CN115267450A - 一种直流电弧故障检测方法及装置 - Google Patents
一种直流电弧故障检测方法及装置 Download PDFInfo
- Publication number
- CN115267450A CN115267450A CN202210865610.2A CN202210865610A CN115267450A CN 115267450 A CN115267450 A CN 115267450A CN 202210865610 A CN202210865610 A CN 202210865610A CN 115267450 A CN115267450 A CN 115267450A
- Authority
- CN
- China
- Prior art keywords
- loop current
- characteristic
- detected
- data set
- frequency spectrum
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明涉及一种直流电弧故障检测方法及装置,方法包括:采集正常工况和直流电弧故障的回路电流信号,进行快速傅里叶变换分析,得到回路电流频谱信号,对比正常工况和直流电弧故障的回路电流频谱信号,得到特征频谱;记录各个特征频谱内的参数值,构建评价得到特征参量;获取待检测的回路电流信号,对其进行快速傅里叶变换得到其频谱分布,从频谱中选定三个频段计算其特征参量,根据特征参量判断是否出现直流电弧故障。与现有技术相比,本发明通过分析确定特征频谱以及特征参量的计算,通过孤立森林算法判断其是否异常,若是异常则有直流电弧故障发生,能快速、准确实现检测,不易误判。
Description
技术领域
本发明涉及直流电弧故障检测技术领域,尤其是涉及一种基于频域特征值以及孤立森林算法的光伏直流***直流电弧故障检测方法及装置。
背景技术
目前国内外对直流电弧故障的检测方法大致分为三类,并以此三类检测方法研制出了一些故障检测器,简述如下:
①对声、光等物理特性的分析
电弧燃烧时伴随有声、光、热及电磁辐射等物理现象,以此为原理,在汇流箱和开关柜等空间狭小设备中取得了良好的电弧检测效果。
②对***电压、电流时域特性的分析
在直流***中发生电弧故障时,线路中电压、电流波形一般会发生变化在发生电弧的初始时刻,线路中电流下降,电弧电压从0立刻上升,以此为原理,可以对电弧进行检测。
③对***电压、电流时频域特性的综合评价
主要通过时间序列对频率特性进行分析,与正常状态相比,电弧状态下电压、电流谐波含量增加,以此可判断电弧故障的发生。
但是,对声、光等物理特性的分析中通常利用汇流箱中的电弧故障检测器进行检测判断,但是这类检测器价格昂贵,只适用于狭小空间内,并且要求周围环境对信号无明显遮挡,不适用于开阔的光伏电站。对***电压、电流的时域特性的分析原理简单,但光伏***中由于光伏组件工作点的不同,发生电弧故障检测时线路电流不一定下降,因此也很难通过单一的检测线路电流下降来判断是否发生电弧。对***电压、电流时频域特性的综合评价未考虑光照、温度等环境因素的影响,其准确度也不高。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种直流电弧故障检测方法及装置。
本发明的目的可以通过以下技术方案来实现:
根据本发明的第一方面,提供了一种直流电弧故障检测方法,包括以下步骤:
S1、多次采集光伏直流***中每一路光伏组串的回路电流信号,并标注出对应正常工况和直流电弧故障的回路电流信号;
S2、对采集的回路电流信号进行快速傅里叶变换分析,得到回路电流频谱信号,对比正常工况的回路电流频谱信号和直流电弧故障的回路电流频谱信号,记录二者差异最大的s个频谱范围,得到s个特征频谱,s>1;
S3、记录各个特征频谱内的参数值,选择不同的参数值进行不同的组合计算,得到多个特征量,所述参数值包括幅值最大值、峰峰值、幅值的标准差,分别评价每个特征量表征直流电弧故障的有效程度,将有效程度最高的特征量作为特征参量;
S4、获取待检测的回路电流信号,对其进行快速傅里叶变换分析,得到待检测的回路电流频谱信号,确定该回路电流频谱信号在各个特征频谱内的参数值,并计算其特征参量,根据特征参量判断是否出现直流电弧故障。
进一步地,步骤S3中,评价一个特征量表征直流电弧故障的有效程度具体为:
获取多个回路电流信号,计算每个回路电流信号的特征量,得到数据集,数据集中的任一数据为一个回路电流信号的特征量,且数据集中对应正常工况的数据多于对应直流电弧故障的数据;
使用孤立森林算法对数据集进行判断,识别出数据集中的异常点;
将异常点与数据集中对应直流电弧故障的数据进行比较,异常点对数据集中对应直流电弧故障的数据的覆盖率和有效度越高,该特征量表征直流电弧故障的有效程度越高。
进一步地,步骤S4中,待检测的回路电流信号为光伏直流***中多路光伏组串的回路电流信号,计算每个回路电流信号的特征参量,得到待检测数据集,待检测数据集中的任一数据为一个回路电流信号的特征参量;
使用孤立森林算法对待检测数据集进行判断,识别出待检测数据集中的异常点,并将异常点对应的光伏组串标注为发生直流电弧故障。
进一步地,步骤S4中,获取多个对应正常工况的回路电流信号,分别计算所述多个对应正常工况的回路电流信号与待检测的回路电流信号的特征参量,得到待检测数据集,待检测数据集中的任一数据为一个回路电流信号的特征参量;
使用孤立森林算法对待检测数据集进行判断,识别出待检测数据集中的异常点,若异常点对应待检测的回路电流信号,则标注发生直流电弧故障,否则,未发生故障。
进一步地,步骤S2中,s取3,得到3个特征频谱,分别为10~20kHz,30~50kHz和60~75kHz。
进一步地,步骤S3中,有效程度最高的特征量为k=0.4Imax+0.3Ipeak+0.3Istd,其中,Imax、Ipeak、Istd分别表示幅值最大值、峰峰值、幅值的标准差。
一种直流电弧故障检测装置,基于如本发明第一方面所述的直流电弧故障检测方法,包括:
电流采集模块,用于采集待检测的回路电流信号;
预处理模块,用于分析确定特征频谱以及特征参量的计算公式,分析确定特征频谱为:对比正常工况的回路电流频谱信号和直流电弧故障的回路电流频谱信号,记录二者差异最大的s个频谱范围,得到s个特征频谱,s>1;分析确定特征参量的计算公式为:记录各个特征频谱内的参数值,选择不同的参数值进行不同的组合计算,得到多个特征量,所述参数值包括幅值最大值、峰峰值、幅值的标准差,分别评价每个特征量表征直流电弧故障的有效程度,将有效程度最高的特征量作为特征参量;
特征参量模块,用于对回路电流信号进行快速傅里叶变换分析,得到回路电流频谱信号,并根据特征频谱和特征参量的计算公式计算其特征参量;
检测模块,用于根据待检测的回路电流信号的特征参量判断是否出现直流电弧故障。
进一步地,预处理模块中,评价一个特征量表征直流电弧故障的有效程度具体为:
获取多个回路电流信号,计算每个回路电流信号的特征量,得到数据集,数据集中的任一数据为一个回路电流信号的特征量,且数据集中对应正常工况的数据多于对应直流电弧故障的数据;
使用孤立森林算法对数据集进行判断,识别出数据集中的异常点;
将异常点与数据集中对应直流电弧故障的数据进行比较,异常点对数据集中对应直流电弧故障的数据的覆盖率和有效度越高,该特征量表征直流电弧故障的有效程度越高。
进一步地,待检测的回路电流信号为光伏直流***中多路光伏组串的回路电流信号,检测模块中,计算每个回路电流信号的特征参量,得到待检测数据集,待检测数据集中的任一数据为一个回路电流信号的特征参量;
使用孤立森林算法对待检测数据集进行判断,识别出待检测数据集中的异常点,并将异常点对应的光伏组串标注为发生直流电弧故障。
进一步地,检测模块中,获取多个对应正常工况的回路电流信号,分别计算所述多个对应正常工况的回路电流信号与待检测的回路电流信号的特征参量,得到待检测数据集,待检测数据集中的任一数据为一个回路电流信号的特征参量;
使用孤立森林算法对待检测数据集进行判断,识别出待检测数据集中的异常点,若异常点对应待检测的回路电流信号,则标注发生直流电弧故障,否则,未发生故障。
与现有技术相比,本发明具有以下有益效果:
通过分析确定特征频谱以及特征参量的计算,将所采集到的高频电流信号经快速傅里叶变换得到其频谱分布,从所述频谱中选定三个频段计算其特征参量,通过孤立森林算法判断其是否异常,若是异常则有直流电弧故障发生,能快速、准确实现检测,不易误判。
附图说明
图1为本发明的结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1:
本发明提供了一种直流电弧故障检测方法,如图1所示,包括以下步骤:
S1、多次采集光伏直流***中每一路光伏组串的回路电流信号,并标注出对应正常工况和直流电弧故障的回路电流信号;
S2、对采集的回路电流信号进行快速傅里叶变换分析,得到回路电流频谱信号,对比正常工况的回路电流频谱信号和直流电弧故障的回路电流频谱信号,记录二者差异最大的s个频谱范围,得到s个特征频谱,s>1;
本实施例中,s取3,得到3个特征频谱,分别为10~20kHz,30~50kHz和60~75kHz,在这三个频谱范围内,直流灭弧故障的回路电流频谱信号变化较大,能较好地表征正常工况和直流电弧故障下回路电流在频域上的差异性;其他实施方式中,可以根据具体情况以及光伏直流***的工作参数,选择若干个频谱范围作为特征频谱。
S3、记录各个特征频谱内的参数值,选择不同的参数值进行不同的组合计算,得到多个特征量,参数值包括幅值最大值、峰峰值、幅值的标准差、有效值、瞬时值等等,分别评价每个特征量表征直流电弧故障的有效程度,将有效程度最高的特征量作为特征参量;
其中,评价一个特征量表征直流电弧故障的有效程度具体为:
S31、获取多个回路电流信号,计算每个回路电流信号的特征量,得到数据集,数据集中的任一数据为一个回路电流信号的特征量,且数据集中对应正常工况的数据多于对应直流电弧故障的数据;
S32、使用孤立森林算法对数据集进行判断,识别出数据集中的异常点;
S33、将异常点与数据集中对应直流电弧故障的数据进行比较,异常点对数据集中对应直流电弧故障的数据的覆盖率和有效度越高,该特征量表征直流电弧故障的有效程度越高;
覆盖率为q1/q2,q1表示异常点中对应直流电弧故障的数据数量,q2表示整个数据集中对应直流电弧故障的数据数量;
有效度为q1/q3,q1表示异常点中对应直流电弧故障的数据数量,q3表示异常点的数量。
显然,覆盖率和有效度越高越好。
为了更直观的表示正常工况和直流电弧故障下回路电流在频域上的差异性,提出了特征量,可以通过幂函数、指数函数等初等函数与常数经过有限次的有理运算(加减乘除等)数学公式,构造出多个特征量,如k1=aImax+bIpeak+cIstd+dIpk,a、b、c、d为待定的常系数,k2=aImax+bIpeak,k3=…,Imax、Ipeak、Istd、Ipk分别表示幅值最大值、峰峰值、幅值的标准差、最大正值与最小负值之间的差值。
本实施例中,构造了多个特征量,并找出了其中有效程度最高的特征量作为特征参量,以此作为判断直流电弧故障是否发生的参数,其公式如下:k=0.4Imax+0.3Ipeak+0.3Istd。
S4、获取待检测的回路电流信号,对其进行快速傅里叶变换分析,得到待检测的回路电流频谱信号,确定该回路电流频谱信号在各个特征频谱内的参数值,并计算其特征参量,根据特征参量判断是否出现直流电弧故障。
可以理解的是,步骤S1-S3是事先执行的,用于确定特征频谱以及特征参量的计算公式,步骤S4是实际的检测过程。
①一种实施方式下,待检测的回路电流信号为光伏直流***中多路或所有光伏组串的回路电流信号,一般而言,整个光伏直流***中多数光伏组串都是正常工作的,偶尔会有个别光伏组串出现直流电弧故障,因此,计算每个回路电流信号的特征参量,得到待检测数据集,待检测数据集中的任一数据为一个回路电流信号的特征参量,且应保证其中对应正常工况的数据远多于对应直流电弧故障的数据;使用孤立森林算法对待检测数据集进行判断,识别出待检测数据集中的异常点,并将异常点对应的光伏组串标注为发生直流电弧故障。
②一种实施方式下,考虑到待检测的回路电流信号中对应直流电弧故障的回路电流信号比例不确定,因此获取多个对应正常工况的回路电流信号,分别计算多个对应正常工况的回路电流信号与待检测的回路电流信号的特征参量,得到待检测数据集,待检测数据集中的任一数据为一个回路电流信号的特征参量,为保证对应正常工况的数据远多于对应直流电弧故障的数据,使得对应正常工况的回路电流信号远多于待检测的回路电流信号;使用孤立森林算法对待检测数据集进行判断,识别出待检测数据集中的异常点,若异常点对应待检测的回路电流信号,则标注发生直流电弧故障,否则,未发生故障。
孤立森林算法不再是描述正常的样本点,而是要孤立异常点,在特征空间里,分布稀疏的区域表示事件发生在该区域的概率很低,因而可以认为落在这些区域里的数据是异常的,在孤立森林中,递归地随机分割数据集,直到所有的样本点都是孤立的,将所采集的连续电流信号将所采集到的高频电流信号经快速傅里叶变换得到其频谱分布,从所述频谱中选定三个频段计算其特征参量,通过孤立森林算法判断其是否异常,若是异常则有直流电弧故障发生。
还需要注意的是,上述步骤S1-S4中,采集的回路电流信号只有高频部分,不易发生误判。
一种直流电弧故障检测装置,基于如上所述的直流电弧故障检测方法,包括:
(1)电流采集模块,用于采集待检测的回路电流信号;
(2)预处理模块,用于分析确定特征频谱以及特征参量的计算公式,分析确定特征频谱为:对比正常工况的回路电流频谱信号和直流电弧故障的回路电流频谱信号,记录二者差异最大的s个频谱范围,得到s个特征频谱,s>1;分析确定特征参量的计算公式为:记录各个特征频谱内的参数值,选择不同的参数值进行不同的组合计算,得到多个特征量,参数值包括幅值最大值、峰峰值、幅值的标准差,分别评价每个特征量表征直流电弧故障的有效程度,将有效程度最高的特征量作为特征参量;
其中,预处理模块中,评价一个特征量表征直流电弧故障的有效程度具体为:
获取多个回路电流信号,计算每个回路电流信号的特征量,得到数据集,数据集中的任一数据为一个回路电流信号的特征量,且数据集中对应正常工况的数据多于对应直流电弧故障的数据;使用孤立森林算法对数据集进行判断,识别出数据集中的异常点;将异常点与数据集中对应直流电弧故障的数据进行比较,异常点对数据集中对应直流电弧故障的数据的覆盖率和有效度越高,该特征量表征直流电弧故障的有效程度越高。
(3)特征参量模块,用于对回路电流信号进行快速傅里叶变换分析,得到回路电流频谱信号,并根据特征频谱和特征参量的计算公式计算其特征参量;
(4)检测模块,用于根据待检测的回路电流信号的特征参量判断是否出现直流电弧故障。
①一种实施方式下,待检测的回路电流信号为光伏直流***中多路光伏组串的回路电流信号,检测模块中,计算每个回路电流信号的特征参量,得到待检测数据集,待检测数据集中的任一数据为一个回路电流信号的特征参量;使用孤立森林算法对待检测数据集进行判断,识别出待检测数据集中的异常点,并将异常点对应的光伏组串标注为发生直流电弧故障。
②一种实施方式下,待检测的回路电流信号为光伏直流***中多路光伏组串的回路电流信号,检测模块中,获取多个对应正常工况的回路电流信号,分别计算多个对应正常工况的回路电流信号与待检测的回路电流信号的特征参量,得到待检测数据集,待检测数据集中的任一数据为一个回路电流信号的特征参量;使用孤立森林算法对待检测数据集进行判断,识别出待检测数据集中的异常点,若异常点对应待检测的回路电流信号,则标注发生直流电弧故障,否则,未发生故障。
本实施例中,采用IGBT结构的固态继电器,可有效避免机械继电器在断开的过程中可能会在触电分开瞬间产生电弧的问题;通过高频电流互感器实时采集回路电流高频信号;在光伏现场测试时,将***串联接入汇流箱进线端,能准确、快速实现报警功能,检测时间小于100ms,远远小于UL1699B关于电弧检测装置燃弧时间小于2S的规定。同时,阴影遮挡、光照强度等因素不会引起装置误动作。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种直流电弧故障检测方法,其特征在于,包括以下步骤:
S1、多次采集光伏直流***中每一路光伏组串的回路电流信号,并标注出对应正常工况和直流电弧故障的回路电流信号;
S2、对采集的回路电流信号进行快速傅里叶变换分析,得到回路电流频谱信号,对比正常工况的回路电流频谱信号和直流电弧故障的回路电流频谱信号,记录二者差异最大的s个频谱范围,得到s个特征频谱,s>1;
S3、记录各个特征频谱内的参数值,选择不同的参数值进行不同的组合计算,得到多个特征量,所述参数值包括幅值最大值、峰峰值、幅值的标准差,分别评价每个特征量表征直流电弧故障的有效程度,将有效程度最高的特征量作为特征参量;
S4、获取待检测的回路电流信号,对其进行快速傅里叶变换分析,得到待检测的回路电流频谱信号,确定该回路电流频谱信号在各个特征频谱内的参数值,并计算其特征参量,根据特征参量判断是否出现直流电弧故障。
2.根据权利要求1所述的一种直流电弧故障检测方法,其特征在于,步骤S3中,评价一个特征量表征直流电弧故障的有效程度具体为:
获取多个回路电流信号,计算每个回路电流信号的特征量,得到数据集,数据集中的任一数据为一个回路电流信号的特征量,且数据集中对应正常工况的数据多于对应直流电弧故障的数据;
使用孤立森林算法对数据集进行判断,识别出数据集中的异常点;
将异常点与数据集中对应直流电弧故障的数据进行比较,异常点对数据集中对应直流电弧故障的数据的覆盖率和有效度越高,该特征量表征直流电弧故障的有效程度越高。
3.根据权利要求2所述的一种直流电弧故障检测方法,其特征在于,步骤S4中,待检测的回路电流信号为光伏直流***中多路光伏组串的回路电流信号,计算每个回路电流信号的特征参量,得到待检测数据集,待检测数据集中的任一数据为一个回路电流信号的特征参量;
使用孤立森林算法对待检测数据集进行判断,识别出待检测数据集中的异常点,并将异常点对应的光伏组串标注为发生直流电弧故障。
4.根据权利要求2所述的一种直流电弧故障检测方法,其特征在于,步骤S4中,获取多个对应正常工况的回路电流信号,分别计算所述多个对应正常工况的回路电流信号与待检测的回路电流信号的特征参量,得到待检测数据集,待检测数据集中的任一数据为一个回路电流信号的特征参量;
使用孤立森林算法对待检测数据集进行判断,识别出待检测数据集中的异常点,若异常点对应待检测的回路电流信号,则标注发生直流电弧故障,否则,未发生故障。
5.根据权利要求1所述的一种直流电弧故障检测方法,其特征在于,步骤S2中,s取3,得到3个特征频谱,分别为10~20kHz,30~50kHz和60~75kHz。
6.根据权利要求5所述的一种直流电弧故障检测方法,其特征在于,步骤S3中,有效程度最高的特征量为k=0.4Imax+0.3Ipeak+0.3Istd,其中,Imax、Ipeak、Istd分别表示幅值最大值、峰峰值、幅值的标准差。
7.一种直流电弧故障检测装置,其特征在于,基于如权利要求1-6中任一所述的直流电弧故障检测方法,包括:
电流采集模块,用于采集待检测的回路电流信号;
预处理模块,用于分析确定特征频谱以及特征参量的计算公式,分析确定特征频谱为:对比正常工况的回路电流频谱信号和直流电弧故障的回路电流频谱信号,记录二者差异最大的s个频谱范围,得到s个特征频谱,s>1;分析确定特征参量的计算公式为:记录各个特征频谱内的参数值,选择不同的参数值进行不同的组合计算,得到多个特征量,所述参数值包括幅值最大值、峰峰值、幅值的标准差,分别评价每个特征量表征直流电弧故障的有效程度,将有效程度最高的特征量作为特征参量;
特征参量模块,用于对回路电流信号进行快速傅里叶变换分析,得到回路电流频谱信号,并根据特征频谱和特征参量的计算公式计算其特征参量;
检测模块,用于根据待检测的回路电流信号的特征参量判断是否出现直流电弧故障。
8.根据权利要求7所述的一种直流电弧故障检测装置,其特征在于,预处理模块中,评价一个特征量表征直流电弧故障的有效程度具体为:
获取多个回路电流信号,计算每个回路电流信号的特征量,得到数据集,数据集中的任一数据为一个回路电流信号的特征量,且数据集中对应正常工况的数据多于对应直流电弧故障的数据;
使用孤立森林算法对数据集进行判断,识别出数据集中的异常点;
将异常点与数据集中对应直流电弧故障的数据进行比较,异常点对数据集中对应直流电弧故障的数据的覆盖率和有效度越高,该特征量表征直流电弧故障的有效程度越高。
9.根据权利要求8所述的一种直流电弧故障检测装置,其特征在于,待检测的回路电流信号为光伏直流***中多路光伏组串的回路电流信号,检测模块中,计算每个回路电流信号的特征参量,得到待检测数据集,待检测数据集中的任一数据为一个回路电流信号的特征参量;
使用孤立森林算法对待检测数据集进行判断,识别出待检测数据集中的异常点,并将异常点对应的光伏组串标注为发生直流电弧故障。
10.根据权利要求8所述的一种直流电弧故障检测装置,其特征在于,检测模块中,获取多个对应正常工况的回路电流信号,分别计算所述多个对应正常工况的回路电流信号与待检测的回路电流信号的特征参量,得到待检测数据集,待检测数据集中的任一数据为一个回路电流信号的特征参量;
使用孤立森林算法对待检测数据集进行判断,识别出待检测数据集中的异常点,若异常点对应待检测的回路电流信号,则标注发生直流电弧故障,否则,未发生故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210865610.2A CN115267450A (zh) | 2022-07-21 | 2022-07-21 | 一种直流电弧故障检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210865610.2A CN115267450A (zh) | 2022-07-21 | 2022-07-21 | 一种直流电弧故障检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115267450A true CN115267450A (zh) | 2022-11-01 |
Family
ID=83768525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210865610.2A Pending CN115267450A (zh) | 2022-07-21 | 2022-07-21 | 一种直流电弧故障检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115267450A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115808600A (zh) * | 2022-11-14 | 2023-03-17 | 正泰集团研发中心(上海)有限公司 | 基于数学形态学和模式识别的直流电弧检测方法 |
-
2022
- 2022-07-21 CN CN202210865610.2A patent/CN115267450A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115808600A (zh) * | 2022-11-14 | 2023-03-17 | 正泰集团研发中心(上海)有限公司 | 基于数学形态学和模式识别的直流电弧检测方法 |
CN115808600B (zh) * | 2022-11-14 | 2024-04-30 | 上海正泰电源***有限公司 | 基于数学形态学和模式识别的直流电弧检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103576059B (zh) | 一种变压器匝间放电综合故障诊断方法及*** | |
KR101297901B1 (ko) | 전력선의 부분 방전의 검출 및 감시 | |
WO2017036112A1 (zh) | 一种直流故障电弧检测方法 | |
US9689909B2 (en) | System for analyzing and locating partial discharges | |
CN110007197B (zh) | 串联电弧故障检测***及检测方法 | |
US9448086B2 (en) | Method for analyzing the electricity consumption of a site provided with a plurality of electrical devices | |
WO2019127440A1 (zh) | 一种直流电弧的处理方法及装置 | |
CN108828406A (zh) | 非侵入式用户用电的故障识别方法及其*** | |
CN109596956B (zh) | 直流串联电弧检测方法及装置 | |
CN104198896A (zh) | 一种油浸变压器局部放电综合监测装置及监测方法 | |
CN113437940A (zh) | 多光伏支路并联情况下的串联电弧故障定位装置及方法 | |
CN113589105A (zh) | 基于物联网的建筑电气火灾串联故障电弧识别方法及*** | |
CN115267450A (zh) | 一种直流电弧故障检测方法及装置 | |
CN113884837A (zh) | 一种电缆局部放电在线监测分析***及分析方法 | |
JP2019045401A (ja) | 部分放電診断装置および部分放電診断方法 | |
Qian et al. | Research on DC arc fault detection in PV systems based on adjacent multi-segment spectral similarity and adaptive threshold model | |
JP2019039845A (ja) | 部分放電診断装置および部分放電診断方法 | |
CN112345885A (zh) | 一种高压直流输电线路故障检测方法 | |
CN110824310A (zh) | 局部放电类型判断方法及装置 | |
CN113671366B (zh) | 信号处理方法及其应用装置、存储介质 | |
Jieqiu et al. | Arc fault identification method based on fractal theory and SVM | |
CN110703080B (zh) | 一种gis尖刺放电诊断方法、放电程度识别方法及装置 | |
KR102243313B1 (ko) | 부분방전 판단 방법 및 진단 시스템 | |
CN112557851A (zh) | 基于传递函数的电力电缆局部放电在线定位***及方法 | |
CN112068028B (zh) | 一种间歇性单相接地故障识别方法 |
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 |