CN111596171A - 一种人工智能深度学习下的智能配网故障诊断定位综合*** - Google Patents
一种人工智能深度学习下的智能配网故障诊断定位综合*** Download PDFInfo
- Publication number
- CN111596171A CN111596171A CN202010461824.4A CN202010461824A CN111596171A CN 111596171 A CN111596171 A CN 111596171A CN 202010461824 A CN202010461824 A CN 202010461824A CN 111596171 A CN111596171 A CN 111596171A
- Authority
- CN
- China
- Prior art keywords
- fault
- line
- current
- data
- distribution network
- 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
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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- 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
- G01R31/088—Aspects of digital computing
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- 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)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Locating Faults (AREA)
Abstract
一种人工智能深度学习下的智能配网故障诊断定位综合***,属故障诊断领域。包括故障判断及选线装置、故障指示器和无线通讯部分;故障指示器采集线路上暂态电流,当检测到零序电压和零序电流超过设定值时,故障判断及选线装置启动零序故障诊断,辨识出是否为稳定的单相接地故障,然后辨识出具体故障线路及故障相,同时,召回故障相的故障指示器电流,根据故障点前后电流大小发生突变的原理来定位具体故障点位置并输出信号给监控设备。其通过构建基于人工智能深度学习和高纬时空数据驱动的城市配电网运行状态分析评估模型,建立多维度城市配电网多***协调配合的控制和应用机制;实现三阶段一体化分级分层递进,准确辨识故障类型和故障点区段位置。
Description
技术领域
本发明属于故障监控、诊断领域,尤其涉及一种用于配电网的故障诊断、定位***。
背景技术
随着当代经济的快速发展,社会对电的需求日益增大,配电网的密集程度也日益提高。
实现配电网自动化(Distribution Automation)是保证供电可靠性、实现电网经济运行、提高电网效率的关键手段,也是关系到社会生产水平和人民生活质量的重要因素。
目前,我国3~66kV配电网的中性点多数为小电流接地方式,因此配电网可称为小电流接地***或中性点不直接接地***,其包括中性点不接地***(Neutral UngroundedPower System,简称NUS)、中性点经高值电阻接地***(Neutral Resister GroundedPower System,简称NRS)和中性点经消弧线圈接地***(Neutral Resonant GroundedPower System,简称NES)。
我国配电网大多采用由架空线和电缆线(大多用于城市供电***中)构成的辐射状结构,馈线数量与用户用电的集中化水平直接相关,大城市配电网的馈线数量一般可达到20~30条。随着城乡配电网的进一步改造、建设,线路总长度和电缆使用率大大增加,由线路分布电容造成的配网线路对地电容电流迅猛增大,某些配电网电容电流可达到60~70A,甚至高达100A。此时,若线路发生单相接地故障,接地点易发生燃弧,严重威胁到电力***的安全。根据规定,这种配电网的中性点必须经消弧线圈接地。
就目前电力***发展方向来看,应用于中低压配电网的中性点接地方式中,小电流接地方式可避免发生单相接地故障时引起供电中断,具有很强的、适应于配电网的优势,不会被其他接地方式所替代。因此在未来相当长的一段时间内,小电流接地方式在配电网应用中仍将占据重要地位。
据统计,电力***在运行过程中,由配电网故障造成的停电事故约占总停电事故的95%以上,其中70%的事故由单相接地故障或母线故障引起。当配电网发生单相接地故障时,由于零序网中无直接接地点,故障电流仅通过线路对地电容回路流通,故障特征量微弱,而中性点经消弧线圈接地后会对故障电流进行补偿,使故障特征进一步减小,因此一直由于特征提取困难而缺乏可靠的故障选线和定位方法。随着人们对配网自动化水平要求的提高,更加迫切需要从根本上解决配网的故障定位问题。
在我国,对于配网故障选线问题早在1958年就有相关的研究记录,并先后提出了各种故障选线方法,同时研发了相关选线装置。20世纪80年代以来,随着微机保护技术的不断成熟,不同厂家研发出多种在线自动选线装置并投入使用,但从用户方面返回的意见来看,选线的可靠性不高,效果并不好,充分反映出选线技术并不十分成熟。
而作为目前重点研究方向的故障区段定位技术,也同时存在着较多问题,如部分定位原理不可靠、不同监测点信号不能精确同步、故障信号获取困难等。另外,目前的方法大部分仍停留在理论研究阶段,实际应用于现场的技术很少,因而小电流接地故障定位技术一直未能取得实质性突破。
小电流接地方式增加了配电网结构复杂度,使故障选线与定位成为一个公认的难题。随着电力***从传统电网向智能电网的转变,实现智能电网的自愈功能极为重要,这也更需迫切解决故障快速检测和可靠定位问题。
发明内容
本发明所要解决的技术问题是提供一种人工智能深度学习下的智能配网故障诊断定位综合***。其基于故障指示器、无线通信技术和接地故障选线技术,能够自动高效的检测出故障(线路断线、相间短路和单相接地)所在区段。故障选线上位机中的故障定位软件***与线路上具有通信功能的故障指示器相配合,在故障发生后的几分钟内即可在监控中心的地理信息***图上给出故障位置和故障时间的指示信息,实现了对10kV配网线路发生接地、短路和断线故障时提供精确的故障定位服务,同时现实了对配电网络的无盲区监控,有助于帮助维修人员迅速赶赴现场,排除故障,恢复正常供电,大大提高了供电可靠性。
本发明的技术方案是:提供一种人工智能深度学习下的智能配网故障诊断定位综合***,其特征是:
所述的智能配网故障诊断定位综合***包括站内故障判断及选线装置、站外线路上的故障指示器和无线通讯部分;
所述的站内故障判断及选线装置设置在变电站内,用于实时监控变压器中性点的零序电压及零序电流,当检测到零序电压和零序电流超过设定值时,即启动零序故障诊断,辨识出是否为稳定的单相接地故障,然后辨识出具体故障线路及故障相,同时,通过无线通信前置机召回故障相的故障指示器电流,根据故障指示器故障点前后电流大小发生突变的原理来定位具体故障点位置并输出信号给监控设备;
所述站外线路上的故障指示器是检测负荷电流及故障电流的主体,直接悬挂在线路上,通过线路感应取电和后备电池获得工作电流,通过电流互感器线圈采集线路上的暂态电流。故障指示器自带短距离无线通信模块,能够上传实时数据、历史数据和故障数据;
所述的无线通讯部分包括短距离无线设备和VPN 4G设备,站内的通信前置机和站外的线路故障指示器上都设置有短距离无线模块,站内通信前置机的功能通过无线模块与线路故障指示器建立无线链路,集中数据;站外故障指示器上的无线模块功能为担任无线中继器及传输本地数据;同时现场的数据通过VPN 4G模块和远端的主站进行数据交互;
用短距离无线传输模块和VPN 4G无线模块将线路上的故障指示器和变电站端的接地故障选线设备、继电保护设备、后台主站等有机结合起来,综合判断线路的短路故障、接地故障。
具体的,所述的站内故障判断及选线装置包括定位决策装置、数据集中器、接地检测综诊装置和后台/GIS;
其中,所述的定位决策装置用于完成整个故障的定位;
所述的数据集中器负责各无线通讯模块与定位决策装置之间的通讯;
所述的接地检测综诊装置负责判断***单相接地支路;
所述的后台/GIS负责显示、存储故障定位结果。
具体的,所述站外线路上的故障指示器用于进行故障判断并定位,为所有的后台服务提供线路电流的实时运行情况。
具体的,所述的故障指示器每组3只,分别监测线路的ABC三相;每个故障指示器中均包括短距离无线模块,并且相互之间可以级联组成网络,当接收到故障选线召唤时可以将数据接力传回故障选线装置;
所述的故障指示器为外挂式故障指示器,采用分级或分杆的形式进行悬挂设置,每级或每杆分为A、B、C三相线路,每相线路上对应悬挂设置一个故障指示器;每个故障指示器采用独立的标识编码,通过无线级联组网方式将线路上的电流数数及谐波数据传到主站,经主站分析数据并对照编码得出所出故障的类型及位置。
进一步的,所述的智能配网故障诊断定位综合***,对于相间短路故障,由挂在线路上的故障指示器来完成检测,当故障指示器检测到线路电流发生突变并且满足相应判据时就可以判定发生线路断线或者相间短路故障,随后由故障诊断***上位机采集各故障指示器的数据并完成故障定位;对于接地故障,通过故障指示器在线监测线路中故障点前后电流信号的差异化变化,由安装在变电站内的综合故障诊断***上位机配合线路上的故障指示器完成定位。
更进一步的,所述的相应判据包括相间短路判据和接地判据;
所述的相间短路判据包括:
1)线路中正的突变电流大于设定值Iset,并且持续一段时间,即It≥Iset;
2)电流发生突变后2S后检测到断路器跳闸,线路电流降为0,即Ins=0;
其中,It为突变量电流启动值,Ins为自电流突变起n秒后所测的线路电流,此时,断路器已经跳闸,线路电流降为0;
所述的接地判据包括:
利用变电站内的接地故障判断选线诊断装置,实时监控变压器中性点的零序电压,当检测到零序电压变动值超出15%至30%时,启动零序故障诊断,辨识出是否为单相接地故障;若为单相接地则通过站内的故障诊断装置进行接地选线,将接地故障定位在某线路的某一相上;并且当判断出单相接地故障为稳定故障时,故障接地选线装置通过通信前置机召回故障相线路上的故障指示器的实时电流数据,通过对比采集到的信号对比故障点前后数据差异,判断出发生突变的两个故障指示器即可判断出故障发生的具体区段。
具体的,所述持续一段时间的默认值为2个工频周期,即40ms。
进一步的,所述的智能配网故障诊断定位综合***,在***发生稳定接地故障时,调取故障支路故障指示器的录波状态信息,经过故障综合定位判别从而确认故障点。
进一步的,所述的智能配网故障诊断定位综合***,通过构建基于人工智能深度学习和高纬时空数据驱动的城市配电网运行状态分析评估模型,建立多维度城市配电网多***协调配合的控制和应用机制;
所述的多维度城市配电网多***协调配合的控制和应用机制,至少包含:
时间维:横向数据采集与边缘计算,纵向递阶控制序列;短周期故障判定及定位,长周期状态评估、趋势分析与辅助决策;其辅助决策包括接地故障电容电流补偿、过电压及***闪络等问题治理措施和方案;
空间维:站内故障判别与故障支路确认、站外线路区段精确定位;站内数据采集与智能研判,站外线路数据支撑与处置联动;
目标维:故障判别、支路确认、区段定位、辅助决策与优化提升;
智能研判及定位业务框架:从“故障判别”到“故障支路确认”再到“区段定位”,实现三阶段一体化分级分层递进缩小故障点,准确辨识故障类型和故障点区段位置。
更进一步的,所述的智能配网故障诊断定位综合***,通过下列方式,来实现智能研判及故障定位:
1)采用利用全时域、全频段、全类型监控的实时录波技术、全程记录所有零序回路信号,并进行综合故障在线诊断;
2)建立独有的故障波形特征库的方式,通过对现场故障录播数据与故障特征库的比对实现对故障的准确辨识。同时,对于特定性波形可增加到原有的特征库中,以便丰富特征库;
3)基于高采样率、全同步的实时录波,***实时计算***各母线的零序电压是否超限,若零序电压超限,则首先判断是否是PT断线等故障引起的电压异常,以防止选线误判。在确认PT输入信号正常后,则判定为电网发生单相接地,并随即开始接地支路判断;
对任何单相接地故障,***依据接地信号的特征,有针对信的采用适当的接地选线算法,选出接地支路;***的接地选线算法包括:暂态电流法、暂态能量法、稳态电流法、稳态能量法以及人工智能深度学习法:通过对录波数据的深度学习,有效增加对特殊和高阻接地故障的判别;
4)对消弧线圈建立相应数学模型,通过数学模型建立录波数据和消弧线圈动态特性指标的关系,从而推算出消弧线圈动态特性,包括:动作时间、动态响应速度及跟踪灵敏度实时在线分析、电容电流检测精度及消弧线圈调节范围动态监视、对接地状态与串联谐振状态的辨识能力等,消弧线圈动态特性的计算及监测也保证了在经消弧接地***中,选线的准确性;
5)监视电网过电压现象,记录过电压录波数据,对超过10秒的过电压现象在线诊断故障类型和故障区域,对小于10秒的过电压现象进行录波记录。根据变电站的实际过电压情况,对变电站各设备的绝缘配合进行分析;
6)能够实现支路出口跳闸,配合运行要求,可设定支路轮跳闸、选跳闸功能;配合线路保护、重合闸,可实现合于故障后加速功能,确保***安全稳定运行;
7)通过后台录波数据离线分析软件对录波数据进行分析,通过录波数据的分析可以发现信号接错、接反的情况,并可以通过软件进行调整;
8)采用集中式与分布式光纤通讯方式,模块化硬件,***数据采集扩展单元与核心控制器可通过光纤连接,实现电气上的可靠隔离,提升***运行的安全性;
9)通过IP网接入后台分析工作站,由后台分析工作站统一管理、分析各装置录波数据,监控各装置运行;
10)采用集中式与分布式光纤通讯方式,模块化硬件,***数据采集扩展单元与核心控制器可通过光纤连接,实现电气上的可靠隔离,提升***运行的安全性。
与现有技术比较,本发明的优点是:
1.采用本技术方案,可以自动定位故障区段,不需要人工干预,减少了巡线工作量;
2.通过重新设计的电流互感器线圈,将其检测精度优于5%;
3.利用433MHz无线通信模块,将线路上的所有故障指示器组成网络运行,通过后台软件可以从全局层面大幅度提高故障判别及故障地位的准确性,杜绝误报和漏报现象;
4.采用综合故障诊断***作为故障定位***的上位控制部分,实现了对各故障指示器电子部分的管理,实现了对注入信号源的控制,实现了故障定位的最终定位算法
5.本技术方案所述的***装置,同时具有单相接地、谐振等故障诊断功能;
6.在接地故障判别上,创新性地提出了主流人工智能算法库,建立高纬时空数据,开展不同类型故障仿真,实现基于深度学习的特征自学习,从而将接地故障的判别准确率大幅提高。
附图说明
图1是本发明的***硬件构成示意图;
图2是本发明的***硬件布局示意图;
图3是本发明***组网方式示意图;
图4是本发明故障选线装置的工作流程方框图;
图5a至图5c是本发明具有半自锁卡紧机构的故障指示器的安装过程示意图;
图6a至图6b是本发明具有半自锁卡紧机构的故障指示器的拆卸过程示意图;
图7a至图7b是本发明故障指示器可拆卸式电池仓的装卸方式示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步说明。
图1和图2中,本发明的技术方案,提供了一种人工智能深度学习下的智能配网故障诊断定位综合***。
为了准确定位相间短路故障和单相接地故障,***至少需三部分组成:
1.站内接地判断及选线设备;
2.站外线路故障指示器;
3.无线通信部分。
站内故障判断及选线装置安装在变电站内,其主要功能为实时监控变压器中性点的零序电压及零序电流,当检测到零序电压和零序电流超过设定值时,即启动零序故障诊断,辨识出是否为稳定的单相接地故障,然后辨识出具体故障线路及故障相,同时,通过无线通信前置机召回故障相的故障指示器电流,根据故障指示器故障点前后电流大小发生突变的原理来定位具体故障点位置并输出信号给监控设备。
站外线路上(亦称线路中,下同)的故障指示器是检测负荷电流及故障电流的主体,直接挂在线路上,通过线路感应取电和后备电池获得工作电流,电流互感器线圈可以采集线路上的暂态电流。故障指示器自带短距离无线通信模块,可以上传实时数据、历时数据和故障数据。
无线通讯部分可分为短距离无线设备和VPN 4G设备,站内的通信前置机和站外的线路故障指示器上都具有短距离无线模块,站内通信前置机的功能是通过无线模块与线路故障指示器建立无线链路,集中数据;站外故障指示器上的无线模块功能为担任无线中继器及传输本地数据;同时现场的数据可通过VPN 4G模块和远端的主站进行数据交互。
用短距离无线传输模块和VPN 4G无线模块可将线路上的故障指示器和变电站端的接地故障选线设备、继电保护设备、后台主站等有机结合起来,综合判断线路的短路故障、接地故障。
整个***从功能模块上划分,由以下模块构成:
1)定位决策装置:这是整个***的核心,用于完成整个故障的定位。
2)数据集中器:负责各无线通讯模块与定位决策装置之间的通讯。
3)接地检测(综诊)装置:负责判断***单相接地支路。
4)后台/GIS:负责显示、存储故障定位结果。此部分装置是站方原有装置。
5)线路故障指示器:进行故障判断并定位,为所有的后台服务提供线路电流的实时运行情况。
其中,线路中的故障指示器每组3只,分别监测线路的ABC三相。每个故障指示器中均包括短距离无线模块,传输距离为2-5km(空旷地带),并且相互之间可以级联组成网络,当接收到故障选线召唤时可以将数据接力传回故障选线装置。
线路中故障指示器的组网方式如图3中所示,各个故障指示器之间采用无线级联组网模式,故障指示器与通讯前置机之间,同样采用无线级联组网模式。
本发明技术方案中的智能配网故障诊断定位综合***,对于相间短路故障,主要由挂在线路上的故障指示器来完成,当故障指示器检测到线路电流发生突变并且满足相应判据时就可以判定发生线路断线或者相间短路故障,随后由故障诊断***上位机采集各故障指示器的数据并完成故障定位。对于接地故障,由安装在变电站内的综合故障诊断***上位机配合线路上的故障指示器完成定位。
相间短路检测原理是:挂在线路上的故障指示器通过感应流过线路中的突变电流来确认短路故障。
根据短路时的特征,故障指示器可以通过电磁感应方法测量线路中的电流突变及持续时间判断故障。因此它是一种适应负荷电流变化,只与故障时短路电流分量有关的故障检测装置。其主要判据为:
1.线路中正的突变电流大于设定值(Iset),并且持续一段时间(默认值为2周期40ms);
2.电流发生突变后2S后检测到断路器跳闸,线路电流降为0(时间可设置,也可根据实际需求取消该设置,则无论是否重合闸成功,均有事件上报)。
根据以上两点条件,短路判据可以设定如下:
It≥Iset;
Ins=0。
在以上2个判据中:It为突变量电流启动值,Ins为自电流突变起n秒后所测的线路电流。此时,断路器已经跳闸,线路电流降为0。
在短路判断过程中,对于雷击主要通过40ms的持续时间进行滤除,对于励磁电流则主要通过电流直流分量以及后台主站和继电保护装置之间的信息通信来排除。且如果为励磁电流,***不会跳闸,在n秒过后电网供电依然正常。
本发明的技术方案中,当站内设备诊断出故障后,通过故障指示器在线监测线路中故障点前后电流信号的差异化变化,从而对故障进行定位。
1.核心判据:
核心判据为:提出多维度(时间、空间和目标)城市配电网故障多维智能研判及定位框架,构建基于人工智能深度学习和高纬时空数据驱动的城市配电网运行状态分析评估模型,建立城市配电网多***协调配合的控制和应用机制与相应体系。多维度(时间、空间和目标)城市配电网故障多维智能研判及定位业务框架。包含:
时间维:横向数据采集与边缘计算,纵向递阶控制序列;短周期故障判定及定位,长周期状态评估、趋势分析与辅助决策(包括接地故障电容电流补偿、过电压及***闪络等问题治理措施和方案)
空间维:站内故障判别与故障支路确认、站外(线路)区段精确定位;站内数据采集与智能研判,站外(线路)数据支撑与处置联动。
目标维:故障判别、支路确认、区段定位、辅助决策与优化提升。
智能研判及定位业务框架:从“故障判别”到“故障支路确认”再到“区段定位”,实现三阶段一体化分级分层递进缩小故障点,准确辨识故障类型和故障点区段位置
2.检测原理:
在电网正常工作和发生稳定接地故障时时,***故障点前后故障分量差异化较大,利用这一特点,在***发生稳定接地故障时,调取故障支路故障指示器的录波状态信息,经过故障综合定位判别从而确认故障点。
3.判断方法:
如图4中所示,本技术方案利用变电站内的接地故障判断选线诊断装置,实时监控变压器中性点的零序电压,当检测到零序电压变动值超出15%(经消弧线圈接地***为30%)时,启动零序故障诊断,辨识出是否为单相接地故障,若为单相接地则通过站内的故障诊断装置进行接地选线,将接地故障定位在某线路的某一相上。并且当判断出单相接地故障为稳定故障时,故障接地选线装置通过通信前置机召回故障相线路上的故障指示器的实时电流数据,通过对比采集到的信号对比故障点前后数据差异,判断出发生突变的两个故障指示器即可判断出故障发生的具体区段。
本发明的技术方案,基于故障指示器、无线通信技术和接地故障选线技术,可以自动高效的检测出故障(线路断线、相间短路和单相接地)所在区段。故障选线上位机的故障定位软件***与线路上具有通信功能的故障指示器相配合,在故障发生后的几分钟内即可在监控中心的地理信息***图上给出故障位置和故障时间的指示信息,帮助维修人员迅速赶赴现场,排除故障,恢复正常供电,大大提高供电可靠性。其主要特点包括:
1)自动定位故障区段,不需要人工干预,减少巡线工作量;
2)重新设计了电流互感器线圈,将其检测精度优于5%;
3)利用433MHz无线通信模块,将线路上的所有故障指示器组成网络运行,通过后台软件可以从全局层面大幅度提高故障判别及故障地位的准确性,杜绝误报和漏报现象;
4)采用综合故障诊断***作为故障定位***的上位控制部分,该部分实现了对各故障指示器电子部分的管理,实现了对注入信号源的控制,实现了故障定位的最终定位算法。该装置同时具有单相接地、谐振等故障诊断功能。
5)在接地故障判别上,创新性地提出了入主流人工智能算法库,建立高纬时空数据,开展不同类型故障仿真,实现基于深度学习的特征自学习,从而将接地故障的判别准确率大幅提高。
本技术方案中的故障指示器是安装于户外的设备,同时又是直接挂接于10KV线路上的。
在本技术方案中,各个故障指示器采用分级(杆)的形式进行悬挂设置,每级(杆)分A、B、C三相,每相对应一个故障指示器。两级(杆)相距太远无法通信则通过加装中继器的方式进行级联。故障指示器采用独立的标识编码,能通过无线级联组网方式将线路上的电流数数及谐波数据传到主站,经主站分析数据并对照编码得出所出故障的类型及位置。
故障指示器的机械结构对于产品的整体的可靠与否以及故障指示***的性能都有很大的关系。
本发明技术方案中的故障指示器采用半自锁式卡紧悬挂机构。考虑到故障指示器安装现场的危险因素及拆装操作;其结构和机构的配合需完成一定的半自锁功能。
由于故障指示器的安装场合比较特殊,其固定结构类似一个夹子的卡扣,通过这个卡扣悬挂于10KV的电线上。由于在高空安装,这个卡扣打开后能暂时固定,在碰到架空电线时,卡扣闭合,则故障指示器就悬挂于电线上。当要取下时,往下拉故障指示器,则卡扣打开,打开到一定程度,则暂时固定,故障指示器就能从电线上取下。
故障指示器通过半自锁卡紧机构的设计实现免接触式安全安装及拆卸,操作便捷而灵活。
故障指示器安装过程如图5a至图5c中所示,当故障指示器上升时,首先是故障指示器的半自锁卡紧机构受到输电线下压,这时故障指示器的半自锁卡紧机构自动闭合,完成故障指示器的安装。之后,通过故障指示***的配置就能正常工作了。
故障指示器安装、拆卸过程如图6a至图6b中所示,当要取下故障指示器时,下拉故障指示器,这时半自锁卡紧机构分开并锁定张开,这时就能取下故障指示器。
故障指示器是采用电池供电的,而且鉴于故障指示器的使用场合,所以电池仓的设计对于产品非常重要。
为了便于安装和更换电池;同时要确保在拿放故障指示器时比较方便,本发明技术方案中故障指示器,采用可拆卸式电池仓和备用电池仓的结构形式,以方便电池仓的更换与扩容。
如图7a和图7b中所示,故障指示器与其下方的电池仓之间采用可拆卸式结构,该结构借鉴了卡口式电灯泡与电灯座之间的旋转式卡口结构,向一侧旋转电池仓后,即可将电池仓卡固在故障指示器的下端,向另一侧旋转电池仓后,则可顺利地取下电池仓。
通过更换不同容量的电池仓,即可实现电池仓的扩容。
本发明技术方案中的故障指示器,通过以下功能的实现,来实现其检测、监测功能:
1)在线取电:
故障指示器挂在10KV的高压线上工作,当线路中电流较小时由电池供电,为了能让电池供电时间更长,当线路中电流较大时,直接取电供电路工作。这样就能提高故障指示器的使用寿命。
2)组网采集并上传数据:
故障指示器采用的短程无线通信,距离有限,所以不可能每个故障指示器都直接联到集中器。但同时为了使一个集中器能连接更多的故障指示器,以便节约成本。所以故障指示器之间需要考虑合适的组网方式。最后考虑用通信接力的方式,每次通信,一组故障指示器作为一个单元来完成一次通信。当然一组故障指示器个数不能太多,但三相加起来,对于一个集中器而言已经足够了。这样既节省了***构建成本,同时也实现了短程无线通信的组网功能,而且这样,每个故障指示器在通信方面耗电也都类似,不会造成故障指示器电池寿命差别太大。
3)故障判断:
故障的准确判断是故障指示器的核心所在。这里为了确保能采集到故障信号,除了AD采样以外,通过主芯片的外部中断来判断信号的正负半波是否超过一定值,这样可以更快捕获故障信号。
4)低功耗技术:
由于故障指示器采用电池供电,所以电路的功耗直接决定了故障指示器的使用寿命。
5)长时间正常工作:
由于故障指示器是不间断工作,需要一直正常使用若干年,或者出现问题但能很快恢复到正常状态。
本发明技术方案中的故障指示器采用了电池、蓄电元件和在线取电三种供电方式共存的电源方案,当电网电流足够大可以在线取电时,优先采用在互感取电工作,并为蓄电元件储能,以此来节约电池的消耗,延长电池的使用寿命。
故障指示器在结构上,增加了备用电池仓设计。在故障指示器体积基本不变的情况下,设计了备用电池仓,根据实际情况可以加入备用电池,以防本来的电池不够用影响故障指示器产品的使用寿命。这样使得供电的充足性得到一定的保证。
在此基础上,优化了电源切换电路和工作模式,在电网电流较大时唤醒主控芯片,在电网电流较小时主控芯片进入休眠状态。并在线路中加入了取电互感器快速饱和功能和过流保护电路,确保设备安全稳定运行。
在故障指示器的数据通信方面,采用每天定时上报电流负荷曲线,其它时刻,只有在故障发生时才会产生通信的方式,保证了无线通信模块功耗的控制。
站内故障判别选线装置通过与站外线路故障指示器单元相配合,通过“故障判别、故障支路确认、区段定位”三阶段一体化分级分层递进研判定位。
具体的实现途径和方式如下:
1)全程实时录波技术:
采用利用全时域、全频段、全类型监控的实时录波技术、全程记录所有零序回路信号,并进行综合故障在线诊断。
2)故障特征库技术:
建立独有的故障波形特征库的方式,通过对现场故障录播数据与故障特征库的比对实现对故障的准确辨识。同时,对于特定性波形可增加到原有的特征库中,以便丰富特征库。
3)基于暂稳态及人工智能深度学习的选线算法:
基于高采样率、全同步的实时录波,***实时计算***各母线的零序电压是否超限,若零序电压超限,则首先判断是否是PT断线等故障引起的电压异常,以防止选线误判。在确认PT输入信号正常后,则判定为电网发生单相接地,并随即开始接地支路判断。
对任何单相接地故障,***会依据接地信号的特征,有针对信的采用适当的接地选线算法,选出接地支路。***的接地选线算法包括:暂态电流法、暂态能量法、稳态电流法、稳态能量法以及人工智能深度学习法:通过对录波数据的深度学习,有效增加对特殊和高阻接地故障的判别。
4)消弧线圈动态特性计算及监测:
对消弧线圈建立相应数学模型,通过数学模型建立录波数据和消弧线圈动态特性指标的关系,从而推算出消弧线圈动态特性,包括:动作时间、动态响应速度及跟踪灵敏度实时在线分析、电容电流检测精度及消弧线圈调节范围动态监视、对接地状态与串联谐振状态的辨识能力等,消弧线圈动态特性的计算及监测也保证了在经消弧接地***中,选线的准确性。
5)过电压监视:
监视电网过电压现象,记录过电压录波数据,对超过10秒的过电压现象在线诊断故障类型和故障区域,对小于10秒的过电压现象进行录波记录。根据变电站的实际过电压情况,对变电站各设备的绝缘配合进行分析。
6)软硬件***的先进性:
整个***采用DSP+ARM+FPGA的纳秒级、分布式多模块控制硬件结构,以及分层式软件体系结构,***功能模式开放,易于多功能实现。
7)选跳闸及轮切跳闸等功能:
可实现支路出口跳闸,配合运行要求,可设定支路轮跳闸、选跳闸功能;配合线路保护、重合闸,可实现合于故障后加速功能,确保***安全稳定运行。
8)工程接线及极性纠错:
可以通过后台录波数据离线分析软件对录波数据进行分析,通过录波数据的分析可以发现信号接错、接反的情况,并可以通过软件进行调整。
9)具有后台分析管理功能:
装置通过IP网接入后台分析工作站,由后台分析工作站统一管理、分析各装置录波数据,监控各装置运行。后台分析工作站可根据需要提供多种分析工具。
10)高可靠、易扩展:
采用集中式与分布式光纤通讯方式,模块化硬件,***数据采集扩展单元与核心控制器可通过光纤连接,实现电气上的可靠隔离,提升***运行的安全性。
本发明的技术方案,基于故障指示器、无线通信技术和接地故障选线技术,采用站内故障判别选线装置通过与站外线路故障指示器单元相配合,通过“故障判别、故障支路确认、区段定位”三阶段一体化分级分层递进研判定位,故障选线上位机中的故障定位软件***与线路上的故障指示器相配合,在监控中心的地理信息***图上给出故障位置和故障时间的指示信息,实现了对10kV配网线路发生接地、短路和断线故障时提供精确的故障定位服务,同时现实了对配电网络的无盲区监控,有助于帮助维修人员迅速赶赴现场,排除故障,恢复正常供电,大大提高了供电可靠性。
本发明可广泛用于配电网运行故障的监控和定位领域。
Claims (10)
1.一种人工智能深度学习下的智能配网故障诊断定位综合***,其特征是:
所述的智能配网故障诊断定位综合***包括站内故障判断及选线装置、站外线路上的故障指示器和无线通讯部分组成;
所述的站内故障判断及选线装置设置在变电站内,用于实时监控变压器中性点的零序电压及零序电流,当检测到零序电压和零序电流超过设定值时,即启动零序故障诊断,辨识出是否为稳定的单相接地故障,然后辨识出具体故障线路及故障相,同时,通过无线通信前置机召回故障相的故障指示器电流,根据故障指示器故障点前后电流大小发生突变的原理来定位具体故障点位置并输出信号给监控设备;
所述站外线路上的故障指示器是检测负荷电流及故障电流的主体,直接悬挂在线路上,通过线路感应取电和后备电池获得工作电流,通过电流互感器线圈采集线路上的暂态电流;故障指示器自带短距离无线通信模块,能够上传实时数据、历史数据和故障数据;
所述的无线通讯部分包括短距离无线设备和VPN 4G设备,站内的通信前置机和站外的线路故障指示器上都设置有短距离无线模块,站内通信前置机的功能通过无线模块与线路故障指示器建立无线链路,集中数据;站外故障指示器上的无线模块功能为担任无线中继器及传输本地数据;同时现场的数据通过VPN 4G模块和远端的主站进行数据交互;
用短距离无线传输模块和VPN 4G无线模块将线路上的故障指示器和变电站端的接地故障选线设备、继电保护设备、后台主站等有机结合起来,综合判断线路的短路故障、接地故障。
2.按照权利要求1所述的人工智能深度学习下的智能配网故障诊断定位综合***,其特征是所述的站内故障判断及选线装置包括定位决策装置、数据集中器、接地检测综诊装置和后台/GIS;
其中,所述的定位决策装置用于完成整个故障的定位;
所述的数据集中器负责各无线通讯模块与定位决策装置之间的通讯;
所述的接地检测综诊装置负责判断***单相接地支路;
所述的后台/GIS负责显示、存储故障定位结果。
3.按照权利要求1所述的人工智能深度学习下的智能配网故障诊断定位综合***,其特征是所述站外线路上的故障指示器用于进行故障判断并定位,为所有的后台服务提供线路电流的实时运行情况。
4.按照权利要求3所述的人工智能深度学习下的智能配网故障诊断定位综合***,其特征是所述的故障指示器每组3只,分别监测线路的ABC三相;每个故障指示器中均包括短距离无线模块,并且相互之间可以级联组成网络,当接收到故障选线召唤时可以将数据接力传回故障选线装置;
所述的故障指示器为外挂式故障指示器,采用分级或分杆的形式进行悬挂设置,每级或每杆分为A、B、C三相线路,每相线路上对应悬挂设置一个故障指示器;每个故障指示器采用独立的标识编码,通过无线级联组网方式将线路上的电流数数及谐波数据传到主站,经主站分析数据并对照编码得出所出故障的类型及位置。
5.按照权利要求1所述的人工智能深度学习下的智能配网故障诊断定位综合***,其特征是所述的智能配网故障诊断定位综合***,对于相间短路故障,由挂在线路上的故障指示器来完成检测,当故障指示器检测到线路电流发生突变并且满足相应判据时就可以判定发生线路断线或者相间短路故障,随后由故障诊断***上位机采集各故障指示器的数据并完成故障定位;对于接地故障,通过故障指示器在线监测线路中故障点前后电流信号的差异化变化,由安装在变电站内的综合故障诊断***上位机配合线路上的故障指示器完成定位。
6.按照权利要求5所述的人工智能深度学习下的智能配网故障诊断定位综合***,其特征是所述的相应判据包括相间短路判据和接地判据;
所述的相间短路判据包括:
1)线路中正的突变电流大于设定值Iset,并且持续一段时间,即It≥Iset;
2)电流发生突变后2S后检测到断路器跳闸,线路电流降为0,即Ins=0;
其中,It为突变量电流启动值,Ins为自电流突变起n秒后所测的线路电流,此时,断路器已经跳闸,线路电流降为0;
所述的接地判据包括:
利用变电站内的接地故障判断选线诊断装置,实时监控变压器中性点的零序电压,当检测到零序电压变动值超出15%至30%时,启动零序故障诊断,辨识出是否为单相接地故障;若为单相接地则通过站内的故障诊断装置进行接地选线,将接地故障定位在某线路的某一相上;并且当判断出单相接地故障为稳定故障时,故障接地选线装置通过通信前置机召回故障相线路上的故障指示器的实时电流数据,通过对比采集到的信号对比故障点前后数据差异,判断出发生突变的两个故障指示器即可判断出故障发生的具体区段。
7.按照权利要求6所述的人工智能深度学习下的智能配网故障诊断定位综合***,其特征是所述持续一段时间的默认值为2个工频周期,即40ms。
8.按照权利要求6所述的人工智能深度学习下的智能配网故障诊断定位综合***,其特征是所述的智能配网故障诊断定位综合***,在***发生稳定接地故障时,调取故障支路故障指示器的录波状态信息,经过故障综合定位判别从而确认故障点。
9.按照权利要求1所述的人工智能深度学习下的智能配网故障诊断定位综合***,其特征是所述的智能配网故障诊断定位综合***,通过构建基于人工智能深度学习和高纬时空数据驱动的城市配电网运行状态分析评估模型,建立多维度城市配电网多***协调配合的控制和应用机制;
所述的多维度城市配电网多***协调配合的控制和应用机制,至少包含:
时间维:横向数据采集与边缘计算,纵向递阶控制序列;短周期故障判定及定位,长周期状态评估、趋势分析与辅助决策;其辅助决策包括接地故障电容电流补偿、过电压及***闪络等问题治理措施和方案;
空间维:站内故障判别与故障支路确认、站外线路区段精确定位;站内数据采集与智能研判,站外线路数据支撑与处置联动;
目标维:故障判别、支路确认、区段定位、辅助决策与优化提升;
智能研判及定位业务框架:从“故障判别”到“故障支路确认”再到“区段定位”,实现三阶段一体化分级分层递进缩小故障点,准确辨识故障类型和故障点区段位置。
10.按照权利要求1所述的人工智能深度学习下的智能配网故障诊断定位综合***,其特征是所述的智能配网故障诊断定位综合***,通过下列方式,来实现智能研判及故障定位:
1)采用利用全时域、全频段、全类型监控的实时录波技术、全程记录所有零序回路信号,并进行综合故障在线诊断;
2)建立独有的故障波形特征库的方式,通过对现场故障录播数据与故障特征库的比对实现对故障的准确辨识;同时,对于特定性波形可增加到原有的特征库中,以便丰富特征库;
3)基于高采样率、全同步的实时录波,***实时计算***各母线的零序电压是否超限,若零序电压超限,则首先判断是否是PT断线等故障引起的电压异常,以防止选线误判;在确认PT输入信号正常后,则判定为电网发生单相接地,并随即开始接地支路判断;
对任何单相接地故障,***依据接地信号的特征,有针对信的采用适当的接地选线算法,选出接地支路;***的接地选线算法包括:暂态电流法、暂态能量法、稳态电流法、稳态能量法以及人工智能深度学习法:通过对录波数据的深度学习,有效增加对特殊和高阻接地故障的判别;
4)对消弧线圈建立相应数学模型,通过数学模型建立录波数据和消弧线圈动态特性指标的关系,从而推算出消弧线圈动态特性,包括:动作时间、动态响应速度及跟踪灵敏度实时在线分析、电容电流检测精度及消弧线圈调节范围动态监视、对接地状态与串联谐振状态的辨识能力等,消弧线圈动态特性的计算及监测也保证了在经消弧接地***中,选线的准确性;
5)监视电网过电压现象,记录过电压录波数据,对超过10秒的过电压现象在线诊断故障类型和故障区域,对小于10秒的过电压现象进行录波记录;根据变电站的实际过电压情况,对变电站各设备的绝缘配合进行分析;
6)能够实现支路出口跳闸,配合运行要求,可设定支路轮跳闸、选跳闸功能;配合线路保护、重合闸,可实现合于故障后加速功能,确保***安全稳定运行;
7)通过后台录波数据离线分析软件对录波数据进行分析,通过录波数据的分析可以发现信号接错、接反的情况,并可以通过软件进行调整;
8)采用集中式与分布式光纤通讯方式,模块化硬件,***数据采集扩展单元与核心控制器可通过光纤连接,实现电气上的可靠隔离,提升***运行的安全性;
9)通过IP网接入后台分析工作站,由后台分析工作站统一管理、分析各装置录波数据,监控各装置运行;
10)采用集中式与分布式光纤通讯方式,模块化硬件,***数据采集扩展单元与核心控制器可通过光纤连接,实现电气上的可靠隔离,提升***运行的安全性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010461824.4A CN111596171A (zh) | 2020-05-27 | 2020-05-27 | 一种人工智能深度学习下的智能配网故障诊断定位综合*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010461824.4A CN111596171A (zh) | 2020-05-27 | 2020-05-27 | 一种人工智能深度学习下的智能配网故障诊断定位综合*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111596171A true CN111596171A (zh) | 2020-08-28 |
Family
ID=72188885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010461824.4A Pending CN111596171A (zh) | 2020-05-27 | 2020-05-27 | 一种人工智能深度学习下的智能配网故障诊断定位综合*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111596171A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415077A (zh) * | 2020-03-17 | 2020-07-14 | 内蒙古电力(集团)有限责任公司乌兰察布电业局 | 一种智能配网故障诊断定位方法 |
CN112305387A (zh) * | 2020-10-31 | 2021-02-02 | 贵州电网有限责任公司 | 一种接地绝缘检测及诊断*** |
CN112557816A (zh) * | 2020-11-27 | 2021-03-26 | 广东电网有限责任公司肇庆供电局 | 一种配电线路故障检测和分析定位*** |
CN113030717A (zh) * | 2021-03-12 | 2021-06-25 | 广东电网有限责任公司 | 基于电信号深度学习的断路器故障诊断方法和电路 |
CN113238120A (zh) * | 2021-05-18 | 2021-08-10 | 国网河北省电力有限公司电力科学研究院 | 基于光伏电站的配电网故障位置确定方法及终端设备 |
CN113325264A (zh) * | 2021-04-28 | 2021-08-31 | 威胜信息技术股份有限公司 | 一种基于自适应差值接地算法的配电网故障保护方法 |
CN113391161A (zh) * | 2021-05-18 | 2021-09-14 | 国网浙江省电力有限公司兰溪市供电公司 | 基于故障指示器的配电线路故障点定位方法及*** |
CN113867309A (zh) * | 2021-09-06 | 2021-12-31 | 北京许继电气有限公司 | 一种电力***数据通信故障诊断方法和*** |
CN114236315A (zh) * | 2021-12-23 | 2022-03-25 | 国网山东省电力公司烟台供电公司 | 海底电缆运行状态监测装置及其监测方法 |
WO2022221212A1 (en) * | 2021-04-12 | 2022-10-20 | Nec Laboratories America, Inc. | Dynamic anomaly localization of utility pole wires |
CN116760464A (zh) * | 2023-05-25 | 2023-09-15 | 江苏泽宇智能电力股份有限公司 | 一种基于深度学习的光纤资源管理*** |
CN116754996A (zh) * | 2023-08-18 | 2023-09-15 | 北京天阳睿博科技有限公司 | 煤矿高压供电故障定位精准选线*** |
EP4246746A4 (en) * | 2020-12-12 | 2024-05-22 | Baoding Yuxin Electric Technology Co., Ltd. | PHASE-TO-PHASE SHORT-CIRCUIT PROCESSING METHOD |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102638031A (zh) * | 2012-03-31 | 2012-08-15 | 上海市电力公司 | 一种消弧线圈装置 |
CN104793106A (zh) * | 2015-04-28 | 2015-07-22 | 上海交通大学 | 基于电流突变率的配网线路故障区段定位方法 |
CN105093061A (zh) * | 2015-06-11 | 2015-11-25 | 江苏安方电力科技有限公司 | 一种配电网线路故障在线监测及告警*** |
CN106443292A (zh) * | 2016-01-21 | 2017-02-22 | 张家港智电电工高技术研究所有限公司 | 一种基于零序电流测量的架空线路单相接地故障检测方法 |
CN106501656A (zh) * | 2016-10-12 | 2017-03-15 | 国网上海市电力公司 | 一种配电线路故障波形的在线采集*** |
CN107966633A (zh) * | 2017-11-15 | 2018-04-27 | 国网宁夏电力公司电力科学研究院 | 一种供电***的配电网单相接地故障线路快速判断方法及*** |
-
2020
- 2020-05-27 CN CN202010461824.4A patent/CN111596171A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102638031A (zh) * | 2012-03-31 | 2012-08-15 | 上海市电力公司 | 一种消弧线圈装置 |
CN104793106A (zh) * | 2015-04-28 | 2015-07-22 | 上海交通大学 | 基于电流突变率的配网线路故障区段定位方法 |
CN105093061A (zh) * | 2015-06-11 | 2015-11-25 | 江苏安方电力科技有限公司 | 一种配电网线路故障在线监测及告警*** |
CN106443292A (zh) * | 2016-01-21 | 2017-02-22 | 张家港智电电工高技术研究所有限公司 | 一种基于零序电流测量的架空线路单相接地故障检测方法 |
CN106501656A (zh) * | 2016-10-12 | 2017-03-15 | 国网上海市电力公司 | 一种配电线路故障波形的在线采集*** |
CN107966633A (zh) * | 2017-11-15 | 2018-04-27 | 国网宁夏电力公司电力科学研究院 | 一种供电***的配电网单相接地故障线路快速判断方法及*** |
Non-Patent Citations (5)
Title |
---|
住房和城乡***干部学院: "《电气设备安装调试工 第2版》", 31 May 2017, 华中科技大学出版社 * |
刘小波: "中压配电网零序故障分析及诊断方法", 《铜业工程》 * |
唐小波: "《供配电技术》", 31 July 2018, 西安电子科技大学出版社 * |
季涛: "《中性点非有效接地***行波鼓掌测距技术》", 31 July 2008, 北京理工大学出版社 * |
安徽省安全生产宣传教育中心: "《电工安全技术》", 30 April 2010, 安徽人民出版社 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415077A (zh) * | 2020-03-17 | 2020-07-14 | 内蒙古电力(集团)有限责任公司乌兰察布电业局 | 一种智能配网故障诊断定位方法 |
CN112305387A (zh) * | 2020-10-31 | 2021-02-02 | 贵州电网有限责任公司 | 一种接地绝缘检测及诊断*** |
CN112557816A (zh) * | 2020-11-27 | 2021-03-26 | 广东电网有限责任公司肇庆供电局 | 一种配电线路故障检测和分析定位*** |
EP4246746A4 (en) * | 2020-12-12 | 2024-05-22 | Baoding Yuxin Electric Technology Co., Ltd. | PHASE-TO-PHASE SHORT-CIRCUIT PROCESSING METHOD |
CN113030717A (zh) * | 2021-03-12 | 2021-06-25 | 广东电网有限责任公司 | 基于电信号深度学习的断路器故障诊断方法和电路 |
WO2022221212A1 (en) * | 2021-04-12 | 2022-10-20 | Nec Laboratories America, Inc. | Dynamic anomaly localization of utility pole wires |
CN113325264A (zh) * | 2021-04-28 | 2021-08-31 | 威胜信息技术股份有限公司 | 一种基于自适应差值接地算法的配电网故障保护方法 |
CN113238120A (zh) * | 2021-05-18 | 2021-08-10 | 国网河北省电力有限公司电力科学研究院 | 基于光伏电站的配电网故障位置确定方法及终端设备 |
CN113391161A (zh) * | 2021-05-18 | 2021-09-14 | 国网浙江省电力有限公司兰溪市供电公司 | 基于故障指示器的配电线路故障点定位方法及*** |
CN113391161B (zh) * | 2021-05-18 | 2022-07-26 | 国网浙江省电力有限公司兰溪市供电公司 | 基于故障指示器的配电线路故障点定位方法及*** |
CN113867309A (zh) * | 2021-09-06 | 2021-12-31 | 北京许继电气有限公司 | 一种电力***数据通信故障诊断方法和*** |
CN114236315A (zh) * | 2021-12-23 | 2022-03-25 | 国网山东省电力公司烟台供电公司 | 海底电缆运行状态监测装置及其监测方法 |
CN114236315B (zh) * | 2021-12-23 | 2023-12-29 | 国网山东省电力公司烟台供电公司 | 海底电缆运行状态监测装置及其监测方法 |
CN116760464B (zh) * | 2023-05-25 | 2024-05-07 | 江苏泽宇智能电力股份有限公司 | 一种基于深度学习的光纤资源管理*** |
CN116760464A (zh) * | 2023-05-25 | 2023-09-15 | 江苏泽宇智能电力股份有限公司 | 一种基于深度学习的光纤资源管理*** |
CN116754996A (zh) * | 2023-08-18 | 2023-09-15 | 北京天阳睿博科技有限公司 | 煤矿高压供电故障定位精准选线*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111596171A (zh) | 一种人工智能深度学习下的智能配网故障诊断定位综合*** | |
CN111596170A (zh) | 一种用于智能配网的故障诊断综合定位方法 | |
CN202103478U (zh) | 智能综合配电箱 | |
CN105093061A (zh) | 一种配电网线路故障在线监测及告警*** | |
CN102937675A (zh) | 配电网实时数据采集和故障定位***及其工作方法 | |
CN103983885A (zh) | 一种用于配电台区的低压线路故障定位终端及定位方法 | |
CN103633735A (zh) | 基于iec61850协议的变电站一次设备状态监测*** | |
CN111579917A (zh) | 一种低压配电网故障定位***与方法 | |
CN113013988A (zh) | 一种基于双网的智能配电柜 | |
CN110568275A (zh) | 一种基于配电网公专变数据的缺相故障研判方法及*** | |
CN204761154U (zh) | 一种新能源电站故障识别和状态监测*** | |
CN115356975A (zh) | 一种综合电气监控*** | |
CN113922326B (zh) | 基于scada数据的母线/线路接地选线轮切方法 | |
CN103675606A (zh) | 桥式直流故障监测报警器 | |
CN204330940U (zh) | 一种线路故障监测*** | |
CN113820567A (zh) | 一种小电流接地的单相接地故障处理分析定位方法及装置 | |
CN212008850U (zh) | 智能化一二次融合柱上断路器 | |
CN101860081A (zh) | 预防漏电防火及谐波污染的自动控制*** | |
CN113219302A (zh) | 配电线路全参数在线监测及故障识别*** | |
CN211180059U (zh) | 防爆型智能故障指示器 | |
CN212321818U (zh) | 一种变电站直流***预警平台 | |
CN104682566A (zh) | 一种新能源电站故障识别和状态监测*** | |
CN113241846B (zh) | 一种配电网电缆快速故障定位及恢复方法 | |
CN116106675A (zh) | 一种基于分布式智能终端的配电线路故障定位监测平台 | |
CN110672979B (zh) | 一种配电网线路故障诊断***及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200828 |
|
RJ01 | Rejection of invention patent application after publication |