CN113138322B - 配电网高阻接地故障的检测方法、装置、设备和存储介质 - Google Patents
配电网高阻接地故障的检测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113138322B CN113138322B CN202110512642.XA CN202110512642A CN113138322B CN 113138322 B CN113138322 B CN 113138322B CN 202110512642 A CN202110512642 A CN 202110512642A CN 113138322 B CN113138322 B CN 113138322B
- Authority
- CN
- China
- Prior art keywords
- kurtosis
- component
- distribution network
- power distribution
- mode function
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 18
- 230000006870 function Effects 0.000 claims description 100
- 238000005070 sampling Methods 0.000 claims description 39
- 238000001514 detection method Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000003745 diagnosis Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 101100499229 Mus musculus Dhrsx gene Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 239000013598 vector Substances 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
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/175—Indicating the instants of passage of current or voltage through a given value, e.g. passage through zero
-
- 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
-
- 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)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本申请提供了一种配电网高阻接地故障的检测方法、装置、设备和存储介质,方法包括获取配电网馈线线路的零序电流信号,对零序电流信号进行变分模态分解,以得到多个内禀模态函数分量,根据各个内禀模态函数分量的能量熵随噪声的变化趋势选取受噪声影响最小的内禀模态函数分量,记为特征分量;计算特征分量的峭度,根据峭度即可判断配电网高阻接地故障。该方法从零序电流信号中选出受噪声干扰最小的特征分量,一方面干扰小计算出的峭度结果会更加精确,从而提高了故障诊断的精确度;另一方面避免了对整个零序电流信号分析,大大减少了计算量,提高了故障诊断的效率。
Description
技术领域
本申请涉及电力故障检测技术领域,具体涉及一种配电网高阻接地故障的检测方法、装置、设备和存储介质。
背景技术
配电网在电力***中担任分配电能的角色,为国民生活、工业生产提供保障。我国配电网规模庞大、结构复杂,电压等级多,配电网故障也时有发生。有关统计显示,配电网故障约占电力***故障的70%,而高阻接地故障(High Impedance Fault,HIF)是配电网故障中常见的故障,约占配电故障的5%-20%。近年来伴随着配电网规模的不断扩张,高阻接地故障的发生概率也在不断上升,因此,实现准确的高阻接地故障识别对配电网的稳定运行具有重大意义。
目前,配电网高阻接地故障识别方法可以分为时域法、频域法、时频域法。时域法建立在电压、电流信号独特的时域特征上,具有可见的物理特性,时域法结构简单,常以各类技术提取故障信号的时域畸变与突变特征,物理意义明确,且有效应用于小电阻接地***。然而,受以往测量设备的精度和灵敏度影响,微弱的测量信号经设备采集后易造成特征丢失、特征模糊,这使得时域法在小电流接地***中应用无法达到理想效果。
频域法基于电压、电流信号的高、低频段分量的特性区分高阻接地故障与扰动,频域法基于故障电压、电流信号的高、低频特性来检测高阻接地故障。由于波形的非线性畸变常由低次谐波分量导致,因此,多数频域法利用故障信号的低阶分量作为检测标准。低阶谐波检测技术能放大故障特征,但也有局限性:引发故障的介质的不同会影响故障谐波的主成分,以及部分非线性投切事件的低阶谐波与HIF相似,易引起误判。
而时频域法是采用时频分解技术得到信号的时频特征,然后根据时频特征来判断配电网高阻接地故障,该方法较单一的时域或频域特征,具有更高的可靠性。因此,提出一种新的配电网高阻接地故障的检测方法就显得尤为重要。
申请内容
有鉴于此,本申请实施例中提供了一种配电网高阻接地故障的检测方法、装置、设备和存储介质。
第一方面,本申请实施例提供了一种配电网高阻接地故障的检测方法,该方法包括:
获取配电网馈线线路的零序电流信号;
对所述零序电流信号进行变分模态分解,以得到多个内禀模态函数分量;
根据各个所述内禀模态函数分量的能量熵随噪声的变化趋势,选取受噪声影响最小的内禀模态函数分量,记为特征分量;
计算所述特征分量的峭度;
根据所述峭度来判断配电网高阻接地故障。
第二方面,本申请实施例提供了一种配电网高阻接地故障的检测装置,该装置包括:
电流信号获取模块,用于获取配电网馈线线路的零序电流信号;
模态分解模块,用于对所述零序电流信号进行变分模态分解,以得到多个内禀模态函数分量;
特征分量获得模块,用于根据各个所述内禀模态函数分量的能量熵随噪声的变化趋势,选取受噪声影响最小的内禀模态函数分量记为特征分量;
峭度计算模块,用于计算所述特征分量的峭度;
故障判断模块,用于根据所述峭度来判断配电网高阻接地故障。
第三方面,本申请实施例提供了一种终端设备,包括:存储器;一个或多个处理器,与所述存储器耦接;一个或多个应用程序,其中,一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个应用程序配置用于执行上述第一方面提供的配电网高阻接地故障的检测方法。
第四方面,本申请实施例提供了一种计算机可读取存储介质,计算机可读取存储介质中存储有程序代码,程序代码可被处理器调用执行上述第一方面提供的配电网高阻接地故障的检测方法。
本申请实施例提供的配电网高阻接地故障的检测方法、装置、设备和存储介质,首先获取配电网馈线线路的零序电流信号,然后对零序电流信号进行变分模态分解,以得到多个内禀模态函数分量,再根据各个内禀模态函数分量的能量熵随噪声的变化趋势选取受噪声影响最小的内禀模态函数分量,记为特征分量;计算特征分量的峭度;其中峭度是信号的四阶平均值,可以反应信号的突变程度,并且对冲击信号特别敏感,当配电网发送高阻接地故障时其零序电流信号上产生相应的峭度,因此根据峭度即可判断配电网高阻接地故障。
该方法从零序电流信号中选出受噪声干扰最小的特征分量,一方面干扰小计算出的峭度结果会更加精确,从而提高了故障诊断的精确度;另一方面避免了对整个零序电流信号分析,大大减少了计算量,提高了故障诊断的效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的配电网高阻接地故障的检测方法的应用场景示意图;
图2为本申请一个实施例提供的配电网高阻接地故障的检测方法的流程示意图;
图3为本申请一个实施例提供特征分量选取方法的流程示意图;
图4为本申请一个实施例提供的含DG的辐射形谐振接地配电网示意图;
图5为本申请一个实施例提供的零序电流信号、噪声波形、IMF1以及峭度示意图;
图6为本申请一个实施例提供的配电网高阻接地故障的检测装置的结构图;
图7为本申请一个实施例中提供的终端设备的结构示意图;
图8为本申请一个实施例中提供的计算机可读存储介质的结构示意图。
具体实施方式
下面将对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了更详细说明本申请,下面结合附图对本申请提供的一种配电网高阻接地故障的检测方法、装置、终端设备和计算机存储介质,进行具体地描述。
请参考图1,图1示出了本申请实施例提供的配电网高阻接地故障的检测方法的应用场景的示意图,该应用场景包括本申请实施例提供的终端设备100,终端设备100可以是具有显示屏的各种电子设备(如102、104、106和108的结构图),包括但不限于智能手机和计算机设备,其中计算机设备可以是台式计算机、便携式计算机、膝上型计算机、平板电脑等设备中的至少一种。用户对终端设备100进行操作,发出配电网高阻接地故障的检测操作指示,终端设备100执行本申请的配电网高阻接地故障的检测方法,具体过程请参照配电网高阻接地故障的检测方法实施例。
其次,终端设备100可以泛指多个终端设备中的一个,本实施例仅以终端设备100来举例说明。本领域技术人员可以知晓,上述终端设备的数量可以更多或更少。比如上述终端设备可以仅为几个,或者上述终端设备为几十个或几百个,或者更多数量,本申请实施例对终端设备的数量和类型不加以限定。终端设备100可以用来执行本申请实施例中提供的一种配电网高阻接地故障的检测方法。
在一种可选的实施方式中,该应用场景包括本申请实施例提供的终端设备100之外,还可以包括服务器,其中服务器与终端设备之间设置有网络。网络用于在终端设备和服务器之间提供通信链路的介质。网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
应该理解,终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器可以是多个服务器组成的服务器集群等。其中,终端设备通过网络与服务器交互,以接收或发送消息等。服务器可以是提供各种服务的服务器。其中服务器可以用来执行本申请实施例中提供的一种配电网高阻接地故障的检测方法的步骤。此外,终端设备在执行本申请实施例中提供的一种配电网高阻接地故障的检测方法时,可以将一部分步骤在终端设备执行,一部分步骤在服务器执行,在这里不进行限定。
基于此,本申请实施例中提供了一种配电网高阻接地故障的检测方法。请参阅图2,图2示出了本申请实施例提供的一种配电网高阻接地故障的检测方法的流程示意图,以该方法应用于图1中的终端设备为例进行说明,包括以下步骤:
步骤S110,获取配电网馈线线路的零序电流信号。
其中,零序电流信号是在电力***中电路发生例如触电或漏电等故障时,回路中有漏电电流流过,此时互感器的三相电流向量和不等零,互感器二次线圈中就有一个感应电流,即为零序电流。而当配电网发生高阻接地故障时,产生的零序电流信号通常呈现出周期性,即该零序电流信号可以持续多个周期。因此,在本实施例中,获取的零序电流信号通常是包含多个周期的信号。
在一种可选的实施方式中,零序电流信号为大于或等于多个周波的信号,其中一个周波表示一个采样周期。
此外,零序电流信号是按照一个设定的采样频率(例如10kHz采样频率)进行采样得到的。
步骤S120,对零序电流信号进行变分模态分解,以得到多个内禀模态函数分量。
其中,变分模态分解(Variational Mode Decomposition,VMD)是一种自适应、完全非递归的信号分解方法,将原始信号分解成多个信号分量。在本实施例中是将零序电流信号进行变分模态分解,从而生成多个禀模态函数分量。
进一步地,给出了一种对零序电流信号进行变分模态分解的具体实施方式,描述如下:
步骤S130,根据各个内禀模态函数分量的能量熵随噪声的变化趋势,选取受噪声影响最小的内禀模态函数分量,记为特征分量。
具体而言,每一个内禀模态函数分量都会受到噪声的影响,即噪声会对内禀模态函数分量造成干扰;而相同的噪声对不同的内禀模态函数分量影响程度不同。在本实施例中,选择受噪声影响最小的内禀模态函数分量来作为特征分量,然后对特征分量进行后续处理来判定配电网高阻接地故障。
其次,给出了一种选取特征分量的实施例,具体描述如下:
在一个实施例中,在执行步骤S130,根据各个内禀模态函数分量的能量熵随噪声的变化趋势,选取受噪声影响最小的内禀模态函数分量记为特征分量,包括:
步骤S132,将每一个内禀模态函数分量分成多个子模态函数分量。
具体地,将每一个内禀模态函数分量分成多段,从而形成多个子模态函数分量。可选地,在对内禀模态函数分量进行分段时可以采用平均分段法,即形成的子模态函数分量的信号长度都是相同的,例如每个子模态函数分量的信号长度为半个周波。
此外,可以通过以下公式来表示个子模态函数分量:uk={uk1,uk2,…,ukn},其中,uk表示第k个子模态函数分量,n表示经VMD得到的IMF分量个数。
步骤S134,计算每一个内禀模态函数分量的能量和每个子模态函数分量的能量。
具体而言,分别计算每一个内禀模态函数分量的能量,以及每个子模态函数分量的能量。
在一种可选的实施方式中,可以通过以下公式分别来计算内禀模态函数分量的能量和每个子模态函数分量的能量:
其中,Ek表示第k个内禀模态函数分量的能量,Eki表示第k个内禀模态函数分量中形成的第i个子模态函数分量的能量,m表示子模态函数分量的信号长度。
步骤S136,根据每一个内禀模态函数分量的能量和对应的子模态函数分量的能量,计算每一个内禀模态函数分量的能量熵。
其中,在计算得到每一个内禀模态函数分量的能量和对应的子模态函数分量的能量计算每一个内禀模态函数分量之后,可以计算每一个内禀模态函数分量的能量熵。可选地,可以通过以下公式计算出每一个内禀模态函数分量的能量熵:
其中,H(uk)表示第k个内禀模态函数分量的能量熵,Ek表示第k个内禀模态函数分量的能量,Eki表示第k个内禀模态函数分量中形成的第i个子模态函数分量的能量,log表示以常数e为底的对数函数。
步骤S138,在不同噪声下,根据每一个内禀模态函数分量的能量熵和零序电流信号的能量熵计算能量熵差值。
具体而言,在计算出每一个内禀模态函数分量的能量熵后,计算在不同噪声下各个内禀模态函数分量的能量熵与零序电流信号的能量熵的差值,记为能量熵差值。
在一种可选的实施方式中,可以通过以下公式来计算能量熵差值:
ΔH(uk)=H(uk)SNR=mdB-H(uk)f(t)m=30,20,10,7
其中,ΔH(uk)表示第k个内禀模态函数分量的能量熵与零序电流信号的能量熵的差值,即k个内禀模态函数分量的能量熵差值。
步骤S1310,根据能量熵差值选取受噪声影响最小的内禀模态函数分量记为特征分量。
当能量熵差值ΔH(uk)随噪声变化度越小,则说明该层内禀模态函数分量受噪声影响的程度越小。通过计算信号各层IMF分量的能量熵随噪声的变化量,选出受噪声影响最低的内禀模态函数分量(例如IMF1)作为零序电流i0(t)的特征分量。
步骤S140,计算特征分量的峭度。
具体地,峭度是信号的四阶平均值,常用于反应信号的突变程度,其值越大则表示信号突变的程度越强,其计算式如下:
步骤S150,根据峭度来判断配电网高阻接地故障。
由于不同的故障峭度不同,因此可以根据峭度来判断配电网高阻接地故障。
本申请实施例提供的配电网高阻接地故障的检测方法,首先获取配电网馈线线路的零序电流信号,然后对零序电流信号进行变分模态分解,以得到多个内禀模态函数分量,再根据各个内禀模态函数分量的能量熵随噪声的变化趋势选取受噪声影响最小的内禀模态函数分量,记为特征分量;计算特征分量的峭度;其中峭度是信号的四阶平均值,可以反应信号的突变程度,并且对冲击信号特别敏感,当配电网发送高阻接地故障时其零序电流信号上产生相应的峭度,因此根据峭度即可判断配电网高阻接地故障。
该方法从零序电流信号中选出受噪声干扰最小的特征分量,一方面干扰小计算出的峭度结果会更加精确,从而提高了故障诊断的精确度;另一方面避免了对整个零序电流信号分析,大大减少了计算量,提高了故障诊断的效率。
进一步地,提供了一种计算特征分量的峭度实施方式,下面对该实施方式进行详细描述。
在一个实施例中,计算特征分量的峭度,包括:采用预设周波长度的移动时间窗来计算特征分量的峭度。
其中,预设周波长度的移动时间窗是指长度为预设周波的移动时间窗。预设周波为一个预先设置的值,例如可以是1/4周波,1/3周波,1周波,2周波等。移动时间窗是用来确定特征分量中能计算出的峭度的数量,以及如何计算每一个峭度。
在一个具体的实施方式中,预设周波长度的移动时间窗来计算特征分量的峭度,包括:以特征分量的第一个采样点作为起始点,按照设定的时间窗滑窗选取采样点。当移动时间窗每移动一次,提取移动时间窗内的采样点,以形成一个子特征分量信号,直至找出特征分量中所有的子特征分量信号。计算出各个子特征分量信号的峭度,以得到特征分量的峭度。
具体地,移动时间窗就是窗口从特征分量的一端向另一端滑行,设定的时间窗滑窗包括时间窗的长度以及步长,其中长度和步长可以根据实际的需求进行设置。在本实施例中,以特征分量的第一个采样点作为起始点,利用移动时间窗从特征分量截取第一段信号,记为第一子特征分量信号;然后移动时间窗移动到特征分量的第二个采样点,利用移动时间窗从特征分量截取第二段信号,记为第二子特征分量信号;以此类推,移动时间窗每次移动一个采样点,就截取一段信号从而形成一个子特征分量,直至生成所有的子特征分量信号。然后计算每一子特征分量信号的峭度,以得到特征分量的峭度。
为了便于理解,给出一个详细实施例。假设预设周波为1/4周波,则采用1/4周波长度的移动时间窗,时间窗的长度为50个采样点,步长为1。特征分量的一个周波是200个采样点,1/4周波是50个采样点,则移动时间窗是每隔一个采样点就计算50个采样点的峭度,即第一次计算1-50个点的峭度值,第二次计算2-51个点的峭度值,第三次是3-52个点的峭度值,100个采样点共需要计算51次。
在一些实施例中,在执行步骤S150,根据峭度来判断配电网高阻接地故障,包括:
从特征分量的峭度中找出至少一个峰谷区间的峭度,以形成峭度曲线;其中,峰谷区间为相邻的波峰与波谷形成的区间。根据峭度曲线和峰谷区间中波峰与波谷的边界连线的位置关系来判断配电网高阻接地故障。
具体地,对于特征分量来说,通常不是一条直线信号,因此其具有多个波峰和波谷。波峰与波谷通常信号变化最为敏感的点,在一个相邻的波峰与波谷之间的信号更加能反应受到外界的刺激情况(例如发生故障),对信号进行分析时选择波峰与波谷之间的信号能使分析结果更加准确。因此,在本实施例中,选择至少一个峰谷区间的峭度来判断配电网高阻接地故障。
在选择出至少一个峰谷区间的峭度后,可以根据峰谷区间的峭度生成峭度曲线。
另外,波峰与波谷之间可以形成一个边界连线。可以根据峭度曲线与边界连线的位置关系来确定是否是配电网高阻接地故障。
本实施例中可以根据一个峰谷区间的峭度对配电网高阻接地故障判断,避免对整个特征分量的峭度进行分析,大大减少了计算量。
在一个实施例中,给出了一种从特征分量的峭度中找出至少一个峰谷区间的峭度的实施方式,具体描述如下:
在特征分量上查找相邻的波峰和波谷;根据相邻的波峰和波谷确定峰谷区间;根据峰谷区间从特征分量的峭度选出峰谷区间的峭度。
具体而言,首先,在特征分量上查找相邻的波峰和波谷;在确定了波峰和波谷之后即能计算出峰谷区间,然后从特征分量的峭度选出峰谷区间的峭度。
接下来,还给出了一种特征分量上查找波峰和波谷的实施方式,详细描述如下:
在一个实施例中,在特征分量上查找波峰和波谷,包括:选取特征分量上相邻的三个采样点的幅值和差分值;当第一差分值和第二差分值大于等于0,第三差分值小于等于0,且第一幅值、第二幅值和第三幅值都大于最小峰值时,则判定第二采样点为疑似波峰;当第一差分值和第二差分值小于等于0,第三差分值大于等于0,且第一幅值、第二幅值和第三幅值都小于最小峰值时,则判定第二点为疑似波谷,其中,第一差分值为第一个采样点的差分值,第二差分值第二个采样点的差分值,第三差分值为第三个采样点的差分值;第一幅值为第一个采样点的幅值,第二幅值为第二个采样点的幅值,第三幅值为第三个采样点的幅值。
选出三个相邻的疑似波峰和疑似波谷,分别记为第一疑似波峰、第二疑似波峰、第三疑似波峰、第一疑似波谷、第二疑似波谷和第三疑似波谷;当第一疑似波峰与第二疑似波峰的差值,第三疑似波峰与第二疑似波峰的差值在第一预设范围;第一疑似波谷与第二疑似波谷的差值,第三疑似波谷与第二疑似波谷的差值在第二预设范围,且第二疑似波峰与第二疑似波谷的差值在第三预设范围时,判定第二疑似波峰为波峰,第二疑似波谷为波谷。
其中,第一预设范围、第二预设范围和第二预设范围为预先设置的数据范围,第一预设范围、第二预设范围和第二预设范围的数据范围可以是相同的,也可以是不相同,具体取值可以根据实际需求进行设置。
为了便于理解,给出一个详细的实施例。首先,求取零序电流信号相邻点的差分值,设第i-1(即第一个采样点)、i(即第二个采样点)、i+1(即第三个采样点)个点的幅值为yi-1(即第一个采样点的幅值)、yi(即第二个采样点的幅值)、yi+1(即第三个采样点的幅值),差分值分别为dy[i-1](即第一个采样点的差分值)、dy[i](即第二个采样点的差分值)以及dy[i+1](即第三个采样点的差分值)。第j-1(即第一个采样点)、j(即第二个采样点)、j+1(即第三个采样点)个点的幅值为yj-1(即第一个采样点的幅值)、yj(即第二个采样点的幅值)、yj+1(即第三个采样点的幅值),差分值分别为dy[j-1](即第一个采样点的差分值)、dy[j](即第二个采样点的差分值)以及dy[j+1](即第三个采样点的差分值)。
当满足dy[i-1]≥0、dy[i]≥0、dy[i+1]≤0且yi-1,yi,yi+1≥ym时,则标记i点为疑似波峰(ki,yki),其中ym为最小峰值,用于消除信号小范围波动造成的干扰,可以设为0.2A。
其次,当满足dy[j-1]≤0、dy[j]≤0、dy[j+1]≥0且yj-1,yj,yj+1≤-ym时,标记j点为疑似波谷(pj,ypj)。
设g(即第一疑似波峰)、i(即第二疑似波峰)、h(即第三疑似波峰)为三个连续的疑似波峰,e(即第一疑似波谷)、j(即第二疑似波谷)、s(即第三疑似波谷)为三个连续的疑似波谷,i、j为相邻的疑似波峰、波谷,求取相邻可能波峰kg、kh与ki的差值,相邻疑似波谷pe、ps与pj的差值,以及相邻波峰波谷的差值,当可能波峰、波谷的差值满足以下时,则确定i点为波峰,j点为波谷。
式中kg、kh与ki为疑似波峰的采样点横坐标,pe、ps与pj为疑似波谷的采样点横坐标NT为一周波的采样点数,NT/5和NT/10表示偏差裕度。
在一个实施例中,根据峭度曲线和峰谷区间中波峰与波谷的边界连线的位置关系来判断配电网高阻接地故障,包括:当峭度曲线上的点在边界连线上方的数量大于预设阈值时,判定为配电网高阻接地故障。
其中,预设阈值为一个预先设置的值,其形式可以是多种多样,可以是数值的形式,也可以用百分比表示。
为了便于理解给出一个详细的实施例。设波峰为i、k,波谷为j,三者的先后顺序为i、j、k,将[i,j]和[j,k]区间内的峭度拼接构成峭度曲线。设区间[i,j]内的某点的横坐标为x,峭度值为y,当(x,y)以下公式,则该点位于边界两点连线的上方,否则位于下方,当位于上方的采样点数大于总采样点数的50%,则认为区间内发生高阻接地故障,否则为扰动事件。当8周波的波形内有8个区间(约4周波)以上判定为高阻接地故障,其中公式为:应用实施例
在PSCAD/EMTDC 4.6中,建立辐射形谐振接地配电网,请参照图4所示,包含无穷大电源Us、架空线路、电缆线路、断路器、零序电流互感器、Z形变压器(ZT)、消弧线圈(Lp),风电(DG1)和太阳能(DG2)分布式电源。其中,架空线路的正序阻抗参数为:R1=0.17Ω/km,L1=1.20mH/km,C1=9.70nF/km,零序阻抗参数为R0=0.23Ω/km,L0=5.48mH/km,C0=6.0nF/km;电缆馈线的正序阻抗参数为R1=0.193Ω/km,L1=0.442mH/km,C1=143nF/km,零序阻抗参数为:R0=1.93Ω/km,L0=1.477mH/km,C0=143nF/km,设置高阻接地故障(HIF),负荷投切(LS),电容器投切(CS)。其中,采样率为10kHz。
建立样本库采用本发明实施例中提供的配电网高阻接地故障的检测方法来进行配电网高阻接地故障检测。具体地,以长度为1/4周波的移动时间窗平移求取高阻接地故障、电容器投切、负荷投切的10dB噪声波形经VMD提取的IMF1分量的波峰与波谷区间内的峭度,如图5所示,图中用黑色实心点标记了检测到的波峰与波谷,峭度图上的黑色虚线表示区间边界两点的连线。横向对比不同高阻接地故障与投切事件的峭度图,可见,在高阻接地故障发生后,由于零休现象的存在,波峰与波谷后1/4周波的峭度多位于边界连线的上方,而扰动事件下的峭度多位于边界连线的下方。
另外,为了验证该本发明实施例中提供的配电网高阻接地故障的检测方法的效果,对其检测方式进行测试。具体的,建立测试样本库,向测试样本添加高斯白噪声,得到信噪比分别为7dB、10dB、20dB、30dB的噪声测试样本。测试样本经VMD提取IMF1分量,同时计算IMF1的波峰与波谷,以长度为1/4周波的移动时间窗计算波峰与波谷区间内的峭度值,根据故障判据进行分类,结果表明,该检测方法在仿真***中,能100%区分HIF(即高阻接地故障)与投切扰动事件,且在30dB、20dB、10dB、7dB的噪声干扰下不受影响。因此,本申请中提供配电网高阻接地故障的检测方法具有极高的安全性与可靠性,且在强噪声干扰下,仍能保持极高的准确率。
应该理解的是,虽然图2至图3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且图2至图3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
上述本申请公开的实施例中详细描述了一种配电网高阻接地故障的检测方法,对于本申请公开的上述方法可采用多种形式的设备实现,因此本申请还公开了对应上述方法的配电网高阻接地故障的检测装置,下面给出具体的实施例进行详细说明。
请参阅图6,为本申请实施例公开的一种配电网高阻接地故障的检测装置,主要包括:
电流信号获取模块610,用于获取配电网馈线线路的零序电流信号。
模态分解模块620,用于对零序电流信号进行变分模态分解,以得到多个内禀模态函数分量。
特征分量获得模块630,用于根据各个内禀模态函数分量的能量熵随噪声的变化趋势,选取受噪声影响最小的内禀模态函数分量记为特征分量。
峭度计算模块640,用于计算特征分量的峭度。
故障判断模块650,用于根据峭度来判断配电网高阻接地故障。
在一个实施例中,特征分量获得模块630包括:分量拆分模块、能量计算模块、能量熵计算模块、能量熵差值计算模块和特征分量选取模块;
分量拆分模块,用于将每一个内禀模态函数分量分成多个子模态函数分量。
能量计算模块,用于计算每一个内禀模态函数分量的能量和每个子模态函数分量的能量。
能量熵计算模块,用于根据每一个内禀模态函数分量的能量和对应的子模态函数分量的能量,计算每一个内禀模态函数分量的能量熵。
能量熵差值计算模块,用于在不同噪声下,根据每一个内禀模态函数分量的能量熵和零序电流信号的能量熵计算能量熵差值。
特征分量选取模块,用于根据能量熵差值选取受噪声影响最小的内禀模态函数分量记为特征分量。
在一个实施例中,峭度计算模块640,用于采用预设周波长度的移动时间窗来计算特征分量的峭度。
在一个实施例中,峭度计算模块640,用于以特征分量的第一个采样点作为起始点,按照设定的时间窗滑窗选取采样点;当移动时间窗每移动一次,提取移动时间窗内的采样点,以形成一个子特征分量信号,直至找出特征分量中所有的子特征分量信号;计算出各个子特征分量信号的峭度,以得到特征分量的峭度。
在一个实施例中,故障判断模块650,用于从特征分量的峭度中找出至少一个峰谷区间的峭度,以形成峭度曲线;其中,峰谷区间为相邻的波峰与波谷形成的区间;根据峭度曲线和峰谷区间中波峰与波谷的边界连线的位置关系来判断配电网高阻接地故障。
在一个实施例中,故障判断模块650包括峰谷查找模块、峰谷区间确定模块和峰谷区间峭度选择模块;
峰谷查找模块,用于在特征分量上查找相邻的波峰和波谷。
峰谷区间确定模块,用于根据相邻的波峰和波谷确定峰谷区间。
峰谷区间峭度选择模块,用于根据峰谷区间从特征分量的峭度选出峰谷区间的峭度。
在一个实施例中,峰谷查找模块,用于选取特征分量上相邻的三个采样点的幅值和差分值;当第一差分值和第二差分值大于等于0,第三差分值小于等于0,且第一幅值、第二幅值和第三幅值都大于最小峰值时,则判定第二采样点为疑似波峰;当第一差分值和第二差分值小于等于0,第三差分值大于等于0,且第一幅值、第二幅值和第三幅值都小于最小峰值时,则判定第二点为疑似波谷;选出三个相邻的疑似波峰和疑似波谷,分别记为第一疑似波峰、第二疑似波峰、第三疑似波峰、第一疑似波谷、第二疑似波谷和第三疑似波谷;当第一疑似波峰与第二疑似波峰的差值,第三疑似波峰与第二疑似波峰的差值在第一预设范围;第一疑似波谷与第二疑似波谷的差值,第三疑似波谷与第二疑似波谷的差值在第二预设范围,且第二疑似波峰与第二疑似波谷的差值在第三预设范围时,判定第二疑似波峰为波峰,第二疑似波谷为波谷;其中,第一差分值为第一个采样点的差分值,第二差分值第二个采样点的差分值,第三差分值为第三个采样点的差分值;第一幅值为第一个采样点的幅值,第二幅值为第二个采样点的幅值,第三幅值为第三个采样点的幅值。
在一个实施例中,故障判断模块650,用于当峭度曲线上的点在边界连线上方的数量大于预设阈值时,判定为配电网高阻接地故障。
关于配电网高阻接地故障的检测装置的具体限定可以参见上文中对于方法的限定,在此不再赘述。上述装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于终端设备中的处理器中,也可以以软件形式存储于终端设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
请参考图7,图7其示出了本申请实施例提供的一种终端设备的结构框图。该终端设备70可以是计算机设备。本申请中的终端设备70可以包括一个或多个如下部件:处理器72、存储器74以及一个或多个应用程序,其中一个或多个应用程序可以被存储在存储器74中并被配置为由一个或多个处理器72执行,一个或多个应用程序配置用于执行上述应用于终端设备的方法实施例中所描述的方法,也可以配置用于执行上述应用于配电网高阻接地故障的检测方法实施例中所描述的方法。
处理器72可以包括一个或者多个处理核。处理器72利用各种接口和线路连接整个终端设备70内的各个部分,通过运行或执行存储在存储器74内的指令、程序、代码集或指令集,以及调用存储在存储器74内的数据,执行终端设备70的各种功能和处理数据。可选地,处理器72可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器72可集成中央处理器(Cen tralProcessingUnit,CPU)、埋点数据的上报验证器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作***、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器72中,单独通过一块通信芯片进行实现。
存储器74可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器74可用于存储指令、程序、代码、代码集或指令集。存储器74可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作***的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端设备70在使用中所创建的数据等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的终端设备的限定,具体的终端设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
综上,本申请实施例提供的终端设备用于实现前述方法实施例中相应的配电网高阻接地故障的检测方法,并具有相应的方法实施例的有益效果,在此不再赘述。
请参阅图8,其示出了本申请实施例提供的一种计算机可读取存储介质的结构框图。该计算机可读取存储介质80中存储有程序代码,程序代码可被处理器调用执行上述配电网高阻接地故障的检测方法实施例中所描述的方法,也可以被处理器调用执行上述配电网高阻接地故障的检测方法实施例中所描述的方法。
计算机可读取存储介质80可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地,计算机可读取存储介质80包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读取存储介质80具有执行上述方法中的任何方法步骤的程序代码82的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码82可以例如以适当形式进行压缩。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种配电网高阻接地故障的检测方法,其特征在于,所述方法包括:
获取配电网馈线线路的零序电流信号;
对所述零序电流信号进行变分模态分解,以得到多个内禀模态函数分量;
根据各个所述内禀模态函数分量的能量熵随噪声的变化趋势,选取受噪声影响最小的内禀模态函数分量,记为特征分量;
计算所述特征分量的峭度;
根据所述峭度来判断配电网高阻接地故障;
所述根据所述峭度来判断配电网高阻接地故障,包括:
从所述特征分量的峭度中找出至少一个峰谷区间的峭度,以形成峭度曲线;其中,所述峰谷区间为相邻的波峰与波谷形成的区间;
根据所述峭度曲线和峰谷区间中波峰与波谷的边界连线的位置关系来判断配电网高阻接地故障。
2.根据权利要求1所述的方法,其特征在于,所述根据各个所述内禀模态函数分量的能量熵随噪声的变化趋势,选取受噪声影响最小的内禀模态函数分量记为特征分量,包括:
将每一个所述内禀模态函数分量分成多个子模态函数分量;
计算每一个所述内禀模态函数分量的能量和每个所述子模态函数分量的能量;
根据每一个所述内禀模态函数分量的能量和对应的所述子模态函数分量的能量,计算每一个所述内禀模态函数分量的能量熵;
在不同噪声下,根据每一个所述内禀模态函数分量的能量熵和所述零序电流信号的能量熵计算能量熵差值;
根据所述能量熵差值选取受噪声影响最小的内禀模态函数分量记为特征分量。
3.根据权利要求1所述的方法,其特征在于,所述计算所述特征分量的峭度,包括:
采用预设周波长度的移动时间窗来计算所述特征分量的峭度。
4.根据权利要求3所述的方法,其特征在于,所述采用预设周波长度的移动时间窗来计算所述特征分量的峭度,包括:
以所述特征分量的第一个采样点作为起始点,按照设定的时间窗滑窗选取采样点;
当所述移动时间窗每移动一次,提取所述移动时间窗内的采样点,以形成一个子特征分量信号,直至找出所述特征分量中所有的子特征分量信号;
计算出各个所述子特征分量信号的峭度,以得到所述特征分量的峭度。
5.根据权利要求1所述的方法,其特征在于,所述从所述特征分量的峭度中找出至少一个峰谷区间的峭度,包括:
在所述特征分量上查找相邻的波峰和波谷;
根据所述相邻的波峰和所述波谷确定所述峰谷区间;
根据所述峰谷区间从所述特征分量的峭度选出所述峰谷区间的峭度。
6.根据权利要求1所述的方法,其特征在于,所述根据所述峭度曲线和峰谷区间中波峰与波谷的边界连线的位置关系来判断配电网高阻接地故障,包括:
当所述峭度曲线上的点在所述边界连线上方的数量大于预设阈值时,判定为配电网高阻接地故障。
7.一种配电网高阻接地故障的检测装置,其特征在于,所述装置包括:
电流信号获取模块,用于获取配电网馈线线路的零序电流信号;
模态分解模块,用于对所述零序电流信号进行变分模态分解,以得到多个内禀模态函数分量;
特征分量获得模块,用于根据各个所述内禀模态函数分量的能量熵随噪声的变化趋势,选取受噪声影响最小的内禀模态函数分量记为特征分量;
峭度计算模块,用于计算所述特征分量的峭度;
故障判断模块,用于根据所述峭度来判断配电网高阻接地故障,具体为从所述特征分量的峭度中找出至少一个峰谷区间的峭度,以形成峭度曲线;其中,所述峰谷区间为相邻的波峰与波谷形成的区间;根据所述峭度曲线和峰谷区间中波峰与波谷的边界连线的位置关系来判断配电网高阻接地故障。
8.一种终端设备,其特征在于,包括:
存储器;一个或多个处理器,与所述存储器耦接;一个或多个应用程序,其中,一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个应用程序配置用于执行如权利要求1-6任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110512642.XA CN113138322B (zh) | 2021-05-11 | 2021-05-11 | 配电网高阻接地故障的检测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110512642.XA CN113138322B (zh) | 2021-05-11 | 2021-05-11 | 配电网高阻接地故障的检测方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113138322A CN113138322A (zh) | 2021-07-20 |
CN113138322B true CN113138322B (zh) | 2022-12-23 |
Family
ID=76817723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110512642.XA Active CN113138322B (zh) | 2021-05-11 | 2021-05-11 | 配电网高阻接地故障的检测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113138322B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113533904B (zh) * | 2021-07-21 | 2023-04-21 | 南方电网科学研究院有限责任公司 | 一种配电网高阻接地故障检测方法、装置、设备和介质 |
CN113625125B (zh) * | 2021-09-24 | 2023-11-21 | 南方电网科学研究院有限责任公司 | 一种配电网的高阻接地故障检测方法、装置和设备 |
CN113917364B (zh) * | 2021-10-09 | 2024-03-08 | 广东电网有限责任公司东莞供电局 | 一种配电网高阻接地识别方法和装置 |
CN114675126A (zh) * | 2022-03-10 | 2022-06-28 | 云南电网有限责任公司电力科学研究院 | 架空配电线路故障类型识别方法及装置 |
CN115144703B (zh) * | 2022-08-31 | 2022-11-15 | 南京邮电大学 | 基于零序差分电流和能量矩指标的高阻接地故障识别方法 |
CN116148599B (zh) * | 2023-04-19 | 2023-08-18 | 天津滨电电力工程有限公司 | 基于峭度和偏度系数的高阻接地故障诊断保护方法及装置 |
CN117368616B (zh) * | 2023-11-20 | 2024-04-12 | 北京航能绿电科技有限公司 | 一种智能化的配电网接地故障监测方法及*** |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013004357A1 (en) * | 2011-07-05 | 2013-01-10 | Abb Technology Ag | A method of selecting between internal and external faults in parallel lines using one-end measurements |
CN102510363A (zh) * | 2011-09-30 | 2012-06-20 | 哈尔滨工程大学 | 一种强干扰源环境下的lfm信号检测方法 |
CN107632239B (zh) * | 2017-08-25 | 2020-06-05 | 南京理工大学 | 一种基于imf能量熵的光伏送出线路故障选相方法 |
CN110907753B (zh) * | 2019-12-02 | 2021-07-13 | 昆明理工大学 | 一种基于hht能量熵的mmc-hvdc***单端故障识别方法 |
CN111308263B (zh) * | 2019-12-03 | 2021-08-03 | 昆明理工大学 | 一种配电网高阻接地故障检测方法 |
CN111507221B (zh) * | 2020-04-09 | 2022-06-07 | 北华大学 | 基于vmd和最大重叠离散小波包变换的齿轮信号去噪方法 |
CN111985315A (zh) * | 2020-07-10 | 2020-11-24 | 合肥工业大学 | 一种轴承故障信号内禀模态函数分解与提取方法及装置 |
CN112051480A (zh) * | 2020-08-06 | 2020-12-08 | 国网安徽省电力有限公司电力科学研究院 | 基于变分模态分解的神经网络配电网故障诊断方法及*** |
CN112269095A (zh) * | 2020-09-07 | 2021-01-26 | 西安理工大学 | 基于故障电流间歇性重燃与熄灭特征的故障检测方法 |
CN112255492B (zh) * | 2020-09-07 | 2023-10-24 | 西安理工大学 | 一种强噪声背景下的配电网单相接地高阻故障识别方法 |
-
2021
- 2021-05-11 CN CN202110512642.XA patent/CN113138322B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113138322A (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113138322B (zh) | 配电网高阻接地故障的检测方法、装置、设备和存储介质 | |
CN108667856B (zh) | 一种网络异常检测方法、装置、设备及存储介质 | |
Li et al. | Partial discharge source localization in GIS based on image edge detection and support vector machine | |
CN110007197B (zh) | 串联电弧故障检测***及检测方法 | |
CN107966638B (zh) | 校正误差的方法和装置、存储介质及处理器 | |
Akhavanhejazi et al. | A new on-line monitoring method of transformer winding axial displacement based on measurement of scattering parameters and decision tree | |
CN107071788B (zh) | 一种认知无线网络中的频谱感知方法及装置 | |
CN114978877B (zh) | 一种异常处理方法、装置、电子设备及计算机可读介质 | |
CN111881594A (zh) | 一种核动力设备的非平稳信号状态监测方法及*** | |
CN112463848A (zh) | 检测用户异常行为的检测方法、***、装置和存储介质 | |
Wang et al. | Wavelet transform‐based feature extraction for detection and classification of disturbances in an islanded micro‐grid | |
CN114970607A (zh) | 基于深度神经网络声发射信号分离的变压器局放检测方法 | |
Chaudhuri et al. | Denoising of partial discharge signal using a hybrid framework of total variation denoising-autoencoder | |
Dinesh et al. | Non-intrusive load monitoring based on low frequency active power measurements | |
EP2715289A1 (en) | Dynamic clustering of transient signals | |
CN117289087A (zh) | 一种基于czt变换的串联故障电弧检测方法 | |
CN115343579B (zh) | 一种电网故障分析方法、装置及电子设备 | |
CN116667920A (zh) | 结合主成分分析与希尔伯特-黄变换的瞬态信号检测方法 | |
CN114113894B (zh) | 一种基于固有频率特征的重复性故障识别方法 | |
CN114675143A (zh) | 一种局部放电测量方法及装置 | |
CN111767938B (zh) | 一种异常数据检测方法、装置及电子设备 | |
CN114201991A (zh) | 一种基于超声传感器阵列的局放信号检测方法和*** | |
CN108512614A (zh) | 一种低信噪比电磁信号识别的方法及装置 | |
CN114371426A (zh) | 一种基于非负张量分解的变压器绕组机械状态检测方法 | |
CN109870621B (zh) | 运行判断方法及装置 |
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 |