CN106855604A - 一种基于信号振幅的高压输电线快速准确故障定位*** - Google Patents
一种基于信号振幅的高压输电线快速准确故障定位*** Download PDFInfo
- Publication number
- CN106855604A CN106855604A CN201710034389.5A CN201710034389A CN106855604A CN 106855604 A CN106855604 A CN 106855604A CN 201710034389 A CN201710034389 A CN 201710034389A CN 106855604 A CN106855604 A CN 106855604A
- Authority
- CN
- China
- Prior art keywords
- module
- fault location
- signal
- acquisition module
- quick
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Locating Faults (AREA)
Abstract
一种基于信号振幅的高压输电线快速准确故障定位***。其包括信号采集模块、信号处理模块和故障定位模块:其中,信号采集模块与信号处理模块之间通过无干扰线相连接;信号处理模块与故障定位模块之间通过无干扰线相连接。本发明提供的基于信号振幅的高压输电线快速准确故障定位***的优点是:当高压输电线路发生故障时,不需要任何特征提取算法对故障信息进行特征提取,仅通过采集到的三相电压或电流故障信号振幅,经过简单的滤波,实现快速的故障定位,准确地找到故障位置,有助于故障的快速排除,节省恢复供电时间,从技术上保证电网的安全、稳定和经济运行。
Description
技术领域
本发明属于高压输电线路故障定位技术领域,特别是涉及一种基于信号振幅的高压输电线快速准确故障定位***。
背景技术
输电线路是电力***的重要元件,担负着输送电能的重任。当传输线路发生故障时,快速而准确地找到故障位置能够减少检修和恢复供电的时间,同时减少因停电造成的经济损失和社会影响。寻找故障位置的传统方法是人工巡线,但人工巡线存在一些缺点,如:输电距离长、沿线地域辽阔、故障位置不明显、瞬时性故障不易察觉、耗时耗力效率较低。因此,快速准确的故障定位对于长输电线路发生故障后故障位置的查找具有非常重要的意义。
如今,国内外相关学者在高压输电线路故障定位技术领域已经提出了一些定位方法,比如阻抗法、故障分析法、行波法以及智能定位法。阻抗法、故障分析法和行波法理论研究时间较早,但受其***参数的影响且在实际应用中存在一些待解决的问题。而智能定位法不受***参数的影响且智能算法的学习能力较强,因此受到了越来越多的学者关注。
发明内容
为了解决上述问题,本发明的目的在于提供一种基于信号振幅的高压输电线快速准确故障定位***。
为了达到上述目的,本发明提供的基于信号振幅的高压输电线快速准确故障定位***包括:信号采集模块、信号处理模块和故障定位模块:其中,信号采集模块与信号处理模块之间通过无干扰线相连接;信号处理模块与故障定位模块之间通过无干扰线相连接。
所述的信号采集模块为信号采集传感器,包括电流采集模块和电压采集模块;信号处理模块为信号整形处理和必要的运算电路,包括滤波模块或滤波模块和功率运算模块;故障定位模块为故障定位运算器,其采用通用计算机、DSP数据处理***、嵌入式数字处理***或基于FPGA的专用数据处理***为硬件平台。
所述的基于信号振幅的高压输电线快速准确故障定位***根据信号采集的种类不同三种定位模式:电压模式、电流模式和功率模式;
所述的电压模式下的故障定位***包括:电压采集模块、滤波模块和故障定位模块;其中:电压采集模块与滤波模块之间通过无干扰线相连接;滤波模块与故障定位模块之间通过无干扰线相连接;
所述的电流模式下的故障定位***包括:电流采集模块、滤波模块和故障定位模块;其中:电流采集模块与滤波模块之间通过无干扰线相连接;滤波模块与故障定位模块之间通过无干扰线相连接;
所述的功率模式下的故障定位***包括:电压采集模块、电流采集模块、两个滤波模块、功率运算模块和故障定位模块;其中:电压采集模块与一个滤波模块之间通过无干扰线相连接;电流采集模块与另一个滤波模块之间通过无干扰线相连接;两个滤波模块均与功率运算模块之间通过无干扰线相连接;功率运算模块与故障定位模块之间通过无干扰线相连接。
本发明提供的基于信号振幅的高压输电线快速准确故障定位***的优点是:当高压输电线路发生故障时,不需要任何特征提取算法对故障信息进行特征提取,仅通过采集到的三相电压或电流故障信号振幅,经过简单的滤波,实现快速的故障定位,准确地找到故障位置,有助于故障的快速排除,节省恢复供电时间,从技术上保证电网的安全、稳定和经济运行。
附图说明
图1为本发明提供的基于信号振幅的高压输电线快速准确故障定位***的整体架构示意图。
图2为电压模式下故障定位***的整体架构示意图。
图3为电流模式下故障定位***的整体架构示意图。
图4为功率模式下故障定位***的整体架构示意图。
具体实施方式
下面结合附图和具体实施例对本发明提供的基于信号振幅的高压输电线快速准确故障定位***进行详细说明。
如图1所示,本发明提供的基于信号振幅的高压输电线快速准确故障定位***包括:信号采集模块1、信号处理模块2和故障定位模块3:其中,信号采集模块1与信号处理模块2之间通过无干扰线相连接;信号处理模块2与故障定位模块3之间通过无干扰线相连接。
所述的信号采集模块1为信号采集传感器,用于实时采集高压输电线上的三相电压或三相电流信号;其包括电流采集模块和电压采集模块;信号处理模块2为信号整形处理和必要的运算电路,用于对采集到的信号进行整形滤波以及必要的运算,其包括滤波模块或滤波模块和功率运算模块;故障定位模块3为故障定位运算器,其采用通用计算机、DSP数据处理***、嵌入式数字处理***或基于FPGA的专用数据处理***为硬件平台,采用人工神经网络、决策树、遗传算法、朴素贝叶斯、Logistic回归和支持向量机方法,首先对故障信号进行训练,在训练结束后,根据实时采集到的故障信号实时确定故障位置。
本发明提供的基于信号振幅的高压输电线快速准确故障定位***根据信号采集的种类不同,可分为以下三种定位模式:电压模式、电流模式和功率模式。
如图2所示,所述的电压模式下的故障定位***包括:电压采集模块1-1、滤波模块2-1和故障定位模块3;其中:
电压采集模块1-1与滤波模块2-1之间通过无干扰线相连接;滤波模块2-1与故障定位模块3之间通过无干扰线相连接;电压采集模块1-1将采集到的振幅数据传给滤波模块2-1,然后滤波模块2-12再将数据传给故障定位模块3。
电压采集模块1-1用于实时采集故障线路上的三相电压信号;所采用的信号采集装置为三相电压信号传感器;滤波模块2-1用于滤除电压信号中的噪声信号,得到有效的电压故障振幅;所采用的滤波装置为低通滤波器或带通滤波器;故障定位模块3用于对电压故障振幅进行训练,训练结束后用于根据电压故障振幅找到故障位置;用于电压故障振幅训练的算法包括:人工神经网络、决策树、遗传算法、朴素贝叶斯、Logi st i c回归和支持向量机在内的智能分类器。
如图3所示,所述的电流模式下的故障定位***包括:电流采集模块1-2、滤波模块2-1和故障定位模块3;其中:
电流采集模块1-2与滤波模块2-1之间通过无干扰线相连接;滤波模块2-1与故障定位模块3之间通过无干扰线相连接。电流采集模块1-2将采集到的振幅数据传给滤波模块2-1,然后滤波模块2-1再将数据传给故障定位模块3;
电流采集模块1-2用于采集故障线路上的三相电流信号。所采用的信号采集装置为三相电流信号传感器;滤波模块2-1用于滤除电流信号中的噪声信号,得到有效的电流故障振幅;所采用的滤波装置为低通滤波器或带通滤波器;故障定位模块3用于对电流故障振幅进行训练,训练结束后用于根据电流故障振幅找到故障位置。用于电流故障振幅训练的算法包括:人工神经网络、决策树、遗传算法、朴素贝叶斯、Logi st i c回归和支持向量机在内的智能分类器。
如图4所示,所述的功率模式下的故障定位***包括:电压采集模块1-1、电流采集模块1-2、两个滤波模块2-1、功率运算模块2-2和故障定位模块3;其中:
电压采集模块1-1与一个滤波模块2-1之间通过无干扰线相连接;电流采集模块1-2与另一个滤波模块2-1之间通过无干扰线相连接;两个滤波模块2-1均与功率运算模块2-2之间通过无干扰线相连接;功率运算模块2-2与故障定位模块3之间通过无干扰线相连接。
电压采集模块2-1采集到的数据通过一个滤波模块2-1传给功率运算模块2-2,电流采集模块1-2采集到的数据通过另一个滤波模块2-1传给功率运算模块2-2,然后功率运算模块2-2将数据传给故障定位模块3。
电压采集模块1-1用于采集故障线路上的三相电压信号;所采用的信号采集装置为三相电压信号传感器,与其连接的滤波模块2-1用于滤除电压信号中的噪声信号,得到有效的电压故障振幅;所采用的滤波装置为低通滤波器或带通滤波器;电流采集模块1-2用于采集故障线路上的三相电流信号,所应用的信号采集装置为三相电流信号传感器;与其连接的滤波模块2-1用于滤除电流信号中的噪声信号,得到有效的电流故障振幅;所采用的滤波装置为低通滤波器或带通滤波器。功率运算模块2-2用于将电压故障振幅和电流故障振幅整合为功率故障振幅,所采用的装置为乘法器;故障定位模块3用于对功率故障振幅进行训练,训练结束后用于根据功率故障振幅找到故障位置。用于功率故障振幅训练的算法包括:人工神经网络、决策树、遗传算法、朴素贝叶斯、Logistic回归和支持向量机在内的智能分类器。
上述三种定位模式在故障定位过程中,不采用任何的特征提取算法对故障信息进行故障特征提取,而是直接使用故障信号振幅作为故障信号特征。由于减少了这一步,因此使得故障定位速度大大提高。同时,因为故障信息特征更为直接,使得故障定位的精度也进一步提高。
上述三种定位模式都是单独进行工作的,对***的训练必须进行定位模式设定后方能进行。当过渡电阻比较大的时候,可以选择电流或电压定位模式;当过渡电阻比较小的时候,应选择功率模式故障定位。训练好之后,在使用该***时,也要先选择定位模式,然后应用故障信息实现最终的故障定位。
本发明提供的基于信号振幅的高压输电线快速准确故障定位***的主要功能:当高压输电线路发生故障时,信号采集模块1迅速采集三相故障信息,然后将故障信息传给滤波模块2,滤除噪声信号,得到有效故障信号振幅。滤波模块2再将有效故障信号振幅传给故障定位模块3,应用人工神经网络、决策树、遗传算法、朴素贝叶斯、Logistic回归和支持向量机等智能分类器对故障振幅进行训练。训练结束后,故障定位模块3可根据故障振幅快速准确地找到故障位置。
Claims (3)
1.一种基于信号振幅的高压输电线快速准确故障定位***,其特征在于:所述的基于信号振幅的高压输电线快速准确故障定位***包括:信号采集模块(1)、信号处理模块(2)和故障定位模块(3):其中,信号采集模块(1)与信号处理模块(2)之间通过无干扰线相连接;信号处理模块(2)与故障定位模块(3)之间通过无干扰线相连接。
2.根据权利要求1所述的基于信号振幅的高压输电线快速准确故障定位***,其特征在于:所述的信号采集模块(1)为信号采集传感器,包括电流采集模块和电压采集模块;信号处理模块(2)为信号整形处理和必要的运算电路,包括滤波模块或滤波模块和功率运算模块;故障定位模块(3)为故障定位运算器,其采用通用计算机、DSP数据处理***、嵌入式数字处理***或基于FPGA的专用数据处理***为硬件平台。
3.根据权利要求1所述的基于信号振幅的高压输电线快速准确故障定位***,其特征在于:所述的基于信号振幅的高压输电线快速准确故障定位***根据信号采集的种类不同三种定位模式:电压模式、电流模式和功率模式;
所述的电压模式下的故障定位***包括:电压采集模块(1-1)、滤波模块(2-1)和故障定位模块(3);其中:电压采集模块(1-1)与滤波模块(2-1)之间通过无干扰线相连接;滤波模块(2-1)与故障定位模块(3)之间通过无干扰线相连接;
所述的电流模式下的故障定位***包括:电流采集模块(1-2、滤波模块(2-1)和故障定位模块(3);其中:电流采集模块(1-2)与滤波模块(2-1)之间通过无干扰线相连接;滤波模块(2-1)与故障定位模块(3)之间通过无干扰线相连接;
所述的功率模式下的故障定位***包括:电压采集模块(1-1)、电流采集模块(1-2)、两个滤波模块(2-1)、功率运算模块(2-2)和故障定位模块(3);其中:电压采集模块(1-1)与一个滤波模块(2-1)之间通过无干扰线相连接;电流采集模块(1-2)与另一个滤波模块(2-1)之间通过无干扰线相连接;两个滤波模块(2-1)均与功率运算模块(2-2)之间通过无干扰线相连接;功率运算模块(2-2)与故障定位模块(3)之间通过无干扰线相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710034389.5A CN106855604A (zh) | 2017-01-17 | 2017-01-17 | 一种基于信号振幅的高压输电线快速准确故障定位*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710034389.5A CN106855604A (zh) | 2017-01-17 | 2017-01-17 | 一种基于信号振幅的高压输电线快速准确故障定位*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106855604A true CN106855604A (zh) | 2017-06-16 |
Family
ID=59126532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710034389.5A Pending CN106855604A (zh) | 2017-01-17 | 2017-01-17 | 一种基于信号振幅的高压输电线快速准确故障定位*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106855604A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596086A (zh) * | 2018-04-23 | 2018-09-28 | 中国民航大学 | 一种基于电压振幅的高压输电线快速准确故障分类*** |
CN108845228A (zh) * | 2018-04-28 | 2018-11-20 | 中国民航大学 | 一种基于信号振幅的高压输电线快速准确故障诊断*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1896756A (zh) * | 2006-03-16 | 2007-01-17 | 重庆大学 | 基于人工神经网络模型的电缆故障在线测距方法 |
CN102401871A (zh) * | 2011-11-29 | 2012-04-04 | 安徽继远电网技术有限责任公司 | 基于fpga和arm硬件平台的故障信息综合装置 |
CN102435912A (zh) * | 2011-10-13 | 2012-05-02 | 华北电力大学(保定) | 电网中故障扰动点的定位方法 |
CN102735966A (zh) * | 2012-06-12 | 2012-10-17 | 燕山大学 | 一种输电线路评估诊断***和方法 |
CN103245879A (zh) * | 2013-04-18 | 2013-08-14 | 国家电网公司 | 基于暂态无功功率方向的小电流接地故障定位方法 |
-
2017
- 2017-01-17 CN CN201710034389.5A patent/CN106855604A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1896756A (zh) * | 2006-03-16 | 2007-01-17 | 重庆大学 | 基于人工神经网络模型的电缆故障在线测距方法 |
CN102435912A (zh) * | 2011-10-13 | 2012-05-02 | 华北电力大学(保定) | 电网中故障扰动点的定位方法 |
CN102401871A (zh) * | 2011-11-29 | 2012-04-04 | 安徽继远电网技术有限责任公司 | 基于fpga和arm硬件平台的故障信息综合装置 |
CN102735966A (zh) * | 2012-06-12 | 2012-10-17 | 燕山大学 | 一种输电线路评估诊断***和方法 |
CN103245879A (zh) * | 2013-04-18 | 2013-08-14 | 国家电网公司 | 基于暂态无功功率方向的小电流接地故障定位方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596086A (zh) * | 2018-04-23 | 2018-09-28 | 中国民航大学 | 一种基于电压振幅的高压输电线快速准确故障分类*** |
CN108845228A (zh) * | 2018-04-28 | 2018-11-20 | 中国民航大学 | 一种基于信号振幅的高压输电线快速准确故障诊断*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tian et al. | Power line recognition and tracking method for UAVs inspection | |
CN102324743A (zh) | 电力***在线暂态安全稳定评估预想故障筛选方法 | |
CN103246896A (zh) | 一种鲁棒性车辆实时检测与跟踪方法 | |
CN104361314A (zh) | 基于红外与可见光图像融合的变电设备定位方法及装置 | |
CN106855604A (zh) | 一种基于信号振幅的高压输电线快速准确故障定位*** | |
CN110163852B (zh) | 基于轻量化卷积神经网络的输送带实时跑偏检测方法 | |
CN105551064A (zh) | 一种基于图像特征估计堆料体积变化率的方法 | |
CN106778439B (zh) | 一种基于图像处理的锂电池批量扫码***及方法 | |
CN104394194A (zh) | 一种基于PaaS平台的云***运维监控方法及*** | |
CN103488800A (zh) | 一种基于svm的用电异常检测方法 | |
CN103077401A (zh) | 一种基于光流上下文直方图的异常行为检测方法及*** | |
CN104833925A (zh) | 一种基于机器视觉的燃料电池双极板检测方法及*** | |
Peng et al. | Get: Group event transformer for event-based vision | |
CN202700832U (zh) | 一种生产过程中的残次品的动态识别装置 | |
CN110414475A (zh) | 一种机器人复现人体演示动作的方法和装置 | |
CN106199373A (zh) | 电子设备智能故障诊断方法与装置 | |
CN105023262A (zh) | 视觉检测控制器 | |
CN106828150A (zh) | 一种分立式电池管理*** | |
CN207117816U (zh) | 一种图像处理装置 | |
CN115512290A (zh) | 一种基于图像识别技术的光伏板效率监测方法与*** | |
CN103400382A (zh) | 一种基于atm场景下的异常面板检测算法 | |
CN204154501U (zh) | 滑动轴承监测*** | |
CN108845228A (zh) | 一种基于信号振幅的高压输电线快速准确故障诊断*** | |
CN202257664U (zh) | 一种基于机器视觉的成捆铜管计数设备 | |
CN104458746A (zh) | 包裹体动检测***及其检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170616 |