-
公开(公告)号：CN115096431A
公开(公告)日：2022-09-23
申请号：CN202210610109.1
申请日：2022-05-31
Applicant: 国网江苏省电力有限公司超高压分公司 , 河海大学
Abstract: 利用振动信号诊断GIL中金属颗粒故障的方法和系统，其方法根据现场实际情况，采集GIL中存在金属颗粒故障时腔体外壳的振动信号，对振动信号进行改进的集成经验模态分解，提取振动信号的特征量，将特征量输入到BP神经网络中实现金属颗粒故障的有效诊断。本发明首先在GIL中存在金属颗粒时，使用动态数据采集卡采集GIL腔体外壳上金属颗粒故障的振动信号；使用改进的集成经验模态分解算法对振动信号进行模态分解；计算分解后各模态分量的模糊熵值和能量值，并将其融合输入到BP神经网络中，完成GIL中金属颗粒故障的有效诊断。本发明为GIL中金属颗粒故障的有效诊断提供了理论依据，具有较好的应用价值。
-
公开(公告)号：CN112649505B
公开(公告)日：2024-09-27
申请号：CN202011367381.9
申请日：2020-11-27
Applicant: 国网江苏省电力有限公司检修分公司 , 河海大学
Inventor： 戴锋 , 车凯 , 王立宪 , 汤晓峥 , 郭涛 , 宋金山 , 卞超 , 屈万一 , 朱超 , 沈明慷 , 陈轩 , 陈昊 , 夏峰 , 王抗 , 赵宏飞 , 王伟亮 , 马宏忠
Abstract: 本申请公开了一种基于超声波法的GIL微粒缺陷在线监测系统和方法，所述系统包括监测终端模块、数据通信模块和上位机监测分析模块，所述监测终端模块，用于采集金属微粒缺陷产生的超声波信号并将其转换为电信号；所述数据通信模块，用于监测终端模块与上位机监测分析模块的数据通信；所述上位机监测分析模块，用于实现监测数据的处理、分析和管理。本发明方便快捷，可智能分析GIL设备多维度数据，得出监测结果，从而指导运维人员科学安排生产运行管理工作，提高了GIL设备的运检效率。
-
Patent Agency Ranking
公开(公告)号：CN112378834B
公开(公告)日：2023-06-02
申请号：CN202011148031.3
申请日：2020-10-23
Applicant: 国网江苏省电力有限公司检修分公司 , 河海大学
IPC: G01N15/10
Abstract: 一种利用振动/声学信号监测GIL中金属颗粒的方法，包括以下步骤：步骤1，通过振动/声学测量系统采集相邻两次碰撞信号飞行时间的差值Δt和振动/声学信号幅值A，获取高压电极到壳体的高度H；步骤2，对振动/声学信号幅值的表达式进行修正，绘制含有理论结果和实验结果的振动幅值‑飞行时间函数图形并进行校验；步骤3，使用标准的碰撞信号发生器修正振动/声学测量系统的灵敏度系数；步骤4，估算不同半径r金属颗粒的金属颗粒质量、最大带电量、最大飞行高度。与现有技术相比，本发明能够准确监测GIL中金属颗粒的质量、最大带电量和最大飞行高度，分析金属颗粒可能造成故障的严重性，为GIL故障诊断和抑制提供了依据，具有较强的工程实用性。
-
公开(公告)号：CN112434743A
公开(公告)日：2021-03-02
申请号：CN202011360046.6
申请日：2020-11-27
Applicant: 国网江苏省电力有限公司检修分公司 , 河海大学
Inventor： 戴锋 , 车凯 , 王立宪 , 汤晓峥 , 郭涛 , 宋金山 , 卞超 , 屈万一 , 朱超 , 沈明慷 , 陈轩 , 陈昊 , 夏峰 , 王抗 , 赵宏飞 , 王伟亮 , 马宏忠
Abstract: 一种基于GIL金属微粒局部放电时域波形图像的故障识别方法，包括以下步骤：采集历史图像；对历史图像进行预处理并分为训练集和测试集；构建局部放电时域波形图像识别模型并根据样本集进行训练，确定分类器模型；将测试集输入到分类器模型中，并基于TensorFlow深度学习，进行优化获得最终的分类器模型；采集实时图像判断故障类型。本发明实现了对预处理得到的仅含局部放电脉冲电压的图像，选择支持向量机模型，使用径向基函数作为核函数，通过深度学习学习算法，训练得到DAG分类器，直接进行模式识别，无需人工提取特征，具有更高识别率，为GIL设备内部金属微粒放电故障监测提供了有利支持。
-
公开(公告)号：CN112378834A
公开(公告)日：2021-02-19
申请号：CN202011148031.3
申请日：2020-10-23
Applicant: 国网江苏省电力有限公司检修分公司 , 河海大学
IPC: G01N15/10
Abstract: 一种利用振动/声学信号监测GIL中金属颗粒的方法，包括以下步骤：步骤1，通过振动/声学测量系统采集相邻两次碰撞信号飞行时间的差值Δt和振动/声学信号幅值A，获取高压电极到壳体的高度H；步骤2，对振动/声学信号幅值的表达式进行修正，绘制含有理论结果和实验结果的振动幅值‑飞行时间函数图形并进行校验；步骤3，使用标准的碰撞信号发生器修正振动/声学测量系统的灵敏度系数；步骤4，估算不同半径r金属颗粒的金属颗粒质量、最大带电量、最大飞行高度。与现有技术相比，本发明能够准确监测GIL中金属颗粒的质量、最大带电量和最大飞行高度，分析金属颗粒可能造成故障的严重性，为GIL故障诊断和抑制提供了依据，具有较强的工程实用性。
-
公开(公告)号：CN112434743B
公开(公告)日：2025-02-21
申请号：CN202011360046.6
申请日：2020-11-27
Applicant: 国网江苏省电力有限公司检修分公司 , 河海大学
Inventor： 戴锋 , 车凯 , 王立宪 , 汤晓峥 , 郭涛 , 宋金山 , 卞超 , 屈万一 , 朱超 , 沈明慷 , 陈轩 , 陈昊 , 夏峰 , 王抗 , 赵宏飞 , 王伟亮 , 马宏忠
IPC: G06V10/764 , G06V10/774 , G06V10/20 , G06V10/82 , G06N3/044 , G06N3/047 , G06N3/0475 , G06N3/08
Abstract: 一种基于GIL金属微粒局部放电时域波形图像的故障识别方法，包括以下步骤：采集历史图像；对历史图像进行预处理并分为训练集和测试集；构建局部放电时域波形图像识别模型并根据样本集进行训练，确定分类器模型；将测试集输入到分类器模型中，并基于TensorFlow深度学习，进行优化获得最终的分类器模型；采集实时图像判断故障类型。本发明实现了对预处理得到的仅含局部放电脉冲电压的图像，选择支持向量机模型，使用径向基函数作为核函数，通过深度学习学习算法，训练得到DAG分类器，直接进行模式识别，无需人工提取特征，具有更高识别率，为GIL设备内部金属微粒放电故障监测提供了有利支持。
-
公开(公告)号：CN112649505A
公开(公告)日：2021-04-13
申请号：CN202011367381.9
申请日：2020-11-27
Applicant: 国网江苏省电力有限公司检修分公司 , 河海大学
Inventor： 戴锋 , 车凯 , 王立宪 , 汤晓峥 , 郭涛 , 宋金山 , 卞超 , 屈万一 , 朱超 , 沈明慷 , 陈轩 , 陈昊 , 夏峰 , 王抗 , 赵宏飞 , 王伟亮 , 马宏忠
Abstract: 本申请公开了一种基于超声波法的GIL微粒缺陷在线监测系统和方法，所述系统包括监测终端模块、数据通信模块和上位机监测分析模块，所述监测终端模块，用于采集金属微粒缺陷产生的超声波信号并将其转换为电信号；所述数据通信模块，用于监测终端模块与上位机监测分析模块的数据通信；所述上位机监测分析模块，用于实现监测数据的处理、分析和管理。本发明方便快捷，可智能分析GIL设备多维度数据，得出监测结果，从而指导运维人员科学安排生产运行管理工作，提高了GIL设备的运检效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.046 seconds)
