CN112444758B - 一种智能配电网线路故障诊断及分类评估方法 - Google Patents
一种智能配电网线路故障诊断及分类评估方法 Download PDFInfo
- Publication number
- CN112444758B CN112444758B CN202011295829.0A CN202011295829A CN112444758B CN 112444758 B CN112444758 B CN 112444758B CN 202011295829 A CN202011295829 A CN 202011295829A CN 112444758 B CN112444758 B CN 112444758B
- Authority
- CN
- China
- Prior art keywords
- phase
- phase voltage
- characteristic
- power grid
- short
- 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
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
- G01R31/50—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
- 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
-
- 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)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
Description
技术领域
本发明涉及智能配电网线路故障检测领域,特别是一种电网短路故障的检测评估方法。
背景技术
电网是高效快捷的能源输送通道和优化配置平台,是能源电力可持续发展的关键环节,在现代能源供应体系中发挥着重要的枢纽作用,关系国家能源安全。随着智能化、数字化、信息技术电网的全面建设,电力行业的数据呈现***式增长态势,运行中的电力***产生大量的信息,日益复杂的电网***中故障的发生率也随之提高,自然或人为因素对电网的影响愈加明显,引起故障的频繁发生,造成电能质量下降或对电气设备造成损坏。近几年来各国都发生了规模较大、危害较重的停电事件,这些事件的发生无一不造成了巨大的经济损失和社会影响。与此同时,智能电网的迅猛发展,也对大数据时代背景下的研究人员提出了更高的标准,如何快速、准确地对故障进行检测、定位是现在的重要研究课题。
为了满足国民对电网的需求,一些基于自动化的设备装置已经被大量使用,当发生故障时,对应的断路保护器等装置会立即做出反应并给出一系列报警信息,但是这些报警信息内容复杂或存在错报和漏报,导致电网的安全可靠无法得到保障。
发明内容
本发明为克服上述现有技术中存在的不足之处,提供一种智能配电网线路故障诊断及分类评估方法,以期能准确快速的检测配电网短路故障,及时对故障类型做出准确判断,从而有利于故障选相、事故分析,进而能提高配电网的运行可靠性,保证电网安全运行和检修效率。
为了达到上述目的,本发明所采用的技术方案为:
本发明一种智能配电网线路故障诊断及分类评估方法的特点包括:
步骤1、采集电网的三相电压信号Ua(t)、Ub(t)、Uc(t);
步骤2、使用db5母波对所述三相电压数据Ua(t)、Ub(t)、Uc(t)进行5层离散小波分解,得到的细节信号d5用于重构三相电压特征信号ua(t)、ub(t)、uc(t);
步骤5、通过灰度二值转换将所述三相电压极坐标图转换成像素大小为n×n的灰度二值矩阵Za、Zb、Zc;
步骤6、计算短路故障特征系数:
步骤6.1、利用式(1)和式(2)分别计算电压波形变化的特征矩阵Ca1和Da1:
Ca1=(Za-E(Za))(za-E(za))T (1)
Da1=(Za-za)TCa1 -1(Za-za) (2)
式(1)和式(2)中,za为电网A相电压正常时极坐标图的转换矩阵,Za为在线采集电网A相电压极坐标图的转换矩阵;E(Za)是转换矩阵Za中每列的平均值;E(za)是转换矩阵za中每列的平均值;
步骤6.2、利用式(3)计算四个特征参数{Vai|i=1,2,3,4}:
式(3)中,Δ(i,j)为转换矩阵za和转换矩阵Za在第i行第j列元素上的绝对值差;M为绝对值差的最大值;m为绝对值差的最小值,α是分辨系数;
步骤6.3、利用式(4)得到电网A相短路故障特征系数Ea:
步骤7、按照步骤6的过程,计算电网B相和C相的短路故障特征系数Eb、Ec;
步骤8、根据三个特征系数Ea、Eb、Ec判断智能配电网线路状态:
若0.1<Eb≈Ec<0.6且1.6<Ea<2;则表示A相接地短路;
若0.8<Eb≈Ec<1.2且1.2<Ea<1.6;则表示BC两相短路;
若0.2<Eb≈Ec<0.8且0.6<Ea<1.0;则表示BC两相接地短路;
若Ea≈Eb≈Ec>2;则表示三相短路;
若Ea<0.1且Eb<0.1且Ec<0.1;则表示无故障。
与现有技术相比,本发明的有益效果在于:
本发明从电压互感器端在线获取的三相电压数据并进行评估,能正确又快速的判断出故障类型和距离,在电网发生短路故障时,通过三个特征系数能够让检修人员及时对电网的运行状态做出准确判断,并能识别故障类型,有利于故障选相、事故分析,对提高***供电可靠性,安全运行、检修等有重要意义。
附图说明
图1为本发明的电网短路故障检测方法流程图;
图2为本发明A相短路接地故障极坐标图;
图3为本发明单相接地故障灰度二值转换图;
图4为本发明三相电压采集及处理装置图;
图中标号:1高压限流熔断器;2电容式分压器;3采样控制器;4信号处理装置。
具体实施方式
本实施例中,如图1所示,一种智能配电网线路故障诊断及分类评估方法包括:
步骤1、如图4所示,配电网上通过高压限流熔断器1将电压信号传送至电容式分压器2,在连接至高精度采样控制器3,将电网三相电压Ua(t)、Ub(t)、Uc(t)并传送至信号处理装置4;
步骤2、对三相电压数据Ua(t)、Ub(t)、Uc(t)进行离散小波变换,使用db5母波进行5层分解,得到的细节信号为d5用于重构三相电压特征信号ua(t)、ub(t)、uc(t);
步骤5、将Matlab图像背景设置为白色,获得极坐标形式的三原色光模式图。利用式(1)将RGB图转换成灰度图像,利用式(2)将三相电压极坐标灰色图转换成矩阵值都为0、1(1表示图像背景像素,0表示电压信号对应像素)的像素大小为n×n的灰度二值矩阵Za、Zb、Zc;单相接地故障灰度二值转换如图3所示;
式(1)中,g(i,j)是极坐标灰度变换的二维矩阵,i,j代表矩阵中的每个元素位置,u(g)是二维矩阵g中所有元素和的平均值;
步骤6、计算短路故障特征系数:
步骤6.1、利用式(3)和式(4)分别计算电压波形变化的特征矩阵Ca1和Da1:
Ca1=(Za-E(Za))(za-E(za))T (3)
Da1=(Za-za)TCa1 -1(Za-za) (4)
式(3)和式(4)中,za为电网A相电压正常时极坐标图的转换矩阵;E(Za)是转换矩阵Za中每列的平均值;E(Za)是转换矩阵Za中每列的平均值;E(za)是转换矩阵za中每列的平均值;
步骤6.2、利用式(5)计算四个特征参数{Vai|i=1,2,3,4}:
式(5)中,Δ(i,j)为转换矩阵za和转换矩阵Za在第i行第j列元素上的绝对值差;M为绝对值差的最大值;m为绝对值差的最小值,α是分辨系数,本实施例中取0.5;
步骤6.3、利用式(6)得到电网A相短路故障特征系数Ea:
步骤7、按照步骤6的过程,计算电网B相和C相的短路故障特征系数Eb、Ec;
步骤8、根据三个特征系数Ea、Eb、Ec判断智能配电网线路状态,本实施例中,依照以下表1判断智能配电网线路状态;
表1
电网状态 | 短路故障特征系数 |
单相接地短路 | 0.1<E<sub>b</sub>≈E<sub>c</sub><0.6,1.6<E<sub>a</sub><2(A相短路) |
两相短路 | 0.8<E<sub>b</sub>≈E<sub>c</sub><1.2,1.2<E<sub>a</sub><1.6(BC两相短路) |
两相接地短路 | 0.2<E<sub>b</sub>≈E<sub>c</sub><0.8,0.6<E<sub>a</sub><1.0(BC两相短路接地) |
三相短路 | E<sub>a</sub>≈E<sub>b</sub>≈E<sub>c</sub>>2; |
正常 | E<sub>a</sub><0.1;E<sub>b</sub><0.1;E<sub>c</sub><0.1; |
若0.1<Eb≈Ec<0.6且1.6<Ea<2;则表示A相接地短路;
若0.8<Eb≈Ec<1.2且1.2<Ea<1.6;则表示BC两相短路;
若0.2<Eb≈Ec<0.8且0.6<Ea<1.0;则表示BC两相接地短路;
若Ea≈Eb≈Ec>2;则表示三相短路;
若Ea<0.1且Eb<0.1且Ec<0.1;则表示无故障。
Claims (1)
1.一种智能配电网线路故障诊断及分类评估方法,其特征包括:
步骤1、采集电网的三相电压信号Ua(t)、Ub(t)、Uc(t);
步骤2、使用db5母波对所述三相电压数据Ua(t)、Ub(t)、Uc(t)进行5层离散小波分解,得到的细节信号d5用于重构三相电压特征信号ua(t)、ub(t)、uc(t);
步骤5、通过灰度二值转换将所述三相电压极坐标图转换成像素大小为n×n的灰度二值矩阵Za、Zb、Zc;
步骤6、计算短路故障特征系数:
步骤6.1、利用式(1)和式(2)分别计算电压波形变化的特征矩阵Ca1和Da1:
Ca1=(Za-E(Za))(za-E(za))T (1)
Da1=(Za-za)TCa1 -1(Za-za) (2)
式(1)和式(2)中,za为电网A相电压正常时极坐标图的转换矩阵,Za为在线采集电网A相电压极坐标图的转换矩阵;E(Za)是转换矩阵Za中每列的平均值;E(za)是转换矩阵za中每列的平均值;
步骤6.2、利用式(3)计算四个特征参数{Vai|i=1,2,3,4}:
式(3)中,Δ(i,j)为转换矩阵za和转换矩阵Za在第i行第j列元素上的绝对值差;M为绝对值差的最大值;m为绝对值差的最小值,α是分辨系数;
步骤6.3、利用式(4)得到电网A相短路故障特征系数Ea:
步骤7、按照步骤6的过程,计算电网B相和C相的短路故障特征系数Eb、Ec;
步骤8、根据三个特征系数Ea、Eb、Ec判断智能配电网线路状态:
若0.1<Eb≈Ec<0.6且1.6<Ea<2;则表示A相接地短路;
若0.8<Eb≈Ec<1.2且1.2<Ea<1.6;则表示BC两相短路;
若0.2<Eb≈Ec<0.8且0.6<Ea<1.0;则表示BC两相接地短路;
若Ea≈Eb≈Ec>2;则表示三相短路;
若Ea<0.1且Eb<0.1且Ec<0.1;则表示无故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011295829.0A CN112444758B (zh) | 2020-11-18 | 2020-11-18 | 一种智能配电网线路故障诊断及分类评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011295829.0A CN112444758B (zh) | 2020-11-18 | 2020-11-18 | 一种智能配电网线路故障诊断及分类评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112444758A CN112444758A (zh) | 2021-03-05 |
CN112444758B true CN112444758B (zh) | 2021-09-14 |
Family
ID=74738208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011295829.0A Active CN112444758B (zh) | 2020-11-18 | 2020-11-18 | 一种智能配电网线路故障诊断及分类评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112444758B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113526282B (zh) * | 2021-06-28 | 2022-09-06 | 江苏威尔曼科技有限公司 | 一种电梯中长期老化故障诊断方法、装置、介质和设备 |
CN113820620A (zh) * | 2021-08-17 | 2021-12-21 | 捍防(深圳)实业有限公司 | 供电***的故障分析方法及故障分析装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006242815A (ja) * | 2005-03-04 | 2006-09-14 | Kansai Electric Power Co Inc:The | 送電線の故障点標定方法および送電線の故障点標定装置および故障点標定プログラム |
CN103323748A (zh) * | 2013-06-29 | 2013-09-25 | 西安科技大学 | 基于分形和小波变换的电力电缆故障识别***及方法 |
KR101317561B1 (ko) * | 2012-05-16 | 2013-10-11 | 용인송담대학교 산학협력단 | 웨이브릿 변환을 이용한 배전 선로의 사고 검출 방법 |
CN107451557A (zh) * | 2017-07-29 | 2017-12-08 | 吉林化工学院 | 基于经验小波变换与局部能量的输电线路短路故障诊断方法 |
CN110518557A (zh) * | 2019-04-08 | 2019-11-29 | 西安交通大学 | 一种基于短路电流综合信息的故障限流器投入控制方法 |
-
2020
- 2020-11-18 CN CN202011295829.0A patent/CN112444758B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006242815A (ja) * | 2005-03-04 | 2006-09-14 | Kansai Electric Power Co Inc:The | 送電線の故障点標定方法および送電線の故障点標定装置および故障点標定プログラム |
KR101317561B1 (ko) * | 2012-05-16 | 2013-10-11 | 용인송담대학교 산학협력단 | 웨이브릿 변환을 이용한 배전 선로의 사고 검출 방법 |
CN103323748A (zh) * | 2013-06-29 | 2013-09-25 | 西安科技大学 | 基于分形和小波变换的电力电缆故障识别***及方法 |
CN107451557A (zh) * | 2017-07-29 | 2017-12-08 | 吉林化工学院 | 基于经验小波变换与局部能量的输电线路短路故障诊断方法 |
CN110518557A (zh) * | 2019-04-08 | 2019-11-29 | 西安交通大学 | 一种基于短路电流综合信息的故障限流器投入控制方法 |
Non-Patent Citations (2)
Title |
---|
《Method of cable incipient faults detection and identification based on wavelet transform and gray correlation analysis》;chuan zhou etc;《 2015 IEEE Innovative Smart Grid Technologies - Asia (ISGT ASIA)》;20160121;第1-5页 * |
《一种基于小波分时灰度矩与概率神经网络的电网故障诊断方法》;罗毅 等;《重庆邮电大学学报》;20120228;第121-126页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112444758A (zh) | 2021-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11402438B2 (en) | Intelligent on-line diagnosis and positioning method for winding deformation of power transformers | |
Bíscaro et al. | Integrated fault location and power-quality analysis in electric power distribution systems | |
CN110361686B (zh) | 基于多参数的电容式电压互感器故障检测方法 | |
CN112444758B (zh) | 一种智能配电网线路故障诊断及分类评估方法 | |
CN109444667B (zh) | 基于卷积神经网络的配电网早期故障分类方法及装置 | |
CN106330095B (zh) | 一种大型光伏电站汇集***故障定位方法 | |
CN103713237A (zh) | 一种电力***输电线路短路故障诊断方法 | |
CN101907437A (zh) | 一种基于小波差分算法的电缆故障测距方法 | |
CN107247204B (zh) | 超、特高压串补装置中限压器的状态监测***及监测方法 | |
CN105137158A (zh) | 电力***暂态过电压监测*** | |
CN112083270A (zh) | 一种基于相关系数的风电场集电线路单相接地故障选线方法 | |
CN109900465B (zh) | 一种基于声音信号的有载分接开关故障诊断方法 | |
Li et al. | Ferromagnetic resonance over-voltage identification method based on Gram angle field | |
CN113759206A (zh) | 一种配电网故障类型的判断方法和*** | |
CN103823158A (zh) | 采用不变矩的谐振接地***故障选线方法 | |
Wang et al. | Transmission line fault diagnosis based on wavelet packet analysis and convolutional neural network | |
CN107632237A (zh) | 一种基于故障后小波特征量相关性的单相接地故障选线方法 | |
CN112327218A (zh) | 一种变压器在线监测与故障诊断方法 | |
CN109283385B (zh) | 一种避雷器监测数据在线处理方法及*** | |
CN112255493A (zh) | 一种多判据综合投票配电网故障选线方法 | |
CN112964948B (zh) | 基于录波数据反演的串联电抗器运行状态在线监测方法及*** | |
CN113746132B (zh) | 一种基于云边协同的光伏电站及其控制方法 | |
CN113608066B (zh) | 一种基于磁场检测的配网架空线路单相接地故障定位方法 | |
Fahim et al. | An agreement based dynamic routing method for fault diagnosis in power network with enhanced noise immunity | |
CN113325269A (zh) | 一种配网高阻故障监测方法、***、设备及存储介质 |
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 |