CN113655344B - 一种配电网故障识别方法、装置、终端及介质 - Google Patents
一种配电网故障识别方法、装置、终端及介质 Download PDFInfo
- Publication number
- CN113655344B CN113655344B CN202111115649.4A CN202111115649A CN113655344B CN 113655344 B CN113655344 B CN 113655344B CN 202111115649 A CN202111115649 A CN 202111115649A CN 113655344 B CN113655344 B CN 113655344B
- Authority
- CN
- China
- Prior art keywords
- fault
- sequence
- signal sequence
- screening
- voltage signal
- 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 48
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 121
- 238000012216 screening Methods 0.000 claims description 94
- 238000004364 calculation method Methods 0.000 claims description 50
- 238000012545 processing Methods 0.000 claims description 32
- 238000000354 decomposition reaction Methods 0.000 claims description 31
- 230000035772 mutation Effects 0.000 claims description 24
- 238000005070 sampling Methods 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
-
- 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)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种配电网故障识别方法、装置、终端及介质,本申请提供的方法采用经验模态分解方法分析配电网的零序电压信号,以得到不同频率的固有模态函数,在此基础上进行希尔伯特黄变换得到电压变化的瞬时幅值和,当得到的瞬时幅值和达到一定阈值时,可以将该零序电压信号的采样周期确定为故障时间,进而确定配电网中存在微弱故障现象。
Description
技术领域
本申请涉及配电网故障识别技术领域,尤其涉及一种配电网故障识别方法、装置、终端及介质。
背景技术
配电网运行环境复杂,架空线路距离地面较近,并且人员活动影响较大,出现树线、树房接触,发生高阻接地故障,故障电流微弱,只有几安培到数十安培,不到负荷电流的10%。此外还有因恶劣的自然因素(如大风、雷击等),外力破坏等容易造成架空线路出现断线,在这种情况下过渡电阻很大,引起的电压、电流突变量并不明显,然而常规的配电网故障识别方法对这类突变微弱的故障特征难以做到有效识别,导致现有的配电网故障识别方法存在故障识别可靠性低的技术问题。
发明内容
本申请提供了一种配电网故障识别方法、装置、终端及介质,用于解决现有的配电网故障识别方法存在的故障识别可靠性低的技术问题。
本申请第一方面提供了一种配电网故障识别方法,包括:
采集配电网在采样周期内的零序电压信号,并基于所述零序电压信号构建零序电压信号序列;
计算所述零序电压信号序列的零序电压信号平均值;
根据所述零序电压信号序列与所述零序电压信号平均值,通过经验模态分解处理方式,得到第一筛选信号序列和第二筛选信号序列,其中,所述第一筛选信号序列为通过第j次经验模态分解处理得到的筛选信号序列,所述第二筛选信号序列为通过第j-1次经验模态分解处理得到的筛选信号序列;
基于所述第一筛选信号序列和所述第二筛选信号序列,并结合筛选信号序列变化量计算公式,计算所述第一筛选信号序列和所述第二筛选信号序列变化量系数,若所述变化量系数不小于预设变化量阈值,则将当前的第一筛选信号序列作为特征分量序列;
通过循环进行经验模态分解处理与筛选信号序列变化量计算处理,当特征分量序列额数量达到预设的序列数量阈值时,则基于所述特征分量序列,通过希尔伯特-黄变换方式计算出各个特征分量序列的瞬时幅值和,当所述瞬时幅值和达到预设的瞬时幅值阈值时,则将所述采样周期设为故障时间。
优选地,还包括:
基于所述故障时间,采集配电网中待测区段的前序电压信号和后序电压信号,其中所述前序电压信号为所述待测区段在所述故障时间之前的电压信号,所述后序电压信号为所述待测区段在所述故障时间之后的电压信号;
通过相似系数计算方式,计算所述前序电压信号和所述后序电压信号的相似系数;
计算所述前序电压信号和所述后序电压信号的方差;
基于所述相似系数与所述方差的差值,结合突变系数计算公式,计算所述前序电压信号和所述后序电压信号的突变系数,以便根据所述待测区段的突变系数,确定所述配电网中的故障区段。
优选地,所述突变系数计算公式具体为:
式中,k为所述前序电压信号和所述后序电压信号的分段数量,e为所述前序电压信号和所述后序电压信号的序号,d为所述相似系数,为所述方差。
优选地,所述根据所述待测区段的突变系数,确定所述配电网中的故障区段具体包括:
根据各个待测区段的突变系数,将最大突变系数对应的待测区段设为故障区段。
优选地,还包括:
采集所述故障区段的电参数,所述电参数包括:所述故障区段的阻抗参数、所述故障区段的首端电压参数以及所述故障区段两端的电流参数;
基于所述电参数计算所述故障区段的故障电流参数以及故障等效电阻参数;
基于所述首端电压参数、所述故障电流以及所述故障等效电阻参数,通过故障距离计算公式,计算故障点与故障区段首端之间的故障距离。
优选地,所述故障距离计算公式具体为:
l=Re(A×vfp)+Im(if×vfp)
式中,zij故障相i与abc三相的阻抗;yij故障相i与abc三相的导纳;A为中间变量;Re为数值实部;Im为数值虚部,j代表a、b、c的任一相,vfp为所述首端电压参数,ifp.j为所述故障区段首端第j相的电流。
优选地,所述基于所述电参数计算所述故障区段的故障电流参数以及故障等效电阻参数具体包括:
基于所述电参数,分别通过故障电流计算公式和故障电阻计算公式,计算所述故障区段的故障电流参数以及故障等效电阻参数;
所述故障电流计算公式具体为:
式中,α为换算因子,ifp.a、ifp.b、ifp.c为所述故障区段的首端电流;ifq.a、ifq.b、ifq.c表示所述故障区段的末端电流;
所述故障电阻计算公式具体为
r=Re(B×vfp)+Re(ifp.j×vfp)
式中,zij故障相i与abc三相的阻抗;yij故障相i与abc三相的导纳;B为中间变量;Re为数值实部;Im为数值虚部,j代表a、b、c的任一相,vfp为所述首端电压参数,ifp.j为所述故障区段首端第j相的电流。
本申请第二方面提供了一种配电网故障识别装置,包括:
零序电压信号序列构建单元,用于采集配电网在采样周期内的零序电压信号,并基于所述零序电压信号构建零序电压信号序列;
均值计算单元,用于计算所述零序电压信号序列的零序电压信号平均值;
经验模态分解单元,用于根据所述零序电压信号序列与所述零序电压信号平均值,通过经验模态分解处理方式,得到第一筛选信号序列和第二筛选信号序列,其中,所述第一筛选信号序列为通过第j次经验模态分解处理得到的筛选信号序列,所述第二筛选信号序列为通过第j-1次经验模态分解处理得到的筛选信号序列;
特征分量序列计算单元,用于基于所述第一筛选信号序列和所述第二筛选信号序列,并结合筛选信号序列变化量计算公式,计算所述第一筛选信号序列和所述第二筛选信号序列变化量系数,若所述变化量系数不小于预设变化量阈值,则将当前的第一筛选信号序列作为特征分量序列;
故障时间确定单元,用于通过循环进行经验模态分解处理与筛选信号序列变化量计算处理,当特征分量序列额数量达到预设的序列数量阈值时,则基于所述特征分量序列,通过希尔伯特-黄变换方式计算出各个特征分量序列的瞬时幅值和,当所述瞬时幅值和达到预设的瞬时幅值阈值时,则将所述采样周期设为故障时间。
本申请第三方面提供了一种配电网故障识别终端,包括:存储器和处理器;
所述存储器用于存储程序代码,所述程序代码与如本申请第一方面提供的配电网故障识别方法相对应;
所述处理器用于执行所述程序代码。
本申请第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有如本申请第一方面提供的配电网故障识别方法相对应的程序代码。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请提供的方法采用经验模态分解方法分析配电网的零序电压信号,以得到不同频率的固有模态函数,在此基础上进行希尔伯特黄变换得到电压变化的瞬时幅值和,当得到的瞬时幅值和达到一定阈值时,可以将该零序电压信号的采样周期确定为故障时间,进而确定配电网中存在微弱故障现象。
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性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请提供的一种配电网故障识别方法的第一个实施例的流程示意图。
图2为本申请提供的一种配电网故障识别方法的第二个实施例的流程示意图。
图3为本申请提供的一种配电网故障识别装置的第一个实施例的结构示意图。
具体实施方式
本申请实施例提供了一种配电网故障识别方法、装置、终端及介质,用于解决现有的配电网故障识别方法存在的故障识别可靠性低的技术问题。
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。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它实施例,都属于本申请保护的范围。
请参阅图1,本申请第一个实施例提供了一种配电网故障识别方法,包括:
步骤101、采集配电网在采样周期内的零序电压信号,并基于零序电压信号构建零序电压信号序列;
需要说明的是,按照本实施例提供的方法,首先,采集配电网中多个采集点在预设采样周期内的零序电压信号,基于零序电压信号构建零序电压信号序列vt。
步骤102、计算零序电压信号序列的零序电压信号平均值。
其中,零序电压信号序列的零序电压信号平均值其中/>vmax为采集到的零序电压信号的最大值;vmin为采集到的零序电压信号的最小值。
步骤103、根据零序电压信号序列与零序电压信号平均值,通过经验模态分解处理方式,得到第一筛选信号序列和第二筛选信号序列。
其中,第一筛选信号序列为通过第j次经验模态分解处理得到的筛选信号序列,第二筛选信号序列为通过第j-1次经验模态分解处理得到的筛选信号序列。
需要说明的是,根据零序电压信号序列与零序电压信号平均值,通过经验模态分解处理方式,得到筛选信号序列,计算方式为根据零序电压信号序列和平均值之差,得到第一次筛选得到的筛选信号序列vt,1,按照基本经验模态分解方式继续进行多次经验模态分解,从而得到多个筛选信号序列。
步骤104、基于第一筛选信号序列和第二筛选信号序列,并结合筛选信号序列变化量计算公式,计算第一筛选信号序列和第二筛选信号序列变化量系数,若变化量系数不小于预设变化量阈值,则将当前的第一筛选信号序列作为特征分量序列;
需要说明的是,重复步骤103和步骤104,并通过筛选信号序列变化量计算公式判断第一筛选信号序列和第二筛选信号序列是否满足预设变化量要求,当计算的变化量系数达到该预设变化量阈值时,则将本次参与计算的第一筛选信号序列作为特征分量序列。
其中,本实施例提及的筛选信号序列变化量计算公式具体为:
式中。vt,j-1表示第j-1次筛选信号序列,即本实施例提及的第二筛选信号序列,vt,j表示第j次筛选信号,即本实施例提及的第一筛选信号序列,ε表示变化量阈值。
步骤105、通过循环进行经验模态分解处理与筛选信号序列变化量计算处理,当特征分量序列额数量达到预设的序列数量阈值时,则基于特征分量序列,通过希尔伯特-黄变换方式计算出各个特征分量序列的瞬时幅值和,当瞬时幅值和达到预设的瞬时幅值阈值时,则将采样周期设为故障时间。
需要说明的是,接着确定二次特征分量分析信号vt-vt,j,重复进行103至步骤104,确定i次特征分量fi,直到i=m;m为特征分量次数,m越大则故障时刻分析越准确,综合考虑允许误差一般取m=5。然后当特征分量序列额数量达到预设的序列数量阈值时,则基于特征分量序列,通过希尔伯特-黄变换方式计算出各个特征分量序列的瞬时幅值和,以便利用计算得到的瞬时幅值和作为判断依据,当该采样周期的零序电压信号序列计算的瞬时幅值和达到预设的瞬时幅值阈值时,则说明该采样周期内的电信号达到微弱故障水平,可以将该采样周期设为故障时间。
其中,本实施例提及的希尔伯特-黄变换方式具体为:
式中,ct为瞬时幅值和。
以上为本申请提供的一种配电网故障识别方法的第一个实施例的详细说明,下面为本申请提供的一种配电网故障识别方法的第二个实施例的详细说明。
请参阅图2,本申请第二个实施例在上述第一个实施例的基础上提供的一种配电网故障识别方法,具体包括:
进一步地,本实施例提供的方法还可以包括以下步骤:
步骤106、基于故障时间,采集配电网中待测区段的前序电压信号和后序电压信号。
其中前序电压信号为待测区段在故障时间之前的电压信号,后序电压信号为待测区段在故障时间之后的电压信号;
步骤107、通过相似系数计算方式,计算前序电压信号和后序电压信号的相似系数;
步骤108、计算前序电压信号和后序电压信号的方差;
步骤109、基于相似系数与方差的差值,结合突变系数计算公式,计算前序电压信号和后序电压信号的突变系数,以便根据待测区段的突变系数,确定配电网中的故障区段。
进一步地,突变系数计算公式具体为:
式中,k为前序电压信号和后序电压信号的分段数量,e为前序电压信号和后序电压信号的序号,d为相似系数,为方差,在本公式中x、y、z为二次项式的常系数。
进一步地,根据待测区段的突变系数,确定配电网中的故障区段具体包括:
根据各个待测区段的突变系数,将最大突变系数对应的待测区段设为故障区段。
需要说明的是,根据步骤101至步骤105确定了故障时间后,本实施例提供的步骤106至109则是在上述基础上,进行故障区段定位的步骤,具体的实施示例可以参考以下内容:
1)确定故障时间后,选取所有待测区段故障时间前后各a(可以为1)个周波的电压数据vba和vaa。
2)将vba和vaa划分为k个分段,一般每个周波划分一个分段。
3)计算vba和vaae段之间的相似系数de,一般可采用余弦相似度和Tanimoto系数进行计算。
4)比较e端相似系数与vbae端数据的方差数值关系,得到vba和vaa的突变系数b。
5)重复步骤3和4,得到所有区段的突变系数b,然后以突变系数最大的待测区段为故障区段。
进一步地,本实施例提供的方法还可以包括以下步骤:
步骤110、采集故障区段的电参数。其中,电参数包括:故障区段的阻抗参数、故障区段的首端电压参数以及故障区段两端的电流参数;
步骤111、基于电参数计算故障区段的故障电流参数以及故障等效电阻参数;
步骤112、基于首端电压参数、故障电流以及故障等效电阻参数,通过故障距离计算公式,计算故障点与故障区段首端之间的故障距离。
进一步地,故障距离计算公式具体为:
l=Re(A×vfp)+Im(ifp.j×vfp)
式中,zij故障相i与abc三相的阻抗;yij故障相i与abc三相的导纳;A为中间变量;Re为数值实部;Im为数值虚部,j代表a、b、c的任一相,vfp为首端电压参数,ifp.j为故障区段首端第j相的电流。
进一步地,基于电参数计算故障区段的故障电流参数以及故障等效电阻参数具体包括:
基于电参数,分别通过故障电流计算公式和故障电阻计算公式,计算故障区段的故障电流参数以及故障等效电阻参数。
故障电流计算公式具体为:
式中,α为换算因子,ifp.a、ifp.b、ifp.c为故障区段的首端电流;ifq.a、ifq.b、ifq.c表示故障区段的末端电流。
故障电阻计算公式具体为
r=Re(B×vfp)+Re(ifp.j×vfp)
式中,zij故障相i与abc三相的阻抗;yij故障相i与abc三相的导纳;B为中间变量;Re为数值实部;Im为数值虚部,j代表a、b、c的任一相,vfp为首端电压参数,ifp.j为故障区段首端第j相的电流。
需要说明的是,根据步骤106至109确定了故障时间后,本实施例提供的步骤110至步骤112则是在上述基础上,确定故障区段内的故障位置的步骤,具体的实施示例可以参考以下内容:
1)采集故障区段两端的三相电压和三相电流,ifp.a、ifp.b、ifp.c表示故障区段首端电流;ifq.a、ifq.b、ifq.c表示故障区段末端电流;vfp表示首端电压。
2)计算故障电流if
式中α表示换算因子。
3)分析故障电阻r
r=Re(B×vfp)+Re(ifp.j×vfp)
zij表示故障相i与abc三相的阻抗;yij故障相i与abc三相的导纳;A和B为中间变量;Re为数值实部;Im为数值虚部。
4)分析故障距离l
l=Re(A×vfp)+Im(ifp.j×vfp)
以上内容便是本申请提供的一种配电网故障识别方法的详细说明,下面为本申请提供的一种配电网故障识别装置的一个实施例的详细说明。
请参阅图3,本申请第三个实施例提供了一种配电网故障识别装置,包括:
零序电压信号序列构建单元201,用于采集配电网在采样周期内的零序电压信号,并基于零序电压信号构建零序电压信号序列;
均值计算单元202,用于计算零序电压信号序列的零序电压信号平均值;
经验模态分解单元203,用于根据零序电压信号序列与零序电压信号平均值,通过经验模态分解处理方式,得到第一筛选信号序列和第二筛选信号序列,其中,第一筛选信号序列为通过第j次经验模态分解处理得到的筛选信号序列,第二筛选信号序列为通过第j-1次经验模态分解处理得到的筛选信号序列;
特征分量序列计算单元204,用于基于第一筛选信号序列和第二筛选信号序列,并结合筛选信号序列变化量计算公式,计算第一筛选信号序列和第二筛选信号序列变化量系数,若变化量系数不小于预设变化量阈值,则将当前的第一筛选信号序列作为特征分量序列;
故障时间确定单元205,用于通过循环进行经验模态分解处理与筛选信号序列变化量计算处理,当特征分量序列额数量达到预设的序列数量阈值时,则基于特征分量序列,通过希尔伯特-黄变换方式计算出各个特征分量序列的瞬时幅值和,当瞬时幅值和达到预设的瞬时幅值阈值时,则将采样周期设为故障时间。
此外,本申请第四个实施例提供了一种配电网故障识别终端,包括:存储器和处理器;
所述存储器用于存储程序代码,所述程序代码与如本申请第一个实施例或第二个实施例提供的配电网故障识别方法相对应;
所述处理器用于执行所述程序代码。
本申请第五个实施例提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有如本申请第一个实施例或第二个实施例提供的配电网故障识别方法相对应的程序代码。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的终端,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的终端,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例,例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
所述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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (9)
1.一种配电网故障识别方法,其特征在于,包括:
采集配电网在采样周期内的零序电压信号,并基于所述零序电压信号构建零序电压信号序列;
计算所述零序电压信号序列的零序电压信号平均值;
根据所述零序电压信号序列与所述零序电压信号平均值,通过经验模态分解处理方式,得到第一筛选信号序列和第二筛选信号序列,其中,所述第一筛选信号序列为通过第j次经验模态分解处理得到的筛选信号序列,所述第二筛选信号序列为通过第j-1次经验模态分解处理得到的筛选信号序列;
基于所述第一筛选信号序列和所述第二筛选信号序列,并结合筛选信号序列变化量计算公式,计算所述第一筛选信号序列和所述第二筛选信号序列变化量系数,若所述变化量系数不小于预设变化量阈值,则将当前的第一筛选信号序列作为特征分量序列,其中,筛选信号序列变化量计算公式具体为:
式中,vt,j-1表示第j-1次筛选信号序列,即第二筛选信号序列,vt,j表示第j次筛选信号,即第一筛选信号序列,ε表示变化量阈值;
通过循环进行经验模态分解处理与筛选信号序列变化量计算处理,当特征分量序列额数量达到预设的序列数量阈值时,则基于所述特征分量序列,通过希尔伯特-黄变换方式计算出各个特征分量序列的瞬时幅值和,当所述瞬时幅值和达到预设的瞬时幅值阈值时,则将所述采样周期设为故障时间。
2.根据权利要求1所述的一种配电网故障识别方法,其特征在于,还包括:
基于所述故障时间,采集配电网中待测区段的前序电压信号和后序电压信号,其中所述前序电压信号为所述待测区段在所述故障时间之前的电压信号,所述后序电压信号为所述待测区段在所述故障时间之后的电压信号;
通过相似系数计算方式,计算所述前序电压信号和所述后序电压信号的相似系数;
计算所述前序电压信号和所述后序电压信号的方差;
基于所述相似系数与所述方差的差值,结合突变系数计算公式,计算所述前序电压信号和所述后序电压信号的突变系数,以便根据所述待测区段的突变系数,确定所述配电网中的故障区段;
所述突变系数计算公式具体为:
式中,k为所述前序电压信号和所述后序电压信号的分段数量,e为所述前序电压信号和所述后序电压信号的序号,d为所述相似系数,为所述方差,x、y、z为二次项式的常系数。
3.根据权利要求2所述的一种配电网故障识别方法,其特征在于,所述根据所述待测区段的突变系数,确定所述配电网中的故障区段具体包括:
根据各个待测区段的突变系数,将最大突变系数对应的待测区段设为故障区段。
4.根据权利要求2所述的一种配电网故障识别方法,其特征在于,还包括:
采集所述故障区段的电参数,所述电参数包括:所述故障区段的阻抗参数、所述故障区段的首端电压参数以及所述故障区段两端的电流参数;
基于所述电参数计算所述故障区段的故障电流参数以及故障等效电阻参数;
基于所述首端电压参数、所述故障电流以及所述故障等效电阻参数,通过故障距离计算公式,计算故障点与故障区段首端之间的故障距离。
5.根据权利要求4所述的一种配电网故障识别方法,其特征在于,所述故障距离计算公式具体为:
l=Re(A×vfp)+Im(if×vfp)
式中,zij故障相i与abc三相的阻抗;yij故障相i与abc三相的导纳;A为中间变量;Re为数值实部;Im为数值虚部,j代表a、b、c的任一相,vfp为所述首端电压参数,ifp.j为所述故障区段首端第j相的电流,if为所述故障电流参数。
6.根据权利要求4所述的一种配电网故障识别方法,其特征在于,所述基于所述电参数计算所述故障区段的故障电流参数以及故障等效电阻参数具体包括:
基于所述电参数,分别通过故障电流计算公式和故障电阻计算公式,计算所述故障区段的故障电流参数以及故障等效电阻参数;
所述故障电流计算公式具体为:
式中,α为换算因子,ifp.a、ifp.b、ifp.c为所述故障区段的首端电流;ifq.a、ifq.b、ifq.c表示所述故障区段的末端电流;
所述故障电阻计算公式具体为r=Re(B×vfp)+Re(ifp.j×vfp)
式中,zij故障相i与abc三相的阻抗;yij故障相i与abc三相的导纳;B为中间变量;Re为数值实部;Im为数值虚部,j代表a、b、c的任一相,vfp为所述首端电压参数,ifp.j为所述故障区段首端第j相的电流。
7.一种配电网故障识别装置,其特征在于,包括:
零序电压信号序列构建单元,用于采集配电网在采样周期内的零序电压信号,并基于所述零序电压信号构建零序电压信号序列;
均值计算单元,用于计算所述零序电压信号序列的零序电压信号平均值;
经验模态分解单元,用于根据所述零序电压信号序列与所述零序电压信号平均值,通过经验模态分解处理方式,得到第一筛选信号序列和第二筛选信号序列,其中,所述第一筛选信号序列为通过第j次经验模态分解处理得到的筛选信号序列,所述第二筛选信号序列为通过第j-1次经验模态分解处理得到的筛选信号序列;
特征分量序列计算单元,用于基于所述第一筛选信号序列和所述第二筛选信号序列,并结合筛选信号序列变化量计算公式,计算所述第一筛选信号序列和所述第二筛选信号序列变化量系数,若所述变化量系数不小于预设变化量阈值,则将当前的第一筛选信号序列作为特征分量序列,其中,筛选信号序列变化量计算公式具体为:
式中,vt,j-1为第二筛选信号序列,vt,j为第一筛选信号序列,ε表示变化量阈值;
故障时间确定单元,用于通过循环进行经验模态分解处理与筛选信号序列变化量计算处理,当特征分量序列额数量达到预设的序列数量阈值时,则基于所述特征分量序列,通过希尔伯特-黄变换方式计算出各个特征分量序列的瞬时幅值和,当所述瞬时幅值和达到预设的瞬时幅值阈值时,则将所述采样周期设为故障时间。
8.一种配电网故障识别终端,其特征在于,包括:存储器和处理器;
所述存储器用于存储程序代码,所述程序代码与如权利要求1至6任意一项所述的配电网故障识别方法相对应;
所述处理器用于执行所述程序代码。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有如权利要求1至6任意一项所述的配电网故障识别方法相对应的程序代码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111115649.4A CN113655344B (zh) | 2021-09-23 | 2021-09-23 | 一种配电网故障识别方法、装置、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111115649.4A CN113655344B (zh) | 2021-09-23 | 2021-09-23 | 一种配电网故障识别方法、装置、终端及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113655344A CN113655344A (zh) | 2021-11-16 |
CN113655344B true CN113655344B (zh) | 2023-08-29 |
Family
ID=78484113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111115649.4A Active CN113655344B (zh) | 2021-09-23 | 2021-09-23 | 一种配电网故障识别方法、装置、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113655344B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551433A (zh) * | 2009-05-05 | 2009-10-07 | 昆明理工大学 | 一种利用hht检测的配电网馈出线路故障选线方法 |
CN101814731A (zh) * | 2010-04-15 | 2010-08-25 | 中国石油大学(华东) | 一种应用非工频暂态分量的配电网故障选线方法 |
CN102129010A (zh) * | 2011-01-12 | 2011-07-20 | 云南电网公司楚雄供电局 | 一种基于经验模态分解的配电网故障选线方法 |
CN105929297A (zh) * | 2016-04-28 | 2016-09-07 | 长沙理工大学 | 一种基于高频分量相关度的接地故障选线方法 |
CN106932641A (zh) * | 2016-10-24 | 2017-07-07 | 南京理工大学 | 一种基于改进hht变换的电网故障诊断方法 |
CN106970302A (zh) * | 2017-03-28 | 2017-07-21 | 济南大学 | 基于集成经验模式分解的配电网高阻故障定位和模拟方法 |
CN107153150A (zh) * | 2017-06-26 | 2017-09-12 | 国网福建晋江市供电有限公司 | 一种配电网过电压故障类型识别方法及装置 |
CN107765139A (zh) * | 2017-09-18 | 2018-03-06 | 天津大学 | 一种高准确率的谐振接地***单相接地故障选线方法 |
CN112485590A (zh) * | 2020-11-19 | 2021-03-12 | 云南电网有限责任公司临沧供电局 | 一种配电网单相断线故障识别方法 |
-
2021
- 2021-09-23 CN CN202111115649.4A patent/CN113655344B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551433A (zh) * | 2009-05-05 | 2009-10-07 | 昆明理工大学 | 一种利用hht检测的配电网馈出线路故障选线方法 |
CN101814731A (zh) * | 2010-04-15 | 2010-08-25 | 中国石油大学(华东) | 一种应用非工频暂态分量的配电网故障选线方法 |
CN102129010A (zh) * | 2011-01-12 | 2011-07-20 | 云南电网公司楚雄供电局 | 一种基于经验模态分解的配电网故障选线方法 |
CN105929297A (zh) * | 2016-04-28 | 2016-09-07 | 长沙理工大学 | 一种基于高频分量相关度的接地故障选线方法 |
CN106932641A (zh) * | 2016-10-24 | 2017-07-07 | 南京理工大学 | 一种基于改进hht变换的电网故障诊断方法 |
CN106970302A (zh) * | 2017-03-28 | 2017-07-21 | 济南大学 | 基于集成经验模式分解的配电网高阻故障定位和模拟方法 |
CN107153150A (zh) * | 2017-06-26 | 2017-09-12 | 国网福建晋江市供电有限公司 | 一种配电网过电压故障类型识别方法及装置 |
CN107765139A (zh) * | 2017-09-18 | 2018-03-06 | 天津大学 | 一种高准确率的谐振接地***单相接地故障选线方法 |
CN112485590A (zh) * | 2020-11-19 | 2021-03-12 | 云南电网有限责任公司临沧供电局 | 一种配电网单相断线故障识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113655344A (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106645934B (zh) | 基于动态网格离群点的用电行为反窃电诊断方法和装置 | |
CN113222036B (zh) | 一种高压电缆接地***的缺陷自动识别方法及装置 | |
CN105629136A (zh) | 电缆绝缘状态在线自动监测与诊断*** | |
CN112650200B (zh) | 一种厂站设备故障的诊断方法及诊断装置 | |
CN104091056B (zh) | 一种实验室设备使用寿命预测***和方法 | |
CN109581270B (zh) | 基于小波多尺度变换快速辨识cvt故障的方法 | |
CN116739829B (zh) | 一种基于大数据的电力数据分析方法、***及介质 | |
CN114184870A (zh) | 非侵入式负荷识别方法及设备 | |
CN115796708B (zh) | 一种工程建设用的大数据智能质检方法、***和介质 | |
CN107944721A (zh) | 一种通用的基于数据挖掘的机器学习方法、装置以及*** | |
CN117272143A (zh) | 基于格拉姆角场与残差网络的输电线故障辨识方法和装置 | |
CN108009063A (zh) | 一种电子设备故障阈值检测的方法 | |
CN111340287A (zh) | 配电柜运行状态预测方法及装置 | |
CN113655344B (zh) | 一种配电网故障识别方法、装置、终端及介质 | |
Nandi et al. | Diagnosis of induction motor faults using frequency occurrence image plots—a deep learning approach | |
CN117767235A (zh) | 一种交直流混合配电网保护方法及相关装置 | |
Bala et al. | Random forest based fault analysis method in IEEE 14 bus system | |
CN113419139B (zh) | 一种小电阻接地***高阻接地故障定位方法及相关装置 | |
CN115313329A (zh) | 一种用于快速行波保护的频带范围选取方法及相关装置 | |
CN110244127B (zh) | 一种变压器的扫频阻抗测试装置及方法 | |
CN117409816B (zh) | 一种基于声音信号的设备故障检测方法及*** | |
Lopes et al. | Harmonic selection-based analysis for high impedance fault location using Stockwell transform and random forest | |
CN116454908B (zh) | 一种电容器组投切次数统计方法及装置 | |
CN108260148A (zh) | 一种故障检测方法及装置 | |
CN117783792B (zh) | 基于多参数实时监测的阀侧套管绝缘状态检测方法及*** |
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 |