CN102508076A - 一种基于多智能体系统和小波分析的故障诊断装置及方法 - Google Patents
一种基于多智能体系统和小波分析的故障诊断装置及方法 Download PDFInfo
- Publication number
- CN102508076A CN102508076A CN2011103534308A CN201110353430A CN102508076A CN 102508076 A CN102508076 A CN 102508076A CN 2011103534308 A CN2011103534308 A CN 2011103534308A CN 201110353430 A CN201110353430 A CN 201110353430A CN 102508076 A CN102508076 A CN 102508076A
- Authority
- CN
- China
- Prior art keywords
- intelligent
- fault
- diagnosis
- wavelet
- signal
- 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
Images
Classifications
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
Abstract
一种基于多智能体系统和小波分析的故障诊断装置及方法,包括互感器组、数据采集模块、控制及人机交互模块、多智能体系统模块和数据库模块。互感器组采用有源电子式电压和电流互感器,数据采集模块包括跟随器电路、放大电路、偏置电路及A/D转换器。控制及人机交互模块包括协议转换模块、485总线、以太网网线和上位机。多智能体系统模块包括任务分解智能体、任务分配智能体、诊断智能体、协助智能体和决策智能体。由控制程序对装置运行控制,将电网一次侧运行状态实时显示,通过数据库调用历史数据;采集的信号送至任务分解智能体,接收决策智能体的故障诊断结果并进行警报提醒,辅助用户做出最终决策。
Description
技术领域
本发明属于输变电技术领域,特别涉及一种基于多智能体系统和小波分析的故障诊断装置及方法。
背景技术
随着电网电压等级的提高,分布式电源的接入,配电网的故障信息越来越趋向复杂化;断路器的误动和拒动等电网的不确定故障增加了配电网故障诊断的难度。这就导致了传统的基于继电保护动作信息的诊断方法越来越不能达到满意的效果。目前被提出的诊断方法主要包括专家系统法、Petri网、人工神经网络、模糊集理论等。
专家系统的故障诊断方法,利用计算机技术将相关领域的理论知识和专家的经验融合在一起,但是获取一个完备的知识库是形成故障诊断专家系统的瓶颈,不完备的知识可能导致专家系统推理的混乱,并得出错误的结论;基于Petri网的故障诊断方法,具有结构表达图形化、推理搜索快速化以及诊断过程数学化等优点,但是其容错能力较差,不易识别错误的报警信息,在多重故障情况下,Petri网的诊断性能不够理想;基于人工神经网络的故障诊断方法,从该领域专家所提供的大量和充分的故障实例中形成用于故障诊断神经网络模型的训练样本集,通过一定的学习、训练使神经网络获得对电网故障的诊断功能,但完备样本集的获取非常困难,并且当系统发生变化时需要增加新的样本重新学习,使得其现场维护性较差;基于模糊集理论的故障诊断方法,是具有完整的推理体系的智能技术,但是,大规模复杂电网的模糊模型的建立,以及当电网拓扑结构等发生变化时模糊模型的维护是应用的瓶颈。
因此,一种智能化的,能够去除干扰等错误警告的,更为灵活的对电网一次侧进行故障诊断装置的提出,具有不可小觑的现实意义。
发明内容
针对现有技术存在的不足,本发明提供了一种基于多智能体系统和小波分析的故障诊断装置及方法。
本发明技术方案:一种基于多智能体系统和小波分析的故障诊断装置,包括互感器组、数据采集模块、控制及人机交互模块、多智能体系统模块和数据库模块。
所述互感器组采用有源电子式电压和电流互感器;
所述数据采集模块包括由放大器组成的跟随器电路、放大电路、偏置电路及A/D转换器。
所述控制及人机交互模块是整个系统运行的控制器,也是诊断系统与运行人员的交互接口,包括协议转换模块、485总线、以太网网线和上位机。
所述多智能体系统(MAS)模块包括任务分解智能体、任务分配智能体、诊断智能体、协助智能体和决策智能体。
各模块的电路连接方式:
互感器组与电网一次侧相连接,电压互感器和电流互感器输出端连接数据采集模块的输入接口,数据采集模块的电压和电流输出端经A/D转换器与控制及人机交互模块相连;控制及人机交互模块给互感器组、数据采集模块、多智能体系统模块和数据库模块提供RS485接口,使它们组成RS485通讯网络,并通过协议转换模块实现RS485通讯网络与上位机的串口通讯。
互感器组中,三路有源电子式电流互感器负责采集电网线路中的三相电流信息;三路有源电子式电压互感器负责采集电网线路中的三相电压信息。
互感器所采集的六路电压和电流信号流入跟随器电路,互感器组输出端连接跟随器电路输入端,跟随器电路的输出端连接放大电路的输入端,放大电路的输出端连接偏置电路的输入端,偏执电路的输出端连接A/D转换器输入端,信号经过这种条理之后,从偏置电路的输出端流入A/D转换器,A/D转换器输出端与控制及人机交互模块相连。
控制及人机交互模块:由上位机内的控制程序通过总线通讯协议对整个装置的运行过程进行控制;其分别与多智能体系统模块、数据库模块、数据采集模块及互感器组相连接。
多智能体系统模块:任务分解智能体的输出端连接任务分配智能体的输入端;任务分配智能体的输出端分别连接每个诊断智能体和协助智能体的输入端;每个诊断智能体的输出端均与决策智能体的输入端相连;协助智能体的输出端连接决策智能体的输入端;决策智能体的输出端连接诊断智能体的输入端。
本发明的控制及人机交互模块主要完成两项任务:控制和提供人机界面。由上位机内的控制程序通过总线通讯协议对整个装置的运行过程进行控制,将电网一次侧运行状态信息以比较直观的形式进行实时动态显示,并通过与数据库的连接调用历史数据;将采集到的信号通过总线协议连接传送给多智能体系统模块的任务分解智能体,并接收决策智能体传来的最终故障诊断结果;对发生的安全隐患和故障进行警报提醒,把信息以比较直观的形式显示在上位机界面上,以便辅助用户做出最终决策;执行故障诊断系统中运行人员的命令。
本发明基于多智能体系统和小波分析的故障诊断方法,具体包括如下步骤:
步骤1:上位机向互感器组发送命令,互感器组实时采集电网的三相电流和三相电压,输出至数据采集模块,进行信号放大调理与A/D转换;
步骤2:信号通过通讯网络传送至上位机,数据实时显示在上位机人机界面,并传送至数据库存储;
步骤3:信号传送至多智能体系统模块,进行故障诊断;
具体步骤如下:
步骤3.1:任务分解智能体将复杂任务分解为简单的子任务,此处将整个诊断任务分为子任务1:信号噪,和子任务2:故障诊断;
步骤3.2:由决策智能体询问每个诊断智能体组的忙闲情况,选择出此时最闲的智能体组;
多智能体系统中包含多个诊断智能体,把用来处理同一个诊断任务的几个智能体称为诊断智能体组,可以把系统中所有的诊断智能体组统一编号(从1到n)。
诊断智能体组的选择是:利用决策智能体,选择此时最闲的一组诊断智能体来接受新的诊断任务。用忙闲权值的参数λ来表征多智能体组的忙闲程度:
式中,λi为诊断智能体组i的忙闲权值,Aij为每个诊断智能体当前所处的状态(忙时取1,闲时取0),ρj为不同诊断智能体相对应的权值。
利用式(1),若对应于诊断智能体组i中的诊断智能体1,则ρ取0.9;若对应于诊断智能体2,则ρ取0.5;若对应于诊断智能体3,则ρ取0.3。经计算可得λi,其值最小的诊断智能体组即为最闲的。
步骤3.3:判断最闲诊断智能体组的λmin是否小于0.9,见式(2):若满足则进行步骤3.4,若不满足则返回步骤3.2;
步骤3.4:任务分配智能体将分解好的子任务合理的分配给各个诊断智能体,其中,子任务1被分配给诊断智能体1,子任务2相对复杂,将其分配给诊断智能体2和诊断智能体3共同处理;
步骤3.5:任务协助智能体向决策智能体发出请求,以组建智能体组,决策智能体接到请求后,将诊断智能体2和诊断智能体3划为一组,共同完成故障诊断任务;
步骤3.6:诊断智能体执行诊断;
具体步骤如下:
步骤3.6.1:运用小波阈值去噪算法,在诊断前先对二次输出信号进行去噪处理,有效降低噪声信号对故障诊断结果的影响。
诊断智能体1的小波去噪过程:
假设一个叠加了加性噪声的有限长信号可用下式表示:
y=x+n (3)
式中,x为理想的无噪声信号,n为噪声信号,y为实际的含有噪声的信号。通常n是一个高频的信号,而工程实际中x通常表现为低频信号,或者是一些比较平稳的信号。对信号进行小波去噪的过程就是在被污染的信号中,尽可能的恢复原始信号。离散正交小波变换的特点是使一个变换的信号的能量在小波变换域上集中在少数的系数上,那么这些系数的取值必然大于在小波变换域内能量比较分散的大量小波系数上的噪声小波系数值,这样,就可以通过对小波系数的阈值处理,实现去除叠加在电信号上的噪声信号。
具体地:首先对信号进行预处理,选择一个正交小波和小波的分解层次N,然后对信号y进行N层小波分解,得到各个层次上的小波分解系数Wjk;
然后,为了保持原始信号,保留所有低频系数,为第一层到第N层的高频小波分解系数Wjk选择一个阈值λ,用阈值函数对每一层阈值进行处理。这一步的关键是对阈值及阈值函数的选取:选择阈值时,运用MATLAB语言中提供的”heursure”它是最优预测变量阈值选择;选择阈值函数时,综合考虑软阈值函数和硬阈值函数各自的优点和不足,根据对信号处理的要求,提出了一种改进的阈值函数:
式中,0≤m≤1,m是关于信号信噪比的一个调节系数。m越小,该阈值函数越接近硬阈值函数,信号失真越少,振荡越厉害;m越大,阈值函数越接近于软阈值函数,信号失真越多,振荡越小。
步骤3.6.2:运用小波分析的方法来判别互感器故障和电网一次侧故障,并判别出故障类型;
非常规互感器是电网一次侧电气量的采集装置,它的输出信号直接反应电网中的电气信息变化,为了合理的区分电网一次侧信息的变化引起的突变和非常规互感器本身发生的突变,利用多个非常规互感器的输出信息来区分电网故障和非常规互感器故障,利用小波变化模极大值方法提取输出信息中的突变时刻和突变信息。
对非常规互感器故障的判断是基于以下几点合理的假设的:
(1)电网一次侧原因导致的信息突变与非常规互感器导致的信息突变不会同时发生。
(2)在一次故障诊断中,只存在一种故障。
(3)六个非常规互感器不会存在两个同时发生故障的情况。
步骤3.6.2.1诊断智能体2利用多尺度模极大值综合处理的方法来提取多个信号通道的突变时刻,以减小故障定位误差。
对故障诊断来说,将同一突变时刻的突变信号进行比较分析才准确。因此选取的小波基函数是Duabechies小波,它具有正交、时频紧支撑、高正则性,还具有Mallat快速算法等特点。
多尺度模极大值综合处理的方法的具体步骤如下:
首先,依据小波变换得到的第一层细节系数找出存在模极大值的数据点,然后依次根据这些数据点的位置,查看其他不同层次细节中对应位置的模极大值。如果其它层次细节对应位置处不存在模极大值,那么这个数据点就不是信号的突变点;如果其它层次对应位置处存在模极大值,则需判断对应位置处不同层次的模极大值是否有相同的符号。如果有相同的符号,这个点就作为突变时刻的候选点;如果不同层次的符号不相同,则舍弃这个数据点。最后分析这些信号突变时刻的候选点,如果在一个很小的区域内存在多个候选点,选取时刻位置中间的数据点作为故障信号的突变时刻,如果只有偶数个点,则选取比中间时刻略小的那个时刻,这样可以使得获取的突变点尽量的准确,与其它通道信号比较时,误差在允许的范围内。
由于小波变换奇异点在提取时不可避免产生误差,因此,在对比每个通道输出信号畸变点时,必须考虑误差的影响。关于故障时刻提取过程中误差的分析,假定两条通道输出信号之间突变时刻的差值不超过10个采样点。所以当两个通道输出信号的突变时刻之间的差值大于10个采样点时,便认定为不同的时刻。
步骤3.6.2.2诊断智能体3判别互感器故障与电网故障,其中电网故障分为:三相短路、两相短路、单相接地短路和两相接地短路。
当发生三相短路故障时,三相电流都发生改变,即三相电流信号都发生了突变;当发生两相短路故障时,两个故障相的电流都发生突变,非故障相的电流不发生突变;当发生单相接地短路故障时,三相电流都发生突变,突变量得大小与保护安装处的正序、负序、零序电流的分布系数之间的差值相关;当发生两相接地短路故障时,三相电流都发生突变,故障相的突变量比非故障相大。
同一时刻,三相电流、电压互感器的输出数据经小波变换并且与门限值比较后,存在突变信号的通道仅有1个时,则判断结果不为零的那个非常规互感器可以判定为发生了突变性故障,这个数据在变电站的间隔层不能被用来进行继电保护和控制;同一时刻,三相电流、电压互感器的输出数据经小波变换并且与门限值比较后,有2个或2个以上存在奇异信号时,则可判定此次信号突变属于一次电网故障或扰动。
步骤4:将诊断结果传送至决策智能体进行综合决策;
步骤:5:决策智能体将最终诊断结果传送至上位机;
步骤6:由用户判定是否需要对故障进行修复,若需要则进入步骤7,若不需要则返回步骤1;
步骤7:修复故障,由操作人员进行故障修复或装设相应的故障修复装置或软件控制算法。
有益效果:本发明引用了多智能体技术,多个智能体通过协商、协调和协作,解决相对复杂的故障诊断问题;能够有效避免一次线路和互感器受到强电磁干扰时信号突变的影响;能够有效区分互感器故障和电网故障,并判断出故障类型。本发明可以用于配电线路的故障切除和恢复供电,较之传统的任务集中式的故障诊断提高了诊断的快速性和可靠性。
附图说明
图1本发明实施例一种基于多智能体和小波分析的故障诊断装置总体结构图;
图2本发明实施例数据采集模块电路原理图;
图3本发明实施例通讯网络线连接图;
图4本发明实施例总体控制流程图;
图5本发明实施例多智能体系统工作原理示意图;
图6本发明实施例多智能体系统工作流程图;
图7本发明实施例小波变换去噪流程示意图;
图8本发明实施例诊断智能体2工作流程图;
图9本发明实施例无限大容量电源供电的三相对称电路示意图;
图10本发明实施例双端电源系统示意图;
图11本发明实施例F点金属性B、C两相短路故障示意图;
图12本发明实施例F点金属性A相接地短路故障示意图;
图13本发明实施例F点金属性B、C两相接地短路故障示意图;
图14本发明实施例电网简单故障仿真图;
图15本发明实施例B、C两相短路故障时的三相电压电流波形图;
图16本发明实施例短路时B相电压小波分析图;
图17本发明实施例短路时C相电压小波分析图;
图18本发明实施例B相短路电压突变点的提取;
图19本发明实施例C相短路电压突变点的提取。
具体实施方式
下面结合附图和实施例对本发明做进一步说明。
本发明提供的一种基于多智能体系统和小波分析的故障诊断装置,包括互感器组、数据采集模块、控制及人机交互模块、多智能体系统模块和数据库模块。总体结构如图1所示。
互感器组采用有源电子式电压和有源电流互感器,电流互感器选用ALH-0.66 30I 600/5,电压互感器选用SCT-013-005;属于非常规互感器,与传统的电磁感应式的互感器相比,其优点在于:(1)高低压完全隔离,安全性高,具有优良的绝缘性能;(2)不含铁芯,消除了磁饱和及铁磁谐振等问题,而使互感器运行暂态响应好、稳定性好,保证了系统运行的高可靠性;(3)抗电磁干扰性能好,低压侧无开路高压危险;(4)动态范围大,测量精度高,可同时满足测量和继电保护的要求;(5)频率响应范围宽;(6)没有因充油而潜在的易燃、易爆等危险,体积小、重量轻。
数据采集模块包括由放大器组成的跟随器电路、放大电路、偏置电路及A/D转换器,该模块电路原理如图2所示,经过互感器组(J1)的六路模拟信号流入由第一个运放电路组成的跟随器电路,跟随器电路的输出端连接由第二个运放电路组成的放大电路的输入端,放大电路的输出端连接由第三个运放电路组成的偏置电路的输入端,模拟信号经过这一系列的条理之后,被送入A/D转换器;
控制及人机交互模块包括协议转换模块(485转以太网模块)、485总线、以太网网线和上位机,上位机的主要配置为:主机型号Intel I3-2100、主机芯片组为Intel H61、内存容量为2G、独立显卡型号HD5670;
多智能体系统(MAS)模块是由多个智能体所组成,其中包括任务分解智能体、任务分配智能体、诊断智能体、协助智能体和决策智能体。智能体即为计算机,多智能体就是多台计算机的集合,这里智能体计算机的配置为:主机型号Intel I3-2100、内存容量为2G、集成显卡型号Intel GMA X4500。
数据库选用微软SQL server 2008,具体描述为SQL CAL Runtime 2008 EMB ESD OEI 5Clt User CAL Ent,使用的硬件环境为,处理器:Intel或兼容处理器等;内存:Enterprise Edition:最低64MB;Standard Edition:最低32MB;硬盘:完全安装180MB。
互感器组与电网一次侧相连接,电压互感器和电流互感器输出端连接数据采集模块的输入接口,数据采集模块的电压和电流输出端经A/D转换器与控制及人机交互模块相连;控制及人机交互模块给互感器组,数据采集模块,多智能体系统模块和数据库模块均提供RS485接口,使它们组成RS485通讯网络,并通过RS485/232转换器实现RS485通讯网络与上位机的串口通讯。通讯规约采用有较高通用性和传输效率的MODBUS-RTU协议。通讯网络线连接如图3所示。
互感器组中,三路有源电子式电流互感器采用罗科夫斯基(Rogowski)线圈的电磁感应原理,负责采集电网线路中的三相电流信息;三路有源电子式电压互感器负责采集电网线路中的三相电压信息。
控制及人机交互模块:由上位机内的控制程序通过总线通讯协议对整个装置的运行过程进行控制;其分别与多智能体系统模块、数据库模块、数据采集模块及互感器组相连接。
多智能体系统模块:任务分解智能体的输出端连接任务分配智能体的输入端;任务分配智能体的输出端分别连接每个诊断智能体和协助智能体的输入端;每个诊断智能体的输出端均与决策智能体的输入端相连;协助智能体的输出端连接决策智能体的输入端;决策智能体的输出端连接诊断智能体的输入端。多智能体系统工作原理如图5所示。
本发明基于多智能体系统和小波分析的故障诊断方法,总体流程如图4所示,具体包括如下步骤:
步骤1:上位机向互感器组发送命令,互感器组实时采集电网的三相电流和三相电压,输出至数据采集模块,进行信号放大调理和A/D转换;
步骤2:信号通过通讯网络传送至上位机,数据实时显示在上位机人机界面,并传送至数据库存储;
步骤3:信号传送至多智能体系统模块,进行故障诊断;多智能体系统进行故障诊断的流程如图6所示,具体步骤如下:
步骤3.1:任务分解智能体将复杂任务分解为简单的子任务,此处将整个诊断任务分为子任务1:信号噪,和子任务2:故障诊断;
步骤3.2:由决策智能体询问每个诊断智能体组的忙闲情况,选择出此时最闲的智能体组;
多智能体系统中包含很多个诊断智能体,把用来处理同一个诊断任务的几个智能体称为诊断智能体组,可以把系统中所有的诊断智能体组统一编号(从1到n)。
诊断智能体组的选择是:利用决策智能体,选择此时最闲的一组诊断智能体来接受新的诊断任务。这里涉及到一个叫做忙闲权值的参数λ来表征多智能体组的忙闲程度:
式中,λi为诊断智能体组i的忙闲权值,Aij为每个诊断智能体目前所处的状态(忙时取1,闲时取0),ρj为不同诊断智能体相对应的权值。
利用式(1),若对应于诊断智能体组i中的诊断智能体1,则ρ取0.9;若对应于诊断智能体2,则ρ取0.5;若对应于诊断智能体3,则ρ取0.3。经计算可得λi,其值最小的诊断智能体组即为最闲的(诊断智能体1、诊断智能体2、诊断智能体3的任务分配见步骤5)。
步骤3.3:判断最闲诊断智能体组的λmin是否小于0.9,见式(2):若满足则进行步骤3.4,若不满足则返回步骤3.2;
步骤3.4:任务分配智能体将分解好的子任务合理的分配给各个诊断智能体,其中,子任务1被分配给诊断智能体1,子任务2相对复杂,将其分配给诊断智能体2和诊断智能体3共同处理;
步骤3.5:任务协助智能体向决策智能体发出请求,以组建智能体组。决策智能体接到请求后,将会将诊断智能体2和诊断智能体3划为一组,共同完成故障诊断任务;
步骤3.6:诊断智能体执行诊断;
步骤3.6.1:运用小波阈值去噪算法,在诊断前先对二次输出信号进行去噪处理,有效降低噪声信号对故障诊断结果的影响。
诊断智能体1的小波去噪过程如下,流程如图7所示:
假设一个叠加了加性噪声的有限长信号可用下式表示:
y=x+n (3)
式中,x为理想的无噪声信号,n为噪声信号,y为实际的含有噪声的信号。通常n是一个高频的信号,而工程实际中x通常表现为低频信号,或者是一些比较平稳的信号。对信号进行小波去噪的过程就是在被污染的信号中,尽可能的恢复原始信号。离散正交小波变换的特点是使一个变换的信号的能量在小波变换域上集中在少数的系数上,那么这些系数的取值必然大于在小波变换域内能量比较分散的大量小波系数上的噪声小波系数值,这样,就可以通过对小波系数的阈值处理,实现去除叠加在电信号上的噪声信号。
具体地:首先对信号进行预处理,选择一个正交小波和小波的分解层次N,然后对信号y进行N层小波分解,得到各个层次上的小波分解系数Wjk;
然后,为了保持原始信号,保留所有低频系数,为第一层到第N层的高频小波分解系数Wjk选择一个阈值λ,用阈值函数对每一层阈值进行处理。这一步的关键是对阈值及阈值函数的选取:选择阈值时,运用MATLAB语言中提供的”heursure”它是最优预测变量阈值选择;选择阈值函数时,综合考虑软阈值函数和硬阈值函数各自的优点和不足,根据对信号处理的要求,提出了一种改进的阈值函数:
式中,0≤m≤1,m是关于信号信噪比的一个调节系数。m越小,该阈值函数越接近硬阈值函数,信号失真越少,振荡越厉害;m越大,阈值函数越接近于软阈值函数,信号失真越多,振荡越小。
步骤3.6.2:运用小波分析的方法来判别互感器故障和电网一次侧故障,并判别出故障类型;
非常规互感器是电网一次侧电气量的采集装置,它的输出信号直接反应电网中的电气信息变化,为了合理的区分电网一次侧信息的变化引起的突变和非常规互感器本身发生的突变,利用多个非常规互感器的输出信息来区分电网故障和非常规互感器故障,利用小波变化模极大值方法提取输出信息中的突变时刻和突变信息。
对非常规互感器故障的判断是基于以下几点合理的假设的:
(1)电网一次侧原因导致的信息突变与非常规互感器导致的信息突变不会同时发生。
(2)在一次故障诊断中,只存在一种故障。
(3)六个非常规互感器不会存在两个同时发生故障的情况。
步骤3.6.2.1诊断智能体2利用多尺度模极大值综合处理的方法来提取多个信号通道的突变时刻,以减小故障定位误差。
对故障诊断来说,将同一突变时刻的突变信号进行比较分析才有意义。因此选取的小波基函数是Duabechies小波,它具有正交、时频紧支撑、高正则性,还具有Mallat快速算法等特点。
多尺度模极大值综合处理的方法的流程如图8所示,具体步骤如下:
首先,依据小波变换得到的第一层细节系数找出存在模极大值的数据点,然后依次根据这些数据点的位置,查看其他不同层次细节中对应位置的模极大值。如果其它层次细节对应位置处不存在模极大值,那么这个数据点就不是信号的突变点;如果其它层次对应位置处存在模极大值,则需判断对应位置处不同层次的模极大值是否有相同的符号。如果有相同的符号,这个点就作为突变时刻的候选点;如果不同层次的符号不相同,则舍弃这个数据点。最后分析这些信号突变时刻的候选点,如果在一个很小的区域内存在多个候选点,选取时刻位置中间的数据点作为故障信号的突变时刻,如果只有偶数个点,则选取比中间时刻略小的那个时刻,这样可以使得获取的突变点尽量的准确,与其它通道信号比较时,误差在允许的范围内。
由于小波变换奇异点在提取时不可避免产生误差,因此,在对比每个通道输出信号畸变点时,必须考虑误差的影响。关于故障时刻提取过程中误差的分析,假定两条通道输出信号之间突变时刻的差值不超过10个采样点。所以当两个通道输出信号的突变时刻之间的差值大于10个采样点时,便认定为不同的时刻。
步骤3.6.2.2诊断智能体3判别互感器故障与电网故障,其中电网故障分为:三相短路、两相短路、单相短路和两相接地短路。
(1)三相短路故障分析:
设一个由无限大容量电源供电的三相对称电路,如图9所示,短路前系统处于稳定状态,每相的电阻和电感分别为R+R′和L+L′。电路三相对称,其中一相(a相)的电压和电流如下:
式中Um——电源电压的幅值;
Im——短路故障发生前电流幅值,
当F点发生三相短路时,上述三相对称电路被分成两个独立的电路,其中左边的一个仍然与电源相连接,而右边的一个则变为没有电源的短接电路。在短接电路中,电流从发生短路瞬间的初始值衰减到零。在与电源相连接的左侧电路中,每相阻抗由(R+R′)+jω(L+L′)变为R+jωL,其电流由短路前的数值逐步变化到由阻抗R+jωL所决定的新稳态值,短路的瞬态过程和短路电流的计算是针对这一电路进行的。
t=0时刻发生三相短路,短路后左侧电路仍然三相对称,可以只研究其中的一相,例如a相。a相满足如下的微分方程:
该方程的解为:
τa——短路回路阻抗确定的时间常数,
A——由起始条件确定的积分常数,是非周期电流分量的起始值iap0;
θ0——a相电源电压的初始相角,即t=0时的相位角,也称为合闸角。
由于短路瞬间电感中的电流不能突变,所以短路前瞬间(以下标[0]表示)的电流ia[0]与短路发生后瞬间(以下标0表示)的电流ia0相同。
如果用θ0-120°或θ0+120°来代替式(8)中的θ0,则可以得到b相或c相的短路电流。由以上分析可以看出,三相电流都发生了改变,即三相电流信号都发生了突变。
(2)B、C两相短路故障分析
以图10接线为例,假定短路是纯金属性的,即认为短路点过渡电阻为零,并且假定短路发生在阻抗为零的引出线上。假设在图10中F点发生B、C两相短路,其边界条件如附图11所示。
由图可写出以相量形式表示的边界条件为:
由于此时A相是故障特殊相(电力系统故障时,故障处的三相中,在连接方式和阻抗参数上与其他两相的情况都不一样的那一相),所以要以A相为基准相,以基准相A相序分量表示的边界条件为:
B、C两相短路时保护安装处的三相电流为:
由式(13)可见,非故障相中没有故障分量,保持原有负荷电流,同时可以得到相电流突变量(故障分量)为:
由式(14)可见,当发生两相短路时,两个故障相的相电流都会发生突变,非故障相的电流不会发生突变。
(3)A相接地短路故障分析
以图10接线为例,同样假设短路是纯金属性的,并且假定短路发生在阻抗为零的引出线上。假设在图10中F点发生A相接地短路,其边界条件如附图12所示。
由图可写出以相量形式表示的边界条件为:
由于此时A相是特殊相,所以要以A相为基准相,用基准相A相序分量来表示的边界条件为:
A相发生接地短路故障时保护安装处的三相电流为:
式中,C1M、C2M、C0M分别为保护安装处的正序、负序、零序电流的分布系数,当C1M≠C0M时,非故障相电流中,除负荷电流外还有故障分量电流。由上式可以得到相电流突变量为:
由上式可见,当发生单相接地短路故障时,三相电流都会发生突变,突变量得大小与保护安装处的正序、负序、零序电流的分布系数之间的差值相关。
(4)B、C接地短路故障分析
以图10接线为例,同样假设短路是纯金属性的,并且假定短路发生在阻抗为零的引出线上。假设在图10中F点发生B、C相接地短路,边界条件如附图13所示。
由图可写出以相量形式表示的边界条件为:
由于此时A相是故障特殊相,所以要以A相为基准相,以基准相A相序分量表示的边界条件为:
B、C相接地短路时保护安装处的三相电流为:
式中,C1M、C2M、C0M分别为保护安装处的正序、负序、零序电流的分布系数。
由上式可以得到相电流突变量为:
由上式可见,当发生两相接地短路故障时,三相电流都会发生突变,故障相的突变量要比非故障相大。
为了避免错误的诊断,取小波变化的第一层细节系数与设定的报警门限值进行比较,排除微弱的振荡和突变。假设六个通道的比较结果分别为Lai,Lbi,Lci,Lau,Lbu,Lcu,其中,当Lai=0时,表示A相电流互感器的小波变换模极大值小于设定的门限值,当Lai=1时,表示A相电流互感器的模极大值超过了设定的门限值。通过上述分析可得到表1所示的不同故障下的电压、电流变化规律。
表1不同故障情况下的信号突变规律
上表列出了不同电网故障情况下的∑L的最小值,可以看出,电网发生各种类型故障时,至少会有2个或2个以上的互感器同时出现奇异信号,由此得出以下判据:
(1)同一时刻,三相电流、电压互感器的输出数据经小波变换并且与门限值比较后,存在突变信号的通道仅有1个时,即Lai+Lbi+Lci+Lau+Lbu+Lcu=1,则判断结果不为零的那个非常规互感器可以判定为发生了突变性故障,这个数据在变电站的间隔层不能被用来进行继电保护和控制。例如:Lai=1,则判定A相电流互感器发生了突变性的故障。
(2)同一时刻,三相电流、电压互感器的输出数据经小波变换并且与门限值比较后,有2个或2个以上存在奇异信号时,即Lai+Lbi+Lci+Lau+Lbu+Lcu≥2则可判定此次信号突变属于一次电网故障或扰动。
综上所述,加上专家经验给出的概率分析,可以得出下面的结论:当L=0时,没有故障发生;当L=1时,发生的是互感器故障(6路互感器中L不为0的那路互感器发生故障);当L=2时,发生的是单相短路故障;当L=4时,发生两相短路故障的概率是53.7%、发生两相接地短路的概率是26.6%、发生单相短路故障的概率是19.7%;当L=6时,发生三相短路故障的概率是49.4%、发生两相接地短路故障的概率是30.1%、发生单相短路的概率是20.5。
步骤4:将诊断结果传送至决策智能体进行综合决策;
步骤:5:决策智能体将最终诊断结果传送至上位机;
步骤6:由用户判定是否需要对故障进行修复,若需要则进入步骤7,若不需要则返回步骤1;
步骤7:修复故障,由操作人员进行故障修复或装设相应的故障修复装置或软件控制算法。
本发明方法通过仿真实验加以验证和说明如下:
基于多智能体系统和小波分析的故障诊断方法的一个关键问题是区分电网基本故障导致的信号突变和非常规互感器的突变故障导致的信号突变。根据故障诊断的判断依据,针对电网故障导致的信号突变点的定位进行仿真分析,来证明本方法区分两种不同原因导致的信号突变的可行性。
仿真分析的设计如下:假设B、C两相发生短路故障。在MATLAB7.1中搭建如图14的仿真模型,故障发生器的故障时间设置为0.1秒,仿真时间为0.3秒,此简单的双电源网络的参数如下:电源采用R-L-C模型的三相交流电源,额定电压为500KV,电阻电感值分别为0.66ohm、0.0526H。两段分布参数的线路的参数分别为:
正序阻抗:R1=0.01273Ω/km,L1=0.9337×10-3H/km,正序阻抗与线路无故障状态下的阻抗值相等;
零序阻抗:R0=0.3864Ω/km,L0=4.1264×10-3H/km,电源的中性点接地;线路对地正
序电容为C1=0.01274μF/km;
线路对地零序电容为C0=0.07751μF/km。
从仿真图15可以看出(图中,1表示A相,2表示B相,3表示C相),发生B、C两相短路时,非故障相A相的电压和电流没有发生改变,而故障相B相的电压和电流,C相的电压和电流都发生了明显的改变。
针对故障相的电压电流突变时刻的提取加以说明,如果能将仿真得到的三相电压电流信号正确提取出故障点,就表明电网故障时,用本发明的故障诊断方法能够区分电网故障与非常规互感器的故障。首先是将Simulink中的仿真数据导入MATLAB的工作区,然后对故障相的电压进行db4小波变换,分析故障时的B、C两相的小波分析图,图16是对故障时B相电压的小波分析,图17是对故障时C相电压的小波分析。然后用多尺度模极大值的方法对故障时刻进行提取,利用诊断判据对仿真结果进行故障诊断。
以故障时B、C两相电压为例进行故障点的判断。采用多尺度模极大值的分析方法对图18和图19的B、C两相电压的突变时刻分析。图18中,从第一层细节系数可以看出,B相电压故障可能存在的点为671、672和673。综合各个层次上的细节系数判断最终的故障点为672这一时刻点。在图19中,C相电压故障可能存在的点为671、672和673。在综合各个层次的细节系数后判断为故障发生时刻也在时刻点672,与B相的故障发生时刻一致,说明通过多尺度模极大值的方法是可以把两相间同时发生的故障突变信息诊断出来,有效的避免因为相间诊断错误而导致互感器的诊断错误,证明通过小波分析可以准确的定位各相故障时刻,也就证明了本发明提出的诊断方法是可行的。
此时,经仿真分析可知Lai+Lbi+Lci+Lau+Lbu+Lcu=4,由经验数据:发生两相短路故障的概率是53.7%、发生两相接地短路的概率是26.6%、发生单相短路故障的概率是19.7%,可判断出此时的故障为电网故障中的两相短路故障,与仿真的假设条件相一致。
Claims (6)
1.一种基于多智能体系统和小波分析的故障诊断装置,其特征在于:包括互感器组、数据采集模块、控制及人机交互模块、多智能体系统模块和数据库模块;
所述互感器组采用有源电子式电压和电流互感器;
所述数据采集模块包括由放大器组成的跟随器电路、放大电路和偏置电路及A/D转换器;
所述控制及人机交互模块包括协议转换模块、485总线、以太网网线和上位机;
所述多智能体系统模块包括任务分解智能体、任务分配智能体、诊断智能体、协助智能体和决策智能体;
互感器组与电网一次侧相连接,电压互感器和电流互感器输出端连接数据采集模块的输入接口,数据采集模块的电压和电流输出端经A/D转换器与控制及人机交互模块相连;控制及人机交互模块通过RS485通讯网络分别与多智能体系统模块、数据库模块、数据采集模块及互感器组相连接。
2.如权利要求1所述的基于多智能体系统和小波分析的故障诊断装置,其特征在于:所述数据采集模块的跟随器电路输入端与互感器组输出端相连,跟随器电路的输出端连接放大电路的输入端,放大电路的输出端连接偏置电路的输入端,偏置电路的输出端连接A/D转换器输入端,A/D转换器输出端与控制及人机交互模块相连。
3.如权利要求1所述的基于多智能体系统和小波分析的故障诊断装置,其特征在于:所述多智能体系统模块的任务分解智能体的输出端连接任务分配智能体的输入端;任务分配智能体的输出端分别连接每个诊断智能体和协助智能体的输入端;每个诊断智能体的输出端均与决策智能体的输入端相连;协助智能体的输出端连接决策智能体的输入端;决策智能体的输出端连接诊断智能体的输入端。
4.采用权利要求1所述的基于多智能体系统和小波分析的故障诊断装置进行故障诊断的方法,其特征在于:具体包括如下步骤:
步骤1:上位机向互感器组发送命令,互感器组实时采集电网的三相电流和三相电压,输出至数据采集模块,进行信号放大调理与A/D转换;
步骤2:信号通过通讯网络传送至上位机,数据实时显示在上位机人机界面,并传送至数据库存储;
步骤3:信号传送至多智能体系统模块,进行故障诊断;
步骤4:将诊断结果传送至决策智能体进行综合决策;
步骤:5:决策智能体将最终诊断结果传送至上位机;
步骤6:由用户判定是否需要对故障进行修复,若需要则进入步骤7,若不需要则返回步骤1;
步骤7:修复故障,由操作人员进行故障修复或装设相应的故障修复装置或软件控制算法。
5.根据权利要求4所述的基于多智能体系统和小波分析的故障诊断方法,其特征在于:步骤3所述的进行故障诊断具体步骤如下:
步骤3.1:任务分解智能体将复杂任务分解为简单的子任务,此处将整个诊断任务分为子任务1:信号噪,和子任务2:故障诊断;
步骤3.2:由决策智能体询问每个诊断智能体组的忙闲情况,选择出此时最闲的智能体组;
诊断智能体组的选择是:利用决策智能体,选择此时最闲的一组诊断智能体来接受新的诊断任务,用忙闲权值的参数λ来表征多智能体组的忙闲程度:
式中,λi为诊断智能体组i的忙闲权值,Aij为每个诊断智能体当前所处的状态(忙时取1,闲时取0),ρj为不同诊断智能体相对应的权值;
步骤3.3:判断最闲诊断智能体组的λmin是否小于0.9,见式(2):若满足则进行步骤3.4,若不满足则返回步骤3.2;
步骤3.4:任务分配智能体将分解好的子任务合理的分配给各个诊断智能体,其中,子任务1被分配给诊断智能体1,子任务2相对复杂,将其分配给诊断智能体2和诊断智能体3共同处理;
步骤3.5:任务协助智能体向决策智能体发出请求,以组建智能体组,决策智能体接到请求后,将诊断智能体2和诊断智能体3划为一组,共同完成故障诊断任务;
步骤3.6:诊断智能体执行诊断。
6.根据权利要求5所述的基于多智能体系统和小波分析的故障诊断方法,其特征在于:步骤3.6所述的诊断智能体执行诊断,具体步骤如下:
步骤3.6.1:运用小波阈值去噪算法,在诊断前先对二次输出信号进行去噪处理,有效降低噪声信号对故障诊断结果的影响;
具体地:首先对信号进行预处理,选择一个正交小波和小波的分解层次N,然后对信号y进行N层小波分解,得到各个层次上的小波分解系数Wjk;
然后,为了保持原始信号,保留所有低频系数,为第一层到第N层的高频小波分解系数Wjk选择一个阈值λ,用阈值函数对每一层阈值进行处理;
步骤3.6.2:运用小波分析的方法来判别互感器故障和电网一次侧故障,并判别出故障类型;
步骤3.6.2.1诊断智能体2利用多尺度模极大值综合处理的方法来提取多个信号通道的突变时刻,以减小故障定位误差;
步骤3.6.2.2诊断智能体3判别互感器故障与电网故障,其中电网故障分为:三相短路、两相短路、单相接地短路和两相接地短路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011103534308A CN102508076B (zh) | 2011-11-09 | 2011-11-09 | 一种基于多智能体系统和小波分析的故障诊断装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011103534308A CN102508076B (zh) | 2011-11-09 | 2011-11-09 | 一种基于多智能体系统和小波分析的故障诊断装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102508076A true CN102508076A (zh) | 2012-06-20 |
CN102508076B CN102508076B (zh) | 2013-09-25 |
Family
ID=46220181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011103534308A Expired - Fee Related CN102508076B (zh) | 2011-11-09 | 2011-11-09 | 一种基于多智能体系统和小波分析的故障诊断装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102508076B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879680A (zh) * | 2012-09-26 | 2013-01-16 | 中南大学 | 轨道交通车辆装备通用检测及故障诊断方法及系统 |
CN102931728A (zh) * | 2012-10-30 | 2013-02-13 | 清华大学 | 基于小波多分辨率分析的电网扰动在线辨识及可视化方法 |
CN103245881A (zh) * | 2013-04-22 | 2013-08-14 | 国家电网公司 | 一种基于潮流分布特征的配电网故障分析方法及装置 |
CN104133143A (zh) * | 2014-07-31 | 2014-11-05 | 东北大学 | 一种基于Hadoop云计算平台的电网线路故障诊断系统及方法 |
CN104348131A (zh) * | 2014-11-12 | 2015-02-11 | 天津理工大学 | 一种基于智能配电网35kV电源故障的恢复系统及方法 |
CN105301426A (zh) * | 2015-10-21 | 2016-02-03 | 福州大学 | 一种多层级选择性低压短路保护实验系统 |
CN105490516A (zh) * | 2015-12-11 | 2016-04-13 | 吉林大学 | Atem发射机发射电流pwm噪声的去噪方法 |
CN105510760A (zh) * | 2015-12-23 | 2016-04-20 | 国家电网公司 | 一种基于小波分析的短路故障数据检测方法 |
CN106340863A (zh) * | 2016-11-14 | 2017-01-18 | 国网天津市电力公司 | 一种自适应瞬时电流速断的保护方法 |
CN106405285A (zh) * | 2016-08-30 | 2017-02-15 | 华北电力大学 | 一种电力系统故障录波数据突变时刻检测方法及系统 |
CN107918088A (zh) * | 2018-01-05 | 2018-04-17 | 上海金智晟东电力科技有限公司 | 基于多阶小波函数变换的配电网故障时刻确定方法 |
CN108732465A (zh) * | 2018-05-30 | 2018-11-02 | 广东电网有限责任公司 | 一种基于小波变换和cnn的配电网故障定位方法 |
CN108762095A (zh) * | 2018-07-12 | 2018-11-06 | 清华大学 | 一种控制量离散的多智能体系统实时分区稳定控制方法 |
CN109239554A (zh) * | 2018-09-28 | 2019-01-18 | 山东康威通信技术股份有限公司 | 一种电力电缆局部放电信号去噪及有效信号提取方法及系统 |
CN110007198A (zh) * | 2019-05-16 | 2019-07-12 | 福州大学 | 一种新型的单相接地故障启动方法 |
CN110907863A (zh) * | 2019-12-10 | 2020-03-24 | 湖南优利泰克自动化系统有限公司 | 一种模拟量输入通道接线状态检测方法和系统 |
CN111342555A (zh) * | 2020-02-27 | 2020-06-26 | 致能装备科技(集团)有限公司 | 一种智能分布式dtu配电终端及控制方法 |
CN111404274A (zh) * | 2020-04-29 | 2020-07-10 | 平顶山天安煤业股份有限公司 | 一种输电系统位移在线监控及预警系统 |
CN112928682A (zh) * | 2021-03-04 | 2021-06-08 | 儒能(山东)电力科技有限公司 | 智能抽出式断路器 |
CN114636900A (zh) * | 2022-05-11 | 2022-06-17 | 广东电网有限责任公司东莞供电局 | 一种配电网多重故障诊断方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020129304A1 (en) * | 2000-06-14 | 2002-09-12 | Cocco Nicholas A. | Computer-implemented system and method for evaluating the diagnostic state of a component |
CN1484034A (zh) * | 2002-09-18 | 2004-03-24 | 新疆特变电工股份有限公司 | 变压器在线智能监测系统及其智能分析诊断方法 |
CN1485964A (zh) * | 2002-09-25 | 2004-03-31 | 江苏扬州三力电器集团西菱电器有限公 | 智能监测断路器 |
CN101413981A (zh) * | 2008-11-27 | 2009-04-22 | 上海交通大学 | 电力系统运行备用可靠性测试系统 |
CN101594002A (zh) * | 2009-07-03 | 2009-12-02 | 河海大学 | 城市电网运行的自愈控制方法 |
CN101666841A (zh) * | 2009-09-18 | 2010-03-10 | 重庆大学 | 一种数字化变电站电子式互感器的故障诊断方法 |
CN101873011A (zh) * | 2010-07-22 | 2010-10-27 | 国网电力科学研究院 | 一种高压开关智能化在线监控系统 |
CN102023100A (zh) * | 2010-04-19 | 2011-04-20 | 东莞市罗尔机电科技有限公司 | 设备故障预警系统及方法 |
CN102121960A (zh) * | 2011-02-17 | 2011-07-13 | 长春吉致科技发展有限公司 | 铁路配电网自闭贯通线路智能故障判断装置 |
-
2011
- 2011-11-09 CN CN2011103534308A patent/CN102508076B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020129304A1 (en) * | 2000-06-14 | 2002-09-12 | Cocco Nicholas A. | Computer-implemented system and method for evaluating the diagnostic state of a component |
CN1484034A (zh) * | 2002-09-18 | 2004-03-24 | 新疆特变电工股份有限公司 | 变压器在线智能监测系统及其智能分析诊断方法 |
CN1485964A (zh) * | 2002-09-25 | 2004-03-31 | 江苏扬州三力电器集团西菱电器有限公 | 智能监测断路器 |
CN101413981A (zh) * | 2008-11-27 | 2009-04-22 | 上海交通大学 | 电力系统运行备用可靠性测试系统 |
CN101594002A (zh) * | 2009-07-03 | 2009-12-02 | 河海大学 | 城市电网运行的自愈控制方法 |
CN101666841A (zh) * | 2009-09-18 | 2010-03-10 | 重庆大学 | 一种数字化变电站电子式互感器的故障诊断方法 |
CN102023100A (zh) * | 2010-04-19 | 2011-04-20 | 东莞市罗尔机电科技有限公司 | 设备故障预警系统及方法 |
CN101873011A (zh) * | 2010-07-22 | 2010-10-27 | 国网电力科学研究院 | 一种高压开关智能化在线监控系统 |
CN102121960A (zh) * | 2011-02-17 | 2011-07-13 | 长春吉致科技发展有限公司 | 铁路配电网自闭贯通线路智能故障判断装置 |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879680B (zh) * | 2012-09-26 | 2015-07-29 | 中南大学 | 轨道交通车辆装备通用检测及故障诊断方法及系统 |
CN102879680A (zh) * | 2012-09-26 | 2013-01-16 | 中南大学 | 轨道交通车辆装备通用检测及故障诊断方法及系统 |
CN102931728A (zh) * | 2012-10-30 | 2013-02-13 | 清华大学 | 基于小波多分辨率分析的电网扰动在线辨识及可视化方法 |
CN102931728B (zh) * | 2012-10-30 | 2014-12-10 | 清华大学 | 基于小波多分辨率分析的电网扰动在线辨识及可视化方法 |
CN103245881A (zh) * | 2013-04-22 | 2013-08-14 | 国家电网公司 | 一种基于潮流分布特征的配电网故障分析方法及装置 |
CN103245881B (zh) * | 2013-04-22 | 2015-03-04 | 国家电网公司 | 一种基于潮流分布特征的配电网故障分析方法及装置 |
CN104133143A (zh) * | 2014-07-31 | 2014-11-05 | 东北大学 | 一种基于Hadoop云计算平台的电网线路故障诊断系统及方法 |
CN104133143B (zh) * | 2014-07-31 | 2016-09-28 | 东北大学 | 一种基于Hadoop云计算平台的电网线路故障诊断系统及方法 |
CN104348131B (zh) * | 2014-11-12 | 2017-07-25 | 天津理工大学 | 一种基于智能配电网35kV电源故障的恢复系统及方法 |
CN104348131A (zh) * | 2014-11-12 | 2015-02-11 | 天津理工大学 | 一种基于智能配电网35kV电源故障的恢复系统及方法 |
CN105301426A (zh) * | 2015-10-21 | 2016-02-03 | 福州大学 | 一种多层级选择性低压短路保护实验系统 |
CN105301426B (zh) * | 2015-10-21 | 2018-08-17 | 福州大学 | 一种多层级选择性低压短路保护实验系统 |
CN105490516A (zh) * | 2015-12-11 | 2016-04-13 | 吉林大学 | Atem发射机发射电流pwm噪声的去噪方法 |
CN105490516B (zh) * | 2015-12-11 | 2018-09-04 | 吉林大学 | Atem发射机发射电流pwm噪声的去噪方法 |
CN105510760B (zh) * | 2015-12-23 | 2018-08-14 | 国家电网公司 | 一种基于小波分析的短路故障数据检测方法 |
CN105510760A (zh) * | 2015-12-23 | 2016-04-20 | 国家电网公司 | 一种基于小波分析的短路故障数据检测方法 |
CN106405285B (zh) * | 2016-08-30 | 2019-03-29 | 华北电力大学 | 一种电力系统故障录波数据突变时刻检测方法及系统 |
CN106405285A (zh) * | 2016-08-30 | 2017-02-15 | 华北电力大学 | 一种电力系统故障录波数据突变时刻检测方法及系统 |
CN106340863A (zh) * | 2016-11-14 | 2017-01-18 | 国网天津市电力公司 | 一种自适应瞬时电流速断的保护方法 |
CN106340863B (zh) * | 2016-11-14 | 2018-05-08 | 国网天津市电力公司 | 一种自适应瞬时电流速断的保护方法 |
CN107918088B (zh) * | 2018-01-05 | 2019-10-11 | 上海金智晟东电力科技有限公司 | 基于多阶小波函数变换的配电网故障时刻确定方法 |
CN107918088A (zh) * | 2018-01-05 | 2018-04-17 | 上海金智晟东电力科技有限公司 | 基于多阶小波函数变换的配电网故障时刻确定方法 |
CN108732465B (zh) * | 2018-05-30 | 2020-08-04 | 广东电网有限责任公司 | 一种基于小波变换和cnn的配电网故障定位方法 |
CN108732465A (zh) * | 2018-05-30 | 2018-11-02 | 广东电网有限责任公司 | 一种基于小波变换和cnn的配电网故障定位方法 |
CN108762095A (zh) * | 2018-07-12 | 2018-11-06 | 清华大学 | 一种控制量离散的多智能体系统实时分区稳定控制方法 |
CN108762095B (zh) * | 2018-07-12 | 2020-05-12 | 清华大学 | 一种控制量离散的多智能体系统实时分区稳定控制方法 |
CN109239554A (zh) * | 2018-09-28 | 2019-01-18 | 山东康威通信技术股份有限公司 | 一种电力电缆局部放电信号去噪及有效信号提取方法及系统 |
CN110007198A (zh) * | 2019-05-16 | 2019-07-12 | 福州大学 | 一种新型的单相接地故障启动方法 |
CN110907863B (zh) * | 2019-12-10 | 2022-01-07 | 湖南优利泰克自动化系统有限公司 | 一种模拟量输入通道接线状态检测方法和系统 |
CN110907863A (zh) * | 2019-12-10 | 2020-03-24 | 湖南优利泰克自动化系统有限公司 | 一种模拟量输入通道接线状态检测方法和系统 |
CN111342555A (zh) * | 2020-02-27 | 2020-06-26 | 致能装备科技(集团)有限公司 | 一种智能分布式dtu配电终端及控制方法 |
CN111342555B (zh) * | 2020-02-27 | 2021-10-08 | 致能装备科技(集团)有限公司 | 一种智能分布式dtu配电终端及控制方法 |
CN111404274A (zh) * | 2020-04-29 | 2020-07-10 | 平顶山天安煤业股份有限公司 | 一种输电系统位移在线监控及预警系统 |
CN111404274B (zh) * | 2020-04-29 | 2023-06-06 | 平顶山天安煤业股份有限公司 | 一种输电系统位移在线监控及预警系统 |
CN112928682A (zh) * | 2021-03-04 | 2021-06-08 | 儒能(山东)电力科技有限公司 | 智能抽出式断路器 |
CN114636900A (zh) * | 2022-05-11 | 2022-06-17 | 广东电网有限责任公司东莞供电局 | 一种配电网多重故障诊断方法及系统 |
CN114636900B (zh) * | 2022-05-11 | 2022-09-30 | 广东电网有限责任公司东莞供电局 | 一种配电网多重故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102508076B (zh) | 2013-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102508076B (zh) | 一种基于多智能体系统和小波分析的故障诊断装置及方法 | |
Saravanababu et al. | Transmission line faults detection, classification, and location using discrete wavelet transform | |
Mishra et al. | A combined mathematical morphology and extreme learning machine techniques based approach to micro-grid protection | |
CN104502795A (zh) | 一种适用于微电网的智能故障诊断方法 | |
Chaitanya et al. | An intelligent fault detection and classification scheme for distribution lines integrated with distributed generators | |
CN104614638A (zh) | 小电流系统接地选线方法 | |
Kezunovic | Translational knowledge: From collecting data to making decisions in a smart grid | |
Xiong et al. | A data-driven approach for fault time determination and fault area location using random matrix theory | |
Azeroual et al. | Fault location and detection techniques in power distribution systems with distributed generation: Kenitra City (Morocco) as a case study | |
Ezzat et al. | Microgrids islanding detection using Fourier transform and machine learning algorithm | |
Amiri et al. | Integrated protection scheme for both operation modes of microgrid using S-Transform | |
CN104360835A (zh) | 一种基于拓扑方式的顺控操作票自动生成方法 | |
Srivastava et al. | Data driven approach for fault detection and Gaussian process regression based location prognosis in smart AC microgrid | |
CN111190121A (zh) | 基于序分量的含分布式电源配电网故障分类方法及系统 | |
CN108399579B (zh) | 变电站设备监控数据信号的智能解析系统 | |
Awalin et al. | Recent developments in fault location methods for distribution networks | |
CN113702767B (zh) | 基于小波滑窗能量的孤岛直流微电网故障诊断方法 | |
Reddy et al. | Bilayered fault detection and classification scheme for low-voltage DC microgrid with weighted KNN and decision tree | |
Wan et al. | A rapid diagnosis technology of short circuit fault in DC microgrid | |
Menezes et al. | Islanding detection based on artificial neural network and S-transform for distributed generators | |
CN109543156A (zh) | 一种基于iec61850的变电站操作票自动开票系统 | |
CN106019043A (zh) | 一种基于模糊积分多源信息融合理论的电网故障诊断方法 | |
CN113095952B (zh) | 考虑实时和n-x预想信息的电网解列预警方法和系统 | |
CN201780321U (zh) | 多功能电力故障录波装置 | |
Wang | Fault detection and isolation in DC distribution grids |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130925 Termination date: 20151109 |
|
EXPY | Termination of patent right or utility model |