CN115616364A - 故障电弧检测方法、装置、设备及存储介质 - Google Patents

故障电弧检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115616364A
CN115616364A CN202211617734.5A CN202211617734A CN115616364A CN 115616364 A CN115616364 A CN 115616364A CN 202211617734 A CN202211617734 A CN 202211617734A CN 115616364 A CN115616364 A CN 115616364A
Authority
CN
China
Prior art keywords
fault
wavelet coefficients
wavelet
fault indication
characteristic value
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
Application number
CN202211617734.5A
Other languages
English (en)
Other versions
CN115616364B (zh
Inventor
李勇
陆守香
王文家
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Advanced Technology University of Science and Technology of China
Original Assignee
Institute of Advanced Technology University of Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Advanced Technology University of Science and Technology of China filed Critical Institute of Advanced Technology University of Science and Technology of China
Priority to CN202211617734.5A priority Critical patent/CN115616364B/zh
Publication of CN115616364A publication Critical patent/CN115616364A/zh
Application granted granted Critical
Publication of CN115616364B publication Critical patent/CN115616364B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12Testing 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
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/0092Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring current only
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/14Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/148Wavelet transforms
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52Outage or fault management, e.g. fault detection or location

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)

Abstract

本发明涉及电弧检测技术领域,尤其涉及一种故障电弧检测方法、装置、设备及存储介质,该方法包括:采集负载所在的待测回路的电流信号,并根据所述电流信号获取若干小波系数;对所述小波系数进行预处理,并从预处理后的数据中提取至少两个故障指示特征值;基于所述至少两个故障指示特征值对所述待测回路进行故障电弧检测。由于本发明先通过待测回路的电流信号获得小波系数,再根据小波系数提取至少两个故障指示特征,通过故障指示特征对待测回路进行故障电弧检测,相比于现有的基于特征向量阈值,本发明中的故障指示特征区分度较高,提升了检测结果的准确度。

Description

故障电弧检测方法、装置、设备及存储介质
技术领域
本发明涉及电弧检测技术领域,尤其涉及一种故障电弧检测方法、装置、设备及存储介质。
背景技术
目前,电弧的中心温度可高达5000K至15000K,且一旦出现击穿点则会频繁出现,由于配电***线路的损坏、老化及衔接松动等因素引发的故障电弧可以造成局部的高温,极易引发电气火灾甚至***,因此对故障电弧进行检测尤为重要。
现有的大多数故障电弧探测器均应用的是基于特征向量阈值对故障电弧进行检测,由于缺乏较高区分度的特征向量,导致实际检测效果不佳,准确度较低。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种故障电弧检测方法、装置、设备及存储介质,旨在解决现有技术中通过特征向量阈值对故障电弧进行检测的方式检测准确度较低的技术问题。
为实现上述目的,本发明提供了一种故障电弧检测方法,所述方法包括以下步骤:
采集负载所在的待测回路的电流信号,并根据所述电流信号获取若干小波系数;
对所述小波系数进行预处理,并从预处理后的数据中提取至少两个故障指示特征值;
基于所述至少两个故障指示特征值对所述待测回路进行故障电弧检测。
可选地,所述对所述小波系数进行预处理,并从预处理后的数据中提取至少两个故障指示特征值的步骤,包括:
对所述小波系数进行预处理,获得小波系数数量、所述小波系数的四分之一分位数和小波系数平均值;
根据所述小波系数、所述小波系数数量、所述小波系数的四分之一分位数和所述小波系数平均值获得第一故障指示特征值和第二故障指示特征值;
相应地,所述基于所述至少两个故障指示特征值对所述待测回路进行故障电弧检测的步骤,包括:
基于所述第一故障指示特征值和所述第二故障指示特征值对所述待测回路进行故障电弧检测。
可选地,所述根据所述小波系数、所述小波系数数量、所述小波系数的四分之一分位数和所述小波系数平均值获得第一故障指示特征值和第二故障指示特征值的步骤,包括:
根据所述小波系数、所述小波系数数量和所述小波系数的四分之一分位数获得第一故障指示特征值;
根据所述小波系数、所述小波系数数量和所述小波系数平均值获得第二故障指示特征值。
可选地,所述根据所述小波系数、所述小波系数数量和所述小波系数的四分之一分位数获得第一故障指示特征值的步骤,包括:
根据所述小波系数、所述小波系数数量和所述小波系数的四分之一分位数通过第一预设处理公式获得第一故障指示特征值;
其中,所述第一预设处理公式为:
Figure 22223DEST_PATH_IMAGE001
式中,
Figure 174461DEST_PATH_IMAGE002
为所述第一故障指示特征值,
Figure 994649DEST_PATH_IMAGE003
为所述小波系数数量,
Figure 534084DEST_PATH_IMAGE004
为所述小波系 数的四分之一分位数,
Figure 414315DEST_PATH_IMAGE005
为所述小波系数。
可选地,所述根据所述小波系数、所述小波系数数量和所述小波系数平均值获得第二故障指示特征值的步骤,包括:
根据所述小波系数、所述小波系数数量和所述小波系数平均值通过第二预设处理公式获得第二故障指示特征值;
其中,所述第二预设处理公式为:
Figure 39201DEST_PATH_IMAGE006
式中,
Figure 459818DEST_PATH_IMAGE007
为所述第二故障指示特征值,
Figure 870070DEST_PATH_IMAGE003
为所述小波系数数量,
Figure 170471DEST_PATH_IMAGE008
为所述小波系数 平均值,
Figure 33384DEST_PATH_IMAGE005
为所述小波系数。
可选地,所述基于所述第一故障指示特征值和所述第二故障指示特征值对所述待测回路进行故障电弧检测的步骤,包括:
将所述第一故障指示特征值与第一预设阈值进行比较,并将所述第二故障指示特征值与第二预设阈值进行比较;
在所述第一故障指示特征值未超过所述第一预设阈值,且所述第二故障指示特征值未超过所述第二预设阈值,则判定所述待测回路发生故障电弧。
可选地,所述采集负载所在的待测回路的电流信号,并根据所述电流信号获取若干小波系数的步骤,包括:
采集负载所在的待测回路的电流信号;
按照预设层数对所述电流信号进行小波分解,获得各层对应的小波系数。
此外,为实现上述目的,本发明还提出一种故障电弧检测装置,所述装置包括:
信号采集模块,用于采集负载所在的待测回路的电流信号,并根据所述电流信号获取若干小波系数;
系数处理模块,用于对所述小波系数进行预处理,并从预处理后的数据中提取至少两个故障指示特征值;
电弧检测模块,用于基于所述至少两个故障指示特征值对所述待测回路进行故障电弧检测。
此外,为实现上述目的,本发明还提出一种故障电弧检测设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的故障电弧检测程序,所述故障电弧检测程序配置为实现如上文所述的故障电弧检测方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有故障电弧检测程序,所述故障电弧检测程序被处理器执行时实现如上文所述的故障电弧检测方法的步骤。
本发明是通过采集负载所在的待测回路的电流信号,并根据所述电流信号获取若干小波系数;对所述小波系数进行预处理,并从预处理后的数据中提取至少两个故障指示特征值;基于所述至少两个故障指示特征值对所述待测回路进行故障电弧检测。由于本发明先通过待测回路的电流信号获得小波系数,再根据小波系数提取至少两个故障指示特征,通过故障指示特征对待测回路进行故障电弧检测,相比于现有的基于特征向量阈值,本发明中的故障指示特征区分度较高,提升了检测结果的准确度。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的故障电弧检测设备结构示意图;
图2为本发明故障电弧检测方法第一实施例的流程示意图;
图3为本发明故障电弧检测方法第二实施例的流程示意图;
图4为本发明故障电弧检测方法第二实施例中阻性负载下的第一故障指示特征值与正常状态下的正常参数的对比图;
图5为本发明故障电弧检测方法第二实施例中阻感负载下的第一故障指示特征值与正常状态下的正常参数的对比图;
图6为本发明故障电弧检测方法第二实施例中非线性负载下的第一故障指示特征值与正常状态下的正常参数的对比图;
图7为本发明故障电弧检测方法第二实施例中阻性负载下的第二故障指示特征值与正常状态下的正常参数的对比图;
图8为本发明故障电弧检测方法第二实施例中阻感负载下的第二故障指示特征值与正常状态下的正常参数的对比图;
图9为本发明故障电弧检测方法第二实施例中非线性负载下的第二故障指示特征值与正常状态下的正常参数的对比图;
图10为本发明故障电弧检测装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的故障电弧检测设备结构示意图。
如图1所示,该故障电弧检测设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对故障电弧检测设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及故障电弧检测程序。
在图1所示的故障电弧检测设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明故障电弧检测设备中的处理器1001、存储器1005可以设置在故障电弧检测设备中,所述故障电弧检测设备通过处理器1001调用存储器1005中存储的故障电弧检测程序,并执行本发明实施例提供的故障电弧检测方法。
本发明实施例提供了一种故障电弧检测方法,参考图2,图2为本发明故障电弧检测方法第一实施例的流程示意图。
本实施例中,所述故障电弧检测方法包括以下步骤:
步骤S10:采集负载所在的待测回路的电流信号,并根据所述电流信号获取若干小波系数。
需要说明的是,本实施例方法可以是应用在对负载进行故障电弧进行检测的场景中,或者其它需要对故障电弧进行检测的场景中。本实施例的执行主体可以是具有数据处理、网络通信以及程序运行功能的故障电弧检测设备,例如故障电弧检测仪等,或者是其它能够实现如同或相似功能的设备。此处以上述故障电弧检测设备(以下简称设备)对本实施例和下述各实施例进行具体说明。
可理解的是,上述负载可以是阻性负载、阻感负载或非线性负载,上述阻性负载可以是指单一电阻的负载,上述组感负载可以是指电阻和电感串联而成的组合负载,上述非线性负载可以是指含整流设备的负载,例如电脑、大功率电源等,本实施例不加以限制。
应理解的是,上述待测回路可以是连接有上述负载的回路,上述待测回路中负载的数量本实施例不加以限制,上述设备可直接采集上述待测回路中的电流信号,同时还可在上述待测回路中设置电流互感器,上述设备通过电流互感器采集上述待测回路中的电流信号。
需要说明的是,上述小波系数可以是上述设备对电流信号进行小波变换,也即将电流信号按照某一小波函数簇展开,获得将电流信号表示为一系列不同尺度和不同时移的小波函数的线性组合,其中每一项系数即上述小波系数。
需要强调的是,上述小波系数的具体数量可根据实际情况自行设置。
进一步地,具体小波变换的流程为:采集负载所在的待测回路的电流信号;按照预设层数对所述电流信号进行小波分解,获得各层对应的小波系数。
可理解的是,上述预设层数可根据实际情况设置,上述小波分解可将电流信号分解为低频部分和高频部分,进而实现一层分解,在第一层分解的基础上再对高频部分进行小波分解,获得第二层的低频部分和高频部分,第二层分解则为对第二层的高频部分分解为第三层的低频部分和高频部分,依次类推,在本实施例中,上述预设层数可设置为三层,进而可获得三层对应的小波系数。
在具体实现中,上述设备可采集负载所在回路的电流信号,并对上述电流信号进行预设层数的小波分解,获得各层对应的小波系数。
步骤S20:对所述小波系数进行预处理,并从预处理后的数据中提取至少两个故障指示特征值。
需要说明的是,上述预处理可以是对上述各层的小波系数进行汇总等处理。
可理解的是,上述故障指示特征可以是用于反映电流信号特性的特征,上述故障指示特征可以是两个,也可以是多个,需要强调的是,上述故障指示特征数量越多,检测结果越准确,本实施例中采用两个故障指示特征进行说明。
应理解的是,若上述预设层数为三层,上述设备可从三层中选取任意两层的小波系数获得两个故障指示特征,若预设层数为其它层,例如五层,则上述设备可选取任一层的小波系数作为一个故障指示特征,再选取之后的任一层作为另一个故障指示特征,例如选取第二层的小波系数作为一个故障指示特征,再选取第二层至第五层之间任一层的小波系数作为另一个故障指示特征,以上举例仅便于理解,并不对具体选取方式进行限制。
在具体实现中,上述设备可对获得的各层小波系数进行预处理,并从预处理后的小波系数中提取至少两个故障指示特征。
步骤S30:基于所述至少两个故障指示特征值对所述待测回路进行故障电弧检测。
进一步地,为了使提取的故障指示特征更准确,在本实施例中,上述步骤S20包括:
步骤S21:对所述小波系数进行预处理,获得小波系数数量、所述小波系数的四分之一分位数和小波系数平均值。
需要说明的是,在本实施例中引入了第一四分位数的概念,四分位数是统计学中分位数的一种,即把所有数据由小到大排列并分成四等分,处于三个分割点位置的数据就是四分位数。
可理解的是,上述第一四分位数可以是该小波系数中由小到大排列后第25%的系数。
应理解的是,本实施例中还引入了变异系数的概念,上述变异系数可以是当需要比较两组数据离散程度大小时,如果两组数据的测量尺度相差较大,或者数据量纲的不同,直接使用标准差来进行比较不合适,此时可通过变异系数消除测量尺度和量纲的影响。
步骤S22:根据所述小波系数、所述小波系数数量、所述小波系数的四分之一分位数和所述小波系数平均值获得第一故障指示特征值和第二故障指示特征值。
相应地,上述步骤S30包括:
步骤S30’:基于所述第一故障指示特征值和所述第二故障指示特征值对所述待测回路进行故障电弧检测。
在具体实现中,上述设备可基于第一四分位数的概念和变异系数的概念对小波系数进行预处理,获得小波系数数量、小波系数的四分之一分位数和小波系数平均值;再根据小波系数、小波系数数量、小波系数的四分之一分位数和小波系数平均值获得第一故障指示特征值和第二故障指示特征值;最后通过第一故障指示特征值和第二故障指示特征值对待测回路进行故障电弧检测。
本实施例上述设备可采集负载所在回路的电流信号,并对上述电流信号进行预设层数的小波分解,获得各层对应的小波系数;基于第一四分位数的概念和变异系数的概念对小波系数进行预处理,获得小波系数数量、小波系数的四分之一分位数和小波系数平均值;再根据小波系数、小波系数数量、小波系数的四分之一分位数和小波系数平均值获得第一故障指示特征值和第二故障指示特征值;最后通过第一故障指示特征值和第二故障指示特征值对待测回路进行故障电弧检测;相比于现有的基于特征向量阈值,本实施例基于小波系数对待测回路进行故障电弧检测,故障指示特征区分度较高,提升了检测结果的准确度。
参考图3,图3为本发明故障电弧检测方法第二实施例的流程示意图。
为了获得准确的第一故障指示特征和第二故障指示特征,如图2所示,基于上述第一实施例,在本实施例中,上述步骤S22包括:
步骤S221:根据所述小波系数、所述小波系数数量和所述小波系数的四分之一分位数获得第一故障指示特征值;
具体地,上述步骤S221包括:根据所述小波系数、所述小波系数数量和所述小波系数的四分之一分位数通过第一预设处理公式获得第一故障指示特征值;
其中,所述第一预设处理公式为:
Figure 257692DEST_PATH_IMAGE009
式中,
Figure 509070DEST_PATH_IMAGE002
为所述第一故障指示特征值,
Figure 731104DEST_PATH_IMAGE003
为所述小波系数数量,
Figure 330581DEST_PATH_IMAGE004
为所述小波系 数的四分之一分位数,
Figure 296263DEST_PATH_IMAGE005
为所述小波系数。
在具体实现中,上述设备可根据小波系数、小波系数数量和小波系数的四分之一位数通过上述第一预设公式获得第一故障指示特征值。
步骤S222:根据所述小波系数、所述小波系数数量和所述小波系数平均值获得第二故障指示特征值。
具体地,上述步骤S222包括:
根据所述小波系数、所述小波系数数量和所述小波系数平均值通过第二预设处理公式获得第二故障指示特征值;
其中,所述第二预设处理公式为:
Figure 477846DEST_PATH_IMAGE010
式中,
Figure 854469DEST_PATH_IMAGE007
为所述第二故障指示特征值,
Figure 691975DEST_PATH_IMAGE003
为所述小波系数数量,
Figure 445036DEST_PATH_IMAGE008
为所述小波系数 平均值,
Figure 684388DEST_PATH_IMAGE005
为所述小波系数。
在具体实现中,上述设备可根据小波系数、小波系数数量和小波系数平均值通过第二预设处理公式获得第二故障指示特征值。
进一步地,为了通过第一故障指示特征值和第二故障指示特征值进行故障电弧检测,在本实施例中,上述步骤S30’包括:
将所述第一故障指示特征值与第一预设阈值进行比较,并将所述第二故障指示特征值与第二预设阈值进行比较;在所述第一故障指示特征值未超过所述第一预设阈值,且所述第二故障指示特征值未超过所述第二预设阈值,则判定所述待测回路发生故障电弧。
需要说明的是,上述第一预设阈值和上述第二预设阈值均可根据实际情况自行设置,本实施例不加以限制。
需要强调的是,在本实施例中也可选取第一故障指示特征值或第二故障指示特征值中任意一个单一来进行故障电弧检测,但基于为了进一步提升检测准确度,采用第一故障指示特征值和第二故障指示特征值相结合。
可理解的是,本实施例中的故障指示特征可采用现代信号处理技术中的数据融合算法将上述两种故障指示特征或者加入其它故障指示特征进行融合,提出融合矢量判据,基于融合矢量判据的阈值监测也可实现对故障电弧进行检测。
应理解的是,上述其它故障指示特征可以基于波形系数、分度系数、翘度系数、脉冲系数等获得的故障指示特征,本实施例不加以限制。
进一步得,为了便于理解,参照图4至图9进行说明,图4为本发明故障电弧检测方法第二实施例中阻性负载下的第一故障指示特征值与正常状态下的正常参数的对比图;图5为本发明故障电弧检测方法第二实施例中阻感负载下的第一故障指示特征值与正常状态下的正常参数的对比图;图6为本发明故障电弧检测方法第二实施例中非线性负载下的第一故障指示特征值与正常状态下的正常参数的对比图;图4至图6中横坐标代表试验组别,纵坐标代表第一故障指示特征对应的参数值,即第一故障指示特征值,图中normal表示正常状态下的正常参数对应的曲线,abnormal表示第一故障指示特征值对应的曲线,Threshold表示上述第一预设阈值;根据图4至图6可知,上述第一故障指示特征值均在8以下。
图7为本发明故障电弧检测方法第二实施例中阻性负载下的第二故障指示特征值与正常状态下的正常参数的对比图;图8为本发明故障电弧检测方法第二实施例中阻感负载下的第二故障指示特征值与正常状态下的正常参数的对比图;图9为本发明故障电弧检测方法第二实施例中非线性负载下的第二故障指示特征值与正常状态下的正常参数的对比图;图7至图9中横坐标代表试验组别,纵坐标代表第二故障指示特征对应的参数值,即第二故障指示特征值,图中normal表示正常状态下的正常参数对应的曲线,abnormal表示第二故障指示特征值对应的曲线,Threshold表示上述第二预设阈值;根据图7至图9可知,上述第二故障指示特征值均在15以下。
本实施例上述设备可根据小波系数、小波系数数量和小波系数的四分之一位数通过上述第一预设公式获得第一故障指示特征值;上述设备可根据小波系数、小波系数数量和小波系数平均值通过第二预设处理公式获得第二故障指示特征值;将第一故障指示特征值与第一预设阈值进行比较,并将第二故障指示特征值与第二预设阈值进行比较;在第一故障指示特征值未超过第一预设阈值,且第二故障指示特征值未超过第二预设阈值,则判定待测回路发生故障电弧。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有故障电弧检测程序,所述故障电弧检测程序被处理器执行时实现如上文所述的故障电弧检测方法的步骤。
此外,参照图10,图10为本发明故障电弧检测装置第一实施例的结构框图,本发明实施例还提出一种故障电弧检测装置,所述故障电弧检测装置包括:
信号采集模块601,用于采集负载所在的待测回路的电流信号,并根据所述电流信号获取若干小波系数;
系数处理模块602,用于对所述小波系数进行预处理,并从预处理后的数据中提取至少两个故障指示特征值;
电弧检测模块603,用于基于所述至少两个故障指示特征值对所述待测回路进行故障电弧检测。
本实施例上述设备可采集负载所在回路的电流信号,并对上述电流信号进行预设层数的小波分解,获得各层对应的小波系数;基于第一四分位数的概念和变异系数的概念对小波系数进行预处理,获得小波系数数量、小波系数的四分之一分位数和小波系数平均值;再根据小波系数、小波系数数量、小波系数的四分之一分位数和小波系数平均值获得第一故障指示特征值和第二故障指示特征值;最后通过第一故障指示特征值和第二故障指示特征值对待测回路进行故障电弧检测;相比于现有的基于特征向量阈值,本实施例基于小波系数对待测回路进行故障电弧检测,故障指示特征区分度较高,提升了检测结果的准确度。
本发明故障电弧检测装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,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的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种故障电弧检测方法,其特征在于,所述方法包括以下步骤:
采集负载所在的待测回路的电流信号,并根据所述电流信号获取若干小波系数;
对所述小波系数进行预处理,并从预处理后的数据中提取至少两个故障指示特征值;
基于所述至少两个故障指示特征值对所述待测回路进行故障电弧检测。
2.如权利要求1所述的故障电弧检测方法,其特征在于,所述对所述小波系数进行预处理,并从预处理后的数据中提取至少两个故障指示特征值的步骤,包括:
对所述小波系数进行预处理,获得小波系数数量、所述小波系数的四分之一分位数和小波系数平均值;
根据所述小波系数、所述小波系数数量、所述小波系数的四分之一分位数和所述小波系数平均值获得第一故障指示特征值和第二故障指示特征值;
相应地,所述基于所述至少两个故障指示特征值对所述待测回路进行故障电弧检测的步骤,包括:
基于所述第一故障指示特征值和所述第二故障指示特征值对所述待测回路进行故障电弧检测。
3.如权利要求2所述的故障电弧检测方法,其特征在于,所述根据所述小波系数、所述小波系数数量、所述小波系数的四分之一分位数和所述小波系数平均值获得第一故障指示特征值和第二故障指示特征值的步骤,包括:
根据所述小波系数、所述小波系数数量和所述小波系数的四分之一分位数获得第一故障指示特征值;
根据所述小波系数、所述小波系数数量和所述小波系数平均值获得第二故障指示特征值。
4.如权利要求3所述的故障电弧检测方法,其特征在于,所述根据所述小波系数、所述小波系数数量和所述小波系数的四分之一分位数获得第一故障指示特征值的步骤,包括:
根据所述小波系数、所述小波系数数量和所述小波系数的四分之一分位数通过第一预设处理公式获得第一故障指示特征值;
其中,所述第一预设处理公式为:
Figure 409205DEST_PATH_IMAGE001
式中,
Figure 983274DEST_PATH_IMAGE002
为所述第一故障指示特征值,
Figure 353076DEST_PATH_IMAGE003
为所述小波系数数量,
Figure 181354DEST_PATH_IMAGE004
为所述小波系数的四 分之一分位数,
Figure 165360DEST_PATH_IMAGE005
为所述小波系数。
5.如权利要求3所述的故障电弧检测方法,其特征在于,所述根据所述小波系数、所述小波系数数量和所述小波系数平均值获得第二故障指示特征值的步骤,包括:
根据所述小波系数、所述小波系数数量和所述小波系数平均值通过第二预设处理公式获得第二故障指示特征值;
其中,所述第二预设处理公式为:
Figure 711879DEST_PATH_IMAGE006
式中,
Figure 72322DEST_PATH_IMAGE007
为所述第二故障指示特征值,
Figure 83003DEST_PATH_IMAGE003
为所述小波系数数量,
Figure 988642DEST_PATH_IMAGE008
为所述小波系数平均 值,
Figure 274655DEST_PATH_IMAGE005
为所述小波系数。
6.如权利要求2至5中任一项所述的故障电弧检测方法,其特征在于,所述基于所述第一故障指示特征值和所述第二故障指示特征值对所述待测回路进行故障电弧检测的步骤,包括:
将所述第一故障指示特征值与第一预设阈值进行比较,并将所述第二故障指示特征值与第二预设阈值进行比较;
在所述第一故障指示特征值未超过所述第一预设阈值,且所述第二故障指示特征值未超过所述第二预设阈值,则判定所述待测回路发生故障电弧。
7.如权利要求1所述的故障电弧检测方法,其特征在于,所述采集负载所在的待测回路的电流信号,并根据所述电流信号获取若干小波系数的步骤,包括:
采集负载所在的待测回路的电流信号;
按照预设层数对所述电流信号进行小波分解,获得各层对应的小波系数。
8.一种故障电弧检测装置,其特征在于,所述装置包括:
信号采集模块,用于采集负载所在的待测回路的电流信号,并根据所述电流信号获取若干小波系数;
系数处理模块,用于对所述小波系数进行预处理,并从预处理后的数据中提取至少两个故障指示特征值;
电弧检测模块,用于基于所述至少两个故障指示特征值对所述待测回路进行故障电弧检测。
9.一种故障电弧检测设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的故障电弧检测程序,所述故障电弧检测程序配置为实现如权利要求1至7任一项所述的故障电弧检测方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有故障电弧检测程序,所述故障电弧检测程序被处理器执行时实现如权利要求1至7任一项所述的故障电弧检测方法的步骤。
CN202211617734.5A 2022-12-16 2022-12-16 故障电弧检测方法、装置、设备及存储介质 Active CN115616364B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211617734.5A CN115616364B (zh) 2022-12-16 2022-12-16 故障电弧检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211617734.5A CN115616364B (zh) 2022-12-16 2022-12-16 故障电弧检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115616364A true CN115616364A (zh) 2023-01-17
CN115616364B CN115616364B (zh) 2023-03-17

Family

ID=84879895

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211617734.5A Active CN115616364B (zh) 2022-12-16 2022-12-16 故障电弧检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115616364B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090168277A1 (en) * 2007-12-28 2009-07-02 Sriram Changali Series arc fault current interrupter apparatus
CN101696986A (zh) * 2009-10-26 2010-04-21 吴为麟 故障电弧检测方法及保护装置
CN108646149A (zh) * 2018-04-28 2018-10-12 国网江苏省电力有限公司苏州供电分公司 基于电流特征提取的故障电弧识别方法
US20190056446A1 (en) * 2017-08-21 2019-02-21 Delta-X Research Inc. Method and system for assessment of fault severity, risk exposure, and gassing status for liquid-filled high-voltage apparatus
US20190277913A1 (en) * 2018-03-09 2019-09-12 Streammosaic, Inc. Failure detection and classsification using sensor data and/or measurement data
CN110568327A (zh) * 2019-09-03 2019-12-13 复旦大学 一种基于机器学习的光伏***直流故障电弧检测方法
CN110905732A (zh) * 2018-09-17 2020-03-24 中车株洲电力机车研究所有限公司 风电机组风轮不平衡的辨识方法、***及储存介质
CN111707908A (zh) * 2020-07-29 2020-09-25 中国科学技术大学先进技术研究院 多负载回路串联故障电弧检测方法、装置以及存储介质
CN112305376A (zh) * 2020-10-28 2021-02-02 国网山东省电力公司青岛供电公司 一种低压配电线路故障电弧检测及识别方法
CN114077819A (zh) * 2021-11-24 2022-02-22 国网重庆市电力公司电力科学研究院 故障电弧检测模型构建方法、装置、设备及存储介质
CN114113930A (zh) * 2021-11-18 2022-03-01 国网新疆电力有限公司昌吉供电公司 一种配电网过电压故障类型智能识别方法及故障识别单元
CN114355123A (zh) * 2022-01-04 2022-04-15 阳光电源股份有限公司 一种电弧检测方法、装置及电子设备
CN114609475A (zh) * 2022-03-18 2022-06-10 中国民航大学 一种交流故障电弧检测方法和***
CN114692690A (zh) * 2022-03-31 2022-07-01 贵州电网有限责任公司 一种基于多特征融合支持向量机的故障电弧识别方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090168277A1 (en) * 2007-12-28 2009-07-02 Sriram Changali Series arc fault current interrupter apparatus
CN101696986A (zh) * 2009-10-26 2010-04-21 吴为麟 故障电弧检测方法及保护装置
US20190056446A1 (en) * 2017-08-21 2019-02-21 Delta-X Research Inc. Method and system for assessment of fault severity, risk exposure, and gassing status for liquid-filled high-voltage apparatus
US20190277913A1 (en) * 2018-03-09 2019-09-12 Streammosaic, Inc. Failure detection and classsification using sensor data and/or measurement data
CN108646149A (zh) * 2018-04-28 2018-10-12 国网江苏省电力有限公司苏州供电分公司 基于电流特征提取的故障电弧识别方法
CN110905732A (zh) * 2018-09-17 2020-03-24 中车株洲电力机车研究所有限公司 风电机组风轮不平衡的辨识方法、***及储存介质
CN110568327A (zh) * 2019-09-03 2019-12-13 复旦大学 一种基于机器学习的光伏***直流故障电弧检测方法
CN111707908A (zh) * 2020-07-29 2020-09-25 中国科学技术大学先进技术研究院 多负载回路串联故障电弧检测方法、装置以及存储介质
CN112305376A (zh) * 2020-10-28 2021-02-02 国网山东省电力公司青岛供电公司 一种低压配电线路故障电弧检测及识别方法
CN114113930A (zh) * 2021-11-18 2022-03-01 国网新疆电力有限公司昌吉供电公司 一种配电网过电压故障类型智能识别方法及故障识别单元
CN114077819A (zh) * 2021-11-24 2022-02-22 国网重庆市电力公司电力科学研究院 故障电弧检测模型构建方法、装置、设备及存储介质
CN114355123A (zh) * 2022-01-04 2022-04-15 阳光电源股份有限公司 一种电弧检测方法、装置及电子设备
CN114609475A (zh) * 2022-03-18 2022-06-10 中国民航大学 一种交流故障电弧检测方法和***
CN114692690A (zh) * 2022-03-31 2022-07-01 贵州电网有限责任公司 一种基于多特征融合支持向量机的故障电弧识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张国军等: "光伏***串联故障电弧时频特征研究" *

Also Published As

Publication number Publication date
CN115616364B (zh) 2023-03-17

Similar Documents

Publication Publication Date Title
CN111257684A (zh) 一种电弧故障检测的方法及***
CN111474451A (zh) 提高故障电弧准确率的检测方法、装置和可读存储介质
CN113075473B (zh) 电容式电压互感器电容元件击穿的检测方法及装置
CN114910756B (zh) 一种低压母线槽的绝缘性能评估方法及***
KR200486953Y1 (ko) 지능형 전동기 상태 진단장치
CN115021676A (zh) 光伏***直流电弧故障检测方法、装置、设备及介质
US11519952B2 (en) Arc detection method and apparatus using statistical value of electric current
CN114879122A (zh) 三相三线智能电能表的运行异常检测方法、装置及设备
CN115616364B (zh) 故障电弧检测方法、装置、设备及存储介质
CN113238172B (zh) 基于中性线电阻的电流互感器中性线异常判断方法
CN115902706A (zh) 避雷器的缺陷分析方法、装置、设备及存储介质
CN118091520B (zh) 一种10us方波浪涌测试设备智能调控方法及***
CN117875945B (zh) 一种电网设备维修预测方法、***和介质
CN113064008B (zh) 一种中压熔断器质量检测方法、装置、设备和介质
CN117554809B (zh) 电机绕组平衡检测方法、装置、电子设备及存储介质
CN117254436B (zh) 共用接地极换流站的接地极线路保护方法、装置和设备
CN117761579A (zh) 用于检测电气设备的线路状态的方法和电压监测设备
CN116645083A (zh) 数据处理方法、装置、设备、存储介质和计算机程序产品
CN115792453A (zh) 一种铁磁谐振辨识方法、装置、计算机设备和存储介质
Nurmanova et al. A confidence level estimation technique for reliable Data-Driven FRA interpretation in air-core winding faults
CN118376877A (zh) 基于监测类型的电缆故障的确定***及方法
CN117872225A (zh) 基于电容器容量的异常检测方法、***、终端设备及介质
CN115308477A (zh) 功率反向传输潮流反向的判断方法及装置、介质和设备
CN118275938A (zh) 变压器绕组短路故障检测方法、装置、平台、介质及设备
CN117251041A (zh) 一种服务器潜在电源故障的筛选方法、***、装置及介质

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