CN104459461B - 一种基于工频正弦拟合相关系数的故障数据自动筛选方法 - Google Patents

一种基于工频正弦拟合相关系数的故障数据自动筛选方法 Download PDF

Info

Publication number
CN104459461B
CN104459461B CN201410667971.1A CN201410667971A CN104459461B CN 104459461 B CN104459461 B CN 104459461B CN 201410667971 A CN201410667971 A CN 201410667971A CN 104459461 B CN104459461 B CN 104459461B
Authority
CN
China
Prior art keywords
data
power frequency
frequency sine
fitting
failure
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
Application number
CN201410667971.1A
Other languages
English (en)
Other versions
CN104459461A (zh
Inventor
张可
张凌
杨文波
徐韬
赵宇
马恩宁
李宏斌
段晓雪
束洪春
白冰
余多
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.)
Dali Power Supply Bureau Of Yunnan Power Grid Corp
Kunming University of Science and Technology
Original Assignee
Dali Power Supply Bureau Of Yunnan Power Grid Corp
Kunming University of Science and Technology
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 Dali Power Supply Bureau Of Yunnan Power Grid Corp, Kunming University of Science and Technology filed Critical Dali Power Supply Bureau Of Yunnan Power Grid Corp
Priority to CN201410667971.1A priority Critical patent/CN104459461B/zh
Publication of CN104459461A publication Critical patent/CN104459461A/zh
Application granted granted Critical
Publication of CN104459461B publication Critical patent/CN104459461B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明涉及一种基于工频正弦拟合相关系数的故障数据自动筛选方法，属于电力系统继电保护技术领域。将行波测距装置记录的故障电流数据分为三段，分别对三段数据进行工频正弦拟合和互相关系数的计算，再根据三段数据的工频正弦拟合幅值和互相关系数计算数据的模态特征值，若计算得到的数据模态特征值大于设定阈值，则判断其为包含有效信息的故障初始模态数据；反之，则为非故障初始模态数据。理论分析和实测数据的验证表明本发明可以实现对数据模态的正确判断，筛选故障初始模态数据的效果良好。

Description

一种基于工频正弦拟合相关系数的故障数据自动筛选方法
技术领域
本发明涉及一种基于工频正弦拟合相关系数的故障数据自动筛选方法，属于电力系统继电保护技术领域。
背景技术
随着行波测距装置在220kV及以上电压等级输电线路上的广泛应用，大量的故障实测数据被记录下来。为了能够尽可能多的记录故障发生的整个过程，行波测距装置记录了故障初始模态、故障稳定模态和故障切除模态数据。另外，现有的行波测距装置普遍采用低门槛突变量启动，它在确保对弱故障可靠启动的同时，亦使大量非故障干扰杂波被记录，给故障数据有效筛选带来困难。行波测距需要的主要信息来自于故障初始模态数据，因此，对数据模态进行正确的判别，筛选出故障初始模态数据，是实现行波测距的最基本条件。
在现场中，行波录波数据的筛选方法主要还是依靠现场运维人员根据已有的行波测距理论和经验对故障数据进行筛选。此方法工作量大、效率低，同时可能出现由于电网运行人员对行波测距相关理论掌握不足或操作失误导致其选错数据，以致测距失败。因此需要研究一种故障数据自动筛选方法，对故障数据信息进行综合分析和判别，筛选出故障初始模态数据，实现有效的故障测距。
发明内容
本发明要解决的技术问题是克服目前现场中缺乏有效故障模态数据自动判别方法的问题，提出一种基于工频正弦拟合相关系数的故障数据自动筛选方法。
本发明的技术方案是：一种基于工频正弦拟合相关系数的故障数据自动筛选方法，将行波测距装置记录的故障初始电流行波数据分为三段，分别对三段数据进行工频正弦拟合，并与原始采样数据进行互相关系数的计算，再根据三段数据的工频正弦拟合幅值和互相关系数计算数据的模态特征值，若计算得到的数据模态特征值大于设定阈值，则判断其为包含有效信息的故障初始模态数据；反之，则为非故障初始模态数据。
具体步骤为：
(1)工频正弦拟合函数的确定：设定工频正弦拟合函数模型为y(t)＝acos(100πt)+bsin(100πt)；然后，利用最小二乘法对采样数据进行拟合，可确定参数a、b，即可求出工频正弦拟合函数；其中，y(t)为工频正弦拟合函数的瞬时值；t为采样时刻；a、b为待估计参数，工频正弦拟合幅值为
(2)互相关系数的计算：计算采样波形与工频正弦拟合函数波形的互相关系数，定义为其中，yi为i时刻的工频正弦拟合函数的瞬时值；fi为i时刻的采样数据；
(3)数据模态特征值的计算：将行波测距装置记录的故障初始电流行波前4ms及后12ms的数据Data分为3段不同数据Data1、Data2、Data3，分别对其进行工频正弦拟合和互相关系数的计算，得到三组数据的互相关系数和工频正弦拟合幅值：(ρ1，A1)，(ρ2，A2),(ρ3，A3)；再利用式p＝(A2-A3)·ρ1/ρ2计算数据模态特征值p；其中，Data1为前4.5ms时窗数据；Data2为后4.5ms时窗数据；Data3为前2ms时窗数据；A2、A3分别为Data2和Data3的工频正弦拟合幅值；ρ1、ρ2分别为Data1和Data2的互相关系数；
(4)故障数据的筛选：通过实测数据的计算，确定筛选故障初始模态数据的设定阈值按以下条件筛选出故障初始模态数据：
若则判定为故障初始模态数据；
若则判定为非故障初始模态数据。
本发明的原理是：
一、工频正弦拟合
设工频正弦拟合函数模型为
y(t)＝a cos(100πt)+b sin(100πt) (1)
式(1)中，y(t)为工频正弦拟合函数的瞬时值；t为采样时刻；a、b为待估计参数。
利用最小二乘法对采样数据进行拟合，采样数据与函数拟合值之间误差的平方和为：
为使ε(a,b)最小，需满足：
联立式(3)、(4)，可得方程的矩阵形式为
Q·d＝l (5)
式(5)中，
根据式(5)求得a、b，即可求出工频正弦拟合函数，其工频正弦拟合幅值
二、互相关系数的计算
利用式(6)计算波形的互相关系数
式(6)中，yi为i时刻的工频正弦函数拟合值；fi为i时刻的采样数据。
三、数据模态的特征值
将行波测距装置记录的故障初始电流行波前4ms及后12ms的数据Data分为3段不同数据，即
其中，m＝4500，Data1为前4.5ms时窗数据；N＝16000，Data2为后4.5ms时窗数据；n＝3000，Data3为前2ms时窗数据。
分别对Data1、Data2、Data3进行工频正弦拟合计算。可分别得到三组数据的互相关系数和幅值：(ρ1，A1)，(ρ2，A2),(ρ3，A3)。再利用式(7)计算数据模态特征值。
式(7)中，A2、A3分别为Data2和Data3的工频正弦拟合幅值；ρ1、ρ2分别为Data1和Data2的互相关系数。
四、故障数据的筛选
通过大量实测数据的计算，确定筛选故障初始模态数据的阈值按以下条件筛选出故障初始模态数据：
若则判定为故障初始模态数据；
若则判定为非故障初始模态数据。
本发明的有益效果是：本发明是将行波测距装置记录的故障电流数据分为三段，分别对三段数据进行工频正弦拟合幅值和互相关系数的计算，再根据数据的模态特征值将故障初始模态数据筛选出来。该方法相比于现有的故障数据筛选方法，其准确性高，简单有效。
附图说明
图1为本发明实施例1故障初始模态数据波形图；
图2为本发明实施例1故障初始模态分组数据工频正弦拟合效果；
图3为本发明实施例2故障稳定模态数据波形图；
图4为本发明实施例2故障稳定模态分组数据工频正弦拟合效果；
图5为本发明步骤流程图。
具体实施方式
以下结合附图和具体实施方式，对本发明作进一步说明。
一种基于工频正弦拟合相关系数的故障数据自动筛选方法，将行波测距装置记录的故障初始电流行波数据分为三段，分别对三段数据进行工频正弦拟合，并与原始采样数据进行互相关系数的计算，再根据三段数据的工频正弦拟合幅值和互相关系数计算数据的模态特征值，若计算得到的数据模态特征值大于设定阈值，则判断其为包含有效信息的故障初始模态数据；反之，则为非故障初始模态数据。
具体步骤为：
(1)工频正弦拟合函数的确定：设定工频正弦拟合函数模型为y(t)＝acos(100πt)+bsin(100πt)；然后，利用最小二乘法对采样数据进行拟合，可确定参数a、b，即可求出工频正弦拟合函数；其中，y(t)为工频正弦拟合函数的瞬时值；t为采样时刻；a、b为待估计参数，工频正弦拟合幅值为
(2)互相关系数的计算：计算采样波形与工频正弦拟合函数波形的互相关系数，定义为其中，yi为i时刻的工频正弦拟合函数的瞬时值；fi为i时刻的采样数据；
(3)数据模态特征值的计算：将行波测距装置记录的故障初始电流行波前4ms及后12ms的数据Data分为3段不同数据Data1、Data2、Data3，分别对其进行工频正弦拟合和互相关系数的计算，得到三组数据的互相关系数和工频正弦拟合幅值：(ρ1，A1)，(ρ2，A2),(ρ3，A3)；再利用式p＝(A2-A3)·ρ1/ρ2计算数据模态特征值p；其中，Data1为前4.5ms时窗数据；Data2为后4.5ms时窗数据；Data3为前2ms时窗数据；A2、A3分别为Data2和Data3的工频正弦拟合幅值；ρ1、ρ2分别为Data1和Data2的互相关系数；
(4)故障数据的筛选：通过实测数据的计算，确定筛选故障初始模态数据的设定阈值按以下条件筛选出故障初始模态数据：
若则判定为故障初始模态数据；
若则判定为非故障初始模态数据。
实施例1：
将行波测距装置记录的故障电流数据分为三段，分别对三段数据进行工频正弦拟合和互相关系数的计算，根据三段数据的工频正弦拟合幅值和互相关系数计算数据的模态特征值，若计算得到的数据模态特征值大于设定阈值，则判断其为包含有效信息的故障初始模态数据，从而被筛选出来；反之，则被剔除。
如图1所示的故障初始模态数据波形，将行波测距装置记录的故障电流数据分为三段，利用正弦拟合法分别对三段数据进行波形拟合，得到的分组数据工频正弦拟合效果如图2所示，根据三段数据的互相关系数和工频正弦拟合幅值计算数据的模态特征值为：
故障初始模态分组数据互相关系数及工频正弦拟合幅值计算结果如表1：
表1
所以可以判定该故障电流数据为故障初始模态数据。
实施例2：
将行波测距装置记录的故障电流数据分为三段，分别对三段数据进行工频正弦拟合和互相关系数的计算，根据三段数据的工频正弦拟合幅值和互相关系数计算数据的模态特征值，若计算得到的数据模态特征值大于设定阈值，则判断其为包含有效信息的故障初始模态数据，从而被筛选出来；反之，则被剔除。
如图3所示的故障稳定模态数据波形，将行波测距装置记录的故障电流数据分为三段，利用正弦拟合法分别对三段数据进行波形拟合，得到的分组数据工频正弦拟合效果如图4所示根据三段数据的互相关系数和工频正弦拟合幅值计算数据的模态特征值为：
故障稳定模态分组数据互相关系数及工频正弦拟合幅值计算结果如表2：
表2
所以可以判定该故障电流数据不是故障初始模态数据。
上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (2)

1.一种基于工频正弦拟合相关系数的故障数据自动筛选方法，其特征在于：将行波测距装置记录的故障初始电流行波数据分为三段，分别对三段数据进行工频正弦拟合，并与原始采样数据进行互相关系数的计算，再根据三段数据的工频正弦拟合幅值和互相关系数计算数据的模态特征值，若计算得到的数据模态特征值大于设定阈值，则判断其为包含有效信息的故障初始模态数据；反之，则为非故障初始模态数据。
2.根据权利要求1所述的基于工频正弦拟合相关系数的故障数据自动筛选方法，其特征在于具体步骤为：
(1)工频正弦拟合函数的确定：设定工频正弦拟合函数模型为y(t)＝a cos(100πt)+bsin(100πt)；然后，利用最小二乘法对采样数据进行拟合，可确定参数a、b，即可求出工频正弦拟合函数；其中，y(t)为工频正弦拟合函数的瞬时值；t为采样时刻；a、b为待估计参数，工频正弦拟合幅值为
(2)互相关系数的计算：计算采样波形与工频正弦拟合函数波形的互相关系数，定义为其中，yi为i时刻的工频正弦拟合函数的瞬时值；fi为i时刻的采样数据；
(3)数据模态特征值的计算：将行波测距装置记录的故障初始电流行波前4ms及后12ms的数据Data分为3段不同数据Data1、Data2、Data3，分别对其进行工频正弦拟合和互相关系数的计算，得到三组数据的互相关系数和工频正弦拟合幅值：(ρ1，A1)，(ρ2，A2),(ρ3，A3)；再利用式p＝(A2-A3)·ρ1/ρ2计算数据模态特征值p；其中，Data1为前4.5ms时窗数据；Data2为后4.5ms时窗数据；Data3为前2ms时窗数据；A2、A3分别为Data2和Data3的工频正弦拟合幅值；ρ1、ρ2分别为Data1和Data2的互相关系数；
(4)故障数据的筛选：通过实测数据的计算，确定筛选故障初始模态数据的设定阈值按以下条件筛选出故障初始模态数据：
若则判定为故障初始模态数据；
若则判定为非故障初始模态数据。
CN201410667971.1A 2014-11-20 2014-11-20 一种基于工频正弦拟合相关系数的故障数据自动筛选方法 Active CN104459461B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410667971.1A CN104459461B (zh) 2014-11-20 2014-11-20 一种基于工频正弦拟合相关系数的故障数据自动筛选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410667971.1A CN104459461B (zh) 2014-11-20 2014-11-20 一种基于工频正弦拟合相关系数的故障数据自动筛选方法

Publications (2)

Publication Number Publication Date
CN104459461A CN104459461A (zh) 2015-03-25
CN104459461B true CN104459461B (zh) 2017-09-12

Family

ID=52905824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410667971.1A Active CN104459461B (zh) 2014-11-20 2014-11-20 一种基于工频正弦拟合相关系数的故障数据自动筛选方法

Country Status (1)

Country Link
CN (1) CN104459461B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108205662A (zh) * 2017-12-29 2018-06-26 国网上海市电力公司 基于皮尔逊算法的输电线路雷电反击识别方法
CN111352099B (zh) * 2018-12-20 2022-05-10 宁波大学科学技术学院 一种基于互相关信号相位分解的时延估计方法
CN111854930B (zh) * 2020-07-21 2022-10-14 长春理工大学 一种基于先验预估的振动信号工频干扰压制方法
CN117031382B (zh) * 2023-10-10 2024-02-20 云南电力试验研究院(集团)有限公司 一种基于信噪比和正弦拟合方法的单端行波装置校验方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5455776A (en) * 1993-09-08 1995-10-03 Abb Power T & D Company Inc. Automatic fault location system
JP4521389B2 (ja) * 2006-10-20 2010-08-11 関西電力株式会社 送電線の故障点標定方法、送電線の故障点標定プログラム及びその故障点標定プログラムを記録したコンピュータ読み取り可能記録媒体
CN102288873A (zh) * 2011-07-04 2011-12-21 昆明理工大学 一种基于平波电感元件性能方程测后模拟识别直流输电线路区内外故障的方法
CN102288874A (zh) * 2011-07-04 2011-12-21 昆明理工大学 一种基于集中参数t的模型特高压交流输电线路区内外故障识别的测后模拟方法
CN102540019A (zh) * 2012-02-21 2012-07-04 昆明理工大学 一种测后模拟识别母线区内外故障的方法
CN102565629A (zh) * 2012-02-21 2012-07-11 昆明理工大学 一种基于集中参数π模型的交流输电线路故障选相测后模拟方法
CN102944814A (zh) * 2012-11-28 2013-02-27 福建省电力有限公司 基于暂态信号的配电网单相接地故障定位方法
CN103018636A (zh) * 2012-12-14 2013-04-03 昆明理工大学 一种利用故障特征频带和tt变换的电缆单端行波测距方法
CN103675605A (zh) * 2013-12-11 2014-03-26 湖南大学 基于故障信号暂态相关分析的小电流接地故障选线方法
CN103837795A (zh) * 2014-02-18 2014-06-04 国网山东省电力公司 基于广域故障录波信息的调度端电网故障诊断方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5455776A (en) * 1993-09-08 1995-10-03 Abb Power T & D Company Inc. Automatic fault location system
JP4521389B2 (ja) * 2006-10-20 2010-08-11 関西電力株式会社 送電線の故障点標定方法、送電線の故障点標定プログラム及びその故障点標定プログラムを記録したコンピュータ読み取り可能記録媒体
CN102288873A (zh) * 2011-07-04 2011-12-21 昆明理工大学 一种基于平波电感元件性能方程测后模拟识别直流输电线路区内外故障的方法
CN102288874A (zh) * 2011-07-04 2011-12-21 昆明理工大学 一种基于集中参数t的模型特高压交流输电线路区内外故障识别的测后模拟方法
CN102540019A (zh) * 2012-02-21 2012-07-04 昆明理工大学 一种测后模拟识别母线区内外故障的方法
CN102565629A (zh) * 2012-02-21 2012-07-11 昆明理工大学 一种基于集中参数π模型的交流输电线路故障选相测后模拟方法
CN102944814A (zh) * 2012-11-28 2013-02-27 福建省电力有限公司 基于暂态信号的配电网单相接地故障定位方法
CN103018636A (zh) * 2012-12-14 2013-04-03 昆明理工大学 一种利用故障特征频带和tt变换的电缆单端行波测距方法
CN103675605A (zh) * 2013-12-11 2014-03-26 湖南大学 基于故障信号暂态相关分析的小电流接地故障选线方法
CN103837795A (zh) * 2014-02-18 2014-06-04 国网山东省电力公司 基于广域故障录波信息的调度端电网故障诊断方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
利用广义电流模量的行波实测数据半监督聚类筛选;张广斌 等;《中国电机工程学报》;20120405;第32卷(第10期);第150-159页 *
基于最小二乘法和独立分量分析的间谐波检测算法;孟玲玲 等;《电力系统保护与控制》;20120601;第40卷(第11期);第76-81页 *

Also Published As

Publication number Publication date
CN104459461A (zh) 2015-03-25

Similar Documents

Publication Publication Date Title
CN104459461B (zh) 一种基于工频正弦拟合相关系数的故障数据自动筛选方法
CN103592690B (zh) 基于电成像测井孔隙度谱信息自动识别储层裂缝的方法
Baddock et al. A visibility and total suspended dust relationship
CN105240052A (zh) 煤矿瓦斯灾害监控预警信息采集系统及采集方法
CN103163420A (zh) 电力变压器智能在线状态评判方法
GB2534734A (en) Systems and methods for optimizing drilling operations using transient cuttings modeling and real-time data
CN104182830A (zh) 一种基于多维分析的配电系统可靠性薄弱环节挖掘方法
CN102809568A (zh) 绝缘子污秽分布监测方法和系统
CN103953490A (zh) 基于hlsne的水轮机组状态监测实现方法
CN102735947B (zh) 采用多参量比值代码的电网过电压识别方法
CN106802432B (zh) 土层结构的探查方法和装置
CN106600447A (zh) 一种变电站巡检机器人集中监控系统大数据云分析方法
CN110285877A (zh) 基于Spark Streaming的列车实时定位跟踪与速度计算方法
CN102891761B (zh) 设备性能预测处理方法及装置
CN105785437B (zh) 一种异常地震道的自动判别的方法及装置
CN106326254A (zh) 行车路径的修复方法和装置
CN104297680B (zh) 一种开关位置检测方法及系统
CN109412892A (zh) 一种网络通信质量评估系统及方法
CN112147684B (zh) 表征同沉积断层活动强度的方法和装置
CN110533115A (zh) 基于变分模态分解的轨道电路传输特性定量评价方法
CN105114069A (zh) 一种通过声发射信号监测稠油油藏盖层破坏情况的新方法
CN204315040U (zh) 基于cors基站的滑坡监测系统
CN109145773A (zh) 一种多源趋势信息融合的故障预测方法
CN110304114A (zh) 一种评判高速列车动态脱轨安全性的方法及装置
CN106646674A (zh) 环境空气污染物传输风速‑风向数据采集记录装置及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant