CN114417677A - 一种开关类设备操作强电磁骚扰特性分析方法 - Google Patents
一种开关类设备操作强电磁骚扰特性分析方法 Download PDFInfo
- Publication number
- CN114417677A CN114417677A CN202210166746.4A CN202210166746A CN114417677A CN 114417677 A CN114417677 A CN 114417677A CN 202210166746 A CN202210166746 A CN 202210166746A CN 114417677 A CN114417677 A CN 114417677A
- Authority
- CN
- China
- Prior art keywords
- model
- classification
- transient
- equipment
- evaluation
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000001052 transient effect Effects 0.000 claims abstract description 63
- 238000005259 measurement Methods 0.000 claims abstract description 33
- 230000007246 mechanism Effects 0.000 claims abstract description 27
- 230000008878 coupling Effects 0.000 claims abstract description 15
- 238000010168 coupling process Methods 0.000 claims abstract description 15
- 238000005859 coupling reaction Methods 0.000 claims abstract description 15
- 230000005855 radiation Effects 0.000 claims abstract description 14
- 230000009471 action Effects 0.000 claims abstract description 13
- 238000009434 installation Methods 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims description 36
- 238000012549 training Methods 0.000 claims description 32
- 230000005672 electromagnetic field Effects 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 29
- 238000012706 support-vector machine Methods 0.000 claims description 26
- 230000005684 electric field Effects 0.000 claims description 22
- 239000003990 capacitor Substances 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 18
- 230000000694 effects Effects 0.000 claims description 16
- 230000003287 optical effect Effects 0.000 claims description 16
- 229910052751 metal Inorganic materials 0.000 claims description 14
- 239000002184 metal Substances 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000008901 benefit Effects 0.000 claims description 7
- 239000004020 conductor Substances 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000012854 evaluation process Methods 0.000 claims description 4
- 229910000838 Al alloy Inorganic materials 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 230000002500 effect on skin Effects 0.000 claims description 3
- 230000005686 electrostatic field Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 239000013307 optical fiber Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- -1 polytetrafluoroethylene Polymers 0.000 claims description 3
- 229920001343 polytetrafluoroethylene Polymers 0.000 claims description 3
- 239000004810 polytetrafluoroethylene Substances 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 claims 1
- 238000010206 sensitivity analysis Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 11
- 238000011160 research Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009402 cross-breeding Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/245—Classification techniques relating to the decision surface
- G06F18/2451—Classification techniques relating to the decision surface linear, e.g. hyperplane
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Hardware Design (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提供一种开关类设备操作强电磁骚扰特性分析方法,包括以下步骤:暂态强电磁骚扰的测量;研究AIS和GIS变电站开关类设备操作下传导、耦合和辐射暂态电磁骚扰的产生机理、传播途径和分布规律;通过大量实测,研究AIS及GIS变电站高压场域二次设备安装关键位置电磁骚扰时域、频域分布规律,给出变电站关键位置骚扰的具体特征;研究开关类设备操作强电磁骚扰对典型二次设备致损的作用机理,以及在此工况下二次设备敏感元器件的易损性评估及失效敏感度分析,将不同的二次设备分类并发展相应的易损性评估方法。本发明提供了对开关类设备操作强电磁骚扰特性及对二次设备运行状态影响分析研究模型和方法,对二次设备正常安全运行具有重大参考价值。
Description
技术领域
本发明属于电力***技术领域,具体涉及一种开关类设备操作强电磁骚扰特性分析方法。
背景技术
随着电力工业迅速发展、变电站电压等级不断提高,基于微电子检测技术和计算机控制技术的弱电设备被越来越广泛地应用于变电站,电磁兼容不再仅仅是一个与电气利用相关的技术问题,而已成为一个对社会安全稳定、生存环境的质量保障等具有重要意义的社会、经济问题。智能电网是将先进的传感测量技术,信息通信技术、分析决策技术自动控制技术和能源电力技术相结合,并与电网基础设施高度集成而形成的新型现代化电网。基于电子技术的电力智能器件是电网安全运行和精确控制的“眼睛和耳朵”,是智能电网中最基础、最核心的智能电力设备构成之一。近年来,随着智能电网的飞速发展,国网公司提出了测量范围更广,设备更小型化、智能化的需求,单纯传统一次设备技术已无法适用,光、机、电多学科交叉孕育的一二次融合结构的智能电力设备技术应运而生。
现有技术中多个高校或研究机构对不同电压等级的空气绝缘变电站和气体绝缘变电站暂态电磁场理论计算、测量及二次设备电磁干扰均展开了大量的研究工作。华北电力大学对500kV变电站开关操作产生的暂态场及二次电缆的耦合机理进行了深入的研究,计算了考虑土壤效应的500kV空气绝缘变电站暂态电磁环境数值的预测方法,但是该模型里对隔离开关的模型等效较为简单,缺少对隔离开关操作产生的电磁环境研究,并且未考虑变电站内金属构架的影响;对二次电缆在变电站开关暂态场中的耦合机理进行了研究,提出了基于火花放电通道原理的时变电阻和电感的电弧模型,并研究了电缆沟内暂态场的强度,但是其电弧时变电阻模型主要基于对500kV变电站电弧电阻拟合获得,对于110kV的变电站的适用性还有待研究。武汉高压所对变电站电磁环境特性进行了测量与分析,获得了500kV和750kV变电站无线电干扰水平及母线下地面电场数值范围。从以上研究可以看出,不同电压等级的变电站暂态电磁环境具有较大差别,但是隔离开关操作产生的暂态电磁环境是最严重的,也是目前变电站暂态电磁环境研究重点。而据国网公司运行统计,自2000年以来110kV以上电子式互感器故障206台次,其中以绝缘和电磁干扰引起的故障率最高,因此需要有效的手段对开关类设备操作强电磁骚扰特性及对二次设备运行状态影响分析研究。
发明内容
为了解决背景技术种的问题,本发明提供一种开关类设备操作强电磁骚扰特性分析方法。
本发明的技术方案是:一种开关类设备操作强电磁骚扰特性分析方法,包括以下步骤:
步骤1:暂态强电磁骚扰的测量,包括利用倒置式电容分压器测量暂态过电压、利用罗氏线圈和无源RC积分器测量暂态大电流、利用电场测量***测量脉冲电场、利用磁场测量***测量脉冲磁场;
步骤2:研究AIS和GIS变电站开关类设备操作下传导、耦合和辐射暂态电磁骚扰的产生机理、传播途径和分布规律;
当GIS中开关操作时会产生操作过电压,VFTO行波会在GIS中产生多次折反射,当波在GIS的外壳上传播时就会向其外部空间产生辐射电磁场,可以建立GIS的多导体传输线模型,多导体传输线模型由三部分组成:
1)由母线外表面和壳体内表面形成的传输线Z1;
2)由架空线和大地之间形成的传输线Z2;
3)由壳体外表面和大地之间形成的传输线Z3;
GIS三相壳体和架空线属于多导体传输线,彼此间存在电磁耦合,当开关动作所产生的具有陡前沿的波过程在GIS中传播时遇到阻抗不连续的点会发生折反射现象,在出线套管处是三种传输线汇合的点,该处的折反射现象尤其严重,当波沿着GIS的外壳传输时,外壳上的皮电流就会向外部空间辐射电磁场,该辐射场与GIS内部的工作状态紧密相关,特别对于GIS内部的早期绝缘缺陷,在正常工作状态下不会发生局部放电,但在开关动作产生的操作过电压的作用下会发生放电现象从而被捕捉到,同时开关操作产生的辐射电磁场还会对二次设备中的电子设备产生电磁骚扰问题;
步骤3:通过大量实测,研究AIS及GIS变电站高压场域二次设备安装关键位置电磁骚扰时域、频域分布规律,给出变电站关键位置骚扰的具体特征;
开展AIS和GIS开关类设备操作强电磁暂态过程仿真计算:
建立不同电站瞬态电磁环境三维空间仿真模型,静电场和感应电场建模分开建模,以模拟装置实际现场布置为依据,利用COMSOL搭建三维瞬态电磁场有限元模型,仿真中,考虑设备的最小尺寸,采用自由四面体作为剖分单元,多次细化剖分后发现结果未改变,表明剖分网格已满足计算需求,根据具体导线截面尺寸和测量点与导线的距离,决定是否在仿真中忽略导线截面尺寸与集肤效应带来的影响,基于该模型研究空间瞬态电磁场与电压电流波形的幅值频率间的关系,以及空间电磁场分布特性;
步骤4:研究开关类设备操作强电磁骚扰对典型二次设备致损的作用机理,以及在此工况下二次设备敏感元器件的易损性评估及失效敏感度分析,考虑实际情况下对不同二次设备致损机理所掌握的程度不同,将不同的二次设备分为三类并发展相应的易损性评估方法,对于第一类设备,其强电磁骚扰作用下的物理机理与统计特征均已知,易损性模型可以通过完整的数学表达式表示,进而采用不同的统计方法进行模型参数回归,最终以比例优势模型进行评估;第二类设备,只有部分的致损机理已知但无法表示出完整的效应评估过程,评估中采用由描述致损机理的白箱模型与假设的黑箱模型组成的混合模型用于描述效应易损性模型,采用贝叶斯混合模型评估;第三类,考虑复杂二次设备,其致损机理与阈值概率特征均未知,无法用数学模型加以描述,评估中采用数据驱动的非参模型来描述,采用基于支持向量机和高斯过程回归的非参模型评估。
优选的,上述步骤1中为了提高暂态过电压测量准确度,在进行暂态测量过程,应将稳态基准在同一时间段同时测量,即要求高速采集变换器有较大的数据存储量,同时记录稳态和暂态波形数据。
优选的,上述步骤1中所述暂态大电流的测量具体是:通过罗氏线圈测量电流,得到与电流成比例的微分电压信号,再利用无源RC积分器对微分电压信号进行积分。
优选的,上述步骤1中所述罗氏线圈的线圈骨架选用聚四氟乙烯材料,罗氏线圈设有三层铝合金制作的屏蔽外壳,对杂散磁场和电场进行屏蔽,提高罗氏线圈的测量结果准确性。
优选的,上述步骤1中所述无源RC积分器包括穿心电容器和无引线金属膜电阻、同轴全屏蔽结构,电阻选用高频特性较好的金属膜电阻,去掉电阻引线,导电直接用电阻端部的帽盖金属固件,以减少引线带来的电感,电容选用穿心电容器。穿心电容器结构只有上下两个平板电极,本身残余电感极小,环形电容器无引脚线,可以将引线电感减到最低,导电采用上下环形导电面,导电面分别与同轴外壳及导电片连接,这种接线方式相比普通引脚线电容器具有接线电感小、导电面积大、接触电阻小的优点,电阻和电容器安装在一个全封闭的同轴金属壳体内,输入和输出采用同轴连接器,同轴结构可降低导体的传导电感,金属全封闭结构可增强抗电磁干扰性能。
优选的,上述步骤1中的所述电场测量***由电场接收天线、光发射机与光接收机组成,所述磁场测量***由B-dot天线、光发射机与光接收机组成。
优选的,上述步骤1中测量脉冲磁场的过程是:由宽频带的B-dot天线接收空间中的脉冲磁场信号,该信号经光发射机进行电光转换后利用光纤进行远距离传输,在接收端利用光接收机进行光电转换并最终将接收信号输入示波器。
优选的,上述步骤3中建立不同电站瞬态电磁环境三维空间仿真模型后,要将试验中有限的测量点的电磁场与模型中对应点的瞬态电磁场波形进行对比以验证模型的准确性,在验证模型准确性后,才可基于该模型研究,验证模型的准确性的方法是:将实测瞬态电流时域信号转化到频域,即信号分解为不同频率正弦波叠加,对于某一个特定点,将每一个频率的瞬态电流分量进行电磁场计算,获得该点不同频率下瞬态电磁场的幅值和相位,再通过快速傅里叶逆变换将结果转化为时域,即可获得该点的电磁场波形。
优选的,上述步骤4中第三类的过程是:
在评估强电磁干扰对二次电气设备的易损性时,通常可以将多种环境参数作为评价指标,包括脉冲辐射电场幅值、端口耦合电流幅值、端口耦合电流能量积分,用于评估分析的试验数据可表示为:
T={(x1,y1),(x2,y2),…,(xN,yN)} (1)
其中,xi∈Rn,是n维评价指标组成向量,i{0,1,…,N};yi{0,1,…,m},0代表正常状态,m为失效状态的等级数,则总的输出维数为m+1维,m≥1且m∈N;
分类结果的发生概率为在给定训练数据时求:
s.t.P0(xi)+P1(xi)+…+Pm(xi)=1
为了实现多状态分类评估,分别针对各个等级进行评估计算给出各等级的中间分类指标,进而比较各等级的分类指标得到其发生概率,在具体计算中间分类指标时,先采用SVM方法将训练数据从离散量转化为连续的分类指数;基于此,采用GPR方法对评估空间进行分类指标的回归计算,这样便可以综合SVM和GPR各自在的优势,实现模型总体上的无参化;
3)采用SVM方法将训练数据从离散量转化为连续的分类指数
将所研究的某等级数据视为正类,用“1”表示,其余所有数据视为负类,用“-1”表示,那么针对某等级数据,训练数据集可以被变换为:
其中,l是所研究的等级,l∈{0,1,…,m};yl i∈{+1,-1};
如果训练数据线性可分,其分离超平面可以表示为:
其中,l为法向量,bl为截距;
而相应的分类决策函数可以表示为:
如果ωT l·x+bl>0,则该样本点分类结果为正类;如果ωT l·x+bl<0,则该样本点分类结果为负类;如果ωT l·x+bl=0,则该样本点在分界面上;分类超平面(l,bl)关于样本点(xi,yji)的几何间隔可以表示分类预测的准确程度,几何间隔由γl i表示,
其中样本点为xi,其类标记为yl i=+1;
进一步定义分类超平面(l,bl)关于训练数据集Tl的几何间隔为超平面(l,bl)关于Tl中所有样本点的几何间隔最小值:
相对应的,分类超平面(ωl,bl)关于样本点(xi,yl i)和训练数据集Tl的函数间隔可以分别表示为:
而它们与几何间隔之间的关系可以表示为:
用约束最优化问题来表示:
即使得分类超平面ωl,bl)关于训练数据集Tl的几何间隔γl最大化,同时约束条件表示分类超平面(ωl,bl)关于每个样本点的几何间隔至少是γl;
先基于几何间隔与函数间隔的关系,即式(11),式(12)将改写为:
为了保证解是唯一的,需要对做一些限制,取即将全局的函数间隔定义为1,也即是将离超平面最近的点的距离定义为1/||ωl||,求1/||ωl||的最大值相当于求||ωl||2/2的最小值,因此改写后结果为:
根据式求得分类超平面的法向量ωl和截距bl;
4)采用GPR方法对评估空间进行分类指标的回归计算
a)基于高斯过程的先验模型建立
在GPR建模过程中,首先取模型先验为高斯过程模型,通过对均值函数和协方差函数的确定来表示,其中均值函数表示对目标函数的代理模型,协方差函数表示模型的不确定度,
m(x)=sT(x)β (16)
其中,sT(x)=[s1(x),s2(x),...,sp(x)]为基函数组成的向量;β为p×1的回归参数向量;实际上,为了运算方便,通常先验均值函数取0;
协方差函数确定着样本间的相互依赖关系,通常预测数据与已知数据的距离越大,其协方差就越大,结果就越不确定,协方差函数的选取对回归结果有较大的影响,是高斯过程模型中重要的组成部分,通常采用核函数表示,通用的表达式为:
b)基于联合高斯分布的后验模型回归
采用SVM对分类指数的计算,可以得到用于建立后验模型的训练数据,即:
考虑到在测量等环节中引入的噪声,实际所得的训练数据应表示为模型实际值与噪声之和,即:
其中,ε为均值为0,方差为σn 2的高斯噪声;
fl(X)~N(0,Kl+Δl) (20)
fl(x)~N(0,kl(x,x)) (21)
基于(20)和(21),二者的联合高斯分布可以表示为:
由联合高斯分布的边缘分布性质可得预测数据x服从分布:
其中:
c)基于“一对其他”策略的多等级效应概率评估方法
将SVM和GPR结合可以得到对预测空间任一点处分类指数分布的估计,即(23)~(25),得到针对类别l进行的两分类回归预测,采用“一对其他”的策略,重复以上的步骤,便可以得到m+1个分类指数分布模型,即:
假设分类指数越大的效应状态,那么结果将最终表现为该状态,通过对各个效应状态分类指数的积分,就可以得到在x点处状态i的发生概率:
同时,各状态发生概率的和为1,即:
本发明的优点是:本发明结合暂态强电磁骚扰的测量,研究了AIS和GIS变电站开关类设备操作下传导、耦合和辐射暂态电磁骚扰的产生机理、传播途径和分布规律,通过大量实测,研究AIS及GIS变电站高压场域二次设备安装关键位置电磁骚扰时域、频域分布规律,给出变电站关键位置骚扰的具体特征,研究开关类设备操作强电磁骚扰对典型二次设备致损的作用机理,提供了对开关类设备操作强电磁骚扰特性及对二次设备运行状态影响分析研究模型和方法,对二次设备正常安全运行具有重大参考价值。
附图说明
图1是本发明的流程示意图;
图2是本发明脉冲磁场测量原理图;
图3是本发明GIS的传输线模型示意图;
图4是本发明基于SVM和GPR的多等级易损性评估流程图;
图5是本发明样本点关于分类超平面的几何间隔示意图;
具体实施方式
下面结合附图对本发明做清楚完整的描述,以使本领域的技术人员在不需要作出创造性劳动的条件下,能够充分实施本发明。
一种开关类设备操作强电磁骚扰特性分析方法,如图1所示,包括以下步骤:
步骤1:暂态强电磁骚扰的测量,包括利用倒置式电容分压器测量暂态过电压、利用罗氏线圈和无源RC积分器测量暂态大电流、利用电场测量***测量脉冲电场、利用磁场测量***测量脉冲磁场;
为了提高暂态过电压测量准确度,在进行暂态测量过程,应将稳态基准在同一时间段同时测量,即要求高速采集变换器有较大的数据存储量,同时记录稳态和暂态波形数据;
所述暂态大电流的测量具体是:通过罗氏线圈测量电流,得到与电流成比例的微分电压信号,再利用无源RC积分器对微分电压信号进行积分,所述罗氏线圈的线圈骨架选用聚四氟乙烯材料,罗氏线圈设有三层铝合金制作的屏蔽外壳,对杂散磁场和电场进行屏蔽,提高罗氏线圈的测量结果准确性,所述无源RC积分器包括穿心电容器和无引线金属膜电阻、同轴全屏蔽结构,电阻选用高频特性较好的金属膜电阻,去掉电阻引线,导电直接用电阻端部的帽盖金属固件,以减少引线带来的电感,电容选用穿心电容器。穿心电容器结构只有上下两个平板电极,本身残余电感极小,环形电容器无引脚线,可以将引线电感减到最低,导电采用上下环形导电面,导电面分别与同轴外壳及导电片连接,这种接线方式相比普通引脚线电容器具有接线电感小、导电面积大、接触电阻小的优点,电阻和电容器安装在一个全封闭的同轴金属壳体内,输入和输出采用同轴连接器,同轴结构可降低导体的传导电感,金属全封闭结构可增强抗电磁干扰性能;
所述电场测量***由电场接收天线、光发射机与光接收机组成,所述磁场测量***由B-dot天线、光发射机与光接收机组成如图2所示,测量脉冲磁场的过程是:由宽频带的B-dot天线接收空间中的脉冲磁场信号,该信号经光发射机进行电光转换后利用光纤进行远距离传输,在接收端利用光接收机进行光电转换并最终将接收信号输入示波器。
步骤2:研究AIS和GIS变电站开关类设备操作下传导、耦合和辐射暂态电磁骚扰的产生机理、传播途径和分布规律;
当GIS中开关操作时会产生操作过电压,VFTO行波会在GIS中产生多次折反射,当波在GIS的外壳上传播时就会向其外部空间产生辐射电磁场,可以建立GIS的多导体传输线模型,多导体传输线模型由三部分组成,如图3所示:
1)由母线外表面和壳体内表面形成的传输线Z1;
2)由架空线和大地之间形成的传输线Z2;
3)由壳体外表面和大地之间形成的传输线Z3;
GIS三相壳体和架空线属于多导体传输线,彼此间存在电磁耦合,当开关动作所产生的具有陡前沿的波过程在GIS中传播时遇到阻抗不连续的点会发生折反射现象,在出线套管处是三种传输线汇合的点,该处的折反射现象尤其严重,当波沿着GIS的外壳传输时,外壳上的皮电流就会向外部空间辐射电磁场,该辐射场与GIS内部的工作状态紧密相关,特别对于GIS内部的早期绝缘缺陷,在正常工作状态下不会发生局部放电,但在开关动作产生的操作过电压的作用下会发生放电现象从而被捕捉到,同时开关操作产生的辐射电磁场还会对二次设备中的电子设备产生电磁骚扰问题;
步骤3:通过大量实测,研究AIS及GIS变电站高压场域二次设备安装关键位置电磁骚扰时域、频域分布规律,给出变电站关键位置骚扰的具体特征;
开展AIS和GIS开关类设备操作强电磁暂态过程仿真计算:
建立不同电站瞬态电磁环境三维空间仿真模型,静电场和感应电场建模分开建模,以模拟装置实际现场布置为依据,利用COMSOL搭建三维瞬态电磁场有限元模型,仿真中,考虑设备的最小尺寸,采用自由四面体作为剖分单元,多次细化剖分后发现结果未改变,表明剖分网格已满足计算需求,根据具体导线截面尺寸和测量点与导线的距离,决定是否在仿真中忽略导线截面尺寸与集肤效应带来的影响,建立不同电站瞬态电磁环境三维空间仿真模型后,要将试验中有限的测量点的电磁场与模型中对应点的瞬态电磁场波形进行对比以验证模型的准确性,在验证模型准确性后,基于该模型研究空间瞬态电磁场与电压电流波形的幅值频率间的关系,以及空间电磁场分布特性,验证模型的准确性的方法是:将实测瞬态电流时域信号转化到频域,即信号分解为不同频率正弦波叠加,对于某一个特定点,将每一个频率的瞬态电流分量进行电磁场计算,获得该点不同频率下瞬态电磁场的幅值和相位,再通过快速傅里叶逆变换将结果转化为时域,即可获得该点的电磁场波形;
步骤4:研究开关类设备操作强电磁骚扰对典型二次设备致损的作用机理,以及在此工况下二次设备敏感元器件的易损性评估及失效敏感度分析,考虑实际情况下对不同二次设备致损机理所掌握的程度不同,将不同的二次设备分为三类并发展相应的易损性评估方法;
第一类设备,其强电磁骚扰作用下的物理机理与统计特征均已知,易损性模型可以通过完整的数学表达式表示,进而采用不同的统计方法进行模型参数回归,最终以比例优势模型进行评估;
第二类设备,只有部分的致损机理已知但无法表示出完整的效应评估过程,评估中采用由描述致损机理的白箱模型与假设的黑箱模型组成的混合模型用于描述效应易损性模型,采用贝叶斯混合模型评估;
第三类,考虑复杂二次设备,其致损机理与阈值概率特征均未知,无法用数学模型加以描述,评估中采用数据驱动的非参模型来描述,采用基于支持向量机和高斯过程回归的非参模型评估;
过程是:
在评估强电磁干扰对二次电气设备的易损性时,通常可以将多种环境参数作为评价指标,包括脉冲辐射电场幅值、端口耦合电流幅值、端口耦合电流能量积分,用于评估分析的试验数据可表示为:
T={(x1,y1),(x2,y2),…,(xN,yN)} (1)
其中,xi∈Rn,是n维评价指标组成向量,i{0,1,…,N};yi{0,1,…,m},0代表正常状态,m为失效状态的等级数,则总的输出维数为m+1维,m≥1且m∈N;
分类结果的发生概率为在给定训练数据时求:
为了实现多状态分类评估,分别针对各个等级进行评估计算给出各等级的中间分类指标,进而比较各等级的分类指标得到其发生概率,在具体计算中间分类指标时,先采用SVM方法将训练数据从离散量转化为连续的分类指数;基于此,采用GPR方法对评估空间进行分类指标的回归计算,这样便可以综合SVM和GPR各自在的优势,实现模型总体上的无参化,具体流程图如图4所示;
5)采用SVM方法将训练数据从离散量转化为连续的分类指数
将所研究的某等级数据视为正类,用“1”表示,其余所有数据视为负类,用“-1”表示,那么针对某等级数据,训练数据集可以被变换为:
如果训练数据线性可分,其分离超平面可以表示为:
其中,l为法向量,bl为截距;
而相应的分类决策函数可以表示为:
如果ωT l·x+bl>0,则该样本点分类结果为正类;如果ωT l·x+bl<0,则该样本点分类结果为负类;如果ωT l·x+bl=0,则该样本点在分界面上;分类超平面(l,bl)关于样本点(xi,yji)的几何间隔可以表示分类预测的准确程度,如图5所示,浅灰度样本表示正例,深灰度样本表示负例,点A是某一样本点xi,其类标记为yl i=+1,为分类超平面的法向量,几何间隔由线段AB的长度γl i表示,
进一步定义分类超平面(l,bl)关于训练数据集Tl的几何间隔为超平面(l,bl),关于Tl中所有样本点的几何间隔最小值:
相对应的,分类超平面(ωl,bl)关于样本点(xi,yl i)和训练数据集Tl的函数间隔可以分别表示为:
而它们与几何间隔之间的关系可以表示为:
SVM的基本思想是求解能够正确划分训练数据集并且几何间隔最大的分类超平面,对线性可分的训练数据集来说,线性可分分离超平面有无穷多个,但是几何间隔最大的是唯一的。间隔最大化的直观解释是以充分大的确定度对训练数据进行分类,也就是说不仅将正负样本分开,而且对最难分的样本点也有足够大的确信度将他们分开,使得其对未知点有很好的分类预测能力。具体来说,该问题可以用约束最优化问题来表示:
即使得分类超平面ωl,bl)关于训练数据集Tl的几何间隔γl最大化,同时约束条件表示分类超平面(ωl,bl)关于每个样本点的几何间隔至少是γl;
先基于几何间隔与函数间隔的关系,即式(11),式(12)将改写为:
为了保证解是唯一的,需要对做一些限制,取即将全局的函数间隔定义为1,也即是将离超平面最近的点的距离定义为1/||ωl||,求1/||ωl||的最大值相当于求||ωl||2/2的最小值,因此改写后结果为:
根据式求得分类超平面的法向量ωl和截距bl;
6)采用GPR方法对评估空间进行分类指标的回归计算
a)基于高斯过程的先验模型建立
在GPR建模过程中,首先取模型先验为高斯过程模型,通过对均值函数和协方差函数的确定来表示,其中均值函数表示对目标函数的代理模型,协方差函数表示模型的不确定度,
m(x)=sT(x)β (16)
其中,sT(x)=[s1(x),s2(x),...,sp(x)]为基函数组成的向量;β为p×1的回归参数向量;实际上,为了运算方便,通常先验均值函数取0;
协方差函数确定着样本间的相互依赖关系,通常预测数据与已知数据的距离越大,其协方差就越大,结果就越不确定,协方差函数的选取对回归结果有较大的影响,是高斯过程模型中重要的组成部分,通常采用核函数表示,通用的表达式为:
b)基于联合高斯分布的后验模型回归
采用SVM对分类指数的计算,可以得到用于建立后验模型的训练数据,即:
考虑到在测量等环节中引入的噪声,实际所得的训练数据应表示为模型实际值与噪声之和,即:
其中,ε为均值为0,方差为σn 2的高斯噪声;
fl(X)~N(0,Kl+Δl) (20)
fl(x)~N(0,kl(x,x)) (21)
其中,Kl=[kl(xi,xj)]i,j=1,...,N,Δl=σn 2I;
基于(20)和(21),二者的联合高斯分布可以表示为:
其中,kl(x)=kl(x,x),kl T(x)=[kl(x,xi)]i=1,...,N;
由联合高斯分布的边缘分布性质可得预测数据x服从分布:
其中:
c)基于“一对其他”策略的多等级效应概率评估方法
将SVM和GPR结合可以得到对预测空间任一点处分类指数分布的估计,即(23)~(25),得到针对类别l进行的两分类回归预测,采用“一对其他”的策略,重复以上的步骤,便可以得到m+1个分类指数分布模型,即:
假设分类指数越大的效应状态,那么结果将最终表现为该状态,通过对各个效应状态分类指数的积分,就可以得到在x点处状态i的发生概率:
同时,各状态发生概率的和为1,即:
以上对本发明的较佳实施例进行了描述,需要指出的是,本发明,并不局限于上述特定实施方式,其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施;任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (8)
1.一种开关类设备操作强电磁骚扰特性分析方法,其特征在于,包括以下步骤:
步骤1:暂态强电磁骚扰的测量,包括利用倒置式电容分压器测量暂态过电压、利用罗氏线圈和无源RC积分器测量暂态大电流、利用电场测量***测量脉冲电场、利用磁场测量***测量脉冲磁场;
步骤2:研究AIS和GIS变电站开关类设备操作下传导、耦合和辐射暂态电磁骚扰的产生机理、传播途径和分布规律;
步骤3:通过大量实测,研究AIS及GIS变电站高压场域二次设备安装关键位置电磁骚扰时域、频域分布规律,给出变电站关键位置骚扰的具体特征;
开展AIS和GIS开关类设备操作强电磁暂态过程仿真计算:
建立不同电站瞬态电磁环境三维空间仿真模型,静电场和感应电场建模分开建模,以模拟装置实际现场布置为依据,利用COMSOL搭建三维瞬态电磁场有限元模型,仿真中,考虑设备的最小尺寸,采用自由四面体作为剖分单元,多次细化剖分后发现结果未改变,表明剖分网格已满足计算需求,根据具体导线截面尺寸和测量点与导线的距离,决定是否在仿真中忽略导线截面尺寸与集肤效应带来的影响,基于该模型研究空间瞬态电磁场与电压电流波形的幅值频率间的关系,以及空间电磁场分布特性;
步骤4:研究开关类设备操作强电磁骚扰对典型二次设备致损的作用机理,以及在此工况下二次设备敏感元器件的易损性评估及失效敏感度分析,考虑实际情况下对不同二次设备致损机理所掌握的程度不同,将不同的二次设备分类并发展相应的易损性评估方法。
2.根据权利要求1所述的一种开关类设备操作强电磁骚扰特性分析方法,其特征在于,上述步骤1中为了提高暂态过电压测量准确度,在进行暂态测量过程,应将稳态基准在同一时间段同时测量,即要求高速采集变换器有较大的数据存储量,同时记录稳态和暂态波形数据。
3.根据权利要求1所述的一种开关类设备操作强电磁骚扰特性分析方法,其特征在于,上述步骤1中所述暂态大电流的测量具体是:通过罗氏线圈测量电流,得到与电流成比例的微分电压信号,再利用无源RC积分器对微分电压信号进行积分,所述罗氏线圈的线圈骨架选用聚四氟乙烯材料,罗氏线圈设有三层铝合金制作的屏蔽外壳,对杂散磁场和电场进行屏蔽,提高罗氏线圈的测量结果准确性,所述无源RC积分器包括穿心电容器和无引线金属膜电阻、同轴全屏蔽结构,电阻选用高频特性较好的金属膜电阻,去掉电阻引线,导电直接用电阻端部的帽盖金属固件,以减少引线带来的电感,电容选用穿心电容器。穿心电容器结构只有上下两个平板电极,本身残余电感极小,环形电容器无引脚线,可以将引线电感减到最低,导电采用上下环形导电面,导电面分别与同轴外壳及导电片连接,这种接线方式相比普通引脚线电容器具有接线电感小、导电面积大、接触电阻小的优点,电阻和电容器安装在一个全封闭的同轴金属壳体内,输入和输出采用同轴连接器,同轴结构可降低导体的传导电感,金属全封闭结构可增强抗电磁干扰性能。
4.根据权利要求1所述的一种开关类设备操作强电磁骚扰特性分析方法,其特征在于,上述步骤1中的所述电场测量***由电场接收天线、光发射机与光接收机组成,所述磁场测量***由B-dot天线、光发射机与光接收机组成。
5.根据权利要求4所述的一种开关类设备操作强电磁骚扰特性分析方法,其特征在于,上述步骤1中测量脉冲磁场的过程是:由宽频带的B-dot天线接收空间中的脉冲磁场信号,该信号经光发射机进行电光转换后利用光纤进行远距离传输,在接收端利用光接收机进行光电转换并最终将接收信号输入示波器。
6.根据权利要求1所述的一种开关类设备操作强电磁骚扰特性分析方法,其特征在于,上述步骤3中建立不同电站瞬态电磁环境三维空间仿真模型后,要将试验中有限的测量点的电磁场与模型中对应点的瞬态电磁场波形进行对比以验证模型的准确性,在验证模型准确性后,才可基于该模型研究,验证模型的准确性的方法是:将实测瞬态电流时域信号转化到频域,即信号分解为不同频率正弦波叠加,对于某一个特定点,将每一个频率的瞬态电流分量进行电磁场计算,获得该点不同频率下瞬态电磁场的幅值和相位,再通过快速傅里叶逆变换将结果转化为时域,即可获得该点的电磁场波形。
7.根据权利要求1所述的一种开关类设备操作强电磁骚扰特性分析方法,其特征在于,上述步骤4中将不同的二次设备分3类进行易损性评估,第一类设备,其强电磁骚扰作用下的物理机理与统计特征均已知,易损性模型可以通过完整的数学表达式表示,进而采用不同的统计方法进行模型参数回归,最终以比例优势模型进行评估;第二类设备,只有部分的致损机理已知但无法表示出完整的效应评估过程,评估中采用由描述致损机理的白箱模型与假设的黑箱模型组成的混合模型用于描述效应易损性模型,采用贝叶斯混合模型评估;第三类,考虑复杂二次设备,其致损机理与阈值概率特征均未知,无法用数学模型加以描述,评估中采用数据驱动的非参模型来描述,采用基于支持向量机和高斯过程回归的非参模型评估。
8.根据权利要求7所述的一种开关类设备操作强电磁骚扰特性分析方法,其特征在于,所述第三类设备的评估过程是:
将多种环境参数作为评价指标评估强电磁干扰对二次电气设备的易损性,包括脉冲辐射电场幅值、端口耦合电流幅值、端口耦合电流能量积分,用于评估分析的试验数据可表示为:
T={(x1,y1),(x2,y2),…,(xN,yN)} (1)
其中,xi∈Rn,是n维评价指标组成向量,i{0,1,…,N};yi{0,1,…,m},0代表正常状态,m为失效状态的等级数,则总的输出维数为m+1维,m≥1且m∈N;
分类结果的发生概率为在给定训练数据时求:
分别针对各个等级进行评估计算给出各等级的中间分类指标,进而比较各等级的分类指标得到其发生概率,在具体计算中间分类指标时,先采用SVM方法将训练数据从离散量转化为连续的分类指数;基于此,采用GPR方法对评估空间进行分类指标的回归计算,这样便可以综合SVM和GPR各自在的优势,实现模型总体上的无参化;
1)采用SVM方法将训练数据从离散量转化为连续的分类指数
将所研究的某等级数据视为正类,用“1”表示,其余所有数据视为负类,用“-1”表示,那么针对某等级数据,训练数据集可以被变换为:
其中,l是所研究的等级,l∈{0,1,…,m};yl i∈{+1,-1};
如果训练数据线性可分,其分离超平面可以表示为:
其中,l为法向量,bl为截距;
而相应的分类决策函数可以表示为:
如果ωT l·x+bl>0,则该样本点分类结果为正类;如果ωT l·x+bl<0,则该样本点分类结果为负类;如果ωT l·x+bl=0,则该样本点在分界面上;分类超平面(l,bl)关于样本点(xi,yji)的几何间隔可以表示分类预测的准确程度,几何间隔由γl i表示,
其中样本点为xi,其类标记为yl i=+1;
进一步定义分类超平面(l,bl)关于训练数据集Tl的几何间隔为超平面(l,bl)关于Tl中所有样本点的几何间隔最小值:
相对应的,分类超平面(ωl,bl)关于样本点(xi,yl i)和训练数据集Tl的函数间隔可以分别表示为:
而它们与几何间隔之间的关系可以表示为:
用约束最优化问题来表示:
即使得分类超平面ωl,bl)关于训练数据集Tl的几何间隔γl最大化,同时约束条件表示分类超平面(ωl,bl)关于每个样本点的几何间隔至少是γl;
先基于几何间隔与函数间隔的关系,即式(11),式(12)将改写为:
为了保证解是唯一的,需要对做一些限制,取即将全局的函数间隔定义为1,也即是将离超平面最近的点的距离定义为1/||ωl||,求1/||ωl||的最大值相当于求||ωl||2/2的最小值,因此改写后结果为:
根据式求得分类超平面的法向量ωl和截距bl;
2)采用GPR方法对评估空间进行分类指标的回归计算
a)基于高斯过程的先验模型建立
在GPR建模过程中,首先取模型先验为高斯过程模型,通过对均值函数和协方差函数的确定来表示,其中均值函数表示对目标函数的代理模型,协方差函数表示模型的不确定度,
m(x)=sT(x)β (16)
其中,sT(x)=[s1(x),s2(x),...,sp(x)]为基函数组成的向量;β为p×1的回归参数向量;实际上,为了运算方便,通常先验均值函数取0;
协方差函数确定着样本间的相互依赖关系,通常预测数据与已知数据的距离越大,其协方差就越大,结果就越不确定,协方差函数的选取对回归结果有较大的影响,是高斯过程模型中重要的组成部分,通常采用核函数表示,通用的表达式为:
b)基于联合高斯分布的后验模型回归
采用SVM对分类指数的计算,可以得到用于建立后验模型的训练数据,即:
考虑到在测量等环节中引入的噪声,实际所得的训练数据应表示为模型实际值与噪声之和,即:
其中,ε为均值为0,方差为σn 2的高斯噪声;
fl(X)~N(0,Kl+Δl) (20)
fl(x)~N(0,kl(x,x)) (21)
其中,Kl=[kl(xi,xj)]i,j=1,...,N,Δl=σn 2I;
基于(20)和(21),二者的联合高斯分布可以表示为:
其中,kl(x)=kl(x,x),kl T(x)=[kl(x,xi)]i=1,...,N;
由联合高斯分布的边缘分布性质可得预测数据x服从分布:
其中:
c)基于“一对其他”策略的多等级效应概率评估方法
将SVM和GPR结合可以得到对预测空间任一点处分类指数分布的估计,即(23)~(25),得到针对类别l进行的两分类回归预测,采用“一对其他”的策略,重复以上的步骤,便可以得到m+1个分类指数分布模型,即:
假设分类指数越大的效应状态,那么结果将最终表现为该状态,通过对各个效应状态分类指数的积分,就可以得到在x点处状态i的发生概率:
同时,各状态发生概率的和为1,即:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210166746.4A CN114417677B (zh) | 2022-02-23 | 2022-02-23 | 一种开关类设备操作强电磁骚扰特性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210166746.4A CN114417677B (zh) | 2022-02-23 | 2022-02-23 | 一种开关类设备操作强电磁骚扰特性分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114417677A true CN114417677A (zh) | 2022-04-29 |
CN114417677B CN114417677B (zh) | 2024-04-09 |
Family
ID=81261954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210166746.4A Active CN114417677B (zh) | 2022-02-23 | 2022-02-23 | 一种开关类设备操作强电磁骚扰特性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114417677B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117691561A (zh) * | 2024-01-31 | 2024-03-12 | 华中科技大学 | 一种用于共振过电压的一二次设备协同防护方法 |
CN117748507A (zh) * | 2024-02-06 | 2024-03-22 | 四川大学 | 基于高斯回归模型的配网谐波接入不确定性评估方法 |
CN117871968A (zh) * | 2024-03-07 | 2024-04-12 | 合肥工业大学 | 一种脉冲电场测量***的开环校准方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013139021A1 (zh) * | 2012-03-22 | 2013-09-26 | 西安交通大学 | 一种航空专用位移传感器的测量方法 |
CN105160172A (zh) * | 2015-08-31 | 2015-12-16 | 国家电网公司 | 一种gis变电站智能组件端口电磁骚扰的计算方法 |
CN107724272A (zh) * | 2017-11-08 | 2018-02-23 | 陕西交通职业技术学院 | 一种电磁制动减速组件 |
CN107818202A (zh) * | 2017-10-19 | 2018-03-20 | 云南电网有限责任公司 | 一种智能变电站隔离开关操作电磁骚扰特性分析方法 |
CN113466685A (zh) * | 2021-06-30 | 2021-10-01 | 国网陕西省电力公司电力科学研究院 | 一种微缩型gis电磁骚扰模拟试验装置及方法 |
US20210383175A1 (en) * | 2020-06-08 | 2021-12-09 | Wuhan University | Adaptive inversion method of internet-of-things environmental parameters based on rfid multi-feature fusion sensing model |
-
2022
- 2022-02-23 CN CN202210166746.4A patent/CN114417677B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013139021A1 (zh) * | 2012-03-22 | 2013-09-26 | 西安交通大学 | 一种航空专用位移传感器的测量方法 |
CN105160172A (zh) * | 2015-08-31 | 2015-12-16 | 国家电网公司 | 一种gis变电站智能组件端口电磁骚扰的计算方法 |
CN107818202A (zh) * | 2017-10-19 | 2018-03-20 | 云南电网有限责任公司 | 一种智能变电站隔离开关操作电磁骚扰特性分析方法 |
CN107724272A (zh) * | 2017-11-08 | 2018-02-23 | 陕西交通职业技术学院 | 一种电磁制动减速组件 |
US20210383175A1 (en) * | 2020-06-08 | 2021-12-09 | Wuhan University | Adaptive inversion method of internet-of-things environmental parameters based on rfid multi-feature fusion sensing model |
CN113466685A (zh) * | 2021-06-30 | 2021-10-01 | 国网陕西省电力公司电力科学研究院 | 一种微缩型gis电磁骚扰模拟试验装置及方法 |
Non-Patent Citations (2)
Title |
---|
谢善益;李明;周刚;徐彬;翟瑞聪;: "变电站开关操作对二次就地设备的电磁骚扰特性分析", 电器与能效管理技术, no. 05, 15 March 2017 (2017-03-15), pages 20 - 24 * |
项祖涛;丁扬;班连庚;林集明;王绍武;王晓刚;: "采用投切电阻抑制特高压GIS中特快速暂态过电压", 中国电力, no. 12, 15 December 2007 (2007-12-15), pages 36 - 40 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117691561A (zh) * | 2024-01-31 | 2024-03-12 | 华中科技大学 | 一种用于共振过电压的一二次设备协同防护方法 |
CN117691561B (zh) * | 2024-01-31 | 2024-04-26 | 华中科技大学 | 一种用于共振过电压的一二次设备协同防护方法 |
CN117748507A (zh) * | 2024-02-06 | 2024-03-22 | 四川大学 | 基于高斯回归模型的配网谐波接入不确定性评估方法 |
CN117748507B (zh) * | 2024-02-06 | 2024-05-03 | 四川大学 | 基于高斯回归模型的配网谐波接入不确定性评估方法 |
CN117871968A (zh) * | 2024-03-07 | 2024-04-12 | 合肥工业大学 | 一种脉冲电场测量***的开环校准方法 |
CN117871968B (zh) * | 2024-03-07 | 2024-05-31 | 合肥工业大学 | 一种脉冲电场测量***的开环校准方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114417677B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114417677B (zh) | 一种开关类设备操作强电磁骚扰特性分析方法 | |
Biswas et al. | State‐of‐the‐art on the protection of FACTS compensated high‐voltage transmission lines: a review | |
Shu et al. | Single-ended fault location for hybrid feeders based on characteristic distribution of traveling wave along a line | |
Wang et al. | Optimizing GIS partial discharge pattern recognition in the ubiquitous power internet of things context: A MixNet deep learning model | |
Taheri et al. | DT‐based relaying scheme for fault classification in transmission lines using MODP | |
Wu et al. | Defect recognition and condition assessment of epoxy insulators in gas insulated switchgear based on multi-information fusion | |
Deng et al. | Single‐ended travelling wave protection algorithm based on full waveform in the time and frequency domains | |
Guillen et al. | Fault detection and classification in transmission lines based on a PSD index | |
Ravesh et al. | A hybrid artificial neural network and wavelet packet transform approach for fault location in hybrid transmission lines | |
Chang et al. | A novel nonintrusive fault identification for power transmission networks using power-spectrum-based hyperbolic S-transform—Part I: Fault classification | |
Ishak et al. | Characterizing the sensitivity of UHF partial discharge sensors using FDTD modeling | |
Hou et al. | Deep-learning-based fault type identification using modified CEEMDAN and image augmentation in distribution power grid | |
Li et al. | Transient disturbances based non-intrusive ageing condition assessment for cross-bonded cables | |
Chen et al. | Recognition of high-voltage cable partial discharge signal based on adaptive fuzzy C-means clustering | |
Said et al. | Support vector machine parameters optimization for 500 kv long ohtl fault diagnosis | |
Wu et al. | A novel intelligent fault identification method based on random forests for HVDC transmission lines | |
Cui et al. | WSN-based measurement of ion-current density under high-voltage direct current transmission lines | |
Ankar et al. | A novel approach to estimate fault location in current source converter–based HVDC transmission line by Gaussian process regression | |
Xu et al. | Application of multi‐source information fusion based on D‐S evidence theory in insulation defect identification of DC XLPE cable | |
Tian et al. | Accurate fault location of hybrid lines in distribution networks | |
CN110726966A (zh) | 一种非接触式电能表后有无电的监测装置及监测方法 | |
Wang | Probabilistic Cable Aging Diagnosis And Prognosis With Reflectometry And Capacitance Methods | |
Wu et al. | Research on interferences of VFTO to irregular distributions of secondary side cables | |
CN112507577B (zh) | 基于模式识别的gis断路器触头稳态温度计算方法和*** | |
Chen et al. | Partial discharge and noise separation in combined cable–OHLs based on three‐phase power ratios |
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 |