CN116660688B - 远程型电力线路故障预警监测***及方法 - Google Patents
远程型电力线路故障预警监测***及方法 Download PDFInfo
- Publication number
- CN116660688B CN116660688B CN202310941629.5A CN202310941629A CN116660688B CN 116660688 B CN116660688 B CN 116660688B CN 202310941629 A CN202310941629 A CN 202310941629A CN 116660688 B CN116660688 B CN 116660688B
- Authority
- CN
- China
- Prior art keywords
- fault
- traveling wave
- power line
- fault occurrence
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 62
- 238000012806 monitoring device Methods 0.000 claims abstract description 57
- 238000012937 correction Methods 0.000 claims abstract description 36
- 238000004891 communication Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims description 71
- 238000003062 neural network model Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000004590 computer program Methods 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
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011176 pooling Methods 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
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- 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)
- Locating Faults (AREA)
Abstract
本发明实施例提供一种远程型电力线路故障预警监测***及方法,涉及电力技术领域。该***中,每个行波监测设备通过远程通信模块向数据处理设备发送故障行波信号。数据处理设备根据N个故障行波信号的故障发生时间确定多个位置解算组,根据每个位置解算组中的两个故障发生时间确定目标电力线路的故障发生位置以得到多个故障发生位置,将每个位置解算组中的两个电压信息的比值确定为修正量,以及利用修正量对故障发生位置进行修正以得到多个修正后的故障发生位置,根据多个修正后的故障发生位置确定目标电力线路的故障发生实时位置,以及向电力监控中心发送预警信息。该***能够进一步提高故障位置的定位精度。
Description
技术领域
本发明涉及电力技术领域,具体而言,涉及一种远程型电力线路故障预警监测***及方法。
背景技术
随着电力技术的不断发展,电力线路的安全运行变得越来越重要。电力线路发生故障,会给人们带来严重影响并且还会给自然环境带来影响。因此,电力线路的监测和维护变得至关重要。其中,电力线路监测是指对电力线路进行实时监测、预警和维护。通过对电力线路的监测,可以实时掌握电力线路的运行状况,以便及时发现并排除故障(例如,电力线路是否发生短路、接触不良、落雷、断线等故障),从而保障电力***的稳定运行。
行波测量技术是一种用于检测电力线路故障的技术。该技术利用行波在电力线路上的传播特性,通过检测行波信号的变化来判断电力线路是否发生故障,以及计算故障的位置。但是,行波测量技术也存在一些缺点:1,由于行波信号在电力线路上的传播受到许多因素的影响,例如电力线路的长度、形状、材质等,因此行波信号的衰减和干扰较为明显。这导致测定的故障位置的精度降低;2,行波测量技术还容易受到外界干扰的影响,例如雷电等自然干扰,或者人为因素导致的电磁干扰等,会导致行波信号的质量下降,从而影响测定的故障位置的精度。
发明内容
有鉴于此,本发明的目的在于提供一种远程型电力线路故障预警监测***及方法,通过分布式的行波监测设备采集的故障行波信号,以及利用故障行波信号中的电压信息对计算出的故障发生位置进行修正,能够进一步提高故障位置的定位精度,以便准确定位故障,帮助故障的及时排除以稳定电力***的运行。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明提供一种远程型电力线路故障预警监测***,包括数据处理设备和N个行波监测设备,N个行波监测设备均与数据处理设备连接,N个行波监测设备分布式设置在目标电力线路上;其中,每个行波监测设备,用于对目标电力线路进行实时监测,以采集目标电力线路在发生故障时的故障行波信号,故障行波信号包括故障发生时间和故障发生时间对应的电压信息;每个行波监测设备,还用于通过远程通信模块向数据处理设备发送故障行波信号;数据处理设备,用于接收每个行波监测设备发送的故障行波信号以得到N个故障行波信号,以及根据N个故障行波信号的故障发生时间确定多个位置解算组;其中,每个位置解算组包括:用于计算目标电力线路的故障发生位置的两个故障发生时间,以及与两个故障发生时间对应的两个电压信息;数据处理设备,还用于根据每个位置解算组中的两个故障发生时间确定目标电力线路的故障发生位置以得到多个故障发生位置,将每个位置解算组中的两个电压信息的比值确定为修正量,以及利用修正量对故障发生位置进行修正以得到多个修正后的故障发生位置;数据处理设备,还用于根据多个修正后的故障发生位置确定目标电力线路的故障发生实时位置,以及向电力监控中心发送预警信息,预警信息用于指示目标电力线路发生故障以及故障发生实时位置。
在本发明的可选实施例中,N个行波监测设备按照在目标电力线路上从左到右的排列顺序依次包括:第1行波监测设备、第2行波监测设备、…、第N行波监测设备;其中,数据处理设备,用于根据N个故障行波信号的故障发生时间确定多个位置解算组,包括:数据处理设备,用于根据N个故障行波信号的故障发生时间确定第K行波检测设备和第K+1行波检测设备,其中,第K行波检测设备和第K+1行波检测设备各自采集的故障发生时间为N个故障发生时间中最早的两个故障发生时间;数据处理设备,还用于将第K-i行波检测设备和第K+1+i行波检测设备采集的两个故障行波信号确定为第i+1位置解算组,以得到多个位置解算组。
在本发明的可选实施例中,数据处理设备,用于根据每个位置解算组中的两个故障发生时间确定目标电力线路的故障发生位置以得到多个故障发生位置,包括:数据处理设备,用于根据多个位置解算组中的第j+1位置解算组中的两个故障发生时间的差值以及第K-j行波检测设备与第K+1+j行波检测设备之间的距离计算第j+1相对距离,第j+1相对距离表示故障发生位置与第K-j行波检测设备之间的距离,两个故障发生时间的差值大于0;数据处理设备,还用于根据第j+1相对距离确定目标电力线路的第j+1故障发生位置,以得到多个故障发生位置。
在本发明的可选实施例中,数据处理设备,用于将每个位置解算组中的两个电压信息的比值确定为修正量,包括:数据处理设备,用于将第j+1位置解算组中的由第K+1+j行波检测设备采集的电压信息与由第K-j行波检测设备采集的电压信息的比值确定为第j+1修正量,以得到多个修正量。
在本发明的可选实施例中,数据处理设备,用于利用修正量对故障发生位置进行修正以得到多个修正后的故障发生位置,包括:数据处理设备,用于利用如下公式对第j+1相对距离进行修正,以得到修正后的第j+1相对距离:
其中,为修正后的第j+1相对距离,/>为第j+1相对距离,/>为第K-j行波检测设备与第K+1+j行波检测设备之间的距离,/>为由第K+1+j行波检测设备采集的电压信息,/>为由第K-j行波检测设备采集的电压信息,/>为第j+1修正量;数据处理设备,还用于根据修正后的第j+1相对距离确定目标电力线路的第j+1修正后的故障发生位置,以得到多个修正后的故障发生位置。
在本发明的可选实施例中,故障发生实时位置为多个修正后的故障发生位置的中心位置。
在本发明的可选实施例中,电压信息为故障行波信号的正电压峰值或者故障行波信号的正电压与时间的积分值。
在本发明的可选实施例中,N个行波监测设备中的任意相邻两个行波监测设备的垂直距离相等且为预设距离。
在本发明的可选实施例中,数据处理设备,还用于利用训练好的神经网络模型来预测目标电力线路在发生故障时的故障类别;其中,神经网络模型的训练数据集包括:N个行波监测设备采集的目标电力线路在发生故障时的历史故障行波信号、设置在目标电力线路上的电流传感器采集的历史电流信号以及对应的已标注故障类别。
第二方面,本发明提供一种远程型电力线路故障预警监测方法。第二方面所述的远程型电力线路故障预警监测方法应用于远程型电力线路故障预警监测***,远程型电力线路故障预警监测***包括数据处理设备和N个行波监测设备,N个行波监测设备均与数据处理设备连接,N个行波监测设备分布式设置在目标电力线路上;其中,远程型电力线路故障预警监测方法,包括:每个行波监测设备对目标电力线路进行实时监测,以采集目标电力线路在发生故障时的故障行波信号,故障行波信号包括故障发生时间和故障发生时间对应的电压信息;每个行波监测设备通过远程通信模块向数据处理设备发送故障行波信号;数据处理设备接收每个行波监测设备发送的故障行波信号以得到N个故障行波信号,以及根据N个故障行波信号的故障发生时间确定多个位置解算组;其中,每个位置解算组包括:用于计算目标电力线路的故障发生位置的两个故障发生时间,以及与两个故障发生时间对应的两个电压信息;数据处理设备根据每个位置解算组中的两个故障发生时间确定目标电力线路的故障发生位置以得到多个故障发生位置,将每个位置解算组中的两个电压信息的比值确定为修正量,以及利用修正量对故障发生位置进行修正以得到多个修正后的故障发生位置;数据处理设备根据多个修正后的故障发生位置确定目标电力线路的故障发生实时位置,以及向电力监控中心发送预警信息,预警信息用于指示目标电力线路发生故障以及故障发生实时位置。
可以理解,基于上述各个方面提供的实施例,首先,利用远程通信模块将行波监测设备采集的故障行波信号发送至数据处理设备,由数据处理设备进行故障位置的计算,能够实现实时远程的电力线路故障预警监测;进一步来说,由于通过将每个位置解算组中的两个电压信息的比值确定为修正量来对故障发生位置进行修正,能够将电压信息中所携带故障发生位置信息加入到故障位置的计算中来以进一步对故障位置进行修正,从而通过分布式的行波探测设备以及电压信息计算出的修正量来对故障位置进行修正,能够避免单一的探测位置数据带来较大的误差,从而进一步提高位置精度。因此,本方案能够实现对电力线路故障位置的实时监测和预警,具有分布式监测、多点检测、位置解算、修正位置等多个功能,能够提高故障检测的精度和可靠性,有效地保障电力线路的安全运行。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举本发明实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的远程型电力线路故障预警监测***的一种模块示意图;
图2为本发明实施例提供的故障行波信号的一种波形示意图;
图3为本发明实施例提供的多个行波监测设备的分布式设置的一种应用场景示意图;
图4为本发明实施例提供的一种远程型电力线路故障预警监测方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本发明的实施例中的特征可以相互结合。
为了解决上文现有技术中存在的问题:“1,由于行波信号在电力线路上的传播受到许多因素的影响,例如电力线路的长度、形状、材质等,因此行波信号的衰减和干扰较为明显。这导致测定的故障位置的精度降低;2,行波测量技术还容易受到外界干扰的影响,例如雷电等自然干扰,或者人为因素导致的电磁干扰等,会导致行波信号的质量下降,从而影响测定的故障位置的精度”。本发明实施例提出了一种技术方案,包括远程型电力线路故障预警监测***及方法。本方案通过分布式的行波监测设备采集的故障行波信号,以及利用故障行波信号中的电压信息对计算出的故障发生位置进行修正,能够进一步提高故障位置的定位精度,以便准确定位故障,帮助故障的及时排除以稳定电力***的运行。
需要说明的是,以上现有技术中的技术方案所存在的技术问题,均是发明人经过仔细的实践研究后得出的结果,因此,上述问题的发现过程以及下文中本发明实施例针对上述问题所提出的解决方案,都应该是发明人在实现本发明过程中对本发明做出的贡献。
下面将结合附图对该远程型电力线路故障预警监测***进行阐述。
请参照图1,图1示出了本发明实施例提供的远程型电力线路故障预警监测***的一种模块示意图。其中,远程型电力线路故障预警监测***100包括:数据处理设备130和N个行波监测设备120,N个行波监测设备120均与数据处理设备130连接(例如,无线通信连接),N个行波监测设备分布式设置在目标电力线路110上。其中,无线通信连接包括4G、5G网络连接以及卫星通信连接等。
在可选的实施例中,上述的行波监测设备120包括行波传感器和无线通信模块(例如4G通信模块、5G通信模块或卫星通信模块)。数据处理设备130包括服务器、台式机或笔记本电脑等。其中,数据处理设备130可以设置于电力监控中心,也可以设置于图1所示的高压电塔。目标电力线路110可以包括高压电塔之间架设的高压线。
在图1所示的***100中,每个行波监测设备120用于对目标电力线路110进行实时监测,以采集目标电力线路110在发生故障时的故障行波信号,故障行波信号包括故障发生时间和故障发生时间对应的电压信息。每个行波监测设备120还用于通过远程通信模块向数据处理设备130发送故障行波信号。其中,在可选的实施例中,电压信息为故障行波信号的正电压峰值或者故障行波信号的正电压与时间的积分值。如图2所示,图2为本发明实施例提供的故障行波信号的一种波形示意图,故障行波信号的正电压峰值可以表示为Umax,故障行波信号的正电压与时间的积分值可以表示为图中的阴影部分面积。
在图1所示的***100中,数据处理设备130用于接收每个行波监测设备120发送的故障行波信号以得到N个故障行波信号,以及根据N个故障行波信号的故障发生时间确定多个位置解算组。其中,每个位置解算组包括:用于计算目标电力线路110的故障发生位置的两个故障发生时间,以及与两个故障发生时间对应的两个电压信息。数据处理设备130还用于根据每个位置解算组中的两个故障发生时间确定目标电力线路110的故障发生位置以得到多个故障发生位置,将每个位置解算组中的两个电压信息的比值确定为修正量,以及利用修正量对故障发生位置进行修正以得到多个修正后的故障发生位置。数据处理设备130,还用于根据多个修正后的故障发生位置确定目标电力线路110的故障发生实时位置,以及向电力监控中心发送预警信息,预警信息用于指示目标电力线路110发生故障以及故障发生实时位置。
基于上述的远程型电力线路故障预警监测***100的实施例,利用远程通信模块将行波监测设备120采集的故障行波信号发送至数据处理设备130,由数据处理设备130进行故障位置的计算,能够实现实时远程的电力线路故障预警监测。进一步的,由于通过将每个位置解算组中的两个电压信息的比值确定为修正量来对故障发生位置进行修正,能够将电压信息中所携带故障发生位置信息加入到故障位置的计算中来以进一步对故障位置进行修正,从而通过分布式的行波探测设备以及电压信息计算出的修正量来对故障位置进行修正,能够避免单一的探测位置数据带来较大的误差,从而进一步提高位置精度。因此,本实施例能够实现对电力线路故障位置的实时监测和预警,具有分布式监测、多点检测、位置解算、修正位置等多个功能,能够提高故障检测的精度和可靠性,有效地保障电力线路的安全运行。
以上简单介绍了本发明实施例提供的远程型电力线路故障预警监测***100,下面将进一步对该***100进行阐述。
在可选实施例中,N个行波监测设备120按照在目标电力线路110上从左到右的排列顺序依次包括:第1行波监测设备120、第2行波监测设备120、…、第N行波监测设备120。在该实施例中,数据处理设备130用于根据N个故障行波信号的故障发生时间确定多个位置解算组,具体包括:数据处理设备130根据N个故障行波信号的故障发生时间确定第K行波检测设备和第K+1行波检测设备,其中,第K行波检测设备和第K+1行波检测设备各自采集的故障发生时间为N个故障发生时间中最早的两个故障发生时间;数据处理设备130还将第K-i行波检测设备和第K+1+i行波检测设备采集的两个故障行波信号确定为第i+1位置解算组,以得到多个位置解算组。其中,i为从0开始递增的整数,并且,i的最大值由K-i大于等于1以及K+1+i小于等于N确定,也即是说,i满足:K-i≥1并且K+1+i≤N。下面结合一个示例对该实施例进行说明:
请参照图3,图3为本发明实施例提供的多个行波监测设备的分布式设置的一种应用场景示意图。在图3中,N被假设为6,也即是说,有6个行波监测设备120,按照在目标电力线路110上从左到右的排列顺序依次记为S1、S2、S3、S4、S5、S6。并且假设目标电力线路110上发生了落雷故障,并且落雷故障发生于S2和S3之间。那么在此情况下,这6个行波监测设备120采集的数据可以参照表1,表1为本发明实施例提供的基于图3所示的场景行波监测设备所采集的数据统计表。由于落雷故障发生于S2和S3之间,根据6个行波监测设备120采集的故障行波信号的故障发生时间可以确定:S2、S3各自采集的故障发生时间(T2、T3)为6个故障发生时间中最早的两个故障发生时间。因此,第K行波检测设备为S2,第K+1行波检测设备为S3,第1位置解算组包括S2采集的故障行波信号和S3采集的故障行波信号。以此类推,第2位置解算组包括:S1采集的故障行波信号和S4采集的故障行波信号。
表1
在可选实施例中,数据处理设备130用于根据每个位置解算组中的两个故障发生时间确定目标电力线路110的故障发生位置以得到多个故障发生位置,具体包括:数据处理设备130根据多个位置解算组中的第j+1位置解算组中的两个故障发生时间的差值以及第K-j行波检测设备与第K+1+j行波检测设备之间的距离计算第j+1相对距离。其中,第j+1相对距离表示故障发生位置与第K-j行波检测设备之间的距离,两个故障发生时间的差值大于0,j为从0开始递增的整数,j的最大值满足:K-j≥1并且K+1+j≤N(或者j的最大值为多个位置解算组的个数-1)。下面继续结合图3和表1所示的示例对该实施例进行说明:以通过第1位置解算组计算第1相对距离(也即是j=0)进行说明:假设S2和S3之间的距离为,T2和T3之间的差值为|T3-T2|,那么第1相对距离根据如下公式进行计算:
其中,V表示行波在电力线路中的传播速度,为第1相对距离。
在可选的实施例中,数据处理设备130,还用于根据第j+1相对距离确定目标电力线路110的第j+1故障发生位置,以得到多个故障发生位置。例如,根据第j+1相对距离以及第K-j行波检测设备的坐标计算目标电力线路110的第j+1故障发生位置的三维坐标。
在可选的实施例中,数据处理设备130用于将每个位置解算组中的两个电压信息的比值确定为修正量,包括:数据处理设备130用于将第j+1位置解算组中的由第K+1+j行波检测设备采集的电压信息与由第K-j行波检测设备采集的电压信息的比值确定为第j+1修正量,以得到多个修正量。下面继续结合图3和表1所示的示例对该实施例进行说明:对于第1位置解算组,S2采集的电压信息为U2,S3采集的电压信息为U3,因此第1修正量为U3与U2的比值。对于第2位置解算组,S1采集的电压信息为U1,S4采集的电压信息为U4,因此第2修正量为U4与U1的比值。
在可选的实施例中,数据处理设备130用于利用修正量对故障发生位置进行修正以得到多个修正后的故障发生位置,包括:数据处理设备130用于利用如下公式对第j+1相对距离进行修正,以得到修正后的第j+1相对距离:
其中,为修正后的第j+1相对距离,/>为第j+1相对距离,/>为第K-j行波检测设备与第K+1+j行波检测设备之间的距离,/>为由第K+1+j行波检测设备采集的电压信息,/>为由第K-j行波检测设备采集的电压信息,/>为第j+1修正量。下面继续结合图3和表1所示的示例对该实施例进行说明:例如,对于修正后的第1相对距离(也即是j=0),/>。
在可选的实施例中,数据处理设备130还用于根据修正后的第j+1相对距离确定目标电力线路110的第j+1修正后的故障发生位置,以得到多个修正后的故障发生位置。例如,根据修正后的第j+1相对距离以及第K-j行波检测设备的坐标计算目标电力线路110的第j+1修正后的故障发生位置的三维坐标。
在可选的实施例中,故障发生实时位置为多个修正后的故障发生位置的中心位置。具体计算方法可以参照计算多个坐标点的中心位置。
在可选的实施例中,N个行波监测设备120中的任意相邻两个行波监测设备120的垂直距离相等且为预设距离。也即是说将行波监测设备120分布式设置在电力线路上,并使得任意相邻两个行波检测器之间在垂直方向的距离相等。可以理解,目标电力线路110并非是一条直线,而是受重力影响是一条垂线。如果以水平等距离的方式在目标电力线路110上分布式设置N个行波监测设备120,会非常容易导致设置的过程中出现距离计算错误的情况;而以垂直等距离设置的方式在目标电力线路110上分布式设置N个行波监测设备120,可以很方便地通过高度传感器来精准设置行波监测设备120,这样不仅降低了安装难度,同时也提高了安装精度,从而能够提高位置检测的精度。
在可选的实施例中,数据处理设备130还用于利用训练好的神经网络模型来预测目标电力线路110在发生故障时的故障类别。其中,神经网络模型的训练数据集包括:N个行波监测设备120采集的目标电力线路110在发生故障时的历史故障行波信号、设置在目标电力线路110上的电流传感器采集的历史电流信号以及对应的已标注故障类别(例如,已标注故障类别可以包括电力线路被雷击、断开、短路等)。可以理解,通过将电压信息添加到用于识别故障类型的神经网络模型的训练数据集中,可以神经网络模型学习到电压信息中所携带信息,使得神经网络模型更综合地学习表征故障的数据以增加对故障类别的识别精度,从而能够提高模型对故障类别的识别精度。
具体来说,该神经网络模型可以包括:输入层、卷积层、池化层、全连接层以及输出层。其中,训练数据可以包括从不同行波传感器采集的行波故障的时间信号和电压信号、电流传感器采集的电流信号以及电力线路故障类别。在训练过程中,可以使用交叉熵损失函数来衡量模型的分类精度,并使用随机梯度下降等优化算法来更新模型参数。该模型可以使用深度学习框架来实现。在实际使用中,需要对输入数据进行预处理,例如标准化、归一化等,以便更好地适应模型。此外,还可以使用数据增强等技术来增加训练数据的多样性和数量,以提高模型的泛化能力和鲁棒性。
进一步的,为了实现上述的远程型电力线路故障预警监测***100的实施例中各个设备的功能,下面给出一种远程型电力线路故障预警监测方法的实现方式。请参阅图4,图4示出了本发明实施例提供的一种远程型电力线路故障预警监测方法的流程示意图。
该远程型电力线路故障预警监测方法可以应用于上述图1所示的远程型电力线路故障预警监测***100。需要说明的是,本实施例所提供的远程型电力线路故障预警监测方法,其基本原理及产生的技术效果和上述***实施例相同,为简要描述,本实施例部分未提及之处,可参照上述的***实施例中相应内容。
具体来说,该远程型电力线路故障预警监测方法可以包括以下步骤S410~S440,下面分别说明。
S410,每个行波监测设备120对目标电力线路110进行实时监测,以采集目标电力线路110在发生故障时的故障行波信号,故障行波信号包括故障发生时间和故障发生时间对应的电压信息。
S410,每个行波监测设备120通过远程通信模块向数据处理设备130发送故障行波信号。
S410,数据处理设备130接收每个行波监测设备120发送的故障行波信号以得到N个故障行波信号,以及根据N个故障行波信号的故障发生时间确定多个位置解算组;其中,每个位置解算组包括:用于计算目标电力线路110的故障发生位置的两个故障发生时间,以及与两个故障发生时间对应的两个电压信息。
S410,数据处理设备130根据每个位置解算组中的两个故障发生时间确定目标电力线路110的故障发生位置以得到多个故障发生位置,将每个位置解算组中的两个电压信息的比值确定为修正量,以及利用修正量对故障发生位置进行修正以得到多个修正后的故障发生位置。
S410,数据处理设备130根据多个修正后的故障发生位置确定目标电力线路110的故障发生实时位置,以及向电力监控中心发送预警信息,预警信息用于指示目标电力线路110发生故障以及故障发生实时位置。
在本发明的可选实施例中,所述根据N个故障行波信号的故障发生时间确定多个位置解算组包括:根据N个故障行波信号的故障发生时间确定第K行波检测设备和第K+1行波检测设备,其中,第K行波检测设备和第K+1行波检测设备各自采集的故障发生时间为N个故障发生时间中最早的两个故障发生时间;将第K-i行波检测设备和第K+1+i行波检测设备采集的两个故障行波信号确定为第i+1位置解算组,以得到多个位置解算组。
在本发明的可选实施例中,所述根据每个位置解算组中的两个故障发生时间确定目标电力线路110的故障发生位置以得到多个故障发生位置包括:根据多个位置解算组中的第j+1位置解算组中的两个故障发生时间的差值以及第K-j行波检测设备与第K+1+j行波检测设备之间的距离计算第j+1相对距离,第j+1相对距离表示故障发生位置与第K-j行波检测设备之间的距离,两个故障发生时间的差值大于0;根据第j+1相对距离确定目标电力线路110的第j+1故障发生位置,以得到多个故障发生位置。
在本发明的可选实施例中,所述将每个位置解算组中的两个电压信息的比值确定为修正量包括:将第j+1位置解算组中的由第K+1+j行波检测设备采集的电压信息与由第K-j行波检测设备采集的电压信息的比值确定为第j+1修正量,以得到多个修正量。
在本发明的可选实施例中,所述利用修正量对故障发生位置进行修正以得到多个修正后的故障发生位置包括:利用如下公式对第j+1相对距离进行修正,以得到修正后的第j+1相对距离:
其中,为修正后的第j+1相对距离,/>为第j+1相对距离,/>为第K-j行波检测设备与第K+1+j行波检测设备之间的距离,/>为由第K+1+j行波检测设备采集的电压信息,/>为由第K-j行波检测设备采集的电压信息,/>为第j+1修正量;根据修正后的第j+1相对距离确定目标电力线路110的第j+1修正后的故障发生位置,以得到多个修正后的故障发生位置。
在本发明的可选实施例中,上述方法实施例还包括利用训练好的神经网络模型来预测目标电力线路110在发生故障时的故障类别;其中,神经网络模型的训练数据集包括:N个行波监测设备120采集的目标电力线路110在发生故障时的历史故障行波信号、设置在目标电力线路110上的电流传感器采集的历史电流信号以及对应的已标注故障类别。
基于上述实施例,本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述远程型电力线路故障预警监测方法的步骤。
具体地,该存储介质可以为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述实施例中的方法,从而解决“1,由于行波信号在电力线路上的传播受到许多因素的影响,例如电力线路的长度、形状、材质等,因此行波信号的衰减和干扰较为明显。这导致测定的故障位置的精度降低;2,行波测量技术还容易受到外界干扰的影响,例如雷电等自然干扰,或者人为因素导致的电磁干扰等,会导致行波信号的质量下降,从而影响测定的故障位置的精度”等问题,通过分布式的行波监测设备采集的故障行波信号,以及利用故障行波信号中的电压信息对计算出的故障发生位置进行修正,能够进一步提高故障位置的定位精度,以便准确定位故障,帮助故障的及时排除以稳定电力***的运行。
在本发明所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。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,又例如,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通信接口,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。
另外,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。
再者,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本发明的实施例而已,并不用于限制本发明的保护范围,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种远程型电力线路故障预警监测***,其特征在于,包括数据处理设备和N个行波监测设备,所述N个行波监测设备均与所述数据处理设备连接,所述N个行波监测设备分布式设置在目标电力线路上;其中,所述N个行波监测设备按照在所述目标电力线路上从左到右的排列顺序依次包括:第1行波监测设备、第2行波监测设备、…、第N行波监测设备;其中,
每个所述行波监测设备,用于对所述目标电力线路进行实时监测,以采集所述目标电力线路在发生故障时的故障行波信号,所述故障行波信号包括故障发生时间和所述故障发生时间对应的电压信息;
每个所述行波监测设备,还用于通过远程通信模块向所述数据处理设备发送所述故障行波信号;
所述数据处理设备,用于接收每个所述行波监测设备发送的故障行波信号以得到N个故障行波信号;根据所述N个故障行波信号的故障发生时间确定第K行波检测设备和第K+1行波检测设备,其中,所述第K行波检测设备和所述第K+1行波检测设备各自采集的故障发生时间为N个所述故障发生时间中最早的两个故障发生时间;以及,将第K-i行波检测设备和第K+1+i行波检测设备采集的两个故障行波信号确定为第i+1位置解算组,以得到多个位置解算组;其中,每个所述位置解算组包括:用于计算所述目标电力线路的故障发生位置的两个故障发生时间,以及与所述两个故障发生时间对应的两个电压信息;
所述数据处理设备,还用于根据所述多个位置解算组中的第j+1位置解算组中的两个故障发生时间的差值以及第K-j行波检测设备与第K+1+j行波检测设备之间的距离计算第j+1相对距离,所述第j+1相对距离表示故障发生位置与所述第K-j行波检测设备之间的距离,所述两个故障发生时间的差值大于0;根据所述第j+1相对距离确定所述目标电力线路的第j+1故障发生位置,以得到多个故障发生位置;将所述第j+1位置解算组中的由所述第K+1+j行波检测设备采集的电压信息与由所述第K-j行波检测设备采集的电压信息的比值确定为第j+1修正量,以得到多个修正量;以及,利用如下公式对所述第j+1相对距离进行修正,以得到修正后的第j+1相对距离:
其中,为所述修正后的第j+1相对距离,/>为所述第j+1相对距离,/>为所述第K-j行波检测设备与所述第K+1+j行波检测设备之间的距离,/>为由所述第K+1+j行波检测设备采集的电压信息,/>为由所述第K-j行波检测设备采集的电压信息,为所述第j+1修正量;
所述数据处理设备,还用于根据所述修正后的第j+1相对距离确定所述目标电力线路的第j+1修正后的故障发生位置,以得到多个修正后的故障发生位置;
所述数据处理设备,还用于根据所述多个修正后的故障发生位置确定所述目标电力线路的故障发生实时位置,以及向电力监控中心发送预警信息,所述预警信息用于指示所述目标电力线路发生故障以及所述故障发生实时位置。
2.根据权利要求1所述的远程型电力线路故障预警监测***,其特征在于,所述故障发生实时位置为所述多个修正后的故障发生位置的中心位置。
3.根据权利要求1所述的远程型电力线路故障预警监测***,其特征在于,所述电压信息为所述故障行波信号的正电压峰值或者所述故障行波信号的正电压与时间的积分值。
4.根据权利要求1所述的远程型电力线路故障预警监测***,其特征在于,所述N个行波监测设备中的任意相邻两个行波监测设备的垂直距离相等且为预设距离。
5.根据权利要求1所述的远程型电力线路故障预警监测***,其特征在于,所述数据处理设备,还用于利用训练好的神经网络模型来预测所述目标电力线路在发生故障时的故障类别;其中,
所述神经网络模型的训练数据集包括:所述N个行波监测设备采集的所述目标电力线路在发生故障时的历史故障行波信号、设置在所述目标电力线路上的电流传感器采集的历史电流信号以及对应的已标注故障类别。
6.一种远程型电力线路故障预警监测方法,其特征在于,包括:
利用如权利要求1-5中任一项所述的远程型电力线路故障预警监测***对目标电力线路进行故障预警监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310941629.5A CN116660688B (zh) | 2023-07-28 | 2023-07-28 | 远程型电力线路故障预警监测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310941629.5A CN116660688B (zh) | 2023-07-28 | 2023-07-28 | 远程型电力线路故障预警监测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116660688A CN116660688A (zh) | 2023-08-29 |
CN116660688B true CN116660688B (zh) | 2023-09-22 |
Family
ID=87710052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310941629.5A Active CN116660688B (zh) | 2023-07-28 | 2023-07-28 | 远程型电力线路故障预警监测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116660688B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE7606433L (sv) * | 1975-06-12 | 1976-06-08 | Bbc Brown Boveri & Cie | Anordning for lokalisering av fel i en ledning |
CN104204824A (zh) * | 2011-11-28 | 2014-12-10 | 诺丁汉大学 | 配电***中的故障定位 |
WO2015039114A1 (en) * | 2013-09-16 | 2015-03-19 | Schweitzer Engineering Laboratories, Inc | Traveling wave validation using estimated fault location |
CN116189363A (zh) * | 2023-04-27 | 2023-05-30 | 深圳市鼎信智慧科技有限公司 | 一种基于激光和图像监控的电力线路防外破*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050114023A1 (en) * | 2003-11-26 | 2005-05-26 | Williamson Walton R. | Fault-tolerant system, apparatus and method |
US11680977B2 (en) * | 2020-03-18 | 2023-06-20 | Mitsubishi Electric Research Laboratories, Inc. | Transient based fault location method for ungrounded power distribution systems |
-
2023
- 2023-07-28 CN CN202310941629.5A patent/CN116660688B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE7606433L (sv) * | 1975-06-12 | 1976-06-08 | Bbc Brown Boveri & Cie | Anordning for lokalisering av fel i en ledning |
CN104204824A (zh) * | 2011-11-28 | 2014-12-10 | 诺丁汉大学 | 配电***中的故障定位 |
WO2015039114A1 (en) * | 2013-09-16 | 2015-03-19 | Schweitzer Engineering Laboratories, Inc | Traveling wave validation using estimated fault location |
CN116189363A (zh) * | 2023-04-27 | 2023-05-30 | 深圳市鼎信智慧科技有限公司 | 一种基于激光和图像监控的电力线路防外破*** |
Non-Patent Citations (4)
Title |
---|
Earth Fault Distance Estimation Using Active Traveling Waves in Energized Compensated MV Networks;Nagy I. Elkalashy等;IEEE.;1-8 * |
Faulty Feeder Detection Based on Space Relative Distance for Compensated Distribution Network with IIDG Injections;Yuanyuan Wang等;IEEE;1-8 * |
基于护层电流在线监测的电力电缆故障定位方法;李明贞;中国博士学位论文全文数据库 工程科技Ⅱ辑;C042-208 * |
基于磁场检测的配电网单相接地故障选线及定位研究;王亚彩;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑;C042-508 * |
Also Published As
Publication number | Publication date |
---|---|
CN116660688A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9282429B2 (en) | Scalable real-time location detection based on overlapping neural networks | |
CN106651031B (zh) | 基于历史信息的雷击闪络预警方法及*** | |
CN107145156A (zh) | 一种基于无人机的电网巡检方法及*** | |
CN105974273A (zh) | 配电网故障定位*** | |
CN105204092A (zh) | 蜂窝状布局的雷电预警*** | |
CN109324263A (zh) | 一种基于暂态扰动的配网电缆早期故障定位***及其控制方法 | |
CN108663084A (zh) | 基于大数据处理的桥梁结构安全智能监测*** | |
CN108257365A (zh) | 一种基于全局不确定性证据动态融合的工业报警器设计方法 | |
CN109490728A (zh) | 一种基于正则化的变电站局部放电定位方法 | |
CN102521475A (zh) | 一种运动设备的运动轨迹描绘方法 | |
CN116660688B (zh) | 远程型电力线路故障预警监测***及方法 | |
CN113820657A (zh) | 一种闪电三维定位方法 | |
CN116362036B (zh) | 一种高铁设备故障预警方法及*** | |
CN101923108A (zh) | 雷电流测量*** | |
CN110516960A (zh) | 一种变电站继电保护设备的可靠性指标定量计算方法 | |
CN113639970B (zh) | 一种评估卫星闪电成像仪探测地面定标能力的方法 | |
CN108761258A (zh) | 基于人工智能和大数据技术的变压器短期过载能力评估*** | |
CN107121624A (zh) | 基于矩量法的局放检测多点布局和定位方法 | |
CN115166638A (zh) | 一种基于分布式光纤声波传感的广域雷电定位***与方法 | |
CN116132330A (zh) | 网络检测方法、网络检测模型训练方法及装置 | |
CN206161062U (zh) | 一种用于扬尘在线监测的数据采集*** | |
Gao et al. | Research and application of pattern recognition LSTM based bridge data anomaly detection | |
CN104539357B (zh) | 基于分布式数据的opgw检测***及方法 | |
CN117723917B (zh) | 基于光纤非本征法珀型超声波传感器的监测应用方法 | |
JP6456123B2 (ja) | 太陽光パネル警報報知システム |
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 |