一种SF6分解气体检测方法

    公开(公告)号:CN114965616A

    公开(公告)日:2022-08-30

    申请号:CN202210622990.7

    申请日:2022-06-01

    Abstract: 本发明公开了一种SF6分解气体检测方法,利用可溯源设备对SF6分解气体的典型样本的成分进行紫外光谱分析扫描,获取SF6的分解气体的成分、浓度数据,并优化选择各种气体的紫外吸收波,对SF6分解气体的典型成分CO进行红外光谱分析,根据测量模型,制作测量样机,然后对各种气体的相互干扰进行测定,测定的数据作为修正算法的基础,测量样机在经过算法修正处理后,对不同的样品气体进行测试,测试结果与可溯源设备测试结果进行比对,确认光学法测量的精度、稳定性和重复性,本发明涉及气体检测技术领域。该一种SF6分解气体检测方法,解决电化学法存在抗干扰能力差、零点漂移、传感器寿命短、气相色谱不便携带,检测时长较长等问题。

    一种基于特征变换的开关柜声纹故障检测方法

    公开(公告)号:CN117373484B

    公开(公告)日:2024-11-15

    申请号:CN202311292303.0

    申请日:2023-10-08

    Abstract: 本发明公开一种基于特征变换的开关柜声纹故障检测方法,涉及电力设备故障分析技术领域。包括:采集开关柜的观测声纹信号,初始化一个高斯窗口,通过该高斯窗口将观测声纹信号划分成多个帧;根据广义S变换获得所有帧的时频矩阵;根据相邻帧的时频矩阵相关系数和瞬时频率变化情况获得最终时频矩阵;对最终时频矩阵进行降维处理,获得特征向量,将所述特征向量输入到残差神经网络中进行开关柜故障检测。本发明根据瞬时频率变化调整高斯窗口的大小,通过自适应高斯窗口大小对广义S变换改进,使得根据广义S变换获得的时频矩阵能准确地反映声纹信号的频谱特性,更具有区分性,从而根据该时频矩阵获得的特征更具有代表性。

    一种基于特征变换的开关柜声纹故障检测方法

    公开(公告)号:CN117373484A

    公开(公告)日:2024-01-09

    申请号:CN202311292303.0

    申请日:2023-10-08

    Abstract: 本发明公开一种基于特征变换的开关柜声纹故障检测方法,涉及电力设备故障分析技术领域。包括:采集开关柜的观测声纹信号,初始化一个高斯窗口,通过该高斯窗口将观测声纹信号划分成多个帧;根据广义S变换获得所有帧的时频矩阵;根据相邻帧的时频矩阵相关系数和瞬时频率变化情况获得最终时频矩阵;对最终时频矩阵进行降维处理,获得特征向量,将所述特征向量输入到残差神经网络中进行开关柜故障检测。本发明根据瞬时频率变化调整高斯窗口的大小,通过自适应高斯窗口大小对广义S变换改进,使得根据广义S变换获得的时频矩阵能准确地反映声纹信号的频谱特性,更具有区分性,从而根据该时频矩阵获得的特征更具有代表性。

Patent Agency Ranking