科技成果——基于多源信息融合的智能感知电力变压器健康状态评估
《基于多源融合的电力设备缺陷智能诊断技术研究与应用》范文
《基于多源融合的电力设备缺陷智能诊断技术研究与应用》篇一一、引言随着电力系统的快速发展和智能化水平的不断提高，电力设备的运行状态监测与故障诊断变得尤为重要。
传统的电力设备缺陷诊断方法主要依赖于人工巡检和经验判断，这种方式效率低下且易受人为因素影响。
因此，研究基于多源融合的电力设备缺陷智能诊断技术，对于提高电力设备运行效率、保障电网安全具有重要意义。
本文将针对这一技术展开研究，并探讨其在实际应用中的效果。
二、电力设备缺陷智能诊断技术概述电力设备缺陷智能诊断技术是通过融合多种传感器、数据挖掘、机器学习等技术手段，实现对电力设备运行状态和故障类型的智能识别与判断。
其中，多源融合是指将来自不同传感器、不同时间、不同空间的数据进行整合与融合，以获得更全面、准确的设备状态信息。
三、多源融合技术的研究多源融合技术是实现电力设备缺陷智能诊断的关键。
该技术主要包括数据采集、数据预处理、特征提取与融合、模式识别等步骤。
首先，通过布置各种传感器，实时采集电力设备的运行数据；其次，对采集到的数据进行预处理，去除噪声、异常值等干扰信息；然后，利用特征提取技术从预处理后的数据中提取出反映设备状态的关键特征；最后，通过模式识别算法对提取出的特征进行分类与判断，实现对电力设备缺陷的智能诊断。
四、智能诊断技术的应用基于多源融合的电力设备缺陷智能诊断技术在电力系统中得到了广泛应用。
首先，该技术可以实现对电力设备的实时监测与预警，及时发现设备故障，减少设备停机时间；其次，通过智能诊断技术可以快速定位故障原因，为维修人员提供准确的维修方案；最后，该技术还可以对设备的运行状态进行评估，为设备的维护与更换提供依据。
此外，该技术在提高电力设备运行效率、降低运维成本、保障电网安全等方面也发挥了重要作用。
五、实际应用案例分析以某电力公司为例，该公司采用了基于多源融合的电力设备缺陷智能诊断技术，对变电站内的变压器、断路器等关键设备进行实时监测。
通过布置各种传感器，实时采集设备的运行数据，并利用多源融合技术对数据进行整合与处理。
多源信息融合技术在变压器故障诊断中的应用
摘要 ：变压器作为 电力系统 的关键 设备 ，维护其安全稳 定运行具有 重要 的 意义。由 于变压器 自身结构复
杂，利 用单一信息的传统故 障诊 断方法对其进行诊 断具有一定 的局 限性。结合 变压 器油 气数 据 ，利用数 据 融合原理 ，将 Ｂ Ｐ神经 网络和证据 理论 相结合 ，设计 了 多源信 息融合 的变压 器故 障诊 断模 型，并利 用 现场数据 对该模型进行测试 。测试 结果表明 ，该模型 能有 效地进行 变压器 的故 障诊 断，与传统 方法相 比 提 高 了故障诊 断的正确 率，具 有较 高的理论意义和应 用价值 。 关键词 ：变压器 ；故障诊 断；多源信 息融合 ；Ｂ Ｐ神 经网络 ；油中溶解气体
息 的 模 糊 度 。将 多 源 信 息 融 合 技 术 应 用 于 变 压 器 将 Ｂ Ｐ神 经 网 络 和 证 据 理 论 相 结 合 ，设 计 了 多 源
故 障 诊 断 中 ，可 以 弥 补 传 统 故 障 诊 断 方 法 中 数 据 信 息融 合 的 变 压 器 故 障 诊 断 模 型 ，并 利 用 现 场 数
中 图分 类 号 ：Ｔ Ｍ７ ３ ２ 文 献 标 识 码 ：Ａ Ｄ Ｏ Ｉ ：１ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ６ ７ ２— ０ ７ ９ ２ ． ２ ０ １ ３ ． １ １ ． ０ ０ ５
限 ，提 高 诊 断 结 果 的 准 确 率 。 近 年 来 ，人 工 智 能
依 据 某 种 优 化 准 则 组 合 起 来 ，以 达 到 最 佳 协 同作 器 故 障信 息 ，利 用 各 类 传 感 器 所 收 集 的大 量 信 息 和情 报 进 行 分 析 、处 理 、综 合 ，以 做 出正 确 决 策 。 时 间 覆 盖 范 围 ，提 高 了 结 果 的 可 信 度 ，降 低 了信 本 文结 合 变 压 器 油 气 数 据 ，利 用 数 据 融 合 原 理 ，
电力变压器多源信息融合故障诊断技术研究
电力技术应用电力变压器多源信息融合故障诊断技术研究舒，阳士宇，汪俊，范叶平，李志浩（安徽继远软件有限公司，安徽合肥文章深入研究传统电力变压器故障诊断数据来源单一、诊断结果准确性不足的问题，提出一种创新的故障诊断方法。
通过引入多源信息融合技术，提高电力变压器故障诊断的准确性和可靠性。
在本研究中，采用以深度信念网络（Deep Belief Network，DBN）为基础，与DS证据理论相结合的方法。
首先，利用DS证据理论融合分类结果，从而得到最终的故障诊断结果。
最后，与传统方法相比，基于多源信息融合的电力变压器故障诊断方法大幅提升了故障诊断准确率，并且在多种类型的故障诊电力变压器；多源信息融合；故障诊断技术Research on Multi-source Information Fusion Fault Diagnosis Technology forPower TransformersWANG Shu, YANG Shiyu, WANG Jun, FAN Yeping, LI Zhihao(Anhui Jiyuan Software Co., Ltd., HefeiTelecom Power Technology和偏置。
在训练好第一层RBM之后，把其输出数据当作下一层RBM的输入数据，然后继续练习下一层。
反复进行这个步骤，直至每个层次都练习成功。
当预训练完成后，把最后一个RBM的输出连接到下Softmax分类器或其他更具体的分类器模型。
然后通过有监督学习的方法，微调整个DBN。
微调阶段的主要目标是最小化分类偏差，从而提高分析的精确度。
继电保护故障诊断中的多源信息融合与DS 证据理论建立多源信息融合模型预处理变压器中的多种实验数据，包括归一化、标准化等操作，以消除不同数据之间的量纲和数值差异，提高数据的可比性[2]。
将预处理后的多种实验数据进行整合，形成一个综合数据集，包含油色谱分析、油化实验分析、检修历史数据、运行环境数据及外观检测数据等多种信息。
《基于多源融合的电力设备缺陷智能诊断技术研究与应用》范文
《基于多源融合的电力设备缺陷智能诊断技术研究与应用》篇一一、引言电力设备的正常运行是电力系统的核心需求，对于电力设备的检测和诊断是保障电力稳定供应的关键环节。
传统的电力设备诊断方式大多依赖人工操作，不仅效率低下，而且难以准确判断设备的潜在缺陷。
随着信息技术的飞速发展，基于多源融合的电力设备缺陷智能诊断技术应运而生，其通过整合多种数据源信息，实现设备的快速、准确诊断。
本文将探讨基于多源融合的电力设备缺陷智能诊断技术的相关研究与应用。
二、多源融合电力设备缺陷智能诊断技术概述多源融合电力设备缺陷智能诊断技术，是指通过集成多种传感器、监测系统和数据分析技术，实现对电力设备运行状态的多维度、全方位监测和诊断。
该技术可以整合设备运行数据、环境数据、历史数据等多种信息源，通过数据挖掘、机器学习等技术手段，对设备状态进行实时分析和预测，从而及时发现设备缺陷，提高设备的运行效率和安全性。
三、技术原理及实现方法1. 数据采集与预处理：通过布置在电力设备各关键部位的传感器，实时采集设备的运行数据，包括电压、电流、温度、振动等参数。
同时，结合环境数据和历史数据，对采集的数据进行预处理，包括去噪、滤波、标准化等操作，以保证数据的准确性和可靠性。
2. 数据融合与特征提取：将预处理后的数据通过数据融合技术进行整合，提取出反映设备运行状态的特征信息。
这些特征信息包括设备的运行状态、性能参数、故障模式等。
3. 机器学习与模式识别：利用机器学习算法和模式识别技术，对提取的特征信息进行学习和分析，建立设备的运行状态模型和故障诊断模型。
通过模型的训练和优化，提高诊断的准确性和效率。
4. 诊断结果输出与决策支持：根据分析结果，输出设备的运行状态和故障诊断结果，为运维人员提供决策支持。
同时，通过历史数据的积累和分析，预测设备的未来运行状态和可能出现的故障，提前采取维护措施，避免设备故障对电力系统的影响。
四、技术应用与实施基于多源融合的电力设备缺陷智能诊断技术已在多个电力企业和电网公司得到应用。
基于多模型融合集成学习的智能变电站二次设备状态评估
叶远波，等 基于多模型融合集成学习的智能变电站二次设备状态评估
- 149 -
响程度。文献[8]针对智能变电站二次设备单一指标 无法有效评估潜在故障的问题，提出了一种基于变 权理论与梯形云模型的二次设备整体性能模糊综合 评判方法。另外，层次分析法在二次设备状态评估 方面也有较多的应用。层次分析法采用定性和定量 相结合的方式将状态评估问题进行分解，结合其重 要性计算出最终的权重。文献[9]应用层次分析法， 提出了一种基于专家会诊的状态评估标准，可以很 好地将定性和定量分析相结合以实现状态评估。文 献[10]根据二次设备的各类信息和在线监测数据特 点，基于层次分析模型提出了电气二次设备状态检 修策略。近年来随着人工智能算法的兴起，各类智 能算法(如支持向量机[11-13]、人工神经网络[14-15]等) 被应用在了二次设备状态评估中，并在实际应用中 取得了一定的效果。文献[16]基于灰色聚类法建立 了二次设备状态评估模型，并根据评估指标的不确 定性，采用云模型构建灰色白化权函数，并结合层 次分析法计算状态指标的组合权重。文献[17]基于 切比雪夫正交基函数神经网络，并搭配教师模块作 为电气设备状态评估的模型，在对历史数据的学习
1.2 二次设备评估指标体系 合理的二次设备评价体系是状态评估方法研
究的基础工作，二次设备状态特征的选取直接决定 了是否能够正确地反应设备实际的运行状态。
智能变电站二次系统中包含了多种设备，同时 不同设备的状态特征也各有不同，因此需要结合实 际的运行情况、技术水平、相关技术规范以及操作 经验，才能制定出科学高效的评价体系。
- 150 -
电力系统保护与控制
3) 智能终端评价指标 智能终端负责接收来自二次设备的控制指令， 并执行相应的动作，在这样的过程中涉及的指标有 运行时间、动作时间、报文发送时间等。稳态性能 方面与保护装置类似，需要考虑家族性缺陷和正确 动作率，同时 SOE 分辨率以及通信接口性能也是智 能终端的关键指标。 智能终端和测量回路都属于过程层设备，在电 气性能方面有着相似性，需要考虑绝缘电阻以及泄 漏电流，因此智能终端评价指标如图 4 所示。
基于信息融合的变压器故障在线检测
Ａｂｓｒ ｃ ： ｐ ｒ ｃ ｆ ｆｕｌ ｄ ｔｃ ｉｎ ｆ ｒｔａ ｆ ｒ ｓ ｂ ｓ ｄ ｏ ｉｆ ｒ ａｉ ｕｓｏｎ ｔ ｃ ｏ ｏ ｙ ｗａ ｒ ｓ ｎｔｄ．Ｔ ａ ｆ ｒ ｒ ｔａ ｔ Ａｎ ａ ｐ ｏａ ｈ ｏ ａ ｔ ｅｅ ｔｏ ｏ ｒｎｓｏ ｍ ａ ｅ ｎ ｎ ｏ ｍ ｔｏｎ ｆ ｉ ｅ ｈｎ ｌ ｇ ｓｐ ｅ ｅ ｅ ｒ ｎｓｏ ｍｅ
基 于信 息融合的变压器 故障在 线检 测
电工电气 （０ ０ ． ２ １ ７ Ｎｏ ）
基 于 信 息 融合 的变 压 器 故 障 在 线检 测
戴劲峰
（ 苏 省 电力 公 司 海安 供 电公 司 ，江 苏 海 安 ２ ６ Ｏ） 江 ２６０
摘
要 ： 基 于信息 融合技术 ，给 出 了一种 变压器 故障 的在线检 测方法 。通过建 立不 同的变压器模
ｏ ｍ ｔｏｎ ｆ ｉ ｎ ａ ｍ ｎ ｔｔ ｅ ｅ ｔｏｎ ｏｆｐａ ａ ｆ ｒ ａ ｉ ｕｓ ｏ ｉ ｉ ｇ ａ ｈｅ ｄ ｔ ｃ ｉ ｒ ｍ ｅ ｅ ｉｔｃ ｕ ｅ ｙ ｌ ｔ ｎ ａ ｌｓ ｉ ｔ ｒｄｒｆ ａ ｓ ｄ ｂ ａ ｅ ｔｆ ｕ ｔ ．Ｓ ｍｕｌ ｔｏ ｅ ｕｌ ｈｏ ｔ ａ ｈｅ ｍ ｅ ｈ ｓ ａ ｌ ａ ｉ ｎ ｒ ｓ ｔ ｓ ｗ ｈ ｔｔ ｔ ｏｄ ｉ ｂ ｅ ｓ
型对变 压器 的运行 状态 进行估 计 ，根据估 计状 态构 造故 障检测 函数进 行突 变性故 障在线 检测 。针对 某 些潜 伏性 故障 引起 的参数漂 移 问题 ，利 用信 息融合 方法 对绕组 参数进 行在 线估计 。仿真 结果表 明，该 方法 能够 有效地 进行 突变性 故障 的检 测 ，同时 能够 检测 出导致变 压器绕 组参数漂 移 的潜伏 性故 障。
关 键 词 ： 信 息 融 合 ；变 压 器 ； 故 障 检 测 ；参 数 估 计
压瓦机多源异构信息融合与健康评估
压瓦机多源异构信息融合与健康评估随着科技的不断发展，压瓦机多源异构信息融合与健康评估这一话题受到越来越多的关注。
本文将围绕这个话题，从多个不同的角度对其进行探讨和分析。
一、引言压瓦机作为一种重要的工业设备，在现代建筑领域中起着举足轻重的作用。
随着数字化技术的不断应用，压瓦机产生的各种多源异构信息也大大增加，如何有效融合这些信息并进行健康评估成为了当前亟待解决的问题。
二、压瓦机多源异构信息融合1. 传感器数据融合压瓦机通过各种传感器收集到的信息是多种多样的，包括温度、压力、振动等等。
这些信息来自于不同的传感器，往往存在着不一致性和冗余性。
通过将这些数据进行融合，可以减少信息冗余，提高数据的准确性和可靠性。
2. 图像与声音信息融合在压瓦机运行过程中，通过摄像头可以捕捉到关键部位的图像信息，通过麦克风可以获取到相关的声音信息。
将图像和声音信息进行融合，可以更全面地了解压瓦机的运行状态，准确评估其健康状况。
3. 多源异构信息融合技术除了传感器数据、图像和声音信息外，还存在着其他各种类型的信息，如文本信息、工艺参数等。
通过利用多源异构信息融合技术，可以将这些不同类型的信息有效整合起来，为健康评估提供更全面的参考依据。
三、压瓦机健康评估1. 故障诊断与预测通过对压瓦机多源异构信息进行融合，可以建立起一个全面的健康评估模型。
通过这个模型，可以对压瓦机的故障进行准确诊断，并能够提前预测故障的发生，从而采取相应的维修措施，提高设备的可靠性和稳定性。
2. 剩余寿命预测压瓦机的健康评估不仅仅是对当前的状态进行评估，更重要的是对其剩余寿命进行预测。
通过对多源异构信息的融合分析，可以建立剩余寿命预测模型，为设备的维护和更换提供科学依据，降低维护成本。
3. 健康状况监测通过对压瓦机的多源异构信息进行融合和分析，可以实时监测设备的健康状况。
当设备出现异常时，可以及时发出警报并采取相应的措施，防止故障的发生并保证设备的正常运行。
电力变压器的实时状态评估
厶
， ２
Ｕ ＋Ｉ
＋ＩＸ ＋２ ｍ ｌ ｏ Ｏ 一 ｎ １ Ｕ Ｉ（ ｃ ｓ １ Ｘ１ｉ Ｏ） Ｒ ｓ
估计 油温 的方法 预测 正常 油温 ，并将预 测值 与实 际
ｕ ；
Ａ Ｑ
＋２ ＋ ． ２ ２ｏＯ一 ２ｉ０ １《 后 ；２ （ ｓ２ Ｘ ２ Ｒｃ ｓ ） ｎ
ＳＣＡ ＤＡ ｙｓｅ ， ｎ ｈ ｒ ｃ ｉ ｇ ｅ ｔｍ ａ ｉ ｎ ｏ ｌｃ ｒｃ ｅ ｕ ｖ ｌ ｎ ｅｐａ ａ ｅｅ ｓａ ｈ ｅ ｓ ｔｍ ａ ｄ ｔ ｅ ｔａ ｋ ｎ ｓｉ ｔｏ ｆｔ ｅｅ ｔｉ ｑ ｉ ａ ｅ ｃ ｒ ｍ ｔ ｒ ｎｄ ｔ ｅ ｔ ｍｐｅ ａｕｒ ｈｅ ｒｔ ｅ ｃ ｎｇ ｆｔ ｅ ｔａ ｆ ｒ ｅ ，ｔ ｅ ｍ ｅ ｈ ｄ ｃ ｍｂｉ ｅ ｉｈ ｔ ｕ ｚ ｙｎ ｈ ｔｃ ｅ ｌａ ｉ ｎ ｔ ｅ ｒ ａ ｅ ｌｚ ｈａ ｅ ｏ ｈ ｒ ｎｓｏ ｍ ｒ ｈ ｔ ｏ ｏ ｎ ｄ ｗ ｔ ｈｅ ｆ ｚ ｙ ｓ ｔ ｅ ｉ ｖａｕ ｔｏ ｈ ｏ ｙ ｃ ｎ ｒ ａ ｉｅ ｔ ｅ ｒ ａ －ｉ ｅ ａ ｄ ｆ ｓ ｖ ｌ ｔｏ ｆ ｔ ｅ ｔａ ｆ ｒ ｅ ｎ ｌｙ ｈ ｅ ｌｔｍ ｎ ａ ｔｅ ａｕａ ｉｎ ｏ ｈ ｒ ｎｓｏ ｍ ｒ ｆ ａ ｌ ．Ａ ｃｕａ ｘａ ｐ ｅ ｓ ｗ ｈａ ｈｅ ｐｒ ｐｏ ｅ ｉ ｔ ｌｅ ｍ ｌ ｓ ｈｏ ｔ ｔｔ ｏ ｓ ｄ
Ｉ Ｒ ＋ＩＲ ＋ＧＵ 、 ２
ｌ ＸＬ ２ Ｂ ＋Ｉ Ｘ ＋ Ｕ
量测 油温 值对 比来衡 量 变压器 的劣 化程度 。在 油温 计算 方面 ，Ｅ Ｅ的油温 模 型【 比较 成熟 且工程 利用 ＩＥ 】
较 多 。文 献［３对 Ｉ Ｅ １ １ Ｅ Ｅ油 温模型进 行 了简化变 形 ， 具 体形式 为 ［］ ＝Ｋ１ｏ 一 ］ ２［ｌ＋Ｋ３ Ｏ ［ １＋Ｋ ｌｋ （） ４
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
科技成果——基于多源信息融合的智能感知电
力变压器健康状态评估
技术开发单位上海电力大学
成果简介
变压器设备进行状态监测是一种有效的手段，可随时对运行设备进行绝缘监测，发现设备内部隐患，能在不停电的状况下及时了解设备的运行状况，减少停电带来的经济损失，使得变压器的检修工作能够安全有计划的运行。
目前常用的变压器局放监测通常采用某一种局放检测方式，其频段处于不同区域，容易受到相应频段噪声干扰，影响评估结果。
本在线监测装置通过采用特高频、高频、超声波等局放通道，并含有变压器振动信号、铁心接地电流、夹件接地电流、变压器中性点接地电流、风机电流、油泵电流的信号在线监测。
上位机系统软件自动转换信号采集数据成图形方式和管理报表形式，局部放电量的数据、波形图、趋势图、多周期扫描图、二维图、三维图，振动信号的时域图、频域图、振动幅值、频率复杂度、振动平稳性、能量相似度和振动相关性的数据和时间的序列趋势图。
最后，智能感知、分析与决策系统根据多源信息进行融合判决，评估变压器的健康状态，提高评估精度。
系统构成
变压器在线监测系统主要由各类传感器、现场信号处理单元、信号采集单元、上位机组成。
每套系统包含一个数据中心，每个数据中心可控制多个现场信号
处理单元，每个现场信号处理单元可采集多路传感器信号。
系统通过相应的传感器检测变压器内部发生的特高频局部放电信号、高频局部放电信号、超声波局部放电信号、振动信号、环境温湿度信号、负荷电压电流信号、铁心接地电流信号、夹件接地电流信号、中心点接地电流信号、风机电流信号、油泵电流信号，信号采集单元实时采集监测信息信号，采集数据送入数据中心后台监测单元，数据中心对采集数据进行可视化图谱统计分析，智能报警，显示局部放电量的数据、波形图、趋势图、多周期扫描图、二维图、三维图，振动信号的时域图、频域图、振动幅值、频率复杂度、振动平稳性、能量相似度和振动相关性的数据和时间的序列趋势图，并通过显示屏进行显示，便于远程查看、操作和控制。
系统特点
（1）具有自主设计的变压器多状态量采集的变压器状态监测系统，突破了以往变压器单一的信号采集系统限制。
（2）传感器采用体外安装方式，易安装，方便对新老设备进行安装改造。
（3）多路信号同时采集，互不干扰。
（4）先进的特高频信号采集技术。
（5）目前常见的特高频、高频、超声波三种局部放电检测技术的合成系统。
（6）连续在线监测变压器运行，记录变压器各状态量的信号特征。
（7）根据受测设备不同位置的信号强度，可以初步确定局部放电以及振动的位置。
（8）采用了高速数据处理技术、数据中心检测信号迅速及时。
（9）采用了软件抗干扰技术，可有效去除同频带手机等干扰信号。
（10）采用大型数据库和动态数据压缩技术，可以保留海量的历史数据。
（11）窗口式图形化操作界面，界面友好，操作方便。
（12）可视化放电幅值和相位二维图谱显示;信号特征与监控时间的显示；多个工频周期信号特征叠加显示。
（13）变压器故障预警功能。
（14）防水、防震、系统可连续工作较长时间。
（15）无需人工干预的自动操作系统可连续监测和诊断。
数据界面显示
数据软件系统采用大型数据库管理技术，实时对数据进行采集，压缩，处理，存储，显示。
系统主要包括数据采集部分，数据压缩传输部分，数据处理分析部分，图形、表格显示部分、数据库管理部分。
软件主要功能特点：
（1）在线实时监测，记录变压器内部局放产生的信号的幅度，相位等特征信息；
（2）典型的特征（典型故障）放电波形，以供参考；
（3）历史数据查询、分析功能，以便进一步分析和诊断，确定
变压器内的故障情况；
（4）提供Q-φ-N二维谱图，方便维护人员查看分析，为局部放电的模式识别提供依据；
（5）变压器故障诊断、报警功能；
（6）局部放电类型分析及判断；
（7）基本参数设置、用户权限管理、打印输出等功能；
（8）提供多种数据接口，以供后续WiFi、以太网、USB等多种通信方式；
（9）服务器会对严重的故障活动发出警报，报警触发阀值可由用户自定义；
（10）每日自动数据备份、以便用户查看历史数据；
技术创新点
（1）具有自主设计的变压器多状态量采集的变压器状态监测系统，突破了以往变压器单一的信号采集系统限制。
（2）多路变压器状态感知信号（特高频、高频、超声、振动等）同时采集，互不干扰。
（3）采用了高速数据处理技术及软件抗干扰技术，可有效去除同频带手机等干扰信号。
（4）采用大型数据库和动态数据压缩技术，可以保留海量的历史数据。
应用前景
目前单一的变压器局放检测设备已经有，但评估不是很准确。
而
多源信息融合的变压器状态感知的健康评估设备还没有。
随着泛在电力物联网及互联网+等设备需求及技术的发展，电力设备的状态感知及智能评估成为电力设备信息化的技术需求，将广泛的应用于各种电力设备的状态感知中，因此其市场广泛。
合作方式技术转让、许可。