CN117743815B - 一种断路器多路振动传感器信号优选方法及*** - Google Patents

一种断路器多路振动传感器信号优选方法及*** Download PDF

Info

Publication number
CN117743815B
CN117743815B CN202410173555.XA CN202410173555A CN117743815B CN 117743815 B CN117743815 B CN 117743815B CN 202410173555 A CN202410173555 A CN 202410173555A CN 117743815 B CN117743815 B CN 117743815B
Authority
CN
China
Prior art keywords
signal
signals
characteristic value
reference signal
comparison
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.)
Active
Application number
CN202410173555.XA
Other languages
English (en)
Other versions
CN117743815A (zh
Inventor
陈昊
张海华
亢荣
张若微
夏冰
戚满顺
穆斌
孙子昌
王甜甜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority to CN202410173555.XA priority Critical patent/CN117743815B/zh
Publication of CN117743815A publication Critical patent/CN117743815A/zh
Application granted granted Critical
Publication of CN117743815B publication Critical patent/CN117743815B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

一种断路器多路振动传感器信号优选方法及***。首先采集断路器多路传感器振动信号,并确定其中一路信号作为参考信号,其余多路信号作为比较信号;其次计算所有多路信号的动态系数和单一相关度,接着计算当前参考信号相对于其它所有比较信号的动态综合关联度;最后计算得到每一路传感器振动信号相对于其它多路信号的动态综合关联度,动态综合关联度最大者作为断路器多路传感器中的最优信号。本申请通过对动态相关指标的计算得到优选信号,提高了信号优选的准确度,降低了主观因素的影响,提供了相对客观的遴选过程。

Description

一种断路器多路振动传感器信号优选方法及***
技术领域
本申请属于变电设备状态监测领域,尤其涉及一种基于动态空间关联度的多路断路器振动传感器优选方法,以提高断路器振动传感器信号优选效率及能力。
背景技术
断路器是变电站的重要设备,具有对线路或设备进行保护,当它们发生严重过载或者短路以及欠压等故障时自动切断电路的功能。断路器数量大,运行电压高,操作频繁,一旦发生故障,比如断路器合不上或者拉不开,断路器不正常的自动分闸或自动合闸等,都会影响电网安全运行,造成巨大经济损失。断路器的故障往往由于负载长期过重或者长期工作磨损情况严重导致,因此对运行状态下断路器状态监测具有现实意义。
目前,对断路器的状态监测方法已经有较多研究,国内外常规使用的以目视法为代表的人工巡视法,虽然能发现断路器的外显性缺陷,但是对隐蔽性缺陷识别能力差;停电检修法则必需把各方面的电源完全断开,虽然能发现部分隐蔽性缺陷,但大量断路器的隐蔽性缺陷如机械故障难以完全依靠停电检修解决,同时停电代价、检修成本也限制了停电检修法的应用。在此背景下,对运行状态下断路器状态监测成为断路器状态预警的主要研究方向。
断路器分合闸时的振动信号包含了大量与机械故障有关的信息,基于振动信号的断路器机械故障诊断方法是断路器状态监测的主流分支。
为全面捕捉振动信息,同时在后续诊断分析时形成信息冗余,需要在高压开关横梁、机构等关键位置同时安装多个传感器采集振动信号。然而,经现场经验表明发现,不同部件、不同位置的振动信息存在差异。在信号都能正确传输的前提下,以哪个振动信号为主分析信号对后续故障特征量计算,故障类型匹配都有着至关重要的作用。
当前传感器信号优选方法主要有:
随机法
传感器完成振动信号采集上传到故障预警装置后,由装置内部生产的随机数,指定一个传感器的振动数据进行后续分析。如该传感器振动信号存在缺陷,即满足信号品质校核条件(如信号传输不完整、振动波形不符合一般认知),则在其他传感器波形中随机抽取,以此类推。
按序校核法
在完成传感器布置后设定某个传感器为0#传感器,依次给其他传感器编号(1#传感器,2#传感器等),如果该传感器信号满足信号品质校核条件(如信号传输完整、振动波形符合一般认知)则将0#传感器确定为最优传感器,,如果0#传感器不满足校核条件,则用1#传感器信号校核,如满足,则1#传感器确定为最优传感器,将1#传感器感知到的振动信号进行后续分析,以此类推。
筛选校核法
将满足信号品质校核条件(如信号传输完整、振动波形符合一般认知)的信号,组成一个集合(已筛除不满足信号品质校核条件的传感器信号)。利用先验知识(如断路器前期振动信号,同族断路器振动信号)形成更严格的校核条件,进行第二轮、第三轮筛选,直到只剩下一组最符合筛选要求的传感器。
现有方法存在以下问题:
随机法和按序校核法
存在偶然性,结果受到随机数和预设的传感器编号影响较大,存在尚未算到最优传感器振动信号,已中止了优选进程的可能性。
筛选校核法
该方法较为依赖先验知识的准确性,如果先验知识对被试验的断路器这一个体不相适应,或者先验知识形成本身有偏差,将导致优选进入错误方向。这三种方法都无法做到对多路信号状态特征量的深度处理和优选,导致提取的振动信号特征可能不是反映真实故障的最佳特征,这种偏差会增加解析结果的不确定性。
发明内容
为解决现有技术中存在的断路器状态监测中难以从多路信号中筛选出能够有效反映真实故障状态的特征信号,从而造成断路器状态的判断偏差问题,本发明提供一种基于动态空间关联度的多路断路器振动传感器优选方法及***。
本发明采用如下的技术方案:
一种断路器多路振动传感器信号优选方法,其特征在于,所述优选方法包括以下步骤:
步骤1:采集断路器多路传感器振动信号,并确定其中一路信号作为参考信号,其余多路信号作为比较信号;
步骤2:计算所有多路信号的特征值,采用当前参考信号与比较信号之间的距离系数来计算当前参考信号与各比较信号之间的动态系数;
步骤3:计算当前参考信号特征值与各比较信号特征值之间的单一相关度,接着计算当前参考信号相对于其它所有比较信号的动态综合关联度;
步骤4:依次从比较信号中选择一路信号作为新的参考信号,将原参考信号与其它比较信号作为新的比较信号,循环执行步骤1-4,计算得到每一路传感器振动信号相对于其它多路信号的动态综合关联度,动态综合关联度最大者作为断路器多路传感器中的最优信号。
本发明进一步包括以下优选方案。
在步骤1中,从断路器多路传感器振动信号中任选一路作为当前参考信号,将其它多路信号作为比较信号。
在步骤2中,确定传感器信号中各特征值对应的权重,其中为第k个特征值对应的权重,k=1,2…n,n为特征值个数。
在步骤2中,为与当前参考信号与比较信号/>之间的距离系数/>成负相关的动态系数,且/>
取值表示为下式:
其中表示当前参考信号与比较信号/>之间的距离系数。
的取值按照下式计算:
其中,n为参考信号特征值数列的特征值个数;为参考信号特征值数列第k个特征值;/>为比较信号特征值数列第k个特征值。
在步骤3中,当前参考信号特征值与各比较信号特征值之间的单一相关度采用下式计算:
式中,为比较信号的特征值数列/>对参考信号的特征值数列/>在第k个特征值上的单一相关度;/>为两级最小差即参考信号特征值数列和比较信号特征值数列距离最小差的最小值;/>为两级最大差即参考信号特征值数列和比较信号特征值数列之间距离最大差的最大值;/>是参考信号特征值数列第k个特征值;/>比较信号特征值数列第k个特征值。
第一参考信号的动态空间关联度按照下式计算:
其中,为比较信号特征值数列的特征值个数;/>为参考信号特征值数列的特征值个数;/>为比较信号特征值数列/>对参考信号特征值数列/>在第k个特征值上的单一相关度,/>为传感器信号中第k个特征值对应的权重。
在步骤4中,将与第一参考信号动态综合关联度最大的信号定为第二参考信号,计算第二参考信号的动态综合关联度,依次计算第i路信号的动态综合关联度/>,将动态综合关联度最大者,确定为当前***最优信号/>
其中,为第i路信号的动态综合关联度;m为比较信号特征值数列的特征值个数。
断路器每分合操作一次,重新执行本优选方法的步骤1-4,更新最优信号
本申请同时公开了一种根据前述多路振动传感器信号优选方法的断路器多路振动传感器信号优选***,包括振动信号采集模块、参考信号确定模块、特征值计算模块、动态系数计算模块、单一相关度计算模块、动态综合关联度计算模块、最大动态综合关联度确定模块;
振动信号采集模块用于在装置投运后将多路断路器振动传感器的信号进行采集;
参考信号确定模块用于在装置投运后的信号优选过程中将某一组信号选为参考信号;
特征值计算模块通过确定考信号和比较信号的特征值数列以及各特征值的权重来计算所有多路信号的特征值;
动态系数计算模块通过得到当前参考信号与比较信号之间的距离系数来计算动态系数;
单一相关度计算模块通过确定动态系数来计算比较信号的特征值数列对参考信号的特征值数列的单一相关度;
动态综合关联度计算模块通过动态系数和单一相关度计算参考信号和比较信号的动态综合关联度;
最大动态综合关联度确定模块计算每一路传感器振动信号相对于其它多路信号的动态综合关联度,将动态综合关联度最大者作为断路器多路传感器中的最优信号。
本发明的有益效果在于,与现有技术相比,无论是随机法还是按序校核法
,结果存在偶然性,结果受到随机数产生和预设的传感器编号影响较大,存在尚未算到最优传感器振动信号,已中止了优选进程。而筛选校核法较为依赖先验知识的准确性,如果先验知识对被试验的断路器这一个体不相适应,或者先验知识形成本身有偏差,将导致优选进入错误方向。
而本申请通过采集断路器多路传感器振动信号,计算所有多路信号的特征值,采用当前参考信号与比较信号之间的距离系数来计算当前参考信号与各比较信号之间的动态系数;计算当前参考信号特征值与各比较信号特征值之间的单一相关度,接着计算当前参考信号相对于其它所有比较信号的动态综合关联度; 依次从比较信号中选择一路信号作为新的参考信号,将原参考信号与其它比较信号作为新的比较信号,循环执行步骤1-4,计算得到每一路传感器振动信号相对于其它多路信号的动态综合关联度,动态综合关联度最大者作为断路器多路传感器中的最优信号;在此过程中信号优选准确度高,主观因素影响度小,遴选过程相对客观,无需较多的精准先验知识。
附图说明
图1是本发明多路断路器振动传感器优选方法流程示意图;
图2是本发明多路断路器振动传感器优选***流程示意图,包括振动信号采集模块1、参考信号确定模块2、特征值计算模块3、动态系数计算模块4、单一相关度计算模块5、动态综合关联度计算模块6、最大动态综合关联度确定模块7。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例,而不是全部实施例。基于本发明精神,本领域普通技术人员在没有作出创造性劳动前提下所获得的有所其它实施例,都属于本发明的保护范围。
本发明采用如下的技术方案:
基于例图1所示,一种多路断路器振动传感器信号优选方法,所述优选方法包括以下步骤:
步骤1:采集断路器多路传感器振动信号,并确定其中一路信号作为参考信号,其余多路信号作为比较信号;
步骤2:计算所有多路信号的特征值,采用当前参考信号与比较信号之间的距离系数来计算当前参考信号与各比较信号之间的动态系数;
步骤3:计算当前参考信号特征值与各比较信号特征值之间的单一相关度,接着计算当前参考信号相对于其它所有比较信号的动态综合关联度;
步骤4:依次从比较信号中选择一路信号作为新的参考信号,将原参考信号与其它比较信号作为新的比较信号,循环执行步骤1-4,计算得到每一路传感器振动信号相对于其它多路信号的动态综合关联度,动态综合关联度最大者作为断路器多路传感器中的最优信号。
在步骤1中,从断路器多路传感器振动信号中任选一路作为当前参考信号,将其它多路信号作为比较信号。
在步骤2中,确定传感器信号中各特征值对应的权重w=[,…/>],其中/>(k=1,2…n)为第k个特征值对应的权重。
为与当前参考信号与比较信号之间的距离系数/>成负相关的动态系数,且1>>0。
取值表示为下式:
其中表示当前参考信号与比较信号之间的距离系数。
的取值按照下式计算:
其中,n为参考信号特征值数列的特征值个数;为参考信号特征值数列第k个特征值;/>为比较信号特征值数列第k个特征值。
在步骤3中,当前参考信号特征值与各比较信号特征值之间的单一相关度采用下式计算:
式中,为比较信号的特征值数列/>对参考信号的特征值数列/>在第k个特征值上的单一相关度;/>,/>为两级最小差即参考信号特征值数列和比较信号特征值数列距离最小差的最小值;/>,/>为两级最大差即参考信号特征值数列和比较信号特征值数列之间距离最大差的最大值;/>是参考信号特征值数列第k个特征值;/>比较信号特征值数列第k个特征值。
第一参考信号的动态空间关联度按照下式计算:
其中,m为比较信号特征值数列的特征值个数;n为参考信号特征值数列的特征值个数;为比较信号特征值数列/>对参考信号特征值数列/>在第k个特征值上的单一相关度。
在步骤4中,将与第一参考信号动态综合关联度最大的信号定为第二参考信号,计算第二参考信号的动态综合关联度,依次计算第i路信号的动态综合关联度/>,将动态综合关联度最大者,确定为当前***最优信号/>
其中,为第i路信号的动态综合关联度;m为比较信号特征值数列的特征值个数。
断路器每分合操作一次,重新执行本优选方法的步骤1-4,更新最优信号
基于例图2所示,本发明同时公开了一种基于前述的基于动态空间关联度的多路断路器振动传感器信号优选***,包括振动信号采集模块1、参考信号确定模块2、特征值计算模块3、动态系数计算模块4、单一相关度计算模块5、动态综合关联度计算模块6、最大动态综合关联度确定模块7:
振动信号采集模块1用于在装置投运后将多路断路器振动传感器的信号进行采集;
参考信号确定模块2用于在装置投运后的信号优选过程中将某一组信号选为参考信号;
特征值计算模块3通过确定考信号和比较信号的特征值数列以及各特征值的权重来计算所有多路信号的特征值;
动态系数计算模块4通过得到当前参考信号与比较信号之间的距离系数来计算动态系数;
单一相关度计算模块5通过确定动态系数来计算比较信号的特征值数列对参考信号的特征值数列的单一相关度;
动态综合关联度计算模块6通过动态系数和单一相关度计算参考信号和比较信号的动态综合关联度;
最大动态综合关联度确定模块7通过循环运行以上***模块,以在传感器多路信号中得到动态空间综合关联度最大者并将其作为最优信号。
本发明的有益效果在于,与现有技术相比,无论是随机法还是按序校核法,结果存在偶然性,结果受到随机数产生和预设的传感器编号影响较大,存在尚未算到最优传感器振动信号,已中止了优选进程。而筛选校核法较为依赖先验知识的准确性,如果先验知识对被试验的断路器这一个体不相适应,或者先验知识形成本身有偏差,将导致优选进入错误方向。
而本申请通过采集断路器多路传感器振动信号,计算所有多路信号的特征值,采用当前参考信号与比较信号之间的距离系数来计算当前参考信号与各比较信号之间的动态系数;计算当前参考信号特征值与各比较信号特征值之间的单一相关度,接着计算当前参考信号相对于其它所有比较信号的动态综合关联度; 依次从比较信号中选择一路信号作为新的参考信号,将原参考信号与其它比较信号作为新的比较信号,循环执行步骤1-4,计算得到每一路传感器振动信号相对于其它多路信号的动态综合关联度,动态综合关联度最大者作为断路器多路传感器中的最优信号;在此过程中信号优选准确度高,主观因素影响度小,遴选过程相对客观,无需较多的精准先验知识。
本公开可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。

Claims (8)

1.一种断路器多路振动传感器信号优选方法,其特征在于,所述优选方法包括以下步骤:
步骤1:采集断路器多路传感器振动信号,并确定其中一路信号作为参考信号,其余多路信号作为比较信号;
步骤2:计算所有多路信号的特征值,采用当前参考信号与比较信号之间的距离系数来计算当前参考信号与各比较信号之间的动态系数;具体内容包括: 为与当前参考信号与比较信号/>之间的距离系数/>成负相关的动态系数,且/>
的取值按照下式计算:
其中,n为参考信号特征值数列的特征值个数;为参考信号特征值数列第k个特征值;/>为比较信号特征值数列第k个特征值;
步骤3:计算当前参考信号特征值与各比较信号特征值之间的单一相关度,接着计算当前参考信号相对于其它所有比较信号的动态综合关联度;其中,当前参考信号特征值与各比较信号特征值之间的单一相关度采用下式计算:
式中,为比较信号的特征值数列/>对参考信号的特征值数列/>在第k个特征值上的单一相关度;/>为两级最小差即参考信号特征值数列和比较信号特征值数列距离最小差的最小值;/>为两级最大差即参考信号特征值数列和比较信号特征值数列之间距离最大差的最大值;/>是参考信号特征值数列第k个特征值;/>比较信号特征值数列第k个特征值;
第一参考信号的动态空间关联度按照下式计算:
其中,为比较信号特征值数列的特征值个数;/>为参考信号特征值数列的特征值个数;/>为比较信号特征值数列/>对参考信号特征值数列/>在第k个特征值上的单一相关度,/>为传感器信号中第k个特征值对应的权重;
步骤4:依次从比较信号中选择一路信号作为新的参考信号,将原参考信号与其它比较信号作为新的比较信号,循环执行步骤1-4,计算得到每一路传感器振动信号相对于其它多路信号的动态综合关联度,动态综合关联度最大者作为断路器多路传感器中的最优信号。
2.根据权利要求1所述的一种断路器多路振动传感器信号优选方法,其特征在于:
在步骤1中,从断路器多路传感器振动信号中任选一路作为当前参考信号,将其它多路信号作为比较信号。
3.根据权利要求1或2所述的一种断路器多路振动传感器信号优选方法,其特征在于:
在步骤2中,确定传感器信号中各特征值对应的权重,其中/>为第k个特征值对应的权重,k=1,2…n,n为特征值个数。
4.根据权利要求1所述的一种断路器多路振动传感器信号优选方法,其特征在于:
取值表示为下式:
其中表示当前参考信号与比较信号/>之间的距离系数。
5.根据权利要求1所述的一种断路器多路振动传感器信号优选方法,其特征在于:
在步骤4中,将与第一参考信号动态综合关联度最大的信号定为第二参考信号,计算第二参考信号的动态综合关联度,依次计算第i路信号的动态综合关联度/>,将动态综合关联度最大者,确定为当前***最优信号/>
6.根据权利要求5所述的一种断路器多路振动传感器信号优选方法,其特征在于:
其中,为第i路信号的动态综合关联度;m为比较信号特征值数列的特征值个数。
7.根据权利要求6所述的一种断路器多路振动传感器信号优选方法,其特征在于:
断路器每分合操作一次,重新执行本优选方法的步骤1-4,更新最优信号
8.一种基于权利要求1-6任意一项权利要求所述多路振动传感器信号优选方法的断路器多路振动传感器信号优选***,包括振动信号采集模块、参考信号确定模块、特征值计算模块、动态系数计算模块、单一相关度计算模块、动态综合关联度计算模块、最大动态综合关联度确定模块;其特征在于:
振动信号采集模块用于在装置投运后将多路断路器振动传感器的信号进行采集;
参考信号确定模块用于在装置投运后的信号优选过程中将某一组信号选为参考信号;
特征值计算模块通过确定参考信号和比较信号的特征值数列以及各特征值的权重来计算所有多路信号的特征值;
动态系数计算模块通过得到当前参考信号与比较信号之间的距离系数来计算动态系数;
单一相关度计算模块通过确定动态系数来计算比较信号的特征值数列对参考信号的特征值数列的单一相关度;
动态综合关联度计算模块通过动态系数和单一相关度计算参考信号和比较信号的动态综合关联度;
最大动态综合关联度确定模块计算每一路传感器振动信号相对于其它多路信号的动态综合关联度,将动态综合关联度最大者作为断路器多路传感器中的最优信号。
CN202410173555.XA 2024-02-07 2024-02-07 一种断路器多路振动传感器信号优选方法及*** Active CN117743815B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410173555.XA CN117743815B (zh) 2024-02-07 2024-02-07 一种断路器多路振动传感器信号优选方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410173555.XA CN117743815B (zh) 2024-02-07 2024-02-07 一种断路器多路振动传感器信号优选方法及***

Publications (2)

Publication Number Publication Date
CN117743815A CN117743815A (zh) 2024-03-22
CN117743815B true CN117743815B (zh) 2024-05-14

Family

ID=90279576

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410173555.XA Active CN117743815B (zh) 2024-02-07 2024-02-07 一种断路器多路振动传感器信号优选方法及***

Country Status (1)

Country Link
CN (1) CN117743815B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105954412A (zh) * 2016-05-07 2016-09-21 浙江大学 用于山核桃新鲜度检测的传感器阵列优化方法
CN107590436A (zh) * 2017-08-10 2018-01-16 云南财经大学 基于膜粒子群多目标算法的雷达辐射源信号特征选择方法
US10429486B1 (en) * 2017-08-18 2019-10-01 DeepSig Inc. Method and system for learned communications signal shaping
CN112380932A (zh) * 2020-11-02 2021-02-19 上海三菱电梯有限公司 振动信号特征值选择方法及电梯健康状态评估或故障诊断方法
CN115048985A (zh) * 2022-05-17 2022-09-13 国网浙江省电力有限公司嘉兴供电公司 一种电气设备故障判别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105954412A (zh) * 2016-05-07 2016-09-21 浙江大学 用于山核桃新鲜度检测的传感器阵列优化方法
CN107590436A (zh) * 2017-08-10 2018-01-16 云南财经大学 基于膜粒子群多目标算法的雷达辐射源信号特征选择方法
US10429486B1 (en) * 2017-08-18 2019-10-01 DeepSig Inc. Method and system for learned communications signal shaping
CN112380932A (zh) * 2020-11-02 2021-02-19 上海三菱电梯有限公司 振动信号特征值选择方法及电梯健康状态评估或故障诊断方法
CN115048985A (zh) * 2022-05-17 2022-09-13 国网浙江省电力有限公司嘉兴供电公司 一种电气设备故障判别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Sensor placement optimization in the artificial lateral line using optimal weight analysis combining feature distance and variance evaluation;Dong Xu等;《ISA Transactions》;20181103;110-121 *
电机转子振动信号故障特征提取方法;申海锋等;《噪声与振动控制》;20220818;第42卷(第4期);138-143、151 *
量子遗传算法优化的SVM滚动轴承故障诊断;许迪等;《振动.测试与诊断》;20180815;第38卷(第4期);843-851 *

Also Published As

Publication number Publication date
CN117743815A (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
CN109492193B (zh) 基于深度机器学习模型的异常网络数据生成与预测方法
CN111398886B (zh) 一种自动化检定流水线表位在线异常的检测方法及***
CN113239132B (zh) 一种电压互感器的超差在线辨识方法
Liu et al. Combined forecasting method of dissolved gases concentration and its application in condition-based maintenance
CN111695620A (zh) 一种电力***时间序列异常数据检测与修正方法及***
CN116244617A (zh) 一种基于异构图结构学习的智能高压开关柜故障诊断方法和***
Oleg et al. Fault diagnosis of power transformer using method of graphic images
CN106019043B (zh) 一种基于模糊积分多源信息融合理论的电网故障诊断方法
CN117110798B (zh) 智能配电网的故障检测方法和***
CN117743815B (zh) 一种断路器多路振动传感器信号优选方法及***
CN106646106B (zh) 基于变点探测技术的电网故障检测方法
CN117031182A (zh) 配电站所终端遥测值异常检测方法及***
CN115542064B (zh) 一种互感器误差状态实时监测方法及装置
CN115356598B (zh) 一种配电网短路故障区段定位方法及***
CN113672658B (zh) 基于复相关系数的电力设备在线监测错误数据识别方法
CN114118208A (zh) 基于多元信息的变压器故障判断方法、装置及电子设备
CN115238733A (zh) 一种高压断路器合分闸线圈运行状态评估方法及相关设备
Wang et al. A comprehensive survey on transformer fault diagnosis and operating condition prediction
Zheng et al. Wavelet packet decomposition and neural network based fault diagnosis for elevator excessive vibration
Murali et al. Forecasting and classification of power quality disturbance in smart grid using hybrid networks
Feng et al. Fault Diagnosis of INFO-SVM Transformer Based on ADASYN
Mouco Robust monitoring and fault location in 3-phase power grids
Wang et al. CVT error evaluation method based on moving window-weighted principal component analysis
Qi et al. Research on the Construction and Application of Power Grid Information Model Based on Information Fusion
Ma et al. Protection Platen Status Recognition Based on Wavelet Analysis and Hilbert Transform for Smart Substation

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