CN117148049B - 一种直流拉弧故障检测***、方法及光伏并网*** - Google Patents
一种直流拉弧故障检测***、方法及光伏并网*** Download PDFInfo
- Publication number
- CN117148049B CN117148049B CN202311427544.1A CN202311427544A CN117148049B CN 117148049 B CN117148049 B CN 117148049B CN 202311427544 A CN202311427544 A CN 202311427544A CN 117148049 B CN117148049 B CN 117148049B
- Authority
- CN
- China
- Prior art keywords
- current
- arc discharge
- direct current
- fault detection
- discharge fault
- 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
- 238000010891 electric arc Methods 0.000 title claims abstract description 73
- 238000001514 detection method Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 238000012937 correction Methods 0.000 claims abstract description 8
- 230000000875 corresponding effect Effects 0.000 claims description 35
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 238000002474 experimental method Methods 0.000 claims description 7
- 230000001276 controlling effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 6
- 238000005286 illumination Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000010248 power generation Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Landscapes
- Testing Relating To Insulation (AREA)
Abstract
本申请公开了一种直流拉弧故障检测***、方法及光伏并网***;其中方法包括如下步骤:对直流电流进行片段采集,并根据得到的直流电流值计算出用于信号修正的比例系数;随后根据直流电流的大小通过对应的比例系数对相应的高频交流信号进行放大或缩小修正,并将修正后的高频交流信号带入直流拉弧检测算法中判断拉弧情况。上述方法应用于检测***;且光伏并网***包括上述的检测***。本申请的有益效果:本申请相较于传统的方案,可以根据电流大小选择不同的比例系数来对电流进行修正,进而可以有效的减小由于电流变化而带来的误报问题,并且无须增加硬件上的成本,经济实用。
Description
技术领域
本申请涉及电气故障技术领域,尤其是涉及一种直流拉弧故障检测方法及光伏并网***。
背景技术
光伏并网***中的直流拉弧故障是一类危险的故障,由于光伏并网***中存在长期暴露的电缆,容易受到环境条件的影响,尤其是当光伏电缆、连接器和导体在老化的光伏装置中退化时,过流保护装置可能未能检测到电弧故障,从而导致光伏并网***内或周围的易燃材料性能不稳定、触电和着火。并且,光伏并网***中的直流拉弧故障事件越来越常见,这对***稳定性和安全产生了严重影响,因此在进行光伏并网***的工作时,需要对光伏并网***的电流进行持续的检测。
一般而言,现有技术的直流拉弧故障检测算法在很大程度上依赖于对电流信号的检测与分析,通常使用一定的算法通过分析电弧故障期间电流信号的变化,以作为电弧故障的判断依据。然而光伏并网逆变器在实际运行中,不同的工况下所对应的电流信号不同。当光伏板处于光照较强情况下所对应的电流信号较强,则可能在出现相对微小的变化时检测***误认为是拉弧故障工况;而处于光照较弱的情况拉弧信号较弱,则可能在出现拉弧故障时检测***出现不报拉弧的情况。
发明内容
本申请的其中一个目的在于提供一种能够解决上述背景技术中至少一个缺陷的直流拉弧故障检测方法。
本申请的另一个目的在于提供一种能够解决上述背景技术中至少一个缺陷的直流拉弧故障检测***。
本申请的再一个目的在于提供一种能够解决上述背景技术中至少一个缺陷的光伏并网***。
为达到上述的至少一个目的,本申请采用的技术方案为:一种直流拉弧故障检测方法,包括如下检测步骤:
S100:对直流电流以及对应的高频交流信号进行片段采样;
S200:根据得到的直流电流值计算用于信号修正的比例系数;
S300:根据直流电流值的大小对相应的高频交流信号通过比例系数进行放大或缩小修正;
S400:将修正后的高频交流信号带入直流拉弧检测算法中判断是否出现拉弧。
步骤S200包括如下步骤:
S210:对采集的直流电流片段的最大值与标准要求的拉弧最小电流值进行界定;
S220:选取界定范围内靠近两旁的电流段为边界电流段;
S230:对边界电流段进行不同电流工况以及不同比例系数的拉弧实验,并将最佳的比例系数进行记录并做成数组表;
在步骤S300中,根据直流电流值的大小在数组表中直接选取对应的比例系数。
优选的,在步骤S220中,位于界定范围两旁的边界电流段的长度相等。
优选的,在步骤S400中,直流拉弧检测算法采用基于FFT分析的神经网络算法。
优选的,界定范围内位于边界电流段之间的电流段为中间电流段;中间电流段用于直流拉弧检测算法的调参和训练。
优选的,中间电流段的长度占界定范围长度的50%-80%。
一种直流拉弧故障检测***,包括相互连接的采集控制模块和AFCI检测模块;所述采集控制模块适于采集直流电流以及对应的高频交流信号,并根据采集的数据计算出比例系数;所述AFCI检测模块适于接收所述采集控制模块的数据进行高频交流信号的修正以及拉弧故障的判断,并根据拉弧故障的判断结果向所述采集控制模块发送控制信号,进而所述采集控制模块适于控制电路***进行相应动作。
优选的,所述采集控制模块包括采集单元和控制单元;所述采集单元适于采集电流高频信号并发送至所述AFCI检测模块;所述控制单元适于采集直流电流并计算出比例系数后发送至所述AFCI检测模块,以及接收所述AFCI检测模块的控制信号控制电路***进行相应动作。
优选的,所述采集单元为电流互感器。
一种光伏并网***,包括上述的直流拉弧故障检测***。
与现有技术相比,本申请的有益效果在于:
本申请相较于传统的方案,可以根据电流大小选择不同的比例系数来对电流进行修正,进而可以有效的减小由于电流变化而带来的误报问题,并且无须增加硬件上的成本,经济实用。
附图说明
图1为本发明中检测***的工作流程示意图。
图2为本发明中界定的电流范围内中间电流段和边界电流段的分布示意图。
图3为本发明中光伏并网***的电路结构示意图。
图4为现有技术中对于小电流的拉弧相应波形示意图。
图5为本发明对于小电流的拉弧相应波形示意图。
图6为现有技术对于大电流的拉弧相应波形示意图。
图7为本发明对于大电流的拉弧相应波形示意图。
图中:光伏组件100、采集单元200、AFCI检测模块300、控制单元400、逆变器500。
具体实施方式
下面,结合具体实施方式,对本申请做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
在本申请的描述中,需要说明的是,对于方位词,如有术语“中心”、 “横向”、“纵向”、“长度”、“宽度”、“厚度”、“上”、“下”、 “前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示方位和位置关系为基于附图所示的方位或位置关系,仅是为了便于叙述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定方位构造和操作,不能理解为限制本申请的具体保护范围。
需要说明的是,本申请的说明书和权利要求书中的术语“第一”、“第二”等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。
本申请的一个方面提供了一种直流拉弧故障检测方法,如图1所示,其中一个优选的实施例包括如下检测步骤:
S100:对直流电流以及对应的高频交流信号进行片段采样。
S200:根据得到的直流电流值计算用于信号修正的比例系数。
S300:根据直流电流值的大小对相应的高频交流信号通过比例系数进行放大或缩小修正;即对直流电流值小的高频交流信号通过比例系数进行放大,对直流电流值大的高频交流信号通过比例系数进行缩小。
S400:将修正后的高频交流信号带入直流拉弧检测算法中判断是否出现拉弧。
应当知道的是,对于不同电流工况而言,其拉弧的显著情况不同的。对于小电流,其拉弧过程中存在特征不明显的电弧;而对于大电流,其拉弧过程中存在特征非常明显的电弧。事实上如果对不同电流情况使用同一套调试或者学习后的参数进行拉弧判断,即使这套参数是最佳参数,其仍然是取特征不明显与特征非常明显下的电弧的折衷值,因此对于小电流会出现无弧误报的情况,对于大电流会出现有弧不报的情况。
因此,为了避免或改善现有技术中对小电流的有弧不报,大电流的无弧误报情况,本申请在进行拉弧判断之前,可以对采用的电流信号进行修正,即通过比例系数对采用的电流信号进行适当的修正。从而在电流信号的采样值较小时,可以通过大于1的比例系数与电流信号的采样值进行相乘以适当的放大采样值,进而避免或降低小电流下拉弧信号特征不明显带来的有拉弧不报的判断。在电流信号较强时,可以通过小于1的比例系数与电流信号的采样值进行相乘以适当的减小采样值,进而避免或减小较大电流下微小波动可能带来的无拉弧但误报有拉弧的判断。
更通俗的说,本申请的方案就是对电流信号的采样值通过比例系数进行修正,以使得较小的电流值通过比例系数进行增大,以及较大的电流值通过比例系数进行缩小。从而使较小电流的修正值和较大电流的修正值均可以位于传统方法的取特征不明显与特征非常明显下的电弧的折衷值附近,进而可以有效的提高对拉弧故障的判断准确性。
可以理解的是,目前对直流拉弧故障的检测一般都是通过电流检测的方式对直流电流的高频信号进行特征统计并检测。因此,在进行直流电流的拉弧故障检测时,不仅需要采集直流电流的值,还需要采集直流电流对应的高频信号值。同时,由于比例系数与直流电流的自身大小有关,因此比例系数的计算可以直接通过直流电流的值进行计算得到。
为方便进行理解,下面可以通过实验模拟的方式对本申请的方案与现有技术进行对比。对比的结果如图4至图7所示。其中,蓝色波形为直流电流对应的高频交流信号;绿色波形为程序对拉弧的响应情况,高电平表示程序检测到拉弧。
图4为现有技术对于小电流的拉弧故障判断的波形结构示意图。从图4中可以看出,蓝色波形中存在明显且较多的拉弧故障,但由于是微弱的小电流信号,使得程序对微小形变的拉弧无法触发拉弧故障判断。
而图5为采用了本申请的方法后程序对小电流的拉弧判断的波形结构示意图。从图5中可以看出,蓝色波形中存在明显且较多的拉弧故障,并且程序能够快速且灵敏的对拉弧故障进行响应触发。
如图6为现有技术对大电流的拉弧故障判断的波形结构示意图。从图6中可以看出,蓝色波形中无明显的拉弧故障,但由于是大电流信号,使得程序对大电流的小形变进行拉弧故障的响应触发。
而图7为采用了本申请的方法后程序对大电流的拉弧故障判断的波形结构示意图。从图7中可以看出,蓝色波形中无明显的拉弧故障,且程序也没有触发拉弧故障响应。
综上所述,从图4至图7的对比结果来看,在采用了本申请的方案后,程序相比较现有技术对极限工况下的直流电流拉弧故障具有良好的响应速度和灵敏度。
本实施例中,如图2所示,步骤S200中进行比例系数的计算包括如下步骤:
S210:对采集的直流电流片段的最大值与标准要求的拉弧最小电流值进行界定。
S220:选取界定范围内靠近两旁的电流段为边界电流段。
S230:对边界电流段进行不同电流工况以及不同比例系数的拉弧实验,并将最佳的比例系数进行记录并做成数组表。
可以理解的是,将所能采集的直流电流片段的最大值作为界定范围的上限,将标准要求的拉弧最小电流值作为界定范围的下限;则所能采集的直流电流片段中可能存在直流拉弧的电流值一般都位于上述的界定范围内。此时边界电流段属于整个界定范围的两个较为极端的位置,即电流值较大位置和电流值较小位置。从而通过对上述两个边界电流段进行不同电流工况以及不同比例系数下的直流拉弧判断实验,进而可以得到该边界电流段对应的最佳比例系数,即得到了日常检测过程中对较小电流值和较大电流值进行修正所需的最佳比例系数。
对于拉弧实验,具体的实验过程为本领域技术人员所公知;但为了方便理解,可以对拉弧实现的过程进行简单的描述。首先,对电流的工况进行分类,可以得到电流的不同工况。然后,基于单一的电流工况对待检测的电流信号赋予不同的比例系数,根据对不同的比例系数修正后的电流信号进行多次拉弧判断;以尽量不误报为基准,对综合获得最佳拉弧判断结果的比例系数进行记录。最后,对每种电流工况下的待检测电路信号均进行不同比例系数的拉弧判断,从而可以得到不同电流工况下分别对应的最佳比例系数。通过将上述的最佳比例系数进行记录可以得到所需的数组表;其中,数组表的Y轴为直流电流值,数组表的X轴为对应的比例系数。从而在后续的步骤S300中,只需根据直流电流值的大小即可在数组表中直接选取对应的比例系数进行修正即可。
还可以理解的是,当采集的直流电流段的电流值位于界定范围内两个边界电流段之间时,由于该范围内的电流值适中,拉弧判断的结果基本符合要求,则可以对该范围内的电流值不进行增大或缩小,即比例系数为1。
本实施例中,如图2所示,在步骤S220中,位于界定范围两旁的边界电流段的长度相等。
可以理解的是,边界电流段的长度一般取决于拉弧判断的好坏程度。以靠近界定范围下限的边界电流段为例,则该边界电流段的下限即为界定范围的下限,进而由界定范围的下限进行电流增加至拉弧判断基本不误报对应的电流值即为该边界电流段的上限。
一般来说,两个边界电流段的长度需要通过多次实验来进行确定,则两个边界电流段的长度可能存在一定的长度差。但是,为了减少算法的计算量,在进行边界电流段的界定时,可以将两个边界电流段的长度进行相等设置,且具体的长度以两个边界电流段的实验长度的最大值为准。
本实施例中,步骤S400进行直流拉弧故障检测的直流拉弧检测算法有多种,其中最为常见的是基于FFT(快速傅里叶变换)分析的神经网络算法。
应当知道的是,对于神经网络算法的具体过程为本领域技术人员所公知,故不在此进行详细的阐述。但是决定神经网络算法准确性的核心是神经网络算法的训练是否准确。对于现有技术采用神经网络算法进行直流拉弧的故障检测时,一般都是取电弧特征不明显至电弧特征非常明显所对应的电流段作为参数输入算法中进行训练的。但是,对于该电流段的极限值以及极限值附近的劣值在进行神经网络算法的训练时,不仅不能提高算法对拉弧故障的判断准确性甚至还会降低。
为了提高神经网络算法对直流拉弧故障的判断准确性,本实施例中,可以设界定范围内位于边界电流段之间的电流段为中间电流段。则在进行神经网络算法的训练时,可以将中间电流段对应的采用数据用于直流拉弧检测算法的调参和训练。
可以理解的是,中间电流段相比较边界电流段的电流值适中,属于神经网络算法进行训练的优值。并且,本申请在进行直流电流的数据采样时,对于位于边界电流段的电流值可以通过比例系数的修正位于或靠近中间电流段。因此,神经网络算法对于非中间电流段(即边界电流段)的数据作为训练输入将变的无意义。
本实施例中,如图2所示,设界定范围的电流段长度为L,中间电流段的长度为L1,边界电流段的长度为L2。则有L=L1+L2,且L1/L的值为0.5-0.8;即中间电流段的长度占界定范围长度的50%-80%。
应当知道的是,对于中间电流段的长度取值,若取值过大,则中间电流段的端点值越靠近界定范围的极限值。进而在中间电流段的比例系数为1的情况下,对于采用值位于中间电流段端点附近的直流电流的拉弧故障检测结果可能会变的不理想。若取值过小,中间电流段可能无法为神经网络算法提供足够范围的数据进行训练。同时,边界电流段的长度将变大,可能导致边界电流段存在无需进行修正的电流段也进行了修正,进而增加了算法的计算量,导致程序的响应速度降低。因此,中间电流段的长度取值需要在合理的范围内,一般来说,可以取中间电流段长度占界定范围长度的50%-80%,优选可以为中间电流段长度占界定范围长度的2/3。
本申请的另一个方面提供了一种直流拉弧故障检测***,可以作为上述直流拉弧故障检测方法的硬件载体。如图3所示,其中一个优选的实施例包括相互连接的采集控制模块和AFCI检测模块300。采集控制模块可以采集直流电流以及对应的高频交流信号,并根据采集的数据计算出比例系数,最后将采集的电流信号以及计算的比例系数一同发送至AFCI检测模块300。AFCI检测模块300在接收采集控制模块的数据后,可以通过相应的比例系数对高频交流信号进行修正,并根据修正后的高频交流信号进行拉弧故障的判断;最后根据拉弧故障的判断结果向采集控制模块发送控制信号,进而采集控制模块可以控制电路***进行相应动作。
本实施例中,如图3所示,采集控制模块包括采集单元200和控制单元400。采集单元200可以采集高频交流信号并发送至AFCI检测模块300。控制单元400可以采集直流电流并计算出比例系数后发送至AFCI检测模块300;同时控制单元400还可以接收AFCI检测模块300发送的控制信号以控制电路***进行相应动作。
可以理解的是,采集单元200和控制单元400的具体结构和工作原理为本领域技术人员所公知;常用的采集单元200为电流互感器(CT),常见的控制单元400为控制板。
应当知道的是,本申请的直流拉弧故障检测***可以用于存在直流拉弧故障检测需求的电路***,常见的电路***有光伏并网***、风力发电***以及水力发电***等。
本申请的再一个方面提供了一种光伏并网***,如图1至图3所示,其中一个优选的实施例包括上述的直流拉弧故障检测***。则采集单元200可以直接对光伏组件100的输出电流进行检测,并将光伏组件100能够输出的电流最大值作为界定范围的上限。控制单元400可以和逆变器500进行连接,进而控制单元400可以对输入逆变器500的直流电流进行采集并计算出相应的比例系数。同时,在出现拉弧故障时,控制单元400可以根据AFCI检测模块300的控制信号来驱使逆变器500进行封波动作。
应当知道的是,光伏组件100的输出电流强度受光照强度的影响;在光照较弱时,光伏组件100输出的电流值较小;在光照较强时,光伏组件100输出的电流值较大。因此,光伏并网***的电流工况存在两个极端情况,而采用本申请的直流拉弧故障检测***以及相应的方法后,可以保证光伏并网***的电流工况于极端值附近的拉弧故障判断准确性,进而可以有效的提高光伏并网***的工作稳定性和安全性。
还应当知道的是,在光伏发电的过程中,光伏组件100输出的电能是直流电,受到光照等环境影响,光伏组件100输出的直流电存在一定的波动。而逆变器500需要的是稳定的直流输入,因此光伏组件100输出的直流电在进入逆变器500前需要先进行直流滤波。
而逆变器500在进行前置的直流滤波时,可能会将光伏组件100输出的直流电中的拉弧波动也进行过滤。因此,为了提高直流拉弧故障检测***对光伏并网***的直流拉弧故障检测的准确性,需要通过采集单元200直接对光伏组件100的输出电流进行采集。而对于比例系数的计算,往往需要一个稳定的电流值才能够进行比较方便且准确的计算。所以,将控制单元400与逆变器500进行连接,从而在光伏组件100输出的直流电在完成逆变器500的前置直流滤波后,可以被控制单元400采集以用于比例系数的计算。
以上描述了本申请的基本原理、主要特征和本申请的优点。本行业的技术人员应该了解,本申请不受上述实施例的限制,上述实施例和说明书中描述的只是本申请的原理,在不脱离本申请精神和范围的前提下本申请还会有各种变化和改进,这些变化和改进都落入要求保护的本申请的范围内。本申请要求的保护范围由所附的权利要求书及其等同物界定。
Claims (9)
1.一种直流拉弧故障检测方法,其特征在于,包括如下步骤:
S100:对直流电流以及对应的高频交流信号进行片段采样;
S200:根据得到的直流电流值计算用于信号修正的比例系数;
S300:根据直流电流值的大小对相应的高频交流信号通过比例系数进行放大或缩小修正;
S400:将修正后的高频交流信号带入直流拉弧检测算法中判断是否出现拉弧;
步骤S200包括如下步骤:
S210:对采集的直流电流片段的最大值与标准要求的拉弧最小电流值进行界定;
S220:选取界定范围内靠近两旁的电流段为边界电流段;
S230:对边界电流段进行不同电流工况以及不同比例系数的拉弧实验,并将实验的数据记录并做成数组表;
在步骤S300中,根据直流电流值的大小在数组表中直接选取对应的比例系数。
2.如权利要求1所述的直流拉弧故障检测方法,其特征在于:在步骤S220中,位于界定范围两旁的边界电流段的长度相等。
3.如权利要求1或2所述的直流拉弧故障检测方法,其特征在于:在步骤S400中,直流拉弧检测算法采用基于FFT分析的神经网络算法。
4.如权利要求3所述的直流拉弧故障检测方法,其特征在于:界定范围内位于边界电流段之间的电流段为中间电流段;中间电流段用于直流拉弧检测算法的调参和训练。
5.如权利要求4所述的直流拉弧故障检测方法,其特征在于:中间电流段的长度占界定范围长度的50%-80%。
6.一种直流拉弧故障检测***,采用权利要求1-5任一项所述的直流拉弧故障检测方法,其特征在于:包括相互连接的采集控制模块和AFCI检测模块;所述采集控制模块适于采集直流电流以及对应的高频交流信号,并根据采集的数据计算出比例系数;所述AFCI检测模块适于接收所述采集控制模块的数据进行高频交流信号的修正以及拉弧故障的判断,并根据拉弧故障的判断结果向所述采集控制模块发送控制信号,进而所述采集控制模块适于控制电路***进行相应动作。
7.如权利要求6所述的直流拉弧故障检测***,其特征在于:所述采集控制模块包括采集单元和控制单元;所述采集单元适于采集电流高频信号并发送至所述AFCI检测模块;所述控制单元适于采集直流电流并计算出比例系数后发送至所述AFCI检测模块,以及接收所述AFCI检测模块的控制信号控制电路***进行相应动作。
8.如权利要求7所述的直流拉弧故障检测***,其特征在于:所述采集单元为电流互感器。
9.一种光伏并网***,其特征在于:包括权利要求6-8任一项所述的直流拉弧故障检测***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311427544.1A CN117148049B (zh) | 2023-10-31 | 2023-10-31 | 一种直流拉弧故障检测***、方法及光伏并网*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311427544.1A CN117148049B (zh) | 2023-10-31 | 2023-10-31 | 一种直流拉弧故障检测***、方法及光伏并网*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117148049A CN117148049A (zh) | 2023-12-01 |
CN117148049B true CN117148049B (zh) | 2024-01-26 |
Family
ID=88899231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311427544.1A Active CN117148049B (zh) | 2023-10-31 | 2023-10-31 | 一种直流拉弧故障检测***、方法及光伏并网*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117148049B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101696986A (zh) * | 2009-10-26 | 2010-04-21 | 吴为麟 | 故障电弧检测方法及保护装置 |
CN104092440A (zh) * | 2014-07-21 | 2014-10-08 | 阳光电源股份有限公司 | 光伏***直流电弧故障检测方法、装置、处理器及其*** |
CN109901025A (zh) * | 2017-12-07 | 2019-06-18 | 艾欧史密斯(中国)热水器有限公司 | 用电设备及其拉弧检测方法和装置 |
CN110417351A (zh) * | 2019-08-01 | 2019-11-05 | 上海理工大学 | 光伏***直流侧电弧故障检测***及检测方法 |
CN111726079A (zh) * | 2020-06-18 | 2020-09-29 | 上海交通大学 | 主动式光伏组串电弧故障检测方法及*** |
CN115712820A (zh) * | 2022-11-28 | 2023-02-24 | 深圳供电局有限公司 | 一种微弱直流故障电弧检测方法及装置 |
CN116565816A (zh) * | 2023-05-29 | 2023-08-08 | 烟台创为新能源科技股份有限公司 | 一种高压直流线路电弧故障的保护方法及保护*** |
CN116593815A (zh) * | 2023-03-13 | 2023-08-15 | 浙江大学 | 基于SoC的串联交流电弧故障检测方法、定位方法及装置 |
KR102588582B1 (ko) * | 2023-06-14 | 2023-10-12 | 주식회사 솔라리치 | Ai 기반 태양광 선로의 아크 검출 장치를 탑재한 태양광 발전 시스템 |
-
2023
- 2023-10-31 CN CN202311427544.1A patent/CN117148049B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101696986A (zh) * | 2009-10-26 | 2010-04-21 | 吴为麟 | 故障电弧检测方法及保护装置 |
CN104092440A (zh) * | 2014-07-21 | 2014-10-08 | 阳光电源股份有限公司 | 光伏***直流电弧故障检测方法、装置、处理器及其*** |
CN109901025A (zh) * | 2017-12-07 | 2019-06-18 | 艾欧史密斯(中国)热水器有限公司 | 用电设备及其拉弧检测方法和装置 |
CN110417351A (zh) * | 2019-08-01 | 2019-11-05 | 上海理工大学 | 光伏***直流侧电弧故障检测***及检测方法 |
CN111726079A (zh) * | 2020-06-18 | 2020-09-29 | 上海交通大学 | 主动式光伏组串电弧故障检测方法及*** |
CN115712820A (zh) * | 2022-11-28 | 2023-02-24 | 深圳供电局有限公司 | 一种微弱直流故障电弧检测方法及装置 |
CN116593815A (zh) * | 2023-03-13 | 2023-08-15 | 浙江大学 | 基于SoC的串联交流电弧故障检测方法、定位方法及装置 |
CN116565816A (zh) * | 2023-05-29 | 2023-08-08 | 烟台创为新能源科技股份有限公司 | 一种高压直流线路电弧故障的保护方法及保护*** |
KR102588582B1 (ko) * | 2023-06-14 | 2023-10-12 | 주식회사 솔라리치 | Ai 기반 태양광 선로의 아크 검출 장치를 탑재한 태양광 발전 시스템 |
Non-Patent Citations (1)
Title |
---|
基于光伏直流电弧故障的研究与保护技术;朱立春;张跃火;张显立;;电器与能效管理技术(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117148049A (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11489490B2 (en) | Arc fault detection method for photovoltaic system based on adaptive kernel function and instantaneous frequency estimation | |
CN110361686B (zh) | 基于多参数的电容式电压互感器故障检测方法 | |
CN110568327B (zh) | 一种基于机器学习的光伏***直流故障电弧检测方法 | |
EP3723218B1 (en) | Method and device for handling direct current arc | |
CN109443190B (zh) | 基于暂态行波的变压器绕组变形在线监测方法及装置 | |
CN109471021B (zh) | 检测高压断路器分合闸性能的装置和方法 | |
CN112014701A (zh) | 一种直流***的直流电弧检测方法 | |
CN117148049B (zh) | 一种直流拉弧故障检测***、方法及光伏并网*** | |
CN114441901A (zh) | 结合参数采集模块和智能插座的多负载故障电弧检测方法 | |
CN113917294B (zh) | 基于小波分解的智能自适应电弧检测方法及其应用装置 | |
EP3872511B1 (en) | A new type of arc fault detection device (afdd) and its detection method | |
CN113125905B (zh) | 电弧故障检测装置、方法、设备以及存储介质 | |
CN115267450A (zh) | 一种直流电弧故障检测方法及装置 | |
CN111561992A (zh) | 一种利用b抽样的变压器运行状态振声检测方法和*** | |
KR20210154365A (ko) | 주파수분석을 이용한 아크검출 방법 및 장치 | |
CN110702981A (zh) | 一种利用分类树的负荷开关事件检测方法和*** | |
CN113671239B (zh) | 一种高压开关pt柜过电压智能识别方法、装置及*** | |
CN111313390B (zh) | 一种功率板卡的保护*** | |
CN113410814B (zh) | 一种机械式直流断路器状态评估方法、***及介质 | |
CN113985235B (zh) | 分布式电弧检测***、具有其的光伏***及电弧检测方法 | |
CN112327084B (zh) | 一种利用等距变换的变压器运行状态振声检测方法和*** | |
CN112630638B (zh) | 一种断路器瓷套闪络辨识方法和*** | |
CN117477495B (zh) | 一种电流互感器状态监测***及方法 | |
CN110146775B (zh) | 基于功率比值的变压器运行状态振声检测方法和*** | |
CN115575726B (zh) | 一种输电线路多重雷击性质判别方法及*** |
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 |