-
公开(公告)号：CN109657720B
公开(公告)日：2021-05-11
申请号：CN201811560473.1
申请日：2018-12-20
申请人： 浙江大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种电力变压器匝间短路故障的在线诊断方法，包括：(1)收集案例变压器的各监测指标记录的在短路前后的监测数据，检验各监测指标在短路前后是否发生显著性变化，筛选出短路前后有显著性变化的监测指标；(2)将短路前后有显著性变化的监测指标记录的监测数据输入到随机森林模型中，训练短路故障在线诊断模型；(3)将待测变压器的待测监测数据输入优化后的随机森林模型中，输出对待测监测数据的在线诊断结果，判断待测变压器是否故障。上述方法只需对待测变压器的待测监测数据进行远程分析，相比于离线检测法而言不需要现场试验，节省试验费用，提高诊断效率。
-
公开(公告)号：CN109444656B
公开(公告)日：2020-06-09
申请号：CN201811567345.X
申请日：2018-12-21
申请人： 浙江大学
摘要： 本发明公开了一种变压器绕组变形位置的在线诊断方法，包括：(1)收集已知绕组状态的变压器，分为若干个位置子样本；(2)利用信息熵对各位置子样本进行特征提取，加上是否变形的标签后输入到支持向量机中训练诊断模型；(3)将待诊断变压器采用步骤(1)的方法分为若干个位置子样本后，采用步骤(2)的特征提取方法，输入到步骤(2)训练好的诊断模型中；(4)输出支持向量机对待诊断变压器各位置子样本是否变形的诊断结果。本发明可以综合变压器的各监测指标在复杂度、时频域等方面的变异情况，并通过机器学习算法从故障特征中自动学习诊断逻辑，实现绕组变形的智能诊断，从而降低人力成本，提高诊断效率。
-
公开(公告)号：CN106770861A
公开(公告)日：2017-05-31
申请号：CN201611043946.1
申请日：2016-11-21
申请人： 浙江大学
CPC分类号： G01N30/8675 , G01N30/00
摘要： 本发明公开了一种油浸式变压器在线监控数据可用性的评价方法，首先，将在线监控数据和带电检测数据经预处理后得到两组特征气体含量‑时间序列；将在线监控特征气体含量‑时间序列分解为巨大误差序列、随机误差序列和系统误差序列，并进行评价，依次得到巨大误差评价指标x、随机误差评价指标y和系统误差评价指标z，综合后得到可用性系数ρ，以此评价油浸式变压器在线监控数据的可用性。本发明提供了一种误差分解的方法，通过这种误差分解，将同一类型的误差专项讨论，避免了误差间的相互干扰，最后再通过误差综合完成总体误差的评价。综合三种误差评价指标得到的可用性系数可以准确评价在线监控数据是否可以真实反应变压器油内特征气体的含量。
-
公开(公告)号：CN106596899A
公开(公告)日：2017-04-26
申请号：CN201611047148.6
申请日：2016-11-21
申请人： 浙江大学
IPC分类号： G01N33/28
CPC分类号： G01N33/28
摘要： 本发明公开了一种油浸式变压器在线监测数据和带电检测数据间随机误差的评价方法，首先，分别获得在线监测数据和带电检测数据，经预处理后得到两组时间序列；其次，将两组时间序列相减得到误差序列，分解后得到多个本征模函数，符合噪声特征的本征模函数组成随机误差序列；再次，将在线监测时间序列分解得到多个本征模函数，剔除符合噪声特征的本征模函数后得到真实信号序列，并构造误差参考序列，依据公式xt＝St+Nt与xt′＝St+Nt′分别得到序列xt和xt′，并计算得到对应的信噪比dt与dt′；最后，根据下式得到随机误差的评价系数ρ；ρ＝na/n。
-
公开(公告)号：CN109670242A
公开(公告)日：2019-04-23
申请号：CN201811559407.2
申请日：2018-12-20
申请人： 浙江大学
摘要： 本发明公开了一种基于椭圆包络线的变压器绕组变形无监督在线监测方法，包括：(1)收集待测变压器的在线监测指标记录的历史在线监测数据；(2)将在线监测指标的数据分为前后两段序列，前段序列作为绕组正常状态下的训练数据，后段序列作为未知绕组状态的待测数据；(3)将训练数据作为训练集输入椭圆包络线算法中，进行椭圆包络线模型训练；(4)将待测数据输入训练好的椭圆包络线模型中，输出在每个待测数据点对应的时间点上绕组是否变形。本发明属于无监督故障诊断法，只需进行当前监测数据与历史监测数据的比较，适用于无标签的数据集，能对绕组变形故障进行有效监测。
-
公开(公告)号：CN109657720A
公开(公告)日：2019-04-19
申请号：CN201811560473.1
申请日：2018-12-20
申请人： 浙江大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种电力变压器匝间短路故障的在线诊断方法，包括：(1)收集案例变压器的各监测指标记录的在短路前后的监测数据，检验各监测指标在短路前后是否发生显著性变化，筛选出短路前后有显著性变化的监测指标；(2)将短路前后有显著性变化的监测指标记录的监测数据输入到随机森林模型中，训练短路故障在线诊断模型；(3)将待测变压器的待测监测数据输入优化后的随机森林模型中，输出对待测监测数据的在线诊断结果，判断待测变压器是否故障。上述方法只需对待测变压器的待测监测数据进行远程分析，相比于离线检测法而言不需要现场试验，节省试验费用，提高诊断效率。
-
公开(公告)号：CN106771091B
公开(公告)日：2019-01-29
申请号：CN201611039510.5
申请日：2016-11-21
申请人： 浙江大学
IPC分类号： G01N33/28
摘要： 本发明公开了一种油浸式变压器在线监测数据和带电检测数据间系统误差的评价方法，首先，分别获得在线监测数据和带电检测数据，经预处理后得到两组特征气体含量‑时间序列；其次，将预处理后的在线监测特征气体含量‑时间序列分为O1和O2两个集合，再将预处理后的带电检测特征气体含量‑时间序列分为F1和F2两个集合；最后，按式：ρ＝αρ1+(1‑α)ρ2计算得到系统误差ρ，并通过ρ值的大小来评价油浸式变压器在线监测数据和带电检测数据的走势相似程度；本发明提供了一种系统误差ρ的计算方法，通过该值的大小可以准确描述在线监测数据时间序列和带电检测数据时间序列的走势相似程度，该评价方法客观公正，简单易行。
-
公开(公告)号：CN107132310A
公开(公告)日：2017-09-05
申请号：CN201710193925.6
申请日：2017-03-28
申请人： 浙江大学
CPC分类号： G01N33/0004 , G01R31/1227
摘要： 本发明公开了一种数据驱动的变压器设备健康状态判别方法，该方法利用不同规格型号、故障类型的变压器及其油中溶解气体数据构建训练样本，通过高斯混合模型描述样本中多种特征气体在高维空间内的分布情况，并运用所得模型的参数对变压器设备的健康状态进行判别。该方法弥补了现有比值方法在描述复杂特征方面的不足，较人工经验相比具有较高的严谨性和创新性，能够对变压器设备的运行状态进行更为准确的判断。
-
公开(公告)号：CN109359271B
公开(公告)日：2020-06-30
申请号：CN201811567604.9
申请日：2018-12-21
申请人： 浙江大学
摘要： 本发明公开了一种基于逻辑回归的变压器绕组变形程度在线检测方法，包括：采用逻辑回归法筛选出与绕组变形显著相关的在线监测指标；特征提取，将筛选出的在线监测指标记录的在线监测数据按时间分为两段序列，分别计算两段序列的算术平均值的均方根误差x1和短路时记录的电流的算术平均值x2构成特征集{x1,x2}；将得到的特征集加上显示绕组变形情况的标签后输入到逻辑回归模型中训练诊断模型；将待测变压器进行特征提取后得到的特征集输入到训练好的逻辑回归模型中，输出待测变压器是否变形和变形概率。本发明通过对变压器在线监测数据进行分析得出绕组变形诊断结果，不需要停电和现场实验，能提高故障检修效率和节约人力物力资源。
-
公开(公告)号：CN107145624B
公开(公告)日：2019-07-30
申请号：CN201710193924.1
申请日：2017-03-28
申请人： 浙江大学
摘要： 本发明公开了一种基于人工神经网络的变压器油中溶解气体在线监测数据矫正方法，具体是一种利用变压器油中溶解气体带电检测数据矫正在线监测数据的方法。矫正过程分为两步，一是从变压器设备中提取带电检测数据以及相同时间范围内的在线监测数据，并将在线监测数据分为趋势序列和波动序列两个部分。二是利用人工神经网络和带电检测数据对在线监测数据的趋势序列进行矫正，矫正结果、人工神经网络的误差序列以及波动序列的共同组成了最终的矫正数据。本发明提出的方法使得矫正后的变压器在线监测数据拥有较高的测量精度，并保留了在线监测数据的波动特征，具有较强的创新性，为变压器设备运行状态的实时监测创造条件。
-
-
-
-
-
-
-
-
-
搜索结果
31 条记录 (耗时 0.023 秒)
