-
公开(公告)号：CN105629144B
公开(公告)日：2018-12-04
申请号：CN201610141457.3
申请日：2016-03-11
Applicant: 华乘电气科技(上海)股份有限公司
IPC: G01R31/12
Abstract: 本发明提供了一种基于指纹库的高压开关设备局部放电诊断方法及系统，通过采集高压开关设备的不同局部放电类型和噪声类型的信号，将信号经过数据处理后提取指纹并构造指纹库，未知的信号通过数据处理后计算指纹，与指纹库中的指纹信息进行相似比较推理，从而识别该未知信号的类型。本发明构造了局部放电指纹库，利用指纹区分信号类型，能有效识别各类局部放电信号和噪声信号，为高压开关设备的绝缘状态评估提供了方便而可靠的诊断方法。
-
公开(公告)号：CN108333443A
公开(公告)日：2018-07-27
申请号：CN201711403338.1
申请日：2017-12-22
Applicant: 国家电网公司 , 国网宁夏电力公司电力科学研究院 , 华乘电气科技(上海)股份有限公司
Abstract: 本发明涉及一种电力设备间歇性缺陷的报警方法。其特点是，包括如下步骤：步骤1，检测电力设备的间歇性局部放电信号，获得PRPS/PRPD图谱；步骤2，对得到的PRPS/PRPD图谱进行处理，得到信号特征参数；步骤3，统计信号特征参数的变化趋势；步骤4，通过对信号特征参数趋势分析和传感器关联分析，判断电力设备的报警状态。与现有技术相比，本发明具有如下的有益效果：1、本发明提供的电力设备间歇性缺陷的报警方法通过对局部放电PRPS/PRPD数据做多种特征参数计算以及各类趋势统计，能够全面的反映间歇性信号的变化特征，有效提高报警的可靠性。
-
公开(公告)号：CN107643471A
公开(公告)日：2018-01-30
申请号：CN201711024180.7
申请日：2017-10-27
Applicant: 国家电网公司 , 国网宁夏电力公司电力科学研究院 , 华乘电气科技(上海)股份有限公司
Abstract: 本发明涉及利用多传感器技术对高压电力设备间歇性缺陷进行检测、分析与定位的设备，尤其是一种电气设备间歇性缺陷检测定位装置。其特点是：包括接地电流传感器、特高频传感器、超声波传感器和高频电流传感器，该所有传感器分别通过采集单元与现场主机有线连接，该现场主机还通过无线通信网络与后台采集单元连接；其中现场主机包括依次连接的数据采集模块、数据处理模块、诊断定位模块和数据传输单元，以及分别与该诊断定位模块和数据传输单元连接的控制单元。本发明实施后能够极大程度上降低现场工作量，提升数据质量，积累优质的带电检测数据资源，为开展带电检测诊断分析打好数据基础。
-
公开(公告)号：CN105606977B
公开(公告)日：2019-04-19
申请号：CN201610141455.4
申请日：2016-03-11
Applicant: 华乘电气科技(上海)股份有限公司
IPC: G01R31/12
Abstract: 本发明提供了一种基于分层规则推理的局部放电PRPS图谱识别方法及系统，包括步骤1：检测电力设备的局部放电信号，获得PRPS图谱；步骤2：对PRPS图谱中的PRPS数据进行处理，得到PRPS特征参数；步骤3：通过分层规则推理诊断系统对PRPS特征参数进行分析，判断得到电力设备的局部放电类型。本发明通过对局部放电PRPS图谱做统一规范处理，能有效识别各类局部放电信号和噪声信号类型，简便准确地诊断出电力设备的局部放电模式，为电力设备的绝缘状态诊断提供可靠依据。
-
公开(公告)号：CN106556781A
公开(公告)日：2017-04-05
申请号：CN201611003016.3
申请日：2016-11-10
Applicant: 华乘电气科技(上海)股份有限公司
CPC classification number: G01R31/1218 , G01N21/8851 , G01N2021/8893
Abstract: 本发明提供了一种基于深度学习的局部放电缺陷图像诊断方法及系统，包括步骤1：检测电力设备的局部放电信号，获得局部放电缺陷图像；步骤2：建立局部放电缺陷图像样本库，提取训练集和测试集；步骤3：建立深度卷积神经网络模型，使用样本做深度学习训练与测试，得到网络模型的连接权值和偏置参数；步骤4：将待诊断的局部放电缺陷图像输入步骤3得到的网络模型，输出得到图像的局部放电缺陷类型。本发明利用深度学习理论的学习算法完成局部放电缺陷图像的特征提取任务，不依赖于手工提取特征参数，能准确有效地识别各类局部放电图像的缺陷类型，为电力设备的绝缘状态诊断提供了新的解决途径。
-
Patent Agency Ranking
公开(公告)号：CN106546892A
公开(公告)日：2017-03-29
申请号：CN201610996885.4
申请日：2016-11-10
Applicant: 华乘电气科技(上海)股份有限公司
IPC: G01R31/12
CPC classification number: G01R31/1209
Abstract: 本发明提供了一种基于深度学习的局部放电超声音频识别方法及系统，包括：通过检测电力设备的局部放电超声信号，获得局部放电超声音频数据；将局部放电超声音频数据转换为声谱图；建立深度卷积神经网络模型，使用样本训练网络；将待诊断的局部放电超声音频数据输入训练好的网络，输出得到局部放电缺陷类型。本发明通过将局部放电超声音频数据转换为声谱图，使用深度卷积神经网络识别声谱图，能准确有效地识别局部放电各类缺陷的超声信号，为电力设备的绝缘状态评估提供了方便而可靠的诊断方法。
-
公开(公告)号：CN105629144A
公开(公告)日：2016-06-01
申请号：CN201610141457.3
申请日：2016-03-11
Applicant: 华乘电气科技(上海)股份有限公司
IPC: G01R31/12
CPC classification number: G01R31/12
Abstract: 本发明提供了一种基于指纹库的高压开关设备局部放电诊断方法及系统，通过采集高压开关设备的不同局部放电类型和噪声类型的信号，将信号经过数据处理后提取指纹并构造指纹库，未知的信号通过数据处理后计算指纹，与指纹库中的指纹信息进行相似比较推理，从而识别该未知信号的类型。本发明构造了局部放电指纹库，利用指纹区分信号类型，能有效识别各类局部放电信号和噪声信号，为高压开关设备的绝缘状态评估提供了方便而可靠的诊断方法。
-
公开(公告)号：CN108333443B
公开(公告)日：2020-08-25
申请号：CN201711403338.1
申请日：2017-12-22
Applicant: 国家电网公司 , 国网宁夏电力公司电力科学研究院 , 华乘电气科技(上海)股份有限公司
Abstract: 本发明涉及一种电力设备间歇性缺陷的报警方法。其特点是，包括如下步骤：步骤1，检测电力设备的间歇性局部放电信号，获得PRPS/PRPD图谱；步骤2，对得到的PRPS/PRPD图谱进行处理，得到信号特征参数；步骤3，统计信号特征参数的变化趋势；步骤4，通过对信号特征参数趋势分析和传感器关联分析，判断电力设备的报警状态。与现有技术相比，本发明具有如下的有益效果：1、本发明提供的电力设备间歇性缺陷的报警方法通过对局部放电PRPS/PRPD数据做多种特征参数计算以及各类趋势统计，能够全面的反映间歇性信号的变化特征，有效提高报警的可靠性。
-
公开(公告)号：CN105606977A
公开(公告)日：2016-05-25
申请号：CN201610141455.4
申请日：2016-03-11
Applicant: 华乘电气科技(上海)股份有限公司
IPC: G01R31/12
CPC classification number: G01R31/12
Abstract: 本发明提供了一种基于分层规则推理的局部放电PRPS图谱识别方法及系统，包括步骤1：检测电力设备的局部放电信号，获得PRPS图谱；步骤2：对PRPS图谱中的PRPS数据进行处理，得到PRPS特征参数；步骤3：通过分层规则推理诊断系统对PRPS特征参数进行分析，判断得到电力设备的局部放电类型。本发明通过对局部放电PRPS图谱做统一规范处理，能有效识别各类局部放电信号和噪声信号类型，简便准确地诊断出电力设备的局部放电模式，为电力设备的绝缘状态诊断提供可靠依据。
-
公开(公告)号：CN207502655U
公开(公告)日：2018-06-15
申请号：CN201721402268.3
申请日：2017-10-27
Applicant: 国家电网公司 , 国网宁夏电力公司电力科学研究院 , 华乘电气科技(上海)股份有限公司
Abstract: 本实用新型涉及利用多传感器技术对高压电力设备间歇性缺陷进行检测、分析与定位的设备，尤其是一种基于多技术检测的电气设备间歇性缺陷检测定位装置。其特点是：包括接地电流传感器、特高频传感器、超声波传感器和高频电流传感器，该所有传感器分别通过采集单元与现场主机有线连接，该现场主机还通过无线通信网络与后台采集单元连接；其中现场主机包括依次连接的数据采集模块、数据处理模块、诊断定位模块和数据传输单元，以及分别与该诊断定位模块和数据传输单元连接的控制单元。本实用新型实施后能够极大程度上降低现场工作量，提升数据质量，积累优质的带电检测数据资源，为开展带电检测诊断分析打好数据基础。(ESM)同样的发明创造已同日申请发明专利
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.037 seconds)
