CN107219453B - 一种基于多维混合量的变电站继电保护隐性故障诊断方法 - Google Patents
一种基于多维混合量的变电站继电保护隐性故障诊断方法 Download PDFInfo
- Publication number
- CN107219453B CN107219453B CN201710624935.0A CN201710624935A CN107219453B CN 107219453 B CN107219453 B CN 107219453B CN 201710624935 A CN201710624935 A CN 201710624935A CN 107219453 B CN107219453 B CN 107219453B
- Authority
- CN
- China
- Prior art keywords
- protective relaying
- relaying device
- light intensity
- value
- supply voltage
- 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.)
- Active
Links
- 238000002405 diagnostic procedure Methods 0.000 title claims abstract description 8
- 230000001681 protective effect Effects 0.000 claims abstract description 87
- 230000005611 electricity Effects 0.000 claims abstract description 34
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000004888 barrier function Effects 0.000 claims description 7
- 241000272814 Anser sp. Species 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 239000004576 sand Substances 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/282—Testing of electronic circuits specially adapted for particular applications not provided for elsewhere
- G01R31/2827—Testing of electronic protection circuits
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于多维混合量的变电站继电保护隐性故障诊断方法,属于变电站保护技术领域,包括S1、对SV数据传输网中的多维参数进行采集,包括周期T内采集的m个当前采样电压Up和m个当前采样电流Ip;S2、分别根据m个当前采样电压Up、m个当前采样电流Ip,计算当前实际用电量Qp的均方差;S3、判断当前实际用电量Qp的均方差是否大于电量门槛值ΔQ,如果是执行步骤S4,如果否执行步骤S5,其中 当前理论用电量,ε为给定整定值;S4、计数器Y自加1;S5、计数器Y置0;S6、在n个周期T后,判断Y超过设定的最大次数Ymax时,检测出继电保护装置存在隐性故障。本发明通过运行电量参数对隐性故障进行检测,提高隐性故障发现率。
Description
技术领域
本发明涉及变电站保护技术领域,特别涉及一种基于多维混合量的变电站继电保护隐性故障诊断方法。
背景技术
隐性故障是指在电网发生故障时才会表现出来的保护装置的缺陷,会导致保护误动或者拒动,严重时甚至引起电网连锁故障。继电保护***隐性故障在电力***正常运行时对一次***没有影响,当***经历扰动或故障时,电力***潮流重新分配,可能会使带有隐性故障的保护装置误动作,扩大事故范围,甚至造成大面积停电事故。
从诱因角度可将隐性故障分为两大类:一是,硬件等非人为故障造成的隐性故障,包括保护装置原件老化、接触不良、绝缘不良、通信***故障如GOOSE断链、测量元件及测量回路故障等。比如当CT/PT接线自动松线时,会导致采样的零漂,此时会增加采样误差、甚至导致回路断线。二是,软件设置或定值整定错误等人为故障造成的隐性故障,包括保护逻辑错误、原理以及动作逻辑对异常情况的适应性不强、定值设置不合理、人为操作不当或维护不当等。例如,二次***对采样值的滤波包括互感处的模拟滤波和保护装置的数字滤波程序。目前保护装置的数字滤波的整定值一般都是由厂家按典型参数给出的,当一次***在扰动或者故障环境下,此类隐性故障会使得保护装置的启动元件产生异常,比如频繁启动、差流频繁越线、装置频繁告警等。
针对继电保护***隐性故障类型繁多,技术人员针对异性故障造成的电网连锁故障风险、通过概率统计的方法建立隐性故障造成的连锁故障概率模型、通过基于故障树等方法分析电网的连锁故障等进行了研究。但是缺乏对继电保护装置中的隐性故障检测的研究,目前隐性故障的检测主要依靠检修人员到达现场后凭借经验,通过后台和继电保护装置的信息进行故障定位,智能变电站繁杂的信息与逻辑使得这种人工的处理方式远远达不到实际运行的需求。
但是在智能变电站工程中,随着装置现场的不断升级,运行设备的不断研发,继电保护***中增加了合并单元、智能终端、光纤终端盒、GOOSE网络交换机等多个环节,继电保护***的构成逐渐复杂,也大大增加继电保护***存在隐性故障的可能性。但是目前的继电保护***的可维护性较差,对于集成商的依赖度较高,使得继电器保护***实则成为了“黑匣子”,对继电保护装置中的隐性故障检测进行研究已经迫在眉睫。
发明内容
本发明的目的在于提供一种基于多维混合量的变电站继电保护隐性故障诊断方法,以对继电保护装置中的隐性故障进行检测。
为实现以上目的,本发明采用的技术方案包括如下步骤:
S1、对SV数据传输网中的多维参数进行采集,其中多维参数至少包括运行电量参数,该运行电量参数包括周期T内采集的m个当前采样电压Up和m个当前采样电流Ip;
S2、分别根据m个当前采样电压Up、m个当前采样电流Ip,计算当前实际用电量Qp的均方差;
S4、计数器Y自加1;
S5、计数器Y置0;
S6、在n个周期T后,判断Y超过设定的最大次数Ymax时,检测出继电保护装置存在隐性故障;
S7、对检测出的隐性故障进行辨识,得到当前隐性故障的类型。
其中,在所述的步骤S1之前,还包括:
采集t时刻输入至继电保护装置的电压、电流采样值分别为u(t)、i(t),采集t+T时刻输入至继电保护装置的电压、电流采样值分别为u(t+T)、i(t+T);
采用傅里叶算法,分别计算t时刻的电压有效值U(t)、电流有效值I(t),以及t+T时刻的电压有效值U(t+T)、电流有效值I(t+T);
判断相邻周期内继电保护装置接收的电压有效值变化幅度、电流有效值变化幅度是否均未超过其额定值的10%;
若是,则对隐性故障进行正常检测,执行步骤S1;
若否,则封闭当前节点的隐性故障检测。
其中,所述的多维参数包括继电保护装置的运行电量参数、运行状态参数以及运行告警参数;
运行状态参数包括继电保护装置温度、通道光强、电源电压以及保护整定值中的至少一项;
运行告警参数包括CT断线、PT断线、SV链路中断、GOOSE链路中断以及失电警告中的至少一项。
其中,所述的步骤S7,具体包括:
采集不同时刻继电保护装置的运行状态参数,获得保护整定值、N组继电保护装置温度、N组通道光强以及N组电源电压;
分别计算N组继电保护装置温度、N组通道光强以及N组电源电压的平均值和标准差;
分别判断装置温度的平均值、通道光强的平均值以及电源电压的平均值是否在继电保护装置出厂时给定的装置温度范围内、给定的通道光强范围内以及给定的电源电压范围内;
分别判断装置温度的标准差、通道光强的标准差以及电源电压的标准差与给定的温度整定值、通道光强整定值以及电源电压整定值进行比较;
若装置温度的平均值不在给定的装置温度范围内或者装置温度的标准差大于给定的温度整定值时,判断继电保护装置出现运行异常;
若通道光强的平均值不在给定的通道光强范围内或者通道光强的标准差大于给定的通道光强整定值,判断继电保护装置出现通信故障;
若电源电压范围的平均值不在给定的电源电压范围内或者电源电压的标准差大于电源电压整定值,判断继电保护装置出现电源故障;
在保护整定值与出厂给定的整定值不相符时,判断继电保护装置出现定值异常故障。
其中,所述的步骤S7,还包括:
根据继电保护装置的历史运行状态参数,利用最小二乘法分别对装置温度、通道光强以及电源电压的多项式进行拟合,确定装置温度、通道光强以及电源电压的拟合公式;
分别利用装置温度、通道光强以及电源电压的拟合公式,根据时间变量,得到装置温度的预测值、通道光强的预测值以及电源电压的预测值;
分别判断装置温度的预测值、通道光强的预测值以及电源电压的预测值是否在所述继电保护装置出厂时给定的装置温度范围内、给定的通道光强范围内以及给定的电源电压范围内;
若装置温度的预测值不在所述给定的装置温度范围内,判断继电保护装置出现装置运行故障;
若通道光强的预测值不在所述给定的通道光强范围内,判断继电保护装置出现通信故障;
若电源电压的预测值不在所述给定的电源电压范围内,判断继电保护装置出现电源故障。
其中,所述的步骤S7,还包括:
对辨识出的隐性故障的偏离度进行计算,确定辨识出的隐性故障的等级;
根据隐性故障的等级进行相应的报警。
其中,在所述的步骤S7之后,还包括:
S8、结合继电保护装置的告警信息,对隐性故障的辨识结果进行筛选,确定辨识出的隐性故障的真实性。
与现有技术相比,本发明存在以下技术效果:由于继电保护装置的运行输入量与继电保护装置的测量、通信、接线等均相关。本发明通过采集节点的电压、电流幅值等运行电量参数,这些运行电量参数在稳态条件下保持相对的稳定,因此将运行电量参数的估计值作为可靠性较高的数据做为对比源,其精度可达秒级。因此,将采集的电压、电流值转化为用电量参数,然后将当前采集的用电量与用电量的估计值的接近性进行度量,在当前采集的用电量偏差较大时,则可确定继电保护装置出现隐性故障。与传统的人工检测隐性故障相比,本发明利用运行电量参数检测继电保护装置的隐性故障,从表象出发,基于数据处理的方法发现隐性故障,提高了发现隐性故障的准确率和效率。
附图说明
下面结合附图,对本发明的具体实施方式进行详细描述:
图1是本发明第一实施例中一种基于多维混合量的变电站继电保护隐性故障诊断方法的流程示意图;
图2是本发明中继电保护装置隐性故障检测的流程示意图;
图3是本发明第二实施例中一种基于多维混合量的变电站继电保护隐性故障诊断方法的流程示意图;
图4是本发明中继电保护装置隐性故障辨识的流程示意图;
图5是本发明第三实施例中一种基于多维混合量的变电站继电保护隐性故障诊断方法的流程示意图;
图6是本发明中继电保护装置隐性故障诊断的流程示意图;
图7是本发明中继电保护装置隐性故障诊断的***结构示意图;
图8是本发明中继电保护装置隐性故障确认的流程示意图。
具体实施方式
为了更进一步说明本发明的特征,请参阅以下有关本发明的详细说明与附图。所附图仅供参考与说明之用,并非用来对本发明的保护范围加以限制。
实施例一
如图1至图2所示,本实施例公开了一种基于多维混合量的变电站继电保护隐性故障诊断方法,包括如下步骤S1至S6:
S1、对SV数据传输网中的多维参数进行采集,其中多维参数至少包括运行电量参数,该运行电量参数包括周期T内采集的m个当前采样电压Up和m个当前采样电流Ip;
需要说明的是,本实施例中电力***的实际运行信息可通过CT和PT单元采集,然后经过SV网进行信息的点对点输送。
S2、分别根据m个当前采样电压Up、m个当前采样电流Ip以及电压、电流的理论估计值,计算当前实际用电量Qp的均方差;
需要说明的是,在稳态条件下,电压、电流幅值等采样数据应保持相对的稳定,因此,本实施例根据继电保护装置电压历史数据、电流历史数据进行估计得到一个用于与当前采样得到的电压、电流进行比较的理论估计值。
S3、判断当前实际用电量Qp的均方差是否大于电量门槛值ΔQ,如果是执行步骤S4,如果否执行步骤S5;
S4、计数器Y自加1;
S5、计数器Y置0;
S6、在n个周期T后,判断Y超过设定的最大次数Ymax时,检测出继电保护装置存在隐性故障。
需要说明的是,本实施例中在检测出继电保护装置存在隐性故障时,进行报警以提醒用户及时进行维护。
需要说明的是,本实施例中的电量门槛值ΔQ代表继电保护装置测量的电网运行信息与实际运行信息存在的差异。这种差异主要是由测量和计算误差造成的,主要包括互感器测量误差εT、状态估计误差εE、通信衰减εC等,这里的互感器主要指测量用互感器和保护用互感器。
进一步地,在步骤S1之前,本实施例中的故障诊断方法还包括如下步骤:
采集t时刻输入至继电保护装置的电压、电流采样值分别为u(t)、i(t),采集t+T时刻输入至继电保护装置的电压、电流采样值分别为u(t+T)、i(t+T);
采用傅里叶算法,分别计算t时刻的电压有效值U(t)、电流有效值I(t),以及t+T时刻的电压有效值U(t+T)、电流有效值I(t+T);
判断相邻周期内继电保护装置接收的电压有效值变化幅度、电流有效值变化幅度是否均未超过其额定值的10%;
若是,则对隐性故障进行正常检测,执行步骤S1;
若否,则封闭当前节点的隐性故障检测。
具体地,t时刻电压的有效值为:U(t)=Fourier[u(t)],电流的有效值为:T+t时刻电压的有效值为:U(t+T)=Fourier[u(t+T)],电流的有效值为:I(t+T)=Fourier[i(t+T)]。
其中,相邻周期内,电压量有效值的变化为:|U(t+T)-U(t)|≤0.1UN,
相邻周期内,电流量有效值的变化为:|I(t+T)-I(t)|≤0.1IN,其中UN、IN分别是电压额定值、电流额定值。
如果电压有效值变化幅度、电流有效值变化幅度是否均未超过其额定值的10%,则说明电力***处于稳定运行阶段,则开始对隐性故障进行检测。如果不满足,说明电力***处于动态运行阶段,此时闭锁该节点的隐性故障检测,直到该节点电压幅值恢复至稳态。
在实际应用中,电力***对于隐性故障检测是在***稳定运行的情况下进行的。在电力***处于短路故障等动态情况下,***中电压、电流等测量数据会发生快速变化,本实施例在对***的隐性故障进行检测前,首先判断电力***是否处于稳定运行状态,目的是为了防止动态过程中数据不同步等因素导致的***误判。
实施例二
在上述实施例一公开内容的基础上,本实施例采用继电保护装置的运行电量参数以及运行状态参数组成的二维混合量为基础,利用运行电量参数检测继电保护装置的隐性故障,利用运行状态参数的历史值和预测值对检测出的隐性故障的类型进行辨识,具有较高的准确率。
需要说明的是,本实施例中的运行状态参数包括继电保护装置温度、通道光强、电源电压以及保护整定值中的至少一项。
如图3至图4所示,本实施例公开的一种基于多维混合量的变电站继电保护隐性故障诊断方法,包括隐性故障检测以及隐性故障识别两个过程,即在上述步骤S6之后,还包括步骤S7:
S7、对检测出的隐性故障进行辨识,得到当前隐性故障的类型。
对隐性故障进行辨识的具体过程为:
(1)采集不同时刻继电保护装置的运行状态参数,获得保护整定值setting、N组继电保护装置温度Tdq、N组通道光强Sdq以及N组电源电压Vdq,1≤q≤N。继电保护装置的隐性故障与上述四种参数有着直接的关系,这几种参数分别体现了整定值不匹配故障、装置运行异常故障、通信故障以及电源故障。其中装置温度、通道光强以及电源电压均是一个随时间变化的时间序列,而保护整定值是一个恒定值,仅与电力***的改造或者运行方式有关。
这里,装置温度Tdq、通道光强Sdq以及电源电压Vdq的历史时间序列分别为:
(2)由于装置温度、通道光强以及电源电压均是一个随时间变化的时间序列,应对这类数据进行数学处理,辨识出其中特征,从而根据这些特征辨识出继电保护装置中可能出现的隐性故障类型。
利用这N组数据可以得出状态自检量的平均值和标准差为:
继电保护装置在出厂时,给出了装置温度范围[Td min,Td max],通道光强范围[Sd min,Sd max]以及电源电压范围[Vd min,Vd max]来分别作为平均值μT、μS以及μV的整定范围。并根据实际测量过程中存在的误差与波动,选取相应的整定值σT.set、σS.set以及σV.set分别作为σT、σS以及σV的比较参考值。
(3)利用最小二乘法对装置温度、通道光强以及电源电压进行多项式拟合,假设装置温度、通道光强以及电源电压对应的一次线性回归方程为:
其中,BT0、BT1、BS0、BS1与BV0、BV1分别为装置温度、通道光强与电源电压的一次议程的拟合系数。利用最小二乘法,求得相应拟合***,即可得状态自检量的变化趋势,且根据时间预测未来相关量。
(4)继电保护装置运行异常故障的判断公式为:
当满足上述公式中的任意一个大小关系时,即可将当前检测出的隐性故障辨识为装置运行异常故障。
(5)继电保护装置通信故障的判断公式为:
当满足上述公式中的任意一个大小关系时,即可将当前检测出的隐性故障辨识为通信故障。
(6)继电保护装置的电源故障的判断公式为:
当满足上述公式中的任意一个大小关系时,即可将当前检测出的隐性故障辨识为电源故障。
(7)继电保护装置定值异常故障的判断过程为:
当出厂时给定的整定值与测量的整定值不相符时,即Setting.Value≠Setting,判断当前的隐性故障类型为定值异常故障。
进一步地,本实施例中还对发生的隐性故障的偏离度进行不同程度的报警,下面以继电保护装置运行异常故障为例,对其偏离度进行计算,确定当前运行异常故障的等级,并进行相应等级的报警。偏离度计算公式为:
根据计算出的偏离度,将其分为三个等级如表1所示:
表1
T<sub>de</sub> | T<sub>de</sub><5% | 10%>T<sub>de</sub>≥5% | T<sub>de</sub>≥10% |
等级 | I级 | II级 | III级 |
需要说明的是,本实施例中对继电保护装置的隐性故障进行检测,然后对检测出的隐性故障的类型进行辨识,并得到故障偏离度以进行不同程度的报警。使得维护人员可以快速的判断出隐性故障的类型,并根据故障的程度,对当前故障进行有效的维护。
实施例三
本实施例中以变电站保护运行状态参数、电量运行参数以及运行告警参数组成多维混合量,并以此为基础,为继电保护装置的隐性故障进行检测、辨识和筛选。其中多维混合量的具体参数见表2:
表2
如图5至图7所示,本实施例公开的一种基于多维混合量的变电站继电保护隐性故障诊断方法,在上述步骤S7之后,还包括步骤S8:
S8、结合继电保护装置的告警信息,对隐性故障的辨识结果进行筛选,确定辨识出的隐性故障的真实性。
在实际应用中,继电保护装置的自诊断功能的诊断对象只限于设备存在的故障,比如CT断线、PT断线以及SV链路中断等。而这些自检的故障类型不属于隐性故障范畴,本实施例中结合这些告警信息对隐性故障辨识结果进行筛选,筛选过程如图8所示。
隐性故障辨识结果筛选公式具体为:
其中,Alm.S、Alm.V分别为通信与电源隐性故障,1表示状态为真,0表示状态为假。
由于在实际应用中,对继电保护装置的隐性故障可能出现误判现象,比如,可能将显性故障错判为隐性故障。因此,本实施例考虑部分隐性故障检测结果与继电保护装置自检结果重复,结合继电保护装置的告警信息对隐性故障的辨识结果进行筛选,以提高辨识结果的准确性。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于多维混合量的变电站继电保护隐性故障诊断方法,其特征在于,包括:
S1、对SV数据传输网中的多维参数进行采集,其中多维参数至少包括运行电量参数,该运行电量参数包括周期T内采集的m个当前采样电压Up和m个当前采样电流Ip;
S2、根据m个当前采样电压Up、m个当前采样电流Ip以及电压、电流的理论估计值,计算当前实际用电量Qp的均方差;
S3、判断当前实际用电量Qp的均方差是否大于电量门槛值ΔQ,如果是执行步骤S4,如果否执行步骤S5;
S4、计数器Y自加1;
S5、计数器Y置0;
S6、在n个周期T后,判断Y超过设定的最大次数Ymax时,检测出继电保护装置存在隐性故障;
S7、对检测出的隐性故障进行辨识,得到当前隐性故障的类型;
其中,步骤S7包括:
采集不同时刻继电保护装置的运行状态参数,获取保护整定值、N组继电保护装置温度;
计算N组继电保护装置温度的平均值和标准差;
判断装置温度的平均值是否在继电保护装置出厂时给定的装置温度范围内;
将装置温度的标准差与给定的温度整定值进行比较;
若装置温度的平均值不在给定的装置温度范围内或者装置温度的标准差大于给定的温度整定值时,判断继电保护装置出现运行异常。
2.如权利要求1所述的方法,其特征在于,在所述的步骤S1之前,还包括:
采集t时刻输入至继电保护装置的电压、电流采样值分别为u(t)、i(t),采集t+T时刻输入至继电保护装置的电压、电流采样值分别为u(t+T)、i(t+T);
采用傅里叶算法,分别计算t时刻的电压有效值U(t)、电流有效值I(t),以及t+T时刻的电压有效值U(t+T)、电流有效值I(t+T);
判断相邻周期内继电保护装置接收的电压有效值变化幅度、电流有效值变化幅度是否均未超过其额定值的10%;
若是,则对隐性故障进行正常检测,执行步骤S1;
若否,则封闭当前节点的隐性故障检测。
3.如权利要求1所述的方法,其特征在于,所述的多维参数包括继电保护装置的运行电量参数、运行状态参数以及运行告警参数;
运行状态参数包括继电保护装置温度、通道光强、电源电压以及保护整定值中的至少一项;
运行告警参数包括CT断线、PT断线、SV链路中断、GOOSE链路中断以及失电警告中的至少一项。
4.如权利要求3所述的方法,其特征在于,所述的步骤S7,具体包括:
采集不同时刻继电保护装置的运行状态参数,获得N组通道光强以及N组电源电压;
分别计算N组通道光强以及N组电源电压的平均值和标准差;
分别判断通道光强的平均值以及电源电压的平均值是否在给定的通道光强范围内以及给定的电源电压范围内;
分别将通道光强的标准差以及电源电压的标准差与给定的通道光强整定值以及电源电压整定值进行比较;
若通道光强的平均值不在给定的通道光强范围内或者通道光强的标准差大于给定的通道光强整定值,判断继电保护装置出现通信故障;
若电源电压范围的平均值不在给定的电源电压范围内或者电源电压的标准差大于电源电压整定值,判断继电保护装置出现电源故障;
在保护整定值与出厂给定的整定值不相符时,判断继电保护装置出现定值异常故障。
5.如权利要求4所述的方法,其特征在于,所述的步骤S7,还包括:
根据继电保护装置的历史运行状态参数,利用最小二乘法分别对装置温度、通道光强以及电源电压的多项式进行拟合,确定装置温度、通道光强以及电源电压的拟合公式;
分别利用装置温度、通道光强以及电源电压的拟合公式,根据时间变量,得到装置温度的预测值、通道光强的预测值以及电源电压的预测值;
分别判断装置温度的预测值、通道光强的预测值以及电源电压的预测值是否在所述继电保护装置出厂时给定的装置温度范围内、给定的通道光强范围内以及给定的电源电压范围内;
若装置温度的预测值不在所述给定的装置温度范围内,判断继电保护装置出现装置运行故障;
若通道光强的预测值不在所述给定的通道光强范围内,判断继电保护装置出现通信故障;
若电源电压的预测值不在所述给定的电源电压范围内,判断继电保护装置出现电源故障。
6.如权利要求5所述的方法,其特征在于,所述的步骤S7,还包括:
对辨识出的隐性故障的偏离度进行计算,确定辨识出的隐性故障的等级;
根据隐性故障的等级进行相应的报警。
7.如权利要求5所述的方法,其特征在于,在所述的步骤S7之后,还包括:
S8、结合继电保护装置的告警信息,对隐性故障的辨识结果进行筛选,确定辨识出的隐性故障的真实性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710624935.0A CN107219453B (zh) | 2017-07-27 | 2017-07-27 | 一种基于多维混合量的变电站继电保护隐性故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710624935.0A CN107219453B (zh) | 2017-07-27 | 2017-07-27 | 一种基于多维混合量的变电站继电保护隐性故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107219453A CN107219453A (zh) | 2017-09-29 |
CN107219453B true CN107219453B (zh) | 2019-10-15 |
Family
ID=59954752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710624935.0A Active CN107219453B (zh) | 2017-07-27 | 2017-07-27 | 一种基于多维混合量的变电站继电保护隐性故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107219453B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108846455A (zh) * | 2018-06-15 | 2018-11-20 | 国网辽宁省电力有限公司 | 一种基于二维码的继电保护装置维护的方法以及终端设备 |
EP3861361B1 (de) * | 2018-10-01 | 2022-11-30 | Volkswagen Aktiengesellschaft | Verfahren und vorrichtung zum überwachen der zuverlässigkeit eines elektronischen systems |
CN109738717B (zh) * | 2018-11-29 | 2021-06-04 | 国网安徽省电力有限公司检修分公司 | 基于连续性方差的智能变电站设备采样校验的方法和*** |
CN109919488B (zh) * | 2019-03-07 | 2022-09-13 | 中国南方电网有限责任公司 | 一种基于在线监测数据的保护装置状态趋势分析方法 |
AT522639B1 (de) * | 2019-06-19 | 2021-01-15 | Engel Austria Gmbh | Vorrichtung und Verfahren zum Visualisieren oder Beurteilen eines Prozesszustandes |
CN112098898A (zh) * | 2020-09-22 | 2020-12-18 | 国网四川省电力公司眉山供电公司 | 断线故障判断方法及装置和调控*** |
CN112559967A (zh) * | 2020-12-09 | 2021-03-26 | 国网江苏省电力有限公司电力科学研究院 | 一种基于二次设备光强趋势分析的状态检修方法、***及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104515945A (zh) * | 2013-09-27 | 2015-04-15 | 伊姆西公司 | 隐藏故障检测电路及利用隐藏故障检测电路检测隐藏故障的方法 |
CN105629097A (zh) * | 2014-11-26 | 2016-06-01 | 国家电网公司 | 一种继电保护装置的隐性故障检测方法 |
CN106295094A (zh) * | 2015-05-15 | 2017-01-04 | 中国电力科学研究院 | 一种考虑继电保护隐性故障的电网薄弱环节识别仿真方法 |
CN106372735A (zh) * | 2016-09-06 | 2017-02-01 | 北京四方继保自动化股份有限公司 | 一种继电保护状态评估方法 |
-
2017
- 2017-07-27 CN CN201710624935.0A patent/CN107219453B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104515945A (zh) * | 2013-09-27 | 2015-04-15 | 伊姆西公司 | 隐藏故障检测电路及利用隐藏故障检测电路检测隐藏故障的方法 |
CN105629097A (zh) * | 2014-11-26 | 2016-06-01 | 国家电网公司 | 一种继电保护装置的隐性故障检测方法 |
CN106295094A (zh) * | 2015-05-15 | 2017-01-04 | 中国电力科学研究院 | 一种考虑继电保护隐性故障的电网薄弱环节识别仿真方法 |
CN106372735A (zh) * | 2016-09-06 | 2017-02-01 | 北京四方继保自动化股份有限公司 | 一种继电保护状态评估方法 |
Non-Patent Citations (2)
Title |
---|
基于PFIS 的继电保护常态特性在线监视与隐性故障诊断;邱金辉 等;《电力***保护与控制》;20150416;第43卷(第8期);第145-149页 * |
基于WAMS 的继电保护静态特性监视及其隐藏故障诊断;熊小伏 等;《运行可靠性与广域安全防御》;20090510;第33卷(第9期);第11-15、19页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107219453A (zh) | 2017-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107219453B (zh) | 一种基于多维混合量的变电站继电保护隐性故障诊断方法 | |
Guo et al. | Synchrophasor-based islanding detection for distributed generation systems using systematic principal component analysis approaches | |
CN105403811B (zh) | 风电场电网故障诊断方法和装置 | |
CN106372735B (zh) | 一种继电保护状态评估方法 | |
CN106405475A (zh) | 电能表异常诊断方法 | |
Liu et al. | Wide-area phase-angle measurements for islanding detection—An adaptive nonlinear approach | |
Zhang et al. | A novel on-line substation instrument transformer health monitoring system using synchrophasor data | |
An et al. | Multivariate Gaussian-based false data detection against cyber-attacks | |
CN103995172B (zh) | 变电站gis母线负荷电流在线监测方法 | |
CN108199891B (zh) | 一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法 | |
Liu et al. | Assessing the risk of implementing system integrity protection schemes in a power system with significant wind integration | |
CN111929579B (zh) | 发电机在线故障诊断方法、设备及计算机设备 | |
CN114383652A (zh) | 一种配电网潜在故障在线风险辨识方法、***及装置 | |
CN117612345A (zh) | 一种电力设备状态监测报警***及方法 | |
CN104834305B (zh) | 基于dms***的配网自动化终端遥测异常分析***及方法 | |
CN111999591B (zh) | 一种配电网一次设备异常状态的识别方法 | |
Liu et al. | Data-driven condition monitoring of data acquisition for consumers’ transformers in actual distribution systems using t-statistics | |
Skomedal et al. | Robust and fast detection of small power losses in large-scale PV systems | |
CN102981096A (zh) | 一种基于wams时序分解的电网故障辨识方法 | |
CN114041063A (zh) | 用于自动表征电气***中的扰动的***和方法 | |
CN109884436A (zh) | 电力电容器成套装置在线监测方法 | |
CN110443481A (zh) | 基于混合k-近邻算法的配电自动化终端状态评价***及方法 | |
Alam et al. | A short length window-based method for islanding detection in distributed generation | |
CN107329018A (zh) | 一种变电站继电保护***测量环节隐性故障检测方法 | |
Lu et al. | The development of a smart distribution grid testbed for integrated information management systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |