CN112986754B - 一种基于数据驱动的小电流接地***故障辨识方法及装置 - Google Patents
一种基于数据驱动的小电流接地***故障辨识方法及装置 Download PDFInfo
- Publication number
- CN112986754B CN112986754B CN202110509657.0A CN202110509657A CN112986754B CN 112986754 B CN112986754 B CN 112986754B CN 202110509657 A CN202110509657 A CN 202110509657A CN 112986754 B CN112986754 B CN 112986754B
- Authority
- CN
- China
- Prior art keywords
- fault
- voltage data
- data
- grounding
- type
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000035945 sensitivity Effects 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 230000035772 mutation Effects 0.000 claims abstract description 10
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 238000005070 sampling Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims 2
- 238000003379 elimination reaction Methods 0.000 claims 2
- 238000003745 diagnosis Methods 0.000 description 10
- 230000005350 ferromagnetic resonance Effects 0.000 description 10
- 241000764238 Isis Species 0.000 description 6
- 150000001875 compounds Chemical class 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005291 magnetic effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition 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
- G01R31/08—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
- G01R31/50—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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
- Emergency Protection Circuit Devices (AREA)
- Locating Faults (AREA)
Abstract
本发明公开一种基于数据驱动的小电流接地***故障辨识方法及装置,方法包括:对三相电压数据和零序电压数据进行分析,并通过灵敏度系数对分析后的至少一个故障段进行合;响应于获取的至少一个故障段的零序电压数据,判断至少一个故障段的零序电压数据的故障类型;若至少一个故障段的零序电压数据的故障类型为接地型故障,基于电压峰值比较阈值法判断接地型线路故障类型及接地型线路故障相别。通过引入灵敏度系数,能够将一个周期内的检测到的故障突变时刻视为同一故障,使得在启发式分割算法分析完成后,可以得到故障段个数、截取的故障运行时数据、故障发生时刻,有效地解决了仅根据电压突变量造成故障起始时刻误判问题。
Description
技术领域
本发明属于电池技术领域,尤其涉及一种基于数据驱动的小电流接地***故障辨识方法及装置。
背景技术
近年来,随着国民生活的电气化水平不断提高,配网规模随之扩大,此种条件下,配网发生故障后不能再按照惯例让其继续带故障运行,而应快速确定故障类型并排除故障以确保***的安全。长期以来电网故障诊断在事故后快速分析、尽快恢复供电等方面发挥着重要作用。由于电网操作增多、电网规模扩大,电网故障在所难免。因此,对故障录波数据进行分析、处理,能够为现场继电保护的技术人员正确分析事故原因、研究对策、处理故障等提供有力支持,便于技术人员快速、精准地判断故障原因并快速排除故障,及时恢复供电。电网故障诊断是利用获得的故障信息,通过故障信息知识库,采用某一种诊断机制来确定故障设备,诊断内容主要包括:故障元件识别、故障类型识别、故障定位。由于电网中继电保护装置配合的复杂性、拓扑结构的多变性等等不确定因素,使得故障诊断比较复杂。到目前为止,国内外的专家学者在电网故障诊断领域已做了大量工作,取得了***的成果,常用方法主要有:专家***,模糊理论方法,人工神经网络方法,Petri网方法,贝叶斯网络方法等。
电力***故障诊断根据利用的信息不同分为三个发展阶段:第一阶段主要是利用SCADA***采集到的开关量信息对电网故障进行诊断,但是往往只能得到故障区域。第二阶段是综合利用开关量信息和部分继电保护信息进行故障诊断,在引入继电保护信息之后一般都能够准确确定故障元件。由于继电保护装置的误动作或者信号通信受到外界干扰等因素存在,仅仅依靠开关量信息常常得不到准确的诊断结果。第三阶段是利用冗余的故障录波信息进行电网故障分析诊断,故障录波信息具有记录故障过程的完备性,因此,诊断结果在准确性方面得到极大的提高。
对小电流接地故障,从不同的角度描述故障特征,可有多种分类方法,如根据接地点稳定情况,将故障分为稳定性接地和非稳定性接地;根据过渡电阻的大小,将故障分为低阻接地和高阻接地等。已有分类方法对于指导工程实践起到了重要的作用,但现有的故障判断方法仅根据电压突变量来判断,使得容易造成故障起始时刻误判问题。
发明内容
本发明提供一种基于数据驱动的小电流接地***故障辨识方法,用于至少解决上述技术问题之一。
第一方面,本发明提供一种基于数据驱动的小电流接地***故障辨识方法,包括:响应于获取故障录波数据中的三相电压数据和零序电压数据,对所述三相电压数据和所述零序电压数据进行分析,并通过灵敏度系数对分析后的至少一个故障段进行合并,其中,所述至少一个故障段为从正常运行到发生故障,然后又恢复正常运行的数据段;响应于获取的所述至少一个故障段的零序电压数据,判断所述至少一个故障段的零序电压数据的故障类型,其中,所述故障类型包括接地型故障和不接地型故障;若所述至少一个故障段的零序电压数据的故障类型为接地型故障,基于电压峰值比较阈值法判断接地型线路故障类型及接地型线路故障相别,其中,所述接地型线路故障类型包括单相接地故障,其中,具体判断方法包括:基于获取的三相电压数据序列,在N个采样点范围内分别提取a相电压数据的峰值、b相电压数据的峰值、c相电压数据的峰值;基于选取的所述a相电压数据的峰值、所述b相电压数据的峰值、所述c相电压数据的峰值中的最大值、中间值以及最小值,并建立所述最大值、所述中间值以及所述最小值的关系式:;式中,为三相电压峰值的最大值与三相电压峰值的中间值的比值,为三相电压峰值的中间值与三相电压峰值的最小值的比值;若小于预设阈值,且大于预设阈值,即所述接地型线路故障类型为单相接地故障。
第二方面,本发明提供一种基于数据驱动的小电流接地***故障辨识装置,包括:分析模块,配置为响应于获取故障录波数据中的三相电压数据和零序电压数据,对所述三相电压数据和所述零序电压数据进行分析,并通过灵敏度系数对分析后的至少一个故障段进行合并,其中,所述至少一个故障段为从正常运行到发生故障,然后又恢复正常运行的数据段;第一判断模块,配置为响应于获取的所述至少一个故障段的零序电压数据,判断所述至少一个故障段的零序电压数据的故障类型,其中,所述故障类型包括接地型故障和不接地型故障;第二判断模块,配置为若所述至少一个故障段的零序电压数据的故障类型为接地型故障,基于电压峰值比较阈值法判断接地型线路故障类型及接地型线路故障相别,其中,所述接地型线路故障类型包括单相接地故障,其中,具体判断方法包括:基于获取的三相电压数据序列,在N个采样点范围内分别提取a相电压数据的峰值、b相电压数据的峰值、c相电压数据的峰值;基于选取的所述a相电压数据的峰值、所述b相电压数据的峰值、所述c相电压数据的峰值中的最大值、中间值以及最小值,并建立所述最大值、所述中间值以及所述最小值的关系式:;式中,为三相电压峰值的最大值与三相电压峰值的中间值的比值,为三相电压峰值的中间值与三相电压峰值的最小值的比值;若小于预设阈值,且大于预设阈值,即所述接地型线路故障类型为单相接地故障。
第三方面,提供一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例的基于数据驱动的小电流接地***故障辨识方法的步骤。
第四方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行本发明任一实施例的基于数据驱动的小电流接地***故障辨识方法的步骤。
本申请的一种基于数据驱动的小电流接地***故障辨识方法及装置, 采用启发式分割算法对数据进行分析,当故障发生时,数据发生较大的波动,通过算法寻找故障发生时数据突变时刻,此时引入灵敏度系数,能够将一个周期内的检测到的故障突变时刻视为同一故障,使得在启发式分割算法分析完成后,可以得到故障段个数、截取的故障运行时数据、故障发生时刻,有效地解决了仅根据电压突变量造成故障起始时刻误判问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种基于数据驱动的小电流接地***故障辨识方法的流程图;
图2为本发明一实施例提供的一种基于数据驱动的小电流接地***故障辨识装置的结构框图;
图3是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本申请的一种基于数据驱动的小电流接地***故障辨识方法的流程图。
如图1所示,一种基于数据驱动的小电流接地***故障辨识方法,具体包括以下步骤:
S101,响应于获取故障录波数据中的三相电压数据和零序电压数据,对所述三相电压数据和所述零序电压数据进行分析,并通过灵敏度系数对分析后的至少一个故障段进行合并,其中,所述至少一个故障段为从正常运行到发生故障,然后又恢复正常运行的数据段。
在本实施例中,读取三相电压与零序电压数据后,由于故障发生短暂时间后可能被切除,又进入正常运行状态,所以读取的三相电压与零序电压数据中包含正常运行数据和故障发生时的数据,这些数据可能存在多个故障段(故障段表示读取的数据从正常运行到发生故障,然后又恢复正常运行,后又发生故障,此时故障发生两次,此时则包含两个故障段)。
采用启发式分割算法对数据进行分析,当故障发生时,数据发生较大的波动,通过算法寻找故障发生时数据突变时刻,此时引入灵敏度系数,该灵敏度系数表示为周期个数,通过设定周期个数表示将多少个周期内检测到的故障突变时刻视为同一故障,假设灵敏度系数为10,一个周期时间为0.02秒,那么两个故障突变时刻间隔在0.2秒内,则被判断为同一故障段,故障发生时刻取时间最靠前的故障时刻。在启发式分割算法分析完成后,可以得到故障段个数、截取的故障运行时数据、故障发生时刻。故障段的个数为1时故障为单一性故障,个数大于1时为发展性故障。
S102,响应于获取的所述至少一个故障段的零序电压数据,判断所述至少一个故障段的零序电压数据的故障类型,其中,所述故障类型包括接地型故障和不接地型故障。
在本实施例中,采用零序电压数值分析法对读取的零序电压数据进行处理,若线路中出现显著零序电压上升则判断为接地型故障,若无零序电压产生则判断为不接地型故障,使得将故障区分为接地型故障与不接地型故障,而且通过设定的灵敏度系数,比较三相电压得到的故障时刻和零序电压得到的故障时刻,如果二者的故障时间相近,则认为是接地故障时刻,否则是不接地故障时刻。
S103,若所述至少一个故障段的零序电压数据的故障类型为接地型故障,基于电压峰值比较阈值法判断接地型线路故障类型及接地型线路故障相别,其中,所述接地型线路故障类型包括单相接地故障、两相接地故障以及三相接地故障,其中,具体判断方法包括:
在本实施例中,利用电压峰值阈值比较法将接地故障类型细分为单相接地故障、两相接地故障、三相接地故障,以三相电压数据序列作为处理对象,在N个采样点范围内分别提取a相电压数据的峰值、b相电压数据的峰值、c相电压数据的峰值,
在一些可选的实施例中,若所述至少一个故障段的零序电压数据的故障类型为单相接地故障,基于小波包分析零序电压频带能量比法和小波能谱熵特征量法区分弧光接地故障、基频铁磁谐振故障、分频铁磁谐振故障、高频铁磁谐振故障。
在本实施例中,在确定故障为单相接地故障后,再对数据进行小波包分析零序电压频带能量比法与小波能谱熵特征量法对数据进行处理,将故障类型再细分为一般性单相接地故障、弧光接地故障、基频铁磁谐振故障、分频铁磁谐振故障,高频铁磁谐振故障。
具体地,小波包分析零序电压频带能量比法和小波能谱熵特征量法为:
5)、根据小波分解归一化能谱图可知发生弧光接地与铁磁谐振接地时能量主要分布在三个低频段,结合三个频段比值以及三相电压与零序电压小波能谱熵的数值特征共同判定区分弧光接地、基频铁磁谐振、分频铁磁谐振、高频铁磁谐振。
在一些可选的实施例中,若所述至少一个故障段的零序电压数据的故障类型为不接地型故障,基于电压峰值比较阈值法辨别出两相相件短路故障并判断不接地型线路故障相别。
请参阅图2,其示出了本申请的一种基于数据驱动的小电流接地***故障辨识装置的结构框图。
如图2所示,小电流接地***故障辨识装置200,包括分析模块210、第一判断模块220以及第二判断模块230。
其中,分析模块210,配置为响应于获取故障录波数据中的三相电压数据和零序电压数据,对所述三相电压数据和所述零序电压数据进行分析,并通过灵敏度系数对分析后的至少一个故障段进行合并,其中,所述至少一个故障段为从正常运行到发生故障,然后又恢复正常运行的数据段;第一判断模块220,配置为响应于获取的所述至少一个故障段的零序电压数据,判断所述至少一个故障段的零序电压数据的故障类型,其中,所述故障类型包括接地型故障和不接地型故障;第二判断模块230,配置为若所述至少一个故障段的零序电压数据的故障类型为接地型故障,基于电压峰值比较阈值法判断接地型线路故障类型及接地型线路故障相别,其中,所述接地型线路故障类型包括单相接地故障,其中,具体判断方法包括:基于获取的三相电压数据序列,在N个采样点范围内分别提取a相电压数据的峰值、b相电压数据的峰值、c相电压数据的峰值;基于选取的所述a相电压数据的峰值、所述b相电压数据的峰值、所述c相电压数据的峰值中的最大值、中间值以及最小值,并建立所述最大值、所述中间值以及所述最小值的关系式:;式中,为三相电压峰值的最大值与三相电压峰值的中间值的比值,为三相电压峰值的中间值与三相电压峰值的最小值的比值;若小于预设阈值,且大于预设阈值,即所述接地型线路故障类型为单相接地故障。
应当理解,图2中记载的诸模块与参考图1中描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征以及相应的技术效果同样适用于图2中的诸模块,在此不再赘述。
在另一些实施例中,本发明实施例还提供了一种非易失性计算机存储介质,计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的小电流接地***故障辨识方法;
作为一种实施方式,本发明的非易失性计算机存储介质存储有计算机可执行指令,计算机可执行指令设置为:
响应于获取故障录波数据中的三相电压数据和零序电压数据,对所述三相电压数据和所述零序电压数据进行分析,并通过灵敏度系数对分析后的至少一个故障段进行合并,其中,所述至少一个故障段为从正常运行到发生故障,然后又恢复正常运行的数据段;
响应于获取的所述至少一个故障段的零序电压数据,判断所述至少一个故障段的零序电压数据的故障类型,其中,所述故障类型包括接地型故障和不接地型故障;
若所述至少一个故障段的零序电压数据的故障类型为接地型故障,基于电压峰值比较阈值法判断接地型线路故障类型及接地型线路故障相别。
非易失性计算机可读存储介质可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据小电流接地***故障辨识装置的使用所创建的数据等。此外,非易失性计算机可读存储介质可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,非易失性计算机可读存储介质可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至小电流接地***故障辨识装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本发明实施例还提供一种计算机程序产品,计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,使计算机执行上述任一项小电流接地***故障辨识方法。
图3是本发明实施例提供的电子设备的结构示意图,如图3所示,该设备包括:一个或多个处理器310以及存储器320,图3中以一个处理器310为例。电子设备还可以包括:输入装置330和输出装置340。处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接,图3中以通过总线连接为例。存储器320为上述的非易失性计算机可读存储介质。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例小电流接地***故障辨识方法。输入装置330可接收输入的数字或字符信息,以及产生与小电流接地***故障辨识装置的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
上述产品可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
作为一种实施方式,上述电子设备应用于小电流接地***故障辨识装置中,用于客户端,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:
响应于获取故障录波数据中的三相电压数据和零序电压数据,对所述三相电压数据和所述零序电压数据进行分析,并通过灵敏度系数对分析后的至少一个故障段进行合并,其中,所述至少一个故障段为从正常运行到发生故障,然后又恢复正常运行的数据段;
响应于获取的所述至少一个故障段的零序电压数据,判断所述至少一个故障段的零序电压数据的故障类型,其中,所述故障类型包括接地型故障和不接地型故障;
若所述至少一个故障段的零序电压数据的故障类型为接地型故障,基于电压峰值比较阈值法判断接地型线路故障类型及接地型线路故障相别。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于数据驱动的小电流接地***故障辨识方法,其特征在于,包括:
响应于获取故障录波数据中的三相电压数据和零序电压数据,基于启发式分割算法对所述三相电压数据和所述零序电压数据进行分析,并通过灵敏度系数对分析后的至少一个故障段进行合并,其中,所述灵敏度系数为周期个数,通过设定周期个数表示将多少个周期内检测到的故障突变时刻视为同一故障,所述至少一个故障段为故障发生时刻开始到故障消除时刻的数据段;
响应于获取的所述至少一个故障段的零序电压数据,判断所述至少一个故障段的零序电压数据的故障类型,其中,所述故障类型包括接地型故障和不接地型故障,采用零序电压数值分析法对读取的零序电压数据进行处理,若线路中出现显著零序电压上升则判断为接地型故障,若无零序电压产生则判断为不接地型故障,使得将故障区分为接地型故障与不接地型故障,而且通过设定的灵敏度系数,比较三相电压得到的故障时刻和零序电压得到的故障时刻,如果二者的故障时间相近,则认为是接地故障时刻,否则是不接地故障时刻;
若所述至少一个故障段的零序电压数据的故障类型为接地型故障,基于电压峰值比较阈值法判断接地型线路故障类型,其中,所述接地型线路故障类型包括单相接地故障,其中,具体判断方法包括:
基于获取的三相电压数据序列Ua、Ub、Uc,在N个采样点范围内分别提取a相电压数据的峰值Uapeak、b相电压数据的峰值Ubpeak、c相电压数据的峰值Ucpeak;
基于选取的所述a相电压数据的峰值、所述b相电压数据的峰值、所述c相电压数据的峰值中的最大值max(Uapeak,Ubpeak,Ucpeak)、中间值medin(Uapeak,Ubpeak,Ucpeak)以及最小值min(Uapeak,Ubpeak,Ucpeak),并建立所述最大值、所述中间值以及所述最小值的关系式:
式中,TV1为三相电压峰值的最大值与三相电压峰值的中间值的比值,TV2为三相电压峰值的中间值与三相电压峰值的最小值的比值;
若TV1小于预设阈值,且TV2大于预设阈值,即所述接地型线路故障类型为单相接地故障。
2.根据权利要求1所述的一种基于数据驱动的小电流接地***故障辨识方法,其特征在于,若所述至少一个故障段的零序电压数据的故障类型为单相接地故障,基于小波包分析零序电压频带能量比法和小波能谱熵特征量法区分弧光接地故障、基频铁磁谐振故障、分频铁磁谐振故障、高频铁磁谐振故障。
3.根据权利要求1所述的一种基于数据驱动的小电流接地***故障辨识方法,其特征在于,所述接地型线路故障类型还包括两相接地故障,若TV1大于预设阈值,且TV2小于预设阈值,即所述接地型线路故障类型为两相接地故障。
4.根据权利要求1所述的一种基于数据驱动的小电流接地***故障辨识方法,其特征在于,所述接地型线路故障类型还包括三相接地故障,若TV1和TV2均小于预设阈值,即所述接地型线路故障类型为三相接地故障。
5.根据权利要求1所述的一种基于数据驱动的小电流接地***故障辨识方法,其特征在于,判断所述至少一个故障段的零序电压数据的故障类型包括:
基于零序电压数值分析法判断所述至少一个故障段的零序电压数据的故障类型。
6.一种基于数据驱动的小电流接地***故障辨识装置,其特征在于,包括:
分析模块,配置为响应于获取故障录波数据中的三相电压数据和零序电压数据,基于启发式分割算法对所述三相电压数据和所述零序电压数据进行分析,并通过灵敏度系数对分析后的至少一个故障段进行合并,其中,所述灵敏度系数为周期个数,通过设定周期个数表示将多少个周期内检测到的故障突变时刻视为同一故障,所述至少一个故障段为故障发生时刻开始到故障消除时刻的数据段;
第一判断模块,配置为响应于获取的所述至少一个故障段的零序电压数据,判断所述至少一个故障段的零序电压数据的故障类型,其中,所述故障类型包括接地型故障和不接地型故障,采用零序电压数值分析法对读取的零序电压数据进行处理,若线路中出现显著零序电压上升则判断为接地型故障,若无零序电压产生则判断为不接地型故障,使得将故障区分为接地型故障与不接地型故障,而且通过设定的灵敏度系数,比较三相电压得到的故障时刻和零序电压得到的故障时刻,如果二者的故障时间相近,则认为是接地故障时刻,否则是不接地故障时刻;
第二判断模块,配置为若所述至少一个故障段的零序电压数据的故障类型为接地型故障,基于电压峰值比较阈值法判断接地型线路故障类型,其中,所述接地型线路故障类型包括单相接地故障,其中,具体判断方法包括:
基于获取的三相电压数据序列Ua、Ub、Uc,在N个采样点范围内分别提取a相电压数据的峰值Uapeak、b相电压数据的峰值Ubpeak、c相电压数据的峰值Ucpeak;
基于选取的所述a相电压数据的峰值、所述b相电压数据的峰值、所述c相电压数据的峰值中的最大值max(Uapeak,Ubpeak,Ucpeak)、中间值medin(Uapeak,Ubpeak,Ucpeak)以及最小值min(Uapeak,Ubpeak,Ucpeak),并建立所述最大值、所述中间值以及所述最小值的关系式:
式中,TV1为三相电压峰值的最大值与三相电压峰值的中间值的比值,TV2为三相电压峰值的中间值与三相电压峰值的最小值的比值;
若TV1小于预设阈值,且TV2大于预设阈值,即所述接地型线路故障类型为单相接地故障。
7.一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至5任一项所述的方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110509657.0A CN112986754B (zh) | 2021-05-11 | 2021-05-11 | 一种基于数据驱动的小电流接地***故障辨识方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110509657.0A CN112986754B (zh) | 2021-05-11 | 2021-05-11 | 一种基于数据驱动的小电流接地***故障辨识方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112986754A CN112986754A (zh) | 2021-06-18 |
CN112986754B true CN112986754B (zh) | 2021-10-19 |
Family
ID=76337519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110509657.0A Active CN112986754B (zh) | 2021-05-11 | 2021-05-11 | 一种基于数据驱动的小电流接地***故障辨识方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112986754B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113759278B (zh) * | 2021-08-10 | 2023-12-19 | 云南电网有限责任公司昆明供电局 | 一种适用于小电流接地***的接地故障选线方法 |
CN113702760B (zh) * | 2021-08-26 | 2023-08-25 | 济南大学 | 一种配电线路横向故障和铁磁谐振状态的辨识方法及*** |
CN117826059B (zh) * | 2024-03-04 | 2024-05-24 | 江苏靖江互感器股份有限公司 | 一种供电***内互感器的铁磁谐振故障预判断方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100530883C (zh) * | 2007-10-11 | 2009-08-19 | 天津大学 | 两相ta配电网单相接地故障选线的方法 |
HUP0700837A2 (en) * | 2007-12-21 | 2009-08-28 | Andras Dr Dan | Measuring system for localising and identifying a resistance of earth fault in active network and method for using the system |
CN102928739A (zh) * | 2012-11-02 | 2013-02-13 | 华北电力大学(保定) | 基于无线传感器网络的电网单相接地故障定位方法及*** |
CN103439633A (zh) * | 2013-08-28 | 2013-12-11 | 徐州润泽电气有限公司 | 一种小电流接地故障选线装置 |
CN103454559B (zh) * | 2013-09-02 | 2015-10-28 | 国家电网公司 | 一种配电网单相接地故障区段定位方法及定位装置 |
CN104849614B (zh) * | 2015-05-11 | 2017-12-08 | 国家电网公司 | 小电流单相接地故障选线的判断方法 |
US9823289B2 (en) * | 2015-06-01 | 2017-11-21 | Prophecy Sensorlytics Llc | Automated digital earth fault system |
CN109375037B (zh) * | 2018-11-16 | 2020-06-30 | 杭州电子科技大学 | 一种中压船舶电力***单相接地故障报警器设计方法 |
CN109581149B (zh) * | 2018-12-04 | 2020-07-24 | 华北电力大学 | 消弧线圈并联小电阻接地方式下的行波测距方法和*** |
CN109406948A (zh) * | 2018-12-10 | 2019-03-01 | 贵州电网有限责任公司 | 采用暂态及稳态特征融合的配网单相接地故障检测方法 |
JP7084330B2 (ja) * | 2019-01-23 | 2022-06-14 | 北海道電力株式会社 | 地絡方向判定装置、地絡方向判定システム、地絡方向判定方法及びプログラム |
CN110794337A (zh) * | 2019-12-18 | 2020-02-14 | 烟台科大正信电气有限公司 | 一种小电流接地故障判断方法和故障录波*** |
CN111265873A (zh) * | 2020-01-16 | 2020-06-12 | 腾讯科技(深圳)有限公司 | 虚拟道具的使用方法、装置、设备及存储介质 |
CN111474442B (zh) * | 2020-03-30 | 2022-05-24 | 国网山东省电力公司德州供电公司 | 一种配电网单相接地故障定位方法及*** |
CN111257700B (zh) * | 2020-03-31 | 2020-10-30 | 国网江苏省电力有限公司无锡供电分公司 | 一种基于边缘计算的配电网单相接地故障定位装置及方法 |
CN111983507B (zh) * | 2020-06-08 | 2023-05-09 | 清华大学 | 一种基于伏安特性动态轨迹的弧光接地故障检测方法 |
CN112684279B (zh) * | 2020-11-06 | 2022-07-08 | 国网浙江省电力有限公司温州供电公司 | 一种基于相电流相似性的配电网单相接地故障检测算法 |
CN112710923B (zh) * | 2020-12-16 | 2022-07-26 | 中国电建集团华东勘测设计研究院有限公司 | 基于故障后稳态信息的数据驱动单相接地故障选线方法 |
CN112710924B (zh) * | 2020-12-16 | 2022-07-26 | 中国电建集团华东勘测设计研究院有限公司 | 基于故障前后稳态变化量的单相接地故障选线方法 |
-
2021
- 2021-05-11 CN CN202110509657.0A patent/CN112986754B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112986754A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112986754B (zh) | 一种基于数据驱动的小电流接地***故障辨识方法及装置 | |
EP3229031B1 (en) | Method and system for analyzing waveforms in power systems | |
CN111812451B (zh) | 一种基于相电流暂态故障分量的配电网分布式选线方法 | |
CN107102236A (zh) | 一种基于故障后波形相关分析的单相接地故障选线方法 | |
CN111426908B (zh) | 小电流接地***单相接地故障保护方法、装置及*** | |
Devadasu et al. | A novel multiple fault identification with fast fourier transform analysis | |
CN114879085A (zh) | 单相接地故障识别方法、装置、电子设备及介质 | |
CN118150942A (zh) | 一种配电网电流接地故障定位方法、装置、设备及介质 | |
CN114037010A (zh) | 一种电量数据异常的识别方法及装置 | |
US20220413032A1 (en) | Machine learning based method and device for disturbance classification in a power transmission line | |
CN106646106B (zh) | 基于变点探测技术的电网故障检测方法 | |
CN115343579B (zh) | 一种电网故障分析方法、装置及电子设备 | |
CN112595926A (zh) | 一种地区电网检修计划智能辨识及辅助编制的技术研究 | |
CN114142605B (zh) | 纵联保护方法、装置和存储介质 | |
CN113238172B (zh) | 基于中性线电阻的电流互感器中性线异常判断方法 | |
CN108802493A (zh) | 一种电压跌落智能检测方法 | |
CN109387729B (zh) | 一种单相接地故障相多参量判别方法及装置 | |
CN113805050A (zh) | 选相合闸角监测方法及装置、计算机设备和存储介质 | |
Anijärv et al. | Requirements to data acquisition and signal analysis for electrical grid condition monitoring | |
Lopes et al. | Harmonic selection-based analysis for high impedance fault location using Stockwell transform and random forest | |
Meghwani et al. | Robust event detection using synchrophasor assisted forecasting-aided state estimation | |
Mirshekali et al. | Real fault location in a distribution network using smart feeder meter data. Energies 2021, 14, 3242 | |
CN113721106B (zh) | 配电网故障定位方法、装置及设备 | |
CN117347787B (zh) | 一种配电网单相接地故障类型辨识及分析方法、*** | |
Submitter | Classification of Power Transmission Line Fault Types and Location Using Machine Learning Techniques |
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 |