电力设备的运维方法、系统、装置、设备和存储介质

    公开(公告)号:CN111626443A

    公开(公告)日:2020-09-04

    申请号:CN202010424599.7

    申请日:2020-05-19

    Abstract: 本申请涉及一种电力设备的运维方法、系统、装置、计算机设备和存储介质。方法包括:运维服务器接收电力设备巡检端上报的携带有电力设备的设备标识的运维请求;根据设备标识,确定电力设备维修端,并将运维请求发送至电力设备维修端,用于电力设备维修端对运维请求进行响应,获取维修信息;接收电力设备维修端发送的维修信息;基于设备标识,获取电力设备的历史维修信息;根据维修信息以及历史维修信息,对电力设备的巡检周期进行更新,将更新后的巡检周期发送至电力设备巡检端,用于电力设备巡检端按照更新后的巡检周期对电力设备进行巡检。采用本方法能够根据电力设备的维修信息以及历史维修信息对巡检周期进行相关调整,从而提高运维效率。

    接入小水电的配网继电保护系统

    公开(公告)号:CN105119238B

    公开(公告)日:2016-08-17

    申请号:CN201510646423.5

    申请日:2015-09-30

    CPC classification number: Y02E60/725 Y04S10/20

    Abstract: 本发明涉及一种接入小水电的配网继电保护系统,其包括PC机、通用微控制器、函数库、继电保护算法库,PC机分别与微控制器、函数库、继电保护算法库连接;函数库用于存储不同微控制器内嵌硬件的函数,继电保护算法库用于存储满足不同类型的硬件平台的保护算法;PC机用于接收选择指令,根据选择指令从函数库选择与进行接入小水电的配网继电保护相关的测量、控制、或者通信相关的函数,从继电保护算法库选择保护算法,得到设置数据,将设置数据传输给通用微控制器;通用微控制器植入设置数据,进行接入小水电的配网继电保护相关的测量、控制、或者通信。采用本发明的方案,可以适用于不同的微控制器和不同的外围硬件结构,节约人力、物力成本。

    一种电力架空线路故障行波定位方法

    公开(公告)号:CN104698338B

    公开(公告)日:2016-05-11

    申请号:CN201510084931.9

    申请日:2015-02-16

    Abstract: 本发明公开了一种电力架空线路故障行波定位方法,⑴线路处于分闸状态,在线路首端和末端安装行波采集装置;⑵在线路首端合闸,产生行波信号,行波采集装置分别测量行波信号于线路首端和到达待检测线路末端的时间,计算二者的时间差ΔT1,即行波传输时间为:ΔT=|ΔT1|;⑶实时监测正常运行的线路首端和末端行波信号的到达时间,计算行波信号到达线路首端与末端的时间差ΔT2;⑷线路的继电保护装置跳闸,判断线路发生故障;⑸计算故障点与线路首端的距离所占待检测线路总长度的比例;⑹计算各杆塔位置与线路首端之间的距离所占线路总长度之比,即为杆塔相对位置;⑺确定最接近Y的杆塔相对位置,即可确定故障点位于该杆塔相对位置的附近。本发明故障点定位精度高。

    一种电力架空线路故障行波定位方法

    公开(公告)号:CN104698338A

    公开(公告)日:2015-06-10

    申请号:CN201510084931.9

    申请日:2015-02-16

    Abstract: 本发明公开了一种电力架空线路故障行波定位方法,⑴线路处于分闸状态,在线路首端和末端安装行波采集装置;⑵在线路首端合闸,产生行波信号,行波采集装置分别测量行波信号于线路首端和到达待检测线路末端的时间,计算二者的时间差ΔT1,即行波传输时间为:ΔT=|ΔT1|;⑶实时监测正常运行的线路首端和末端行波信号的到达时间,计算行波信号到达线路首端与末端的时间差ΔT2;⑷线路的继电保护装置跳闸,判断线路发生故障;⑸计算故障点与线路首端的距离所占待检测线路总长度的比例;⑹计算各杆塔位置与线路首端之间的距离所占线路总长度之比,即为杆塔相对位置;⑺确定最接近Y的杆塔相对位置,即可确定故障点位于该杆塔相对位置的附近。本发明故障点定位精度高。

    一种基于过采样的高压断路器故障数据采样方法

    公开(公告)号:CN118035860A

    公开(公告)日:2024-05-14

    申请号:CN202410068674.9

    申请日:2024-01-17

    Abstract: 本发明涉及高压断路器故障诊断领域,特别涉及一种基于过采样的高压断路器故障数据采样方法,包括以下步骤:S1、采集高压断路器不平衡监测数据样本集,所述不平衡监测数据样本集包括正常状态类样本集和故障状态类样本集;S2、将正常状态类样本集作为多数类,分别将每个故障状态类样本集作为少数类,实施二分类过采样;S3、对二分类中的少数类进行初步去噪;S4、利用KNN算法确定少数类的边界样本集;S5、合成少数类的新样本;S6、利用欠采样对过采样后的样本集边界去噪。本发明提供的数据采样方法通过对过采样后的数据进行欠采样二次去噪,达到了使样本边界更加清晰的效果。

Patent Agency Ranking