用于油浸式变压器的早期电弧预警***,包括
信号检测模块(M1):所述信号检测模块(M1)用于采集变压器运行参数的信号,以便进行信号处理和分析;
信号处理模块(M2):所述信号处理模块(M2)用于对采集到的数据进行实时处理和分析,以识别变压器早期电弧的特征,并发出预警信号;
预警级别评估模块(M3):所述预警级别评估模块(M3)用于接收特征参数和预设的阈值进行比较,从而对多个电弧特征进行综合评估,以发出相应的预警信号;
预警显示模块(M4):所述预警显示模块(M4)用于接收预警信号,通过显示装置,将信号以可视化的方式显示给工作人员;
反馈模块(M5):所述反馈模块(M5)用于收集故障实际情况,并反馈回信号处理模块(M2),以更新和优化预测模型、算法或参数。
优选的,所述信号检测模块(M1)包括电压传感器、电流传感器、电弧光传感器、振动传感器。
一种适用于油浸式变压器的早期电弧预警方法,包括如下步骤:
步骤一:在变压器的对应位置安装传感器,通过传感器采集变压器运行过程中的电压、电流、电弧光、振动的参数信号;并通过内置的的数据传输功能将这些信号传输到信号处理模(M2);
步骤二:通过信号处理模块(M2)对采集到的数据进行实时处理和分析,以识别变压器早期电弧的特征,并发出预警信号传输到预警级别评估模块(M3);
步骤三:由预警级别评估模块(M3)识别出变压器存在早期电弧的风险时,自动发出预警信号传输到预警显示模块(M4)。
步骤四:通过预警显示模块(M4)接收的预警信号,经过显示装置,将信号以可视化的方式显示给工作人员;
步骤五:经过工作人员检查后记录的电弧故障信息会储存在反馈模块(M5),更新其信息库,这些信息将传输到信号处理模(M2),以设置最优的警戒阈值。
优选的,所述信号处理模块(M2)用于对采集到的数据进行实时处理和分析,包括两个单元:数字信号处理单元(21)包含数据滤波、数据校准和特征识别;数据处理单元(22)包含特征参数储存、实际情况反馈数据分析和最优警戒阈值预设。
优选的,所述数据滤波是指对采集到的原始数据进行滤波处理,以去除干扰和噪声。
优选的,所述数据校准是指对滤波后的数据进行校准,以提高数据的准确性和稳定性。
优选的,所述特征识别是指对处理后的数据信号进行分析和算法计算,识别出变压器早期电弧的特征,得到特征参数的过程。
优选的,所述特征参数储存是指对特征识别得到的特征参数进行的储存。
优选的,所述实际情况反馈数据分析是指储存的特征参数同反馈模块(M5)收集故障实际情况所更新的信息库进行的比较分析。
优选的,所述最优警戒阈值是由实际情况反馈数据分析,所更新和优化的警戒阈值,该值将用于判断变压器是否存在早期电弧风险的标准值。
(三)有益效果
与现有技术相比,本发明提供了一种适用于油浸式变压器的早期电弧预警***及方法,具备以下有益效果:
1.提高了监测的实时性和准确性:本发明可以实时采集和分析变压器运行参数的信号,对电弧故障的发生和发展进行实时监测和预警,相比于传统的定期检测方法,可以更早地发现和解决问题。
2.降低了维护成本:本发明可以在变压器运行过程中进行实时监测和预警,减少了人力、时间和资源的投入,降低了维护成本和风险。
3.提高了监测效率和可靠性:本发明通过数字化和智能化的方式进行信号处理和分析,可以提高监测效率和可靠性,减少了误判和漏判的风险。
4.方便了数据处理和分析:本发明可以将采集的信号进行数字化处理和存储,方便了数据的管理、分析和挖掘,为后续的研究和应用提供了数据支持。
总之,本发明在性能提高、成本减低、效率提高、数据处理方便等方面具有明显的技术优势,可以有效地提高变压器电气设备的预警监测能力,降低了电弧故障的风险和损失。
附图说明
图1为本发明的结构示意框图;
图2为本发明的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
实施例一:
请参阅图1,一种适用于油浸式变压器的早期电弧预警***,包括
信号检测模块(M1):采集变压器运行状态和可能存在的故障风险的综合参数信号,传输数字信号;
信号处理模块(M2):接受信号检测模块(M1)采集的所有数字信号,以及由反馈模块(M5)更新的实际故障情况;
预警级别评估模块(M3):接收信号处理模块(M2)传输的特征参数与预设的阈值进行比较,进行多个电弧特征的综合评估,并发出相应的预警信号;
预警显示模块(M4):接收预警级别评估模块(M3)传输的预警信号,通过显示装置,将信号以可视化的方式显示给工作人员;
反馈模块(M5):收集故障实际情况更新信息库,同信号处理模块(M2)储存的数据进行分析,以更新和优化预设的警戒阈值。
本实施例中,所述信号检测模块(M1)包括电压传感器、电流传感器、电弧光传感器、振动传感器。
本实施例中,所述所述信号处理模(M2)包含数字信号处理单元(21)和数据处理单元(22),所述数字信号处理单元(21)包含数据滤波和数据校准处理,以及特征识别;数据处理单元(22)包含特征参数储存、实际情况反馈数据分析和最优警戒阈值预设。
本实施例中,所述所述预警级别评估模块(M3)通过综合分析电弧故障的能量、电弧故障位置和电弧持续时间等特征参数,将这些参数与预设的警戒阈值进行对比。如果电弧故障的特征值超过了设定的警戒阈值,则预警级别评估模块(M3)将发出相应的预警信号传输到预警显示模块(M4)。
本实施例中,所述所述预警显示模块(M4)用于接收预警级别评估模块(M3)传递的预警信号,通过显示屏或指示灯等显示装置,将变压器的预警状态以可视化的方式显示给工作人员。同时,预警显示模块(M4)还可以将相关数据和信息记录和存储,包括预警触发的特征参数和预警级别等信息,传递到反馈模块(M5)。
本实施例中,所述反馈模块(M5)接收预警显示模块(M4)记录的预警信息,更新信息库,并传递数据信息给数据处理单元(22),以设置预设的警戒阈值,实现双向数据交流,进而确保预警***的准确性和可靠性。
通过以上五个模块构成的预警***能及时发现电弧故障早期迹象,自动处理数据,降低维护成本,减少安全风险,为后续研究提供数据支持。相比于传统的预警***在预警效率、自动化程度、维护成本和安全性方面都有明显的优势,能够提高变压器运行的安全性和稳定性。
实施例二:
请参阅图2,一种适用于油浸式变压器的早期电弧预警方法,包括如下步骤:
步骤一:在变压器的对应位置安装传感器,通过传感器采集变压器运行过程中的电压、电流、电弧光、振动的参数信号,归一化处理成电信号;并通过内置的的数据传输功能将这些电信号传输到信号处理模(M2);
本实施例中,所述传感器的类型和安装位置:传感器的类型和安装位置应根据变压器的实际情况进行选择和确定,以确保能够准确地采集变压器运行参数的信号。
本实施例中,所述参数信号:参数信号具体可以包括电压与电流信号的频率和波形;电弧光信号的光强度和光频率;振动信号的振动频率和振幅。为确保参数信号的准确性和稳定性,需要选择高质量、可靠的传感器并进行定期校准;合理选择采样频率和采取抗干扰措施;对采集到的信号进行数据处理、滤波和校正;在关键应用中采用多重传感器冗余等。
本实施例中,所述数据传输:数据传输是指传感器具有内部集成的数据传输模块,可以将采集到的参数信号通过无线或有线方式传输到信号处理模块(M2)进行进一步处理和分析。无线方式的优点是方便快捷,但可能受到干扰;有线方式的优点是稳定可靠,但需要布置电缆。
步骤二:通过信号处理模块(M2)对采集到的数据进行实时处理和分析,以识别变压器早期电弧的特征,并发出预警信号传输到预警级别评估模块(M3);
本实施例中,所述信号处理模块(M2)包括数字信号处理单元(21)和数据处理单元(22),所述数字信号处理单元(21)包含数据滤波和数据校准处理,以及特征识别;数据处理单元(22)包含特征参数储存、实际情况反馈数据分析和最优警戒阈值预设。
如图2(a)所示:
本实施例中,所述数据滤波是指对采集到的原始数据进行滤波处理,以去除干扰和噪声。数据滤波的方法为:
获取变压器的运行参数模型;对获取的参数模型求导得到一频域滤波器的文件;对频域滤波器文件进行傅立叶逆变换得到一时域滤波器文件;获取波形数据文件;该波形数据文件是否可与时域滤波器文件进行卷积运算;在该波形数据文件不可与时域滤波器文件进行卷积运算时,转换该波形数据文件的格式为一预设格式;通过卷积模块将预设格式的波形数据文件与时域滤波器文件进行卷积运算得到一滤波后的波形数据文件。
本实施例中,所述数据校准是指对采集到的数据进行校准,以提高数据的准确性和稳定性,校准后的电信号数据为S(t)。其中,校准参数应根据传感器的类型和实际情况进行确定。
如图2(b)所示:
本实施例中,所述特征识别是指通过信号分析和算法计算,识别出变压器早期电弧的特征参数。该算法包括以下步骤:
S1、数据采集:从信号检测模块(M1)读取传感器采集的归一化处理成的电信号S(t);
S2、信号分解:对信号S(t)进行信号分解,得到一系列的本征模态函数(IMF)分量,表示为C1(t)、C2(t)、...、CN(t);
S3、特征值计算:对每个IMF分量Ck(t)(k=1,2,...,N)找出局部极大值和局部极小值,并利用二维矩阵中三重特征值的算法算出特征值;
S4、均值包络线,将S3中的特征值进行平均,得到均值包络线M(t);
S5、信号检测:检查S(t)与M(t)的差值D(t)是否符合信号分解的收敛条件,即|S(t)-M(t)|是否小于预先设定的阈值。如果D(t)不符合信号分解的收敛条件,不小于预先设定的阈值,则回到S2,将差值D(t)当作新的信号进行信号分解,并得到新的IMF分量C1(t)至CN(t);
S6、剩余量计算:将信号S(t)减去最后得到的IMF分量CN(t),得到剩余量(M1)(t);然后将(M1)(t)作为新的信号重复执行S2至S5的步骤N次,得到剩余量(M1)(t)、(M2)(t)......MN(t),直到MN(t)为单调函数时完成计算,说明此时信号分解已经达到较好的结果;
S7、信号重构:将所有IMF分量(C1(t)至CN(t))加和得到重构信号R(t)。重构信号R(t)是通过将所有IMF分量相加得到的近似原始信号,用于后续特征提取和分析。
S8、特征参数提取:对重构信号R(t)进行特征参数的计算和提取。这些特征参数可以包括电弧故障的能量、位置和持续时间等重要信息。常用的特征参数提取方法包括傅立叶变换、小波变换、时域统计分析等。
步骤三:由预警级别评估模块(M3)接收信号处理模块(M2)传输的特征参数和最优警戒阈值,进行多个电弧特征的综合评估,识别出变压器存在早期电弧的风险时,自动发出预警信号传输到预警显示模块(M4)。
本实施例中,所述所述特征参数是电弧故障的能量、电弧故障位置和电弧持续时间等,将这些参数与预设的警戒值进行对比。如果电弧故障的特征值超过了设定的警戒值,则预警级别评估模块(M3)将发出相应的预警信号传输到预警显示模块(M4)。
步骤四:通过预警显示模块(M4)接收的预警信号,经过显示装置,将信号以可视化的方式显示给工作人员;
本实施例中,所述显示装置可以是显示屏或指示灯,该装置将变压器的预警状态以可视化的方式显示给工作人员。通过实时显示预警信息,预警显示模块(M4)方便了信息的传递和沟通,帮助工作人员迅速了解变压器的预警情况。同时,预警显示模块(M4)还可以将相关数据和信息记录和存储,包括预警触发的特征参数和预警级别等信息,传递到反馈模块(M5)。
步骤五:经过工作人员检查后记录的电弧故障信息会储存在反馈模块(M5),更新其信息库,这些信息将传输到信号处理模(M2),以设置最优的警戒阈值。
本实施例中,所述信息库是一个存储电弧故障信息的数据库。它用于储存工作人员检查后记录的电弧故障信息,包括电弧故障的能量、位置、持续时间等相关信息。这些信息可以被反馈模块(M5)访问和更新,以便进行后续的分析和优化。反馈模块(M5)通过从信息库中获取实际情况反馈数据,并将其传输给信号处理模块(M2),用于设置最优的警戒阈值,以提高预警***的准确性和可靠性。
对实施例的描述是为便于该技术领域的普通技术人员能理解和使用发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改,并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于上述实施例,本领域技术人员根据本发明的揭示,不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。
Claims (10)
1.一种适用于油浸式变压器的早期电弧预警***,其特征在于,包括:
信号检测模块(M1):采集变压器运行状态和可能存在的故障风险的综合参数信号,传输数字信号;
信号处理模块(M2):接受信号检测模块(M1)采集的所有数字信号,以及由反馈模块(M5)更新的实际故障情况;
预警级别评估模块(M3):接收信号处理模块(M2)传输的特征参数与预设的阈值进行比较,进行多个电弧特征的综合评估,并发出相应的预警信号;
预警显示模块(M4):接收预警级别评估模块(M3)传输的预警信号,通过显示装置,将信号以可视化的方式显示给工作人员;
反馈模块(M5):收集故障实际情况更新信息库,同信号处理模块(M2)储存的数据进行分析,以更新和优化预设的警戒阈值。
2.根据权利要求1所述的一种适用于油浸式变压器的早期电弧预警方法,其特征在于,包括如下步骤:
步骤一:在变压器的对应位置安装传感器,通过传感器采集变压器运行过程中的电压、电流、电弧光、振动的参数信号;并通过内置的的数据传输功能将这些信号传输到信号处理模(M2);
步骤二:通过信号处理模块(M2)对采集到的数据进行实时处理和分析,以识别变压器早期电弧的特征,并发出预警信号传输到预警级别评估模块(M3);
步骤三:由预警级别评估模块(M3)识别出变压器存在早期电弧的风险时,自动发出预警信号传输到预警显示模块(M4);
步骤四:通过预警显示模块(M4)接收的预警信号,经过显示装置,将信号以可视化的方式显示给工作人员;
步骤五:经过工作人员检查后记录的电弧故障信息会储存在反馈模块(M5),更新其信息库,这些信息将传输到信号处理模(M2),以设置最优的警戒阈值。
3.根据权利要求2所述的一种适用于油浸式变压器的早期电弧预警方法,其特征在于:所述信号检测模块(M1)包括电压传感器、电流传感器、电弧光传感器、振动传感器;这些在变压器的对应位置安装的传感器,采集变压器运行过程中的电压、电流、电弧光、振动的参数信号,并通过内置的数据传输功能将这些信号传输到信号处理模(M2)。
4.根据权利要求2或3述的一种适用于油浸式变压器的早期电弧预警方法,其特征在于:所述信号处理模(M2)包含数字信号处理单元(21)和数据处理单元(22),用于对采集到的数据进行实时处理和分析,传输数据到预警级别评估模块(M3);所述数字信号处理单元(21)接收信号检测模块(M1)传输的数字信号,进行数据滤波和数据校准处理,以及特征识别,并将提取出关键的特征参数传输到数据处理单元(22)进行存储,以备后续的研究和应用;同时,数据处理单元(22)还会接收来自反馈模块(M5)的最新的实际情况反馈数据,同本次提取的特征参数加以分析,以预设最优的警戒阈值。
5.根据权利要求4所述的一种适用于油浸式变压器的早期电弧预警方法,其特征在于:所述数字信号处理单元(21)包含数据滤波、数据校准以及特征识别,以提取出关键的特征参数,所述数据滤波是指对采集到的原始数据进行去噪和平滑处理,以去除可能存在的干扰和噪声,得到更准确、稳定的信号数据;所述数据校准是指对滤波后的信号数据进行校准,使其符合变压器实际工作条件和设定的标准,保证数据的准确性和可靠性;所述特征识别是指通过对校准后的信号进行分析和算法计算,以提取出关键特征参数。
6.根据权利要求4所述的一种适用于油浸式变压器的早期电弧预警方法,其特征在于:所述数据处理单元(22)是信号处理模块(M2)中的一个关键部分,主要负责存储特征参数、分析特征参数和实际情况反馈数据,以及输出预设的最优警戒阈值和特征参数;所述最优警戒阈值是由反馈模块(M5)收集故障实际情况所更新的信息库,同数据处理单元(22)储存的特征参数进行分析,以更新和优化预设的警戒阈值,该值将用于判断变压器是否存在早期电弧风险的标准值。
7.根据权利要求4所述的一种适用于油浸式变压器的早期电弧预警方法,其特征在于:所述预警级别评估模块(M3)通过综合分析电弧故障的能量、电弧故障位置和电弧持续时间等参数,将这些参数与预设的警戒值进行对比;如果电弧故障的特征值超过了设定的警戒值,则预警级别评估模块(M3)将发出相应的预警信号传输到预警显示模块(M4)。
8.根据权利要求7所述的一种适用于油浸式变压器的早期电弧预警方法,其特征在于:所述电弧故障的能量与电流和电压呈正相关关系,将特征参数电流和电压与预设的阈值进行比较,以评估电弧故障的能量;所述电弧故障位置的监测是指通过多个电弧光传感器的布置,实现对电弧位置的准确监测和定位;将特征参数光信号的强度和频率与预设的阈值进行比较,以确定电弧故障位置;所述电弧持续时间的监测是指通过多个振动传感器的布置,实现对电弧持续时间的监测;将特征参数振动频率和振幅与预设的阈值进行比较,以评估电弧持续时间。
9.根据权利要求7所述的一种适用于油浸式变压器的早期电弧预警方法,其特征在于:所述预警显示模块(M4)用于接收预警级别评估模块(M3)传递的预警信号,并通知工作人员;该模块通过显示屏或指示灯等显示装置,将变压器的预警状态以可视化的方式显示给工作人员;通过实时显示预警信息,预警显示模块(M4)方便了信息的传递和沟通,帮助工作人员迅速了解变压器的预警情况;同时,预警显示模块(M4)还可以将相关数据和信息记录和存储,包括预警触发的特征参数和预警级别等信息,传递到反馈模块(M5)。
10.根据权利要求9所述的一种适用于油浸式变压器的早期电弧预警方法,其特征在于:所述反馈模块(M5)接收预警显示模块(M4)记录的预警信息,更新信息库,传递数据信息给数据处理单元(22),以设置预设的警戒阈值,实现双向数据交流,进而确保预警***的准确性和可靠性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310988337.7A CN117074817A (zh) | 2023-08-07 | 2023-08-07 | 一种适用于油浸式变压器的早期电弧预警***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310988337.7A CN117074817A (zh) | 2023-08-07 | 2023-08-07 | 一种适用于油浸式变压器的早期电弧预警***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117074817A true CN117074817A (zh) | 2023-11-17 |
Family
ID=88718646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310988337.7A Pending CN117074817A (zh) | 2023-08-07 | 2023-08-07 | 一种适用于油浸式变压器的早期电弧预警***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117074817A (zh) |
-
2023
- 2023-08-07 CN CN202310988337.7A patent/CN117074817A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110647133B (zh) | 轨道交通设备状态检测维护方法及*** | |
CN113124929A (zh) | 一种变电站多参数信号采集综合分析***和方法 | |
CN108831122B (zh) | 一种基于自适应模型的电力测温预警方法和*** | |
RU2579150C2 (ru) | Система контроля генератора и способ пассивного контроля генератора | |
CN114252749B (zh) | 基于多传感器的变压器局部放电检测方法及装置 | |
CN108418304B (zh) | 变电站二次回路状态监测方法、装置及*** | |
CN103983881A (zh) | 核探测器的故障诊断方法及装置 | |
CN116184265A (zh) | 一种基于多分类svm的避雷器泄漏电流检测方法和*** | |
CN110672996A (zh) | 一种城市电缆多维数据集成带电检测装置 | |
CN114895163A (zh) | 一种基于电缆绝缘性能的电缆巡检定位装置及方法 | |
CN117668751B (zh) | 一种高低压电力***故障诊断方法及装置 | |
CN110596447A (zh) | 一种基于电场测量的带电设备周围安全检测装置及其检测方法 | |
CN117554752A (zh) | 电力电缆故障在线检测***及方法 | |
CN117517877A (zh) | 一种分布式行波在线测量故障定位*** | |
CN113193616A (zh) | 一种用于输电通道监拍设备的健康状态评估方法 | |
CN209673943U (zh) | 变压器局部放电在线监测*** | |
CN117367589A (zh) | 基于ai技术的变电站主设备全天候辅助测温*** | |
CN117074817A (zh) | 一种适用于油浸式变压器的早期电弧预警***及方法 | |
CN116881661A (zh) | 一种基于低压电力电容器的性能自动化分析方法及*** | |
CN114935708A (zh) | 一种线路放电异常的识别方法 | |
CN114264902A (zh) | 一种防雷箱工作状态的监测方法、***、电子设备及存储介质 | |
CN112684293A (zh) | 一种配电***绝缘故障的诊断装置 | |
CN111983295A (zh) | 一种设备故障预测方法及*** | |
CN112067934A (zh) | 一种电气控制屏柜故障监测*** | |
CN220912359U (zh) | 一种变压器综合参数智能在线监测*** |
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 |