CN117214780A - 变压器故障检测方法及装置 - Google Patents
变压器故障检测方法及装置 Download PDFInfo
- Publication number
- CN117214780A CN117214780A CN202311474119.8A CN202311474119A CN117214780A CN 117214780 A CN117214780 A CN 117214780A CN 202311474119 A CN202311474119 A CN 202311474119A CN 117214780 A CN117214780 A CN 117214780A
- Authority
- CN
- China
- Prior art keywords
- transformer
- fault
- detection result
- voiceprint
- current waveform
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 167
- 230000002159 abnormal effect Effects 0.000 claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000010586 diagram Methods 0.000 claims abstract description 33
- 230000005856 abnormality Effects 0.000 claims abstract description 27
- 230000009467 reduction Effects 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 10
- 230000000630 rising effect Effects 0.000 claims description 9
- 230000007547 defect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000009432 framing Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims 2
- 230000008569 process Effects 0.000 description 9
- 238000009413 insulation Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 230000015556 catabolic process Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 238000002679 ablation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 210000003298 dental enamel Anatomy 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Testing Relating To Insulation (AREA)
Abstract
本发明实施例涉及变压器检测技术领域，公开了一种变压器故障检测方法及装置，该方法包括：通过预设的脉冲电流检测模块来获取待检测变压器的实时脉冲电流数据；根据实时脉冲电流数据生成电流波形视频，电流波形视频包括多帧电流波形图；抽取电流波形视频中的电流波形图，并将电流波形图输入至预先构建完成的异常波形识别模型中来进行电流波动的异常检测以得到相应的第一异常检测结果；若第一异常检测结果与设定条件相匹配，则进行变压器故障提醒。本发明实施例中的变压器故障检测方法通过获取电流波形视频并抽取对应的电流波形图，通过对电流波形图进行波形异常检测来确定是否发生突发性脉冲，进而实现变压器预警检测。
Description
技术领域
本发明涉及变压器检测技术领域，具体涉及一种变压器故障检测方法及装置。
背景技术
目前，变压器作为一种常见的电气设备，其利用电磁感应原理，在两个或多个绕组之间传递交流电功率，从而使输入端和输出端电压达到不同要求。变压器在电路中起着至关重要的作用，当变压器发生故障时，就会导致整个电路无法正常工作，甚至会造成重大安全事故。因此，对变压器的运行状态进行实时监测，并及时准确地检测出变压器故障，避免恶性事故的发生，具有十分重要的意义。因此，设计一种能够对变压器进行监测预警的方案成为本领域技术人员亟待解决的技术问题。
发明内容
针对所述缺陷，本发明实施例公开了一种变压器故障检测方法，其能够实现对变压器进行精准的故障预警。
本发明实施例第一方面公开了变压器故障检测方法，包括：
通过预设的脉冲电流检测模块来获取待检测变压器的实时脉冲电流数据；在所述脉冲电流检测电路中设置有电流降噪电路，所述电流降噪电路对获取到的实时脉冲电流数据进行降噪处理；
根据所述实时脉冲电流数据生成电流波形视频，所述电流波形视频包括多帧电流波形图；其中，每一帧电流波形图基于检测到的实时脉冲电流数据而生成的；
抽取所述电流波形视频中的电流波形图，并将所述电流波形图输入至预先构建完成的异常波形识别模型中来进行电流波动的异常检测以得到相应的第一异常检测结果；
若所述第一异常检测结果与设定条件相匹配，则进行变压器故障提醒。
作为一种可选的实施方式，在本发明实施例第一方面中，在所述若所述第一异常检测结果与设定条件相匹配之后，还包括：
获取与所述电流波形图前后相邻的两帧波形图像，并将前后相邻的两帧波形图像输入至异常波形识别模型进行获取第二异常检测结果；
若所述第二异常检测结果也与设定条件相匹配，则进行变压器故障提醒。
作为一种可选的实施方式，在本发明实施例第一方面中，所述抽取所述电流波形视频中的电流波形图，包括：
每隔一秒对所述电流波形视频进行一次图像抽取以获取相应时间段内的电流波形图；
在所述将所述电流波形图输入至预先构建完成的异常波形识别模型中来进行电流波动的异常检测以得到相应的第一异常检测结果之后，还包括：
获取与所述第一异常检测结果关联的第一时间信息，并将所述第一时间信息、第一异常检测结果与相应的变压器信息进行数据关联；
当检测到相应变压器出现第一异常检测结果的次数超过设定次数时，则执行下一步；
获取与所述第一异常检测结果的关联第一时间信息集，根据所述第一时间信息集来确定异常检测结果出现的趋势信息，其中，所述趋势信息用于表征偶发性脉冲出现的次数信息或者所述趋势信息用于表征出现局部放电的故障时间信息；
根据所述故障时间信息来进行信息提醒。
作为一种可选的实施方式，在本发明实施例第一方面中，在所述若所述第一异常检测结果与设定条件相匹配之后，还包括：
通过设置于变压器处的声音传感器获取所述变压器处的变压器声纹信号；
对所述变压器声纹信号进行特征识别以获取所述变压器声纹信号中的上升沿处信号和下降沿处信号，依照设定幅度对变压器声纹信号中的上升沿处信号和下降沿处信号进行幅度提升以到待降噪声纹信号；
根据变压器所处位置信息来确定变压器的噪声状态信息，根据所述噪声状态信息来确定相应的声纹降噪模型，并基于所述声纹降噪模型对所述待降噪声纹信号进行降噪处理以得到降噪声纹信息；
通过分帧加窗操作将连续不平稳的降噪声纹信息分为多段短时声纹信号；并采用快速傅里叶变换将经过预处理后的多段短时声纹信号转换为线性频谱信号；
采用梅尔频率倒谱系数对所述线性频谱信号进行特征提取以得到声纹特征信号；
通过异常检测算法来对所述声纹特征进行识别以得到相应的声纹检测结果。
作为一种可选的实施方式，在本发明实施例第一方面中，所述通过异常检测算法来对所述声纹特征进行识别以得到相应的声纹检测结果，包括：
采用深度置信网络来对声纹特征进行进一步特征提取以得到深度声纹特征，所述深度置信网络由三层受限玻尔兹曼机构成；在所述深度置信网络中对批尺寸和学习率两个超参数来进行优化；
将所述深度声纹特征输入至支持向量机算法中来进行缺陷识别以确定相应的声纹检测结果。
作为一种可选的实施方式，在本发明实施例第一方面中，所述故障检测方法，还包括：
获取待检测变压器的各个采集时刻的不同种类的参数值，所述参数值至少包括电信号值和气体信号值；所述气体信号值为第一气体值、第二气体值、第三气体值、第四气体值和第五气体值；
根据所述第一气体值、第二气体值、第三气体值、第四气体值和第五气体值构建第一故障参数、第二故障参数和第三故障参数；其中，所述第一故障参数为第三气体参数和第四气体参数的比值，所述第二故障参数为第二气体参数和第一气体参数的比值，第三故障参数为第四气体参数和第五气体参数的比值；
根据所述第一故障参数、第二故障参数、第三故障参数、电信号值、变压器故障表以及故障匹配模型来确定相应的故障概率数据；所述故障匹配模型包括：
，
其中，为第一故障参数、第二故障参数、第三故障参数或电信号值，/>为相应故障下的/>的取值范围，/>为/>到区间/>的距离，/>为相应故障下的历史区间范围，/>为/>到区间/>的距离，/>表示变压器故障概率；
根据所述故障概率数据来确定待检测变压器的故障类型和故障概率曲线。
作为一种可选的实施方式，在本发明实施例第一方面中，所述若所述第一异常检测结果与设定条件相匹配，则进行变压器故障提醒，包括：
若所述第一异常检测结果为呈集束密集的第一放电特征，则确定所述第一放电特征与第一预设条件匹配，进行
所述第一异常检测结果为呈拖尾效果的第二放电特征，则确定所述第二放电特征与第二预设条件匹配。
本发明实施例第二方面公开一种变压器故障检测装置，包括：
获取模块：用于通过预设的脉冲电流检测模块来获取待检测变压器的实时脉冲电流数据；在所述脉冲电流检测电路中设置有电流降噪电路，所述电流降噪电路对获取到的实时脉冲电流数据进行降噪处理；
视频生成模块：用于根据所述实时脉冲电流数据生成电流波形视频，所述电流波形视频包括多帧电流波形图；其中，每一帧电流波形图基于检测到的实时脉冲电流数据而生成的；
波形检测模块：用于抽取所述电流波形视频中的电流波形图，并将所述电流波形图输入至预先构建完成的异常波形识别模型中来进行电流波动的异常检测以得到相应的第一异常检测结果；
故障预警模块：用于若所述第一异常检测结果与设定条件相匹配，则进行变压器故障提醒。
本发明实施例第三方面公开一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行本发明实施例第一方面公开的变压器故障检测方法。
本发明实施例第四方面公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本发明实施例第一方面公开的变压器故障检测方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中的变压器故障检测方法通过获取电流波形视频并抽取对应的电流波形图，通过对电流波形图进行波形异常检测来确定是否发生突发性脉冲，进而实现变压器预警检测，通过上述方式大大降低了变压器发生故障的可能性，保证变压器使用的安全性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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的附图。
图1是本发明实施例公开的变压器故障检测方法的流程示意图；
图2是本发明实施例公开的进行波形异常检测的流程示意图；
图3是本发明实施例公开的进行声纹检测的流程示意图；
图4是本发明实施例公开的进行辅助故障检测的流程示意图；
图5是本发明实施例提供的一种变压器故障检测装置的结构示意图；
图6是本发明实施例提供的一种电子设备的结构示意图。
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，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”、“第四”等是用于区别不同的对象，而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及其任何变形，意图在于覆盖不排他的包含，示例性地，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
目前，常用的方法包括：红外扫描技术、超声波检测技术、电磁传感技术等。这些技术的应用可以快速、准确地识别局部放电缺陷，及时采取维修措施，保障设备的运行可靠性和安全性。变压器局部放电的形成原因有多种，其中包括材料破损、接头松动、空气内含杂质、绝缘涂层老化等。因此，如何有效地检测和诊断变压器局部放电一直是电力***工程师们极为关注的课题。基于此，本发明实施例公开了变压器故障检测方法、装置、电子设备及存储介质，其通过获取电流波形视频并抽取对应的电流波形图，通过对电流波形图进行波形异常检测来确定是否发生突发性脉冲，进而实现变压器预警检测，通过上述方式大大降低了变压器发生故障的可能性，保证变压器使用的安全性。
实施例一
请参阅图1，图1是本发明实施例公开的变压器故障检测方法的流程示意图。其中，本发明实施例所描述的方法的执行主体为由软件或/和硬件组成的执行主体，该执行主体可以通过有线或/和无线方式接收相关信息，并可以发送一定的指令。当然，其还可以具有一定的处理功能和存储功能。该执行主体可以控制多个设备，例如远程的物理服务器或云服务器以及相关软件，也可以是对某处安置的设备进行相关操作的本地主机或服务器以及相关软件等。在一些场景中，还可以控制多个存储设备，存储设备可以与设备放置于同一地方或不同地方。如图1所示，该基于变压器故障检测方法包括以下步骤：
S101：通过预设的脉冲电流检测模块来获取待检测变压器的实时脉冲电流数据；在所述脉冲电流检测电路中设置有电流降噪电路，所述电流降噪电路对获取到的实时脉冲电流数据进行降噪处理；
S102：根据所述实时脉冲电流数据生成电流波形视频，所述电流波形视频包括多帧电流波形图；其中，每一帧电流波形图基于检测到的实时脉冲电流数据而生成的；
S103：抽取所述电流波形视频中的电流波形图，并将所述电流波形图输入至预先构建完成的异常波形识别模型中来进行电流波动的异常检测以得到相应的第一异常检测结果；
S104：若所述第一异常检测结果与设定条件相匹配，则进行变压器故障提醒。
一般的针对已经发生放电情况的时候，对于变压器供电来说已经是处于一种相对危险的境地；所以在进行监测的时候，如何选定合适的指标来对快要出现放电的状态来进行检测。在实际监测过程中，发现在发生放电击穿前，会出现一些异常的突发性脉冲，由于异常的突发性脉冲放电量较低，突发性脉冲持续时间又较短，所以在实际过程中很难通过肉眼来进行观察得到，故而在本发明实施例中，由于发现突发性脉冲的存在，所以能够想到对应到特定的波形也会产生明显的差异，故而来对突发性的脉冲波形来进行监测。突发性的放电脉冲指的是设备绝缘内部已发生明显的放电，显示出来的是突发性脉冲，一般的在发生突发性脉冲自后，绝缘缺陷都有可能会进一步加大，进而发生后续更加严重的结果，比如出现击穿等。
并且在发生局部放电的时候，如果不及时介入也会产生更加严重的后果。局部放电是指在绝缘介质中存在的局部电击穿现象。当高电压作用于变压器绕组的绝缘上，会出现电场集中的情况，导致绝缘介质的局部放电。如果不及时处理，局部放电会导致绝缘老化、材料烧蚀，最终可能导致绝缘击穿，从而引起设备故障、甚至***，对电力***的正常运行会产生重大影响。
在本发明实施例中，通过对电流波形图来进行直接检测能够大大提升整体检测效率，因为电流波形在常规情况下是处于较为规整的状态；只有在异常的时候，才会出现一些波动；所以在进行实施的时候，可以有两种方式来进行监测，一种是对正常波形来进行模型构建，只有在符合常规波形的时候，不进行报警，另外一种是对异常波形来进行检测，在也即是在出现异常的时候来进行监测。在本发明实施例中更为优选的是对正常波形来进行检测，因为正常波形相对特征比较集聚能够更好的得到更加标准的模型，能够实现更加精准的预测。
更为优选的，在所述若所述第一异常检测结果与设定条件相匹配之后，还包括：
获取与所述电流波形图前后相邻的两帧波形图像，并将前后相邻的两帧波形图像输入至异常波形识别模型进行获取第二异常检测结果；
若所述第二异常检测结果也与设定条件相匹配，则进行变压器故障提醒。
在实际实施过程中，为了进行更加准确的预测，可以对电流波形图前后两帧图形来进行进一步的识别，因为虽然波形异常出现的时间较短，但是对于一秒20帧的视频来说，也是相对较长的，所以在进行具体实施的时候，可以对前后相邻的两帧波形图形来进行进一步的检测进而来实现辅助判断。
更为优选的，所述抽取所述电流波形视频中的电流波形图，包括：
每隔一秒对所述电流波形视频进行一次图像抽取以获取相应时间段内的电流波形图；
由于异常波形出现的时间较短，所以在进行具体实施的时候一般都是抽取视频间隔一秒的图像来进行识别，这样才能够最大程度的时间波形异常检测，避免出现漏检的可能性。
图2是本发明实施例公开的进行波形异常检测的流程示意图，如图2所示，在所述将所述电流波形图输入至预先构建完成的异常波形识别模型中来进行电流波动的异常检测以得到相应的第一异常检测结果之后，还包括：
S1031：获取与所述第一异常检测结果关联的第一时间信息，并将所述第一时间信息、第一异常检测结果与相应的变压器信息进行数据关联；
S1032：当检测到相应变压器出现第一异常检测结果的次数超过设定次数时，则执行下一步；
S1033：获取与所述第一异常检测结果的关联第一时间信息集，根据所述第一时间信息集来确定异常检测结果出现的趋势信息，其中，所述趋势信息用于表征偶发性脉冲出现的次数信息或者所述趋势信息用于表征出现局部放电的故障时间信息；
S1034：根据所述故障时间信息来进行信息提醒。
有时候对于工作人员来说，若是第一次检测到出现异常波形，也有可能是其他状态的异常，为了最大化合理利用维修人员；故而在进行具体实施的时候需要对出现异常一段时间内来进行检测，因为绝缘层算坏，其一般是不可逆的，所以表现在检测结果上，就是出现异常的次数越来越多；在进行设定的时候，若检测到其上升趋势明显，则尽快进行预警。
更为优选的，图3是本发明实施例公开的进行声纹检测的流程示意图，如图3所示，在所述若所述第一异常检测结果与设定条件相匹配之后，还包括：
S1051：通过设置于变压器处的声音传感器获取所述变压器处的变压器声纹信号；
S1052：对所述变压器声纹信号进行特征识别以获取所述变压器声纹信号中的上升沿处信号和下降沿处信号，依照设定幅度对变压器声纹信号中的上升沿处信号和下降沿处信号进行幅度提升以到待降噪声纹信号；
S1053：根据变压器所处位置信息来确定变压器的噪声状态信息，根据所述噪声状态信息来确定相应的声纹降噪模型，并基于所述声纹降噪模型对所述待降噪声纹信号进行降噪处理以得到降噪声纹信息；
S1054：通过分帧加窗操作将连续不平稳的降噪声纹信息分为多段短时声纹信号；并采用快速傅里叶变换将经过预处理后的多段短时声纹信号转换为线性频谱信号；
S1055：采用梅尔频率倒谱系数对所述线性频谱信号进行特征提取以得到声纹特征信号；
S1056：通过异常检测算法来对所述声纹特征进行识别以得到相应的声纹检测结果。
变压器在运行的时候是会发出声音的，而专业一些的人则是会知道，这种嗡嗡的声音是由于交变磁通引起铁芯振动从而发出的声音，一般来说，声音的大小和附加在变压器上的电压和电流是成正比的。在正常的情况下，这种声音是连续均匀的声响，这样的情况是变压器正常运行时所发出，对变压器的运行并不会有所影响，也并不代表着变压器本身出现了问题。
产生异响的另一方面来自于外部因素。1.电网出现过电压情况。一般来说，电网发生单相接地或电磁共振等情况时会引发过电压，所造成的声音会比平时尖锐。2.电网出现过电流情况，一般由过负荷、大动力负荷、穿越性短路等情况引起。以上两种情况的发生一般都会和指示仪表（电压表或电流表）的指示同事发生异常，比较容易分辨。3.变压器过载运行。负荷变化大，又因谐波作用，变压器内会发出“高音调、大音量”的异响，指示仪表指针会发生摆动。4.变压器局部放电。当变压器的跌落式熔断器或分接开关接触不良时，局部发热也会引起异响声；当变压器的变压套管出现脏污，表变的釉质脱落或者存在裂缝，也会听到类似“嘶嘶”的异响。5.天气原因。在大雾天气、雪天等特殊天气时，套管处可能出现电晕放电活辉光放电的现象，夜间还可能看见蓝色的小火花，这种情况也可能会造成异响。
所以在进行具体实施的时候不单单可以使用图像，还是与声音一起来结合进行相应的检测，在进行具体实施的时候，通过该声音结果与图像检测结果进行组合判断能够使得最终异常检测结果的准确率更高。
本步骤主要是对声纹信号进行处理，由于在信号传输线表现出来的是低通滤波特性，传输过程中信号的高频成分衰减大，低频成分衰减少。通过在传输线的始端增强信号的高频成分，以补偿高频分量在传输过程中的过大衰减。且知晓信号频率的高低主要是由信号电平变化的速度决定的，所以信号的高频分量主要出现在信号的上升沿和下降沿处，本发明实施例的方式就是增强信号上升沿和下降沿处的幅度来达到一定的降噪目的。最终能够使得声音检测结果的准确性更高。
更为优选的，所述通过异常检测算法来对所述声纹特征进行识别以得到相应的声纹检测结果，包括：
采用深度置信网络来对声纹特征进行进一步特征提取以得到深度声纹特征，所述深度置信网络由三层受限玻尔兹曼机构成；在所述深度置信网络中对批尺寸和学习率两个超参数来进行优化；
将所述深度声纹特征输入至支持向量机算法中来进行缺陷识别以确定相应的声纹检测结果。
在本发明实施例中通过设置深度置信网络来进行声纹特征的进一步提取，相对于现有的BPN模型而说，其网络层次更深，能够充分挖掘深层次的声纹特征，最终使得整体的检测结果更加的准确。
更为优选的，图4是本发明实施例公开的进行辅助故障检测的流程示意图，如图4所示，所述故障检测方法，还包括：
S1061：获取待检测变压器的各个采集时刻的不同种类的参数值，所述参数值至少包括电信号值和气体信号值；所述气体信号值为第一气体值、第二气体值、第三气体值、第四气体值和第五气体值；
S1062：根据所述第一气体值、第二气体值、第三气体值、第四气体值和第五气体值构建第一故障参数、第二故障参数和第三故障参数；其中，所述第一故障参数为第三气体参数和第四气体参数的比值，所述第二故障参数为第二气体参数和第一气体参数的比值，第三故障参数为第四气体参数和第五气体参数的比值；
S1063：根据所述第一故障参数、第二故障参数、第三故障参数、电信号值、变压器故障表以及故障匹配模型来确定相应的故障概率数据；所述故障匹配模型包括：
，
其中，为第一故障参数、第二故障参数、第三故障参数或电信号值，/>为相应故障下的/>的取值范围，/>为/>到区间/>的距离，/>为相应故障下的历史区间范围，/>为/>到区间/>的距离，/>表示变压器故障概率；
S1064：根据所述故障概率数据来确定待检测变压器的故障类型和故障概率曲线。
通过上述方式能够实现更加精准的设备故障类型检测，并将得到的检测结果与图形检测结果和声纹检测结果匹配，这样能够提供更加多样的信息便于后续进行更深入的设备运行监测。上述故障类型检测相对于一般的支持向量机和卷积神经网络检测到的结果而言准确率更高。
更为优选的，所述若所述第一异常检测结果与设定条件相匹配，则进行变压器故障提醒，包括：
若所述第一异常检测结果为呈集束密集的第一放电特征，则确定所述第一放电特征与第一预设条件匹配，进行
所述第一异常检测结果为呈拖尾效果的第二放电特征，则确定所述第二放电特征与第二预设条件匹配。
在本发明实施例中放电脉冲有一些特定的形状特征，不同形状对应的故障也不同，脉冲形状呈集束密集特征或震荡拖尾，可能是涉及纸绝缘的较复杂或严重的放电特征，也是通常外部干扰脉冲所不具备的一旦出现“集束”或重叠的脉冲信号，则需要更加注意，因为其很可能是绝缘件已经开始发生沿面放电。
在本发明实施例中，所述故障检测方法，还包括：
获取待检测变压器的各个采集时间的电流检测信息、温度检测信息和振动信息；
根据各个采集时间的电流检测信息的分布差异，确定各个采集时间中的待确定采集时间，对待确定采集时间进行分组，获取至少两个待确定采集时间组；
根据待确定采集时间组中各个采集时间对应的同一种参数值的分布差异，确定待确定采集时间组对应的异常置信度指标；
根据异常置信度指标，确定待确定采集时间组中的目标待确定采集时间组，并根据目标待确定采集时间组中各个采集时间的参数值，确定目标待确定采集时间组对应的任意两种不同参数值之间的相关指标值；
根据目标待确定采集时间组对应的任意两种不同参数值之间的相关指标值，确定目标待确定采集时间组对应每种参数值的影响因子；
根据每个采集时间的不同种类的参数值，构造每个采集时间对应的样本点，并根据目标待确定采集时间组对应每种参数值的影响因子以及样本点对应采集时间的不同种类的参数值，确定任意两个不同样本点之间的度量距离；
根据度量距离，进行离群样本点检测，从而确定变压器是否出现故障。
通过获取更多的参数值来辅助进行变压器的故障判断，能够使得最终结果更加的精准，在进行具体的特征构建的时候，也是将电信号数值、温度数值和振动信息进行综合判断来确定变压器是否出现故障，更为优选的，在进行具体实施的时候，还可以将波形图检测结果、声音检测结果等做一个信息综合，共同构建形成变压器的检测信号组。
本发明实施例中的变压器故障检测方法通过获取电流波形视频并抽取对应的电流波形图，通过对电流波形图进行波形异常检测来确定是否发生突发性脉冲，进而实现变压器预警检测，通过上述方式大大降低了变压器发生故障的可能性，保证变压器使用的安全性。
实施例二
请参阅图5，图5是本发明实施例公开的变压器故障检测装置的结构示意图。如图5所示，该变压器故障检测装置可以包括：
获取模块21：用于通过预设的脉冲电流检测模块来获取待检测变压器的实时脉冲电流数据；在所述脉冲电流检测电路中设置有电流降噪电路，所述电流降噪电路对获取到的实时脉冲电流数据进行降噪处理；
视频生成模块22：用于根据所述实时脉冲电流数据生成电流波形视频，所述电流波形视频包括多帧电流波形图；其中，每一帧电流波形图基于检测到的实时脉冲电流数据而生成的；
波形检测模块23：用于抽取所述电流波形视频中的电流波形图，并将所述电流波形图输入至预先构建完成的异常波形识别模型中来进行电流波动的异常检测以得到相应的第一异常检测结果；
故障预警模块24：用于若所述第一异常检测结果与设定条件相匹配，则进行变压器故障提醒。
本发明实施例中的变压器故障检测方法通过获取电流波形视频并抽取对应的电流波形图，通过对电流波形图进行波形异常检测来确定是否发生突发性脉冲，进而实现变压器预警检测，通过上述方式大大降低了变压器发生故障的可能性，保证变压器使用的安全性。
实施例三
请参阅图6，图6是本发明实施例公开的一种电子设备的结构示意图。电子设备可以是计算机以及服务器等，当然，在一定情况下，还可以是手机、平板电脑以及监控终端等智能设备，以及具有处理功能的图像采集装置。如图6所示，该电子设备可以包括：
存储有可执行程序代码的存储器510；
与存储器510耦合的处理器520；
其中，处理器520调用存储器510中存储的可执行程序代码，执行实施例一中的变压器故障检测方法中的部分或全部步骤。
本发明实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行实施例一中的变压器故障检测方法中的部分或全部步骤。
本发明实施例还公开一种计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行实施例一中的变压器故障检测方法中的部分或全部步骤。
本发明实施例还公开一种应用发布平台，其中，应用发布平台用于发布计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行实施例一中的变压器故障检测方法中的部分或全部步骤。
在本发明的各种实施例中，应理解，所述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
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单元，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元若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获取的存储器中。基于这样的理解，本发明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全部或者部分，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存储器中，包括若干请求用以使得一台计算机设备（可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器）执行本发明的各个实施例所述方法的部分或全部步骤。
在本发明所提供的实施例中，应理解，“与A对应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。
本领域普通技术人员可以理解所述实施例的各种方法中的部分或全部步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器（Read-Only Memory，ROM）、随机存储器（Random Access Memory，RAM）、可编程只读存储器（Programmable Read-only Memory，PROM）、可擦除可编程只读存储器（Erasable Programmable Read-Only Memory，EPROM）、一次可编程只读存储器（One-time Programmable Read-Only Memory，OTPROM）、电子抹除式可复写只读存储器（Electrically-Erasable Programmable Read-Only Memory，EEPROM）、只读光盘（CompactDisc Read-Only Memory，CD-ROM）或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的变压器故障检测方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种变压器故障检测方法，其特征在于，包括：
通过预设的脉冲电流检测模块来获取待检测变压器的实时脉冲电流数据；在所述脉冲电流检测电路中设置有电流降噪电路，所述电流降噪电路对获取到的实时脉冲电流数据进行降噪处理；
根据所述实时脉冲电流数据生成电流波形视频，所述电流波形视频包括多帧电流波形图；其中，每一帧电流波形图基于检测到的实时脉冲电流数据而生成的；
每隔一秒对所述电流波形视频进行一次图像抽取以获取相应时间段内的电流波形图，并将所述电流波形图输入至预先构建完成的异常波形识别模型中来进行电流波动的异常检测以得到相应的第一异常检测结果；
获取与所述第一异常检测结果关联的第一时间信息，并将所述第一时间信息、第一异常检测结果与相应的变压器信息进行数据关联；
当检测到相应变压器出现第一异常检测结果的次数超过设定次数时，则执行下一步；
获取与所述第一异常检测结果的关联第一时间信息集，根据所述第一时间信息集来确定异常检测结果出现的趋势信息，其中，所述趋势信息用于表征偶发性脉冲出现的次数信息或者所述趋势信息用于表征出现局部放电的故障时间信息；
根据所述故障时间信息来进行信息提醒；
若所述第一异常检测结果与设定条件相匹配，则进行变压器故障提醒。
2.如权利要求1所述的变压器故障检测方法，其特征在于，在所述若所述第一异常检测结果与设定条件相匹配之后，还包括：
获取与所述电流波形图前后相邻的两帧波形图像，并将前后相邻的两帧波形图像输入至异常波形识别模型进行获取第二异常检测结果；
若所述第二异常检测结果也与设定条件相匹配，则进行变压器故障提醒。
3.如权利要求1所述的变压器故障检测方法，其特征在于，在所述若所述第一异常检测结果与设定条件相匹配之后，还包括：
通过设置于变压器处的声音传感器获取所述变压器处的变压器声纹信号；
对所述变压器声纹信号进行特征识别以获取所述变压器声纹信号中的上升沿处信号和下降沿处信号，依照设定幅度对变压器声纹信号中的上升沿处信号和下降沿处信号进行幅度提升以到待降噪声纹信号；
根据变压器所处位置信息来确定变压器的噪声状态信息，根据所述噪声状态信息来确定相应的声纹降噪模型，并基于所述声纹降噪模型对所述待降噪声纹信号进行降噪处理以得到降噪声纹信息；
通过分帧加窗操作将连续不平稳的降噪声纹信息分为多段短时声纹信号；并采用快速傅里叶变换将经过预处理后的多段短时声纹信号转换为线性频谱信号；
采用梅尔频率倒谱系数对所述线性频谱信号进行特征提取以得到声纹特征信号；
通过异常检测算法来对所述声纹特征进行识别以得到相应的声纹检测结果。
4.如权利要求3所述的变压器故障检测方法，其特征在于，所述通过异常检测算法来对所述声纹特征进行识别以得到相应的声纹检测结果，包括：
采用深度置信网络来对声纹特征进行进一步特征提取以得到深度声纹特征，所述深度置信网络由三层受限玻尔兹曼机构成；在所述深度置信网络中对批尺寸和学习率两个超参数来进行优化；
将所述深度声纹特征输入至支持向量机算法中来进行缺陷识别以确定相应的声纹检测结果。
5.如权利要求1所述的变压器故障检测方法，其特征在于，所述故障检测方法，还包括：
获取待检测变压器的各个采集时刻的不同种类的参数值，所述参数值至少包括电信号值和气体信号值；所述气体信号值为第一气体值、第二气体值、第三气体值、第四气体值和第五气体值；
根据所述第一气体值、第二气体值、第三气体值、第四气体值和第五气体值构建第一故障参数、第二故障参数和第三故障参数；其中，所述第一故障参数为第三气体参数和第四气体参数的比值，所述第二故障参数为第二气体参数和第一气体参数的比值，第三故障参数为第四气体参数和第五气体参数的比值；
根据所述第一故障参数、第二故障参数、第三故障参数、电信号值、变压器故障表以及逻辑隶属度模型来确定相应的概率分配函数；所述逻辑隶属度模型包括：
，
其中，为第一故障参数、第二故障参数、第三故障参数或电信号值，/>为相应故障下的的取值范围，/>为/>到区间/>的距离，/>为相应故障下的历史区间范围，/>为/>到区间/>的距离，/>表示变压器故障概率；
根据所述概率分配函数来确定待检测变压器的故障类型和故障概率曲线。
6.如权利要求1-5中任意一项所述的变压器故障检测方法，其特征在于，所述若所述第一异常检测结果与设定条件相匹配，则进行变压器故障提醒，包括：
若所述第一异常检测结果为呈集束密集的第一放电特征，则确定所述第一放电特征与第一预设条件匹配，进行
所述第一异常检测结果为呈拖尾效果的第二放电特征，则确定所述第二放电特征与第二预设条件匹配。
7.一种变压器故障检测装置，其特征在于，包括：
获取模块：用于通过预设的脉冲电流检测模块来获取待检测变压器的实时脉冲电流数据；在所述脉冲电流检测电路中设置有电流降噪电路，所述电流降噪电路对获取到的实时脉冲电流数据进行降噪处理；
视频生成模块：用于根据所述实时脉冲电流数据生成电流波形视频，所述电流波形视频包括多帧电流波形图；其中，每一帧电流波形图基于检测到的实时脉冲电流数据而生成的；
波形检测模块：用于每隔一秒对所述电流波形视频进行一次图像抽取以获取相应时间段内的电流波形图，并将所述电流波形图输入至预先构建完成的异常波形识别模型中来进行电流波动的异常检测以得到相应的第一异常检测结果；
获取与所述第一异常检测结果关联的第一时间信息，并将所述第一时间信息、第一异常检测结果与相应的变压器信息进行数据关联；
当检测到相应变压器出现第一异常检测结果的次数超过设定次数时，则执行下一步；
获取与所述第一异常检测结果的关联第一时间信息集，根据所述第一时间信息集来确定异常检测结果出现的趋势信息，其中，所述趋势信息用于表征偶发性脉冲出现的次数信息或者所述趋势信息用于表征出现局部放电的故障时间信息；
根据所述故障时间信息来进行信息提醒；
故障预警模块：用于若所述第一异常检测结果与设定条件相匹配，则进行变压器故障提醒。
8.一种电子设备，其特征在于，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行权利要求1至6任一项所述的变压器故障检测方法。
9.一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存储计算机程序，其中，所述计算机程序使得计算机执行权利要求1至6任一项所述的变压器故障检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311474119.8A CN117214780B (zh) | 2023-11-08 | 2023-11-08 | 变压器故障检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311474119.8A CN117214780B (zh) | 2023-11-08 | 2023-11-08 | 变压器故障检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117214780A true CN117214780A (zh) | 2023-12-12 |
| CN117214780B CN117214780B (zh) | 2024-02-02 |
Family
ID=89051469
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311474119.8A Active CN117214780B (zh) | 2023-11-08 | 2023-11-08 | 变压器故障检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117214780B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117909911A (zh) * | 2024-03-19 | 2024-04-19 | 江苏征途电气科技有限公司 | 基于人工智能的电气设备局部放电异常检测方法 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NL7117870A (zh) * | 1970-12-28 | 1972-06-30 | ||
| JP2002330306A (ja) * | 2001-05-01 | 2002-11-15 | Mitsubishi Electric Corp | フライバックトランス異常検知回路 |
| US20030019932A1 (en) * | 1998-03-24 | 2003-01-30 | Tsikos Constantine J. | Method of speckle-noise pattern reduction and apparatus therefor based on reducing the temporal-coherence of the planar laser illumination beam before it illuminates the target object by applying temporal frequency modulation techniques during the transmission of the PLIB towards the target |
| CN102854445A (zh) * | 2012-10-18 | 2013-01-02 | 上海市电力公司 | 一种局部放电脉冲电流的波形特征提取方法 |
| KR20130017611A (ko) * | 2011-08-11 | 2013-02-20 | (주) 예스텔레콤 | 아크 펄스 타이밍을 이용한 아크 결함 검출 장치 |
| JP2014062775A (ja) * | 2012-09-20 | 2014-04-10 | Rion Co Ltd | 振動監視システム及び環境監視システム |
| CN104020398A (zh) * | 2014-06-03 | 2014-09-03 | 华北电力大学 | 一种换流变压器局部放电波形特征提取方法 |
| CN106267560A (zh) * | 2016-09-30 | 2017-01-04 | 深圳硅基仿生科技有限公司 | 用于神经刺激的脉冲电流产生电路及人工视网膜*** |
| US10132875B1 (en) * | 2013-04-25 | 2018-11-20 | Power Control Systems, Inc. | Device and method for open phase detection |
| CN110346685A (zh) * | 2019-07-16 | 2019-10-18 | 杭州核诺瓦科技有限公司 | 大型电机定子绕组匝间状态检测的装置及方法 |
| CN111830438A (zh) * | 2019-04-19 | 2020-10-27 | 宁波奥克斯高科技有限公司 | 一种变压器故障检测方法及变压器 |
| CN112206415A (zh) * | 2020-09-04 | 2021-01-12 | 未来穿戴技术有限公司 | 脉冲信号的处理电路、方法及中高频电刺激装置 |
| KR20210044561A (ko) * | 2019-10-15 | 2021-04-23 | 한국전력공사 | 지능형 전력 변환 장치 및 방법 |
| CN113655318A (zh) * | 2021-08-18 | 2021-11-16 | 中车青岛四方车辆研究所有限公司 | Llc谐振异常的检测装置及方法 |
| KR102329199B1 (ko) * | 2021-09-08 | 2021-11-18 | 양전관 | 변류기 계측선로 안전이상 검출시스템 |
| CN114166852A (zh) * | 2021-12-06 | 2022-03-11 | 国网宁夏电力有限公司超高压公司 | 基于多光谱检测的平波电抗器在线监测方法及*** |
| CN216411535U (zh) * | 2021-09-23 | 2022-04-29 | 国网浙江新昌县供电有限公司 | 分布式部署的便携式电流互感器极性检测设备 |
| CN116027161A (zh) * | 2023-03-16 | 2023-04-28 | 武汉纺织大学 | 电力设备局部放电脉冲信号监测方法、装置、设备及介质 |
| CN116593811A (zh) * | 2023-07-17 | 2023-08-15 | 南京欧陆电气股份有限公司 | 一种集成型变频器运行状态监测***及监测方法 |
-
2023
- 2023-11-08 CN CN202311474119.8A patent/CN117214780B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NL7117870A (zh) * | 1970-12-28 | 1972-06-30 | ||
| US20030019932A1 (en) * | 1998-03-24 | 2003-01-30 | Tsikos Constantine J. | Method of speckle-noise pattern reduction and apparatus therefor based on reducing the temporal-coherence of the planar laser illumination beam before it illuminates the target object by applying temporal frequency modulation techniques during the transmission of the PLIB towards the target |
| JP2002330306A (ja) * | 2001-05-01 | 2002-11-15 | Mitsubishi Electric Corp | フライバックトランス異常検知回路 |
| KR20130017611A (ko) * | 2011-08-11 | 2013-02-20 | (주) 예스텔레콤 | 아크 펄스 타이밍을 이용한 아크 결함 검출 장치 |
| JP2014062775A (ja) * | 2012-09-20 | 2014-04-10 | Rion Co Ltd | 振動監視システム及び環境監視システム |
| CN102854445A (zh) * | 2012-10-18 | 2013-01-02 | 上海市电力公司 | 一种局部放电脉冲电流的波形特征提取方法 |
| US10132875B1 (en) * | 2013-04-25 | 2018-11-20 | Power Control Systems, Inc. | Device and method for open phase detection |
| CN104020398A (zh) * | 2014-06-03 | 2014-09-03 | 华北电力大学 | 一种换流变压器局部放电波形特征提取方法 |
| CN106267560A (zh) * | 2016-09-30 | 2017-01-04 | 深圳硅基仿生科技有限公司 | 用于神经刺激的脉冲电流产生电路及人工视网膜*** |
| CN111830438A (zh) * | 2019-04-19 | 2020-10-27 | 宁波奥克斯高科技有限公司 | 一种变压器故障检测方法及变压器 |
| CN110346685A (zh) * | 2019-07-16 | 2019-10-18 | 杭州核诺瓦科技有限公司 | 大型电机定子绕组匝间状态检测的装置及方法 |
| KR20210044561A (ko) * | 2019-10-15 | 2021-04-23 | 한국전력공사 | 지능형 전력 변환 장치 및 방법 |
| CN112206415A (zh) * | 2020-09-04 | 2021-01-12 | 未来穿戴技术有限公司 | 脉冲信号的处理电路、方法及中高频电刺激装置 |
| CN113655318A (zh) * | 2021-08-18 | 2021-11-16 | 中车青岛四方车辆研究所有限公司 | Llc谐振异常的检测装置及方法 |
| KR102329199B1 (ko) * | 2021-09-08 | 2021-11-18 | 양전관 | 변류기 계측선로 안전이상 검출시스템 |
| CN216411535U (zh) * | 2021-09-23 | 2022-04-29 | 国网浙江新昌县供电有限公司 | 分布式部署的便携式电流互感器极性检测设备 |
| CN114166852A (zh) * | 2021-12-06 | 2022-03-11 | 国网宁夏电力有限公司超高压公司 | 基于多光谱检测的平波电抗器在线监测方法及*** |
| CN116027161A (zh) * | 2023-03-16 | 2023-04-28 | 武汉纺织大学 | 电力设备局部放电脉冲信号监测方法、装置、设备及介质 |
| CN116593811A (zh) * | 2023-07-17 | 2023-08-15 | 南京欧陆电气股份有限公司 | 一种集成型变频器运行状态监测***及监测方法 |
Non-Patent Citations (2)
| Title |
|---|
| MINGJUN LIU等: "Remote fault diagnosis system for power transformer insulation based on RIA model", 《2016 IEEE INTERNATIONAL CONFERENCE ON HIGH VOLTAGE ENGINEERING AND APPLICATION (ICHVE)》 * |
| 刘嘉林等: "电力变压器局部放电带电检测及定位技术综述", 《绝缘材料》, vol. 48, no. 8 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117909911A (zh) * | 2024-03-19 | 2024-04-19 | 江苏征途电气科技有限公司 | 基于人工智能的电气设备局部放电异常检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117214780B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117214780B (zh) | 变压器故障检测方法及装置 | |
| James et al. | Development of computer-based measurements and their application to PD pattern analysis | |
| JP5530594B2 (ja) | 少なくとも１つの電気ケーブル上のアーク現象を検出する方法及び装置 | |
| CN104614608B (zh) | 一种低压并联电弧故障检测装置及方法 | |
| CN104061851A (zh) | 基于过电压响应的变压器绕组变形在线监测方法 | |
| CN103915818A (zh) | 串联故障电弧检测方法及其专用装置 | |
| CN103278756A (zh) | 一种评估变压器油纸绝缘老化状态的方法 | |
| KR101578701B1 (ko) | 가스절연 부하개폐장치의 부분방전 결함 분석 시스템 | |
| CN114252749B (zh) | 基于多传感器的变压器局部放电检测方法及装置 | |
| JP4869091B2 (ja) | 電気設備の絶縁異常診断システム | |
| CN102353881A (zh) | 基于局部放电监测的电容器在线监测*** | |
| CN113671325B (zh) | 一种基于高频电场变化的终端局放监测方法及*** | |
| JP7378914B2 (ja) | 位相分解部分放電の評価 | |
| CN106597148A (zh) | 基于残压监测的不带串联间隙避雷器状态监测***及方法 | |
| CN113533910A (zh) | 一种适用于换流变压器局部放电预警的方法及*** | |
| CN113447770A (zh) | 一种高压断路器局部放电监测预警方法 | |
| JP2018185223A (ja) | 部分放電計測システム及び部分放電計測方法 | |
| CN115856709A (zh) | 一种电力设备的传感器的数据处理方法 | |
| EP2174149A1 (en) | A method and an apparatus for monitoring an activity of partial electrical discharges in an electrical apparatus powered with direct voltage | |
| CN102288881B (zh) | 变压器油纸绝缘尖刺放电缺陷严重程度诊断方法 | |
| CN111160383A (zh) | 一种自适应的油浸式变压器火灾模型预警检测方法 | |
| CN103344893A (zh) | 基于变频串联谐振耐压试验的分布式电缆局放测量方法 | |
| CN215416884U (zh) | 一种电力变压器状态识别和安全防控*** | |
| CN111624445B (zh) | 一种基于红外测温传感器的局放检测方法和*** | |
| Zhu et al. | [Retracted] Intelligent Online Partial Discharge Detection and Sensor |
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 |