CN107340459A - 一种直流故障电弧检测方法及*** - Google Patents

一种直流故障电弧检测方法及*** Download PDF

Info

Publication number
CN107340459A
CN107340459A CN201611044979.8A CN201611044979A CN107340459A CN 107340459 A CN107340459 A CN 107340459A CN 201611044979 A CN201611044979 A CN 201611044979A CN 107340459 A CN107340459 A CN 107340459A
Authority
CN
China
Prior art keywords
difference
voltage
electric arc
threshold
data
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.)
Granted
Application number
CN201611044979.8A
Other languages
English (en)
Other versions
CN107340459B (zh
Inventor
张宸维
林方圆
李文杰
何俊
许二超
叶昌森
李�杰
金希佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Jianghuai Automobile Group Corp
Original Assignee
Anhui Jianghuai Automobile Group Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Jianghuai Automobile Group Corp filed Critical Anhui Jianghuai Automobile Group Corp
Priority to CN201611044979.8A priority Critical patent/CN107340459B/zh
Publication of CN107340459A publication Critical patent/CN107340459A/zh
Application granted granted Critical
Publication of CN107340459B publication Critical patent/CN107340459B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
    • G01R31/1263—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
    • G01R31/1272—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of cable, line or wire insulation, e.g. using partial discharge measurements

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Photovoltaic Devices (AREA)
  • Testing Of Individual Semiconductor Devices (AREA)

Abstract

本发明涉及一种直流故障电弧检测方法及***，该方法包括：对光伏电池输出的直流电压按设定采样频率进行采集，得到输出电压数据；对所述输出电压数据进行时域处理，获得每一个检测周期内的电压平均值Uavg、电压方差σ、最大的峰值差Um；与上一个检测周期相比较，在所述电压平均值的差值△Uavg大于第一阈值时，如果所述电压方差的差值△σ大于第二阈值或所述最大峰值差的差值△Um大于第三阈值，则对所述输出电压数据进行频域处理，计算每个频段的谐波能量和，并构成谐波能量和的特征向量空间；利用预先训练的BP神经网络和特征向量空间，确定是否有电弧产生。本发明解决现有直流故障电弧检测不准确、误判率高的问题，提高光伏发电***的安全性。

Description

一种直流故障电弧检测方法及***
技术领域
本发明涉及一种电弧检测技术领域，尤其涉及一种直流故障电弧检测方法及***。
背景技术
电弧是一种气体放电现象，电气的热插拔和触头开关的通断都可能产生电弧，但这类电弧一般不会引起电气故障，电弧按电流分为直流电弧和交流电弧，电弧放电现象常蕴含巨大的能量，对周围设备和工作人员的安全构成威胁。
近年来，随着光伏发电***的广泛应用，尤其是光伏电池板在建筑物屋顶和外墙的大规模应用，且大多数光伏阵列的安装，利用的都是长串的高电压直流电源，这增加了与电弧有关的安全问题。由于故障电弧对光伏电池输出特性的影响较小，传统的过压过流断路器和热断路器对预防***故障电弧的发生无能为力，而光伏发电***一旦发生故障电弧，这些电弧可使装置带电，导致支架***也带电，可能会使接触装置的任何人触电，威胁工作人员的生命安全，另外，持续的直流电弧将产生高温，进而引发火灾，若不采取及时有效的防护措施，将导致电气设备损坏，或大范围财产损坏。近年来欧美等地陆续发生多起由故障电弧引发的火灾，给人们的生命财产带来不同程度损失。2011年美国电工法规(NEC)规定光伏发电***应配备检测故障电弧的检测装置与断路器，检测和隔离引发设备损坏和火灾隐患的直流故障电弧成了必须解决的问题。
目前此类电弧检测方法大致分为两种：一是依据电弧发生时电压、电流等波形的变化判定电弧故障。但光伏发电***中的直流电弧因为与交流电弧的性质有很大不同，首先直流电弧是一种随机不平稳信号，没有交流电流周期性的“平肩”部特征，此种基于波形的检测方法虽然简单但适用性低。二是通过检测电弧发生时电流时域或者频域的变化特征判定电弧产生。此类方法检测对象是电流，适用性广，光伏电源的伏安特性决定逆变器在正常工作时发生电弧，电流时域特征不明显，且易受其他因素干扰，误判率高。同时，仅对电流频域特征的检测方法由于判据单一也存在误判率高的缺点。
发明内容
本发明提供一种直流故障电弧检测方法及***，解决现有光伏发电***产生直流故障电弧检测不准确、易受干扰、误判率高的问题，提高光伏发电***的安全性。
为实现以上目的，本发明提供以下技术方案：
一种直流故障电弧检测方法，包括：
对光伏电池输出的直流电压按设定采样频率进行采集，得到输出电压数据；
对所述输出电压数据进行时域处理，获得每一个检测周期内的电压平均值Uavg、电压方差σ、最大的峰值差Um；
与上一个检测周期相比较，计算得到电压平均值的差值△Uavg、电压方差的差值△σ、最大峰值差的差值△Um；
在所述电压平均值的差值△Uavg大于第一阈值时，如果所述电压方差的差值△σ大于第二阈值或所述最大峰值差的差值△Um大于第三阈值，则对所述输出电压数据进行频域处理，计算每个频段的谐波能量和，并构成谐波能量和的特征向量空间；
利用预先训练的BP神经网络和所述特征向量空间，确定是否有电弧产生
优选的，对所述输出电压数据进行频域处理，计算每个频段的谐波能量和，并构成谐波能量和的特征向量空间，包括：
对N个采集点的直流电压数据进行傅立叶转换，得到电压频谱；
根据奈奎斯特频率，均分N个频段，计算每个频段的谐波能量和W；
由N个频段的谐波能量和构成特征向量空间[W1、W2、W3、……WN]。
优选的，
所述方法还包括：按照以下方式训练所述BP神经网络：
确定所述BP神经网络的拓扑结构；
分别采集光伏发电***在突然启动、负载突变、不同光照、不同直流电压条件下的电压数据，构成第一类学习样本；
将所述第一类学习样本输入到所述BP神经网络中进行反复训练、测试，直到具备识别无电弧产生的能力；
分别采集光伏发电***在不同直流电压条件下不同的电弧发生位置发生电弧的电压数据，构成第二类学习样本；
将所述第二类学习样本输入到所述BP神经网络中进行反复训练、测试，直到具备识别电弧产生能力。
优选的，还包括：如果所述电压平均值的差值△Uavg小于第一阈值，则确定为无电弧产生。
优选的，还包括：在所述电压平均值的差值△Uavg大于第一阈值时，如果所述电压方差的差值△σ小于第二阈值时，则确定为无电弧产生。
优选的，还包括：在所述电压平均值的差值△Uavg大于第一阈值时，如果所述最大峰值差的差值△Um小于第三阈值时，则确定为无电弧产生。
优选的，还包括：在有电弧产生时，发送电弧故障报警信号。
本发明还提供一种直流故障电弧检测***，包括：数据采集单元、数据处理单元及识别单元；
所述数据采集单元用于对光伏电池输出的直流电压按设定采样频率进行采集，得到输出电压数据，并发送给所述数据处理单元；
所述数据处理单元用于对所述输出电压数据进行时域处理，获得每一个检测周期内的电压平均值Uavg、电压方差σ、最大的峰值差Um，并与上一个检测周期相比较，计算得到电压平均值的差值△Uavg、电压方差的差值△σ、最大峰值差的差值△Um；在所述电压平均值的差值△Uavg大于第一阈值、并且所述电压方差的差值△σ大于第二阈值或所述最大峰值差的差值△Um大于第三阈值时，对所述输出电压数据进行频域处理，计算每个频段的谐波能量和，并构成谐波能量和的特征向量空间；
所述识别单元用于利用预先训练的BP神经网络和所述特征向量空间确定是否有电弧产生。
优选的，还包括：报警单元；在有电弧产生时，所述识别单元触发所述报警单元进行报警。
优选的，所述报警单元采用发送电弧故障报警信号的方式进行报警。
本发明提供一种直流故障电弧检测方法及***，通过对光伏电池组输出的电压的时域特征和频域特征的变化来检测直流故障电弧，解决现有光伏发电***产生直流故障电弧检测不准确、易受干扰、误判率高的问题，提高光伏发电***的安全性。
附图说明
为了更清楚地说明本发明的具体实施例，下面将对实施例中所需要使用的附图作简单地介绍。
图1：是本发明提供的一种直流故障电弧检测方法的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图和实施方式对本发明实施例作进一步的详细说明。
针对当前对光伏发电***的直流故障电弧检测存在易受外部因素干扰、误判率高的问题，本发明提供一种直流故障电弧检测方法及***，通过对光伏电池组输出的电压的时域特征和频域特征的变化来检测直流故障电弧，解决现有光伏发电***产生直流故障电弧检测不准确、易受干扰、误判率高的问题。
如图1所示，为本发明提供的一种直流故障电弧检测方法的示意图。该方法包括以下步骤：
S1：对光伏电池输出的直流电压按设定采样频率进行采集，得到输出电压数据；
S2：对所述输出电压数据进行时域处理，获得每一个检测周期内的电压平均值Uavg、电压方差σ、最大的峰值差Um；
S3：与上一个检测周期相比较，计算得到电压平均值的差值△Uavg、电压方差的差值△σ、最大峰值差的差值△Um；
S4：在所述电压平均值的差值△Uavg大于第一阈值时，如果所述电压方差的差值△σ大于第二阈值或所述最大峰值差的差值△Um大于第三阈值，则对所述输出电压数据进行频域处理，计算每个频段的谐波能量和，并构成谐波能量和的特征向量空间；
S5：利用预先训练的BP神经网络和所述特征向量空间，确定是否有电弧产生。
具体地，对于直流故障电弧检测可采用智能汇流箱来进行，以一定的采样频率fs采集光伏发电***中的直流电压数字信号。该汇流箱可为光伏组串汇流箱或光伏方阵汇流设备。如果采集的直流电压数据点数为N，则电弧检测周期为对采集到电压数字信号进行时域数据处理，主要是计算N个采集数据的电压平均值Uavg、电压方差σ、最大的峰值差Um。在电弧发生时，由于弧压的存在使电压平均值会突然变大或变小，而发生电弧后电压方差和最大的峰值差都变大，为避免阴影遮挡或光照等因素引起电压平均值突变带来误判，在是否产生电弧的初步判断中，先把电压平均值突变作为第一判定条件，把电压方差和最大的峰值差的突变作为进一步的判定条件。
在实际应用中，对于第一阈值、第二阈值及第三阈值设定主要以实际需要为准，可把第一阈值设为15，第二阈值设为0.2，第三阈值设为6。同时，通过已训练的BP神经网络，将所述特征向量空间作为所述BP神经网络识的输入样本，对有无电弧产生进行识别，如果所述BP神经网络输出结果为1，确定为有电弧产生，否则，确定为无电弧产生。
需要说明的是，最大峰值差指在采样周期内，光伏发电***输出电压的最大电压与最小电压的差值。
进一步，对所述输出电压数据进行频域数据处理，计算每个频段的谐波能量和，并构成谐波能量和的特征向量空间，包括：
步骤1：对N个采集点的直流电压数据进行傅立叶转换，得到电压频谱；
步骤2：根据奈奎斯特频率，均分N个频段，计算每个频段的谐波能量和W；
步骤3：由N个频段的谐波能量和构成特征向量空间[W1、W2、W3、……WN]。
具体地，由于光伏电池在不同电压等级时发生电弧，会引起电压频域不同频段谐波含量发生变化，频谱特征都不相同。为了保证各种情况下都能提取频域特征，又降低负载高频电力电子开关对频域特征的影响，需对采集到的电压数据进行傅立叶转换，得到电压频谱。为降低负载电力电子开关谐波对频谱分析的影响，将得到的电压频谱在奈奎斯特频率，即范围内剔除开关频率点及其高次谐波频率点后，由低频到高频均分为N个频段。电压频谱各频段内的谐波能量和的计算为：Wi＝∑|A(fi)|2，其中,i＝1、2、3、…..N，|A(fi)|表示在频率点fi处谐波分量幅值。
进一步，所述方法还包括：按照以下方式训练所述BP神经网络：
步骤4：确定所述BP神经网络的拓扑结构；
步骤5：分别采集光伏发电***在突然启动、负载突变、不同光照、不同直流电压条件下的电压数据，构成第一类学习样本；
步骤6：将所述第一类学习样本输入到所述BP神经网络中进行反复训练、测试，直到具备识别无电弧产生的能力；
步骤7：分别采集光伏发电***在不同直流电压条件下不同的电弧发生位置发生电弧的电压数据，构成第二类学习样本；
步骤8：将所述第二类学习样本输入到所述BP神经网络中进行反复训练、测试，直到具备识别电弧产生能力。
在实际应用中，对于BP神经网络拓扑结构，采用通用结构，包括：输入层、隐含层及输出层。BP神经网络经过样本训练和测试好的具有电弧和非电弧识别能力的检测算法。经过训练该BP神经网络已具备自动分类和识别电弧与无电弧状态的识别能力，可作为在线识别是否有电弧产生。
进一步，该方法还包括：如果所述电压平均值的差值△Uavg小于第一阈值时，则确定为无电弧产生。在所述电压平均值的差值△Uavg大于第一阈值时，如果所述电压方差的差值△σ小于第二阈值时，则确定为无电弧产生。在所述电压平均值的差值△Uavg大于第一阈值时，如果所述最大峰值差的差值△Um小于第三阈值时，则确定为无电弧产生。
更进一步，该方法还包括：在有电弧产生时，发送电弧故障报警信号。
可见，本发明提供一种直流故障电弧检测方法，通过对光伏电池组输出的电压的时域特征和频域特征的变化来检测直流故障电弧，解决现有光伏发电***产生直流故障电弧检测不准确、易受干扰、误判率高的问题，提高光伏发电***的安全性。
本发明还提供一种直流故障电弧检测***，该***包括：数据采集单元、数据处理单元及识别单元。所述数据采集单元用于对光伏电池输出的直流电压按设定采样频率进行采集，得到输出电压数据，并发送所述数据处理单元。所述数据处理单元用于对所述输出电压数据进行时域处理，获得每一个检测周期内的电压平均值Uavg、电压方差σ、最大的峰值差Um，并与上一个检测周期相比较，计算得到电压平均值的差值△Uavg、电压方差的差值△σ、最大峰值差的差值△Um；在所述电压平均值的差值△Uavg大于第一阈值、并且所述电压方差的差值△σ大于第二阈值或所述最大峰值差的差值△Um大于第三阈值时，对所述输出电压数据进行频域处理，计算每个频段的谐波能量和，并构成谐波能量和的特征向量空间；
所述识别单元用于利用预先训练的BP神经网络和所述特征向量空间确定是否有电弧产生
进一步，该***还包括：报警单元；在有电弧产生时，所述识别单元触发所述报警单元进行报警。
更进一步，所述报警送电时元采用发送电弧故障报警信号的方式进行报警。
在实际应用中，常把数据采集单元和数据处理单元及识别模块都集成在智能汇流箱中，其中数据处理单元可采用单片机或MCU，识别模块常采用具有神经网络计算的芯片实现。对于数据采集单元可采用NI公司的数据采集卡实现。
可见，本发明提供一种直流故障电弧检测***，通过具有BP神经网络识别功能的识别模块来检测直流故障电弧，解决现有光伏发电***产生直流故障电弧检测不准确、易受干扰、误判率高的问题，提高光伏发电***的安全性。
以上依据图示所示的实施例详细说明了本发明的构造、特征及作用效果，以上所述仅为本发明的较佳实施例，但本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。

Claims (10)

1.一种直流故障电弧检测方法，其特征在于，包括：
对光伏电池输出的直流电压按设定采样频率进行采集，得到输出电压数据；
对所述输出电压数据进行时域处理，获得每一个检测周期内的电压平均值Uavg、电压方差σ、最大的峰值差Um；
与上一个检测周期相比较，计算得到电压平均值的差值△Uavg、电压方差的差值△σ、最大峰值差的差值△Um；
在所述电压平均值的差值△Uavg大于第一阈值时，如果所述电压方差的差值△σ大于第二阈值或所述最大峰值差的差值△Um大于第三阈值，则对所述输出电压数据进行频域处理，计算每个频段的谐波能量和，并构成谐波能量和的特征向量空间；
利用预先训练的BP神经网络和所述特征向量空间，确定是否有电弧产生。
2.根据权利要求1所述的检测方法，其特征在于，对所述输出电压数据进行频域处理，计算每个频段的谐波能量和，并构成谐波能量和的特征向量空间，包括：
对N个采集点的直流电压数据进行傅立叶转换，得到电压频谱；
根据奈奎斯特频率，均分N个频段，计算每个频段的谐波能量和W；
由N个频段的谐波能量和构成特征向量空间[W1、W2、W3、……WN]。
3.根据权利要求1所述的检测方法，其特征在于，所述方法还包括：按照以下方式训练所述BP神经网络：
确定所述BP神经网络的拓扑结构；
分别采集光伏发电***在突然启动、负载突变、不同光照、不同直流电压条件下的电压数据，构成第一类学习样本；
将所述第一类学习样本输入到所述BP神经网络中进行反复训练、测试，直到具备识别无电弧产生的能力；
分别采集光伏发电***在不同直流电压条件下不同的电弧发生位置发生电弧的电压数据，构成第二类学习样本；
将所述第二类学习样本输入到所述BP神经网络中进行反复训练、测试，直到具备识别电弧产生能力。
4.根据权利要求1所述的检测方法，其特征在于，还包括：如果所述电压平均值的差值△Uavg小于第一阈值，则确定为无电弧产生。
5.根据权利要求1所述的检测方法，其特征在于，还包括：在所述电压平均值的差值△Uavg大于第一阈值时，如果所述电压方差的差值△σ小于第二阈值时，则确定为无电弧产生。
6.根据权利要求1所述的检测方法，其特征在于，还包括：在所述电压平均值的差值△Uavg大于第一阈值时，如果所述最大峰值差的差值△Um小于第三阈值时，则确定为无电弧产生。
7.根据权利要求1至6任一项所述的检测方法，其特征在于，还包括：在有电弧产生时，发送电弧故障报警信号。
8.一种直流故障电弧检测***，其特征在于，包括：数据采集单元、数据处理单元及识别单元；
所述数据采集单元用于对光伏电池输出的直流电压按设定采样频率进行采集，得到输出电压数据，并发送给所述数据处理单元；
所述数据处理单元用于对所述输出电压数据进行时域处理，获得每一个检测周期内的电压平均值Uavg、电压方差σ、最大的峰值差Um，并与上一个检测周期相比较，计算得到电压平均值的差值△Uavg、电压方差的差值△σ、最大峰值差的差值△Um；在所述电压平均值的差值△Uavg大于第一阈值、并且所述电压方差的差值△σ大于第二阈值或所述最大峰值差的差值△Um大于第三阈值时，对所述输出电压数据进行频域处理，计算每个频段的谐波能量和，并构成谐波能量和的特征向量空间；
所述识别单元用于利用预先训练的BP神经网络和所述特征向量空间确定是否有电弧产生。
9.根据权利要求8所述的检测***，其特征在于，还包括：报警单元；在有电弧产生时，所述识别单元触发所述报警单元进行报警。
10.根据权利要求8所述的检测***，其特征在于，所述报警单元采用发送电弧故障报警信号的方式进行报警。
CN201611044979.8A 2016-11-24 2016-11-24 一种直流故障电弧检测方法及*** Expired - Fee Related CN107340459B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611044979.8A CN107340459B (zh) 2016-11-24 2016-11-24 一种直流故障电弧检测方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611044979.8A CN107340459B (zh) 2016-11-24 2016-11-24 一种直流故障电弧检测方法及***

Publications (2)

Publication Number Publication Date
CN107340459A true CN107340459A (zh) 2017-11-10
CN107340459B CN107340459B (zh) 2019-06-04

Family

ID=60221859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611044979.8A Expired - Fee Related CN107340459B (zh) 2016-11-24 2016-11-24 一种直流故障电弧检测方法及***

Country Status (1)

Country Link
CN (1) CN107340459B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107957528A (zh) * 2018-01-19 2018-04-24 上海岩芯电子科技有限公司 一种光伏***接地故障检测方法
CN108535589A (zh) * 2018-05-21 2018-09-14 彭浩明 一种故障电弧检测方法及装置
CN108562835A (zh) * 2018-03-19 2018-09-21 杭州拓深科技有限公司 一种基于bp神经网络的故障电弧检测方法
CN109239517A (zh) * 2018-09-12 2019-01-18 国网青海省电力公司电力科学研究院 一种新的光伏***直流电弧故障及类型的辨识方法
CN109375041A (zh) * 2018-12-24 2019-02-22 华北科技学院 小电流接地***单相接地故障判断方法
CN109541418A (zh) * 2019-01-17 2019-03-29 北京腾锐视讯科技有限公司 一种故障电弧检测传感器及故障电弧检测方法
CN110221136A (zh) * 2018-03-01 2019-09-10 通用电气航空***有限公司 用于检测电弧故障的***和方法
CN110441662A (zh) * 2019-08-14 2019-11-12 中国矿业大学(北京) 直流供电***及其电弧故障的检测方法和装置
CN110618366A (zh) * 2019-11-05 2019-12-27 阳光电源股份有限公司 一种直流电弧检测方法及装置
CN110907774A (zh) * 2019-12-04 2020-03-24 国网江苏省电力有限公司南通供电分公司 一种太阳能发电***电弧故障检测方法
CN111123048A (zh) * 2019-12-23 2020-05-08 温州大学 一种基于卷积神经网络的串联故障电弧检测装置及方法
CN112363070A (zh) * 2021-01-14 2021-02-12 江苏固德威电源科技股份有限公司 电池拉弧检测方法、装置和电池储能***
CN112858844A (zh) * 2019-11-27 2021-05-28 株洲中车时代电气股份有限公司 一种检测光伏***中直流电弧故障的方法及***
CN113049922A (zh) * 2020-04-22 2021-06-29 青岛鼎信通讯股份有限公司 一种采用卷积神经网络的故障电弧信号检测方法
CN113125913A (zh) * 2021-05-07 2021-07-16 珠海格力电器股份有限公司 一种电弧故障检测方法、装置及直流电器
CN113447773A (zh) * 2021-06-21 2021-09-28 东莞新能安科技有限公司 一种电弧检测方法、装置及储能电池***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103245897A (zh) * 2013-05-02 2013-08-14 复旦大学 一种使用多重判据的光伏***直流故障电弧检测方法
CN104410360A (zh) * 2014-10-17 2015-03-11 广东易事特电源股份有限公司 光伏发电***安全运行方法及其中对人工神经网络的训练方法和实时检测方法及装置
CN104678265A (zh) * 2015-01-30 2015-06-03 广东雅达电子股份有限公司 一种串联故障电弧检测装置及检测方法
CN105403816A (zh) * 2015-10-30 2016-03-16 国家电网公司 一种光伏***直流故障电弧的识别方法
CN105425118A (zh) * 2015-10-29 2016-03-23 山东建筑大学 一种多信息融合故障电弧检测方法及装置
CN105676088A (zh) * 2016-02-15 2016-06-15 珠海派诺科技股份有限公司 一种故障电弧探测装置的测试设备和方法
FR3002645B1 (fr) * 2013-02-22 2016-09-09 Commissariat Energie Atomique Procede et dispositif de detection d'arc electrique dans une installation photovoltaique

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3002645B1 (fr) * 2013-02-22 2016-09-09 Commissariat Energie Atomique Procede et dispositif de detection d'arc electrique dans une installation photovoltaique
CN103245897A (zh) * 2013-05-02 2013-08-14 复旦大学 一种使用多重判据的光伏***直流故障电弧检测方法
CN104410360A (zh) * 2014-10-17 2015-03-11 广东易事特电源股份有限公司 光伏发电***安全运行方法及其中对人工神经网络的训练方法和实时检测方法及装置
CN104678265A (zh) * 2015-01-30 2015-06-03 广东雅达电子股份有限公司 一种串联故障电弧检测装置及检测方法
CN105425118A (zh) * 2015-10-29 2016-03-23 山东建筑大学 一种多信息融合故障电弧检测方法及装置
CN105403816A (zh) * 2015-10-30 2016-03-16 国家电网公司 一种光伏***直流故障电弧的识别方法
CN105676088A (zh) * 2016-02-15 2016-06-15 珠海派诺科技股份有限公司 一种故障电弧探测装置的测试设备和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林方圆 等: ""光伏***直流故障电弧识别方法研究"", 《电工电能新技术》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107957528B (zh) * 2018-01-19 2020-08-18 上海岩芯电子科技有限公司 一种光伏***接地故障检测方法
CN107957528A (zh) * 2018-01-19 2018-04-24 上海岩芯电子科技有限公司 一种光伏***接地故障检测方法
CN110221136A (zh) * 2018-03-01 2019-09-10 通用电气航空***有限公司 用于检测电弧故障的***和方法
CN108562835A (zh) * 2018-03-19 2018-09-21 杭州拓深科技有限公司 一种基于bp神经网络的故障电弧检测方法
CN108535589A (zh) * 2018-05-21 2018-09-14 彭浩明 一种故障电弧检测方法及装置
CN109239517A (zh) * 2018-09-12 2019-01-18 国网青海省电力公司电力科学研究院 一种新的光伏***直流电弧故障及类型的辨识方法
CN109375041A (zh) * 2018-12-24 2019-02-22 华北科技学院 小电流接地***单相接地故障判断方法
CN109375041B (zh) * 2018-12-24 2021-01-05 华北科技学院 小电流接地***单相接地故障判断方法
CN109541418A (zh) * 2019-01-17 2019-03-29 北京腾锐视讯科技有限公司 一种故障电弧检测传感器及故障电弧检测方法
CN110441662A (zh) * 2019-08-14 2019-11-12 中国矿业大学(北京) 直流供电***及其电弧故障的检测方法和装置
CN110618366A (zh) * 2019-11-05 2019-12-27 阳光电源股份有限公司 一种直流电弧检测方法及装置
CN112858844A (zh) * 2019-11-27 2021-05-28 株洲中车时代电气股份有限公司 一种检测光伏***中直流电弧故障的方法及***
CN110907774A (zh) * 2019-12-04 2020-03-24 国网江苏省电力有限公司南通供电分公司 一种太阳能发电***电弧故障检测方法
CN111123048A (zh) * 2019-12-23 2020-05-08 温州大学 一种基于卷积神经网络的串联故障电弧检测装置及方法
CN113049922A (zh) * 2020-04-22 2021-06-29 青岛鼎信通讯股份有限公司 一种采用卷积神经网络的故障电弧信号检测方法
US11860216B2 (en) 2020-04-22 2024-01-02 Qingdao Topscomm Communication Co., Ltd Fault arc signal detection method using convolutional neural network
CN112363070A (zh) * 2021-01-14 2021-02-12 江苏固德威电源科技股份有限公司 电池拉弧检测方法、装置和电池储能***
CN112363070B (zh) * 2021-01-14 2021-06-22 江苏固德威电源科技股份有限公司 电池拉弧检测方法、装置和电池储能***
WO2022152199A1 (zh) * 2021-01-14 2022-07-21 固德威技术股份有限公司 电池***拉弧检测方法、检测装置和电池储能***
CN113125913A (zh) * 2021-05-07 2021-07-16 珠海格力电器股份有限公司 一种电弧故障检测方法、装置及直流电器
CN113447773A (zh) * 2021-06-21 2021-09-28 东莞新能安科技有限公司 一种电弧检测方法、装置及储能电池***

Also Published As

Publication number Publication date
CN107340459B (zh) 2019-06-04

Similar Documents

Publication Publication Date Title
CN107340459B (zh) 一种直流故障电弧检测方法及***
Lu et al. A comprehensive review on DC arc faults and their diagnosis methods in photovoltaic systems
CN104678265A (zh) 一种串联故障电弧检测装置及检测方法
CN110007197B (zh) 串联电弧故障检测***及检测方法
CN206301449U (zh) 智能用电安全预警监控器
CN104635133A (zh) 一种新型故障电弧检测方法及装置
CN104808109B (zh) 基于录波数据的高压输电线路故障识别方法和***
WO2019127440A1 (zh) 一种直流电弧的处理方法及装置
CN108075728A (zh) 一种光伏***直流侧电弧故障类型辨识及保护装置
CN108510005A (zh) 一种基于卷积神经网络的配电网高阻接地故障识别方法
CN103901318B (zh) 在能量转换***中定位接地故障和绝缘降级状况的方法
CN106324461A (zh) 一种gis间隔交流耐压试验绝缘监测***和监测方法
CN103439633A (zh) 一种小电流接地故障选线装置
CN102135560A (zh) 雷电波侵入变电站的扰动识别方法
CN106549366B (zh) 用电安全检测防护电路、开关设备或插座
Kim et al. Clearing series AC arc faults and avoiding false alarms using only voltage waveforms
CN105510760A (zh) 一种基于小波分析的短路故障数据检测方法
CN103163353B (zh) 基于电流波形相空间重构和分形理论的电弧故障检测方法
Radhakrishnan et al. Synchrophasor based islanding detection for microgrids using moving window principal component analysis and extended mathematical morphology
CN109831033A (zh) 一种供电线路预警保护设备及分段监测预警***
CN110350493A (zh) 基于线路电流二阶导数的中压柔性直流***故障检测方法
Kim et al. Series AC arc fault detection using only voltage waveforms
CN103633629A (zh) 基于小波变换和能量谱分析的高压直流输电线路的保护方法
Fatama et al. A multi feature based islanding classification technique for distributed generation systems
CN210111945U (zh) 光伏***直流侧电弧故障检测***

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190604