CN105490641A - 一种综合多特征量的光伏系统故障电弧检测方法 - Google Patents
一种综合多特征量的光伏系统故障电弧检测方法 Download PDFInfo
- Publication number
- CN105490641A CN105490641A CN201511029804.5A CN201511029804A CN105490641A CN 105490641 A CN105490641 A CN 105490641A CN 201511029804 A CN201511029804 A CN 201511029804A CN 105490641 A CN105490641 A CN 105490641A
- Authority
- CN
- China
- Prior art keywords
- period
- electric arc
- detection signal
- photovoltaic system
- fault electric
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 336
- 238000010891 electric arc Methods 0.000 title claims abstract description 263
- 238000004458 analytical method Methods 0.000 claims abstract description 144
- 238000000034 method Methods 0.000 claims description 61
- 230000008859 change Effects 0.000 claims description 49
- 230000008569 process Effects 0.000 claims description 31
- 230000006870 function Effects 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 8
- 230000035945 sensitivity Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 description 19
- 230000007257 malfunction Effects 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 5
- 238000010183 spectrum analysis Methods 0.000 description 5
- 238000013519 translation Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 108010076504 Protein Sorting Signals Proteins 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000010923 batch production Methods 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Abstract
本发明公开了一种综合多特征量的光伏系统故障电弧检测方法，对检测信号状态未发生变化时采取等时间间隔分析，基于所分析时段的检测信号选取检测信号典型值，基于光伏系统故障电弧检测方法形成的多特征量及所输入的分析时段检测信号获取该时段的多特征值，基于当前时段、下一时段的检测信号典型值和特征值构造属于下一时段特征值的修正因子，将所构造的每个修正因子同相应的下一时段特征值线性加权形成综合特征量，用以完成光伏系统故障电弧的综合检测。本发明通过综合多个有效特征量，拓宽了光伏系统故障电弧检测工况，提升了光伏系统故障电弧检测特征量对外界干扰的抵御能力，综合特征量对故障发生时刻定位更为准确，提高了光伏系统稳定安全运行的能力。
Description
技术领域
本发明属于光伏电气故障检测技术领域，具体涉及一种可变时的综合多个特征量、依据特征量对故障电弧事件发生的敏感程度构造对应特征量的修正因子、基于线性加权的思想构造综合辨识特征量，由此实现拓宽光伏系统故障电弧检测阈值设定范围，提升光伏系统故障电弧检测的快速性和可靠性以保障光伏系统稳定、安全、经济输出运行的光伏系统故障电弧检测方法。
背景技术
直流故障电弧检测装置在实际检测工况中，不仅要面对噪声干扰、天气变化等复杂的外界环境，还要面对逆变器MPPT算法及孤岛检测算法干扰、电力电子装置的运行干扰、类弧负载的工作干扰等复杂的内部工况。因此，仅应用单一的特征量进行光伏系统故障电弧检测时，可检测有效工况的局限性引发直流故障电弧检测装置出现拒动现象，这便不符合直流故障电弧检测装置防范故障电弧持续进行的职能要求；易受干扰的单一特征量也造成直流故障电弧检测装置不足以区分系统内设备正常工作运行状态、电磁噪声扰动等复杂多样工况而引发的误动现象，这便不符合直流故障电弧检测装置可靠辨识故障电弧的职能要求，使得这些正常情况下光伏系统仍旧停运，给光伏发电带来不必要的损失。
发明内容
本发明的目的在于解决直流故障电弧检测装置使用单一特征量检测时，受到有效检测故障电弧工况有限及该特征量可靠检测抗干扰能力的局限，位于该特征量检测遗漏区域的特殊工况引发的拒动问题及正常工况下类弧特征对该特征量干扰引发的误动问题，提供了一种综合多特征量的光伏系统故障电弧检测方法。
为达到上述目的，本发明采用了以下技术方案：
实时采集光伏系统故障电弧能引发与正常工况存在差异的检测信号，直流故障电弧检测装置对所输入的检测信号分时段分析，基于光伏系统故障电弧检测方法形成的多特征量及所输入的分析时段检测信号获取该时段的多特征值，依据特征量对故障电弧事件检测的有效性构造修正因子，将所构造的每个修正因子同相应的下一时段特征值线性加权形成综合特征量，使得各特征量在最终的综合特征量中依据其对故障电弧事件检测有效性决定其所占比重，用以完成光伏系统故障电弧的综合检测。所述综合特征量能通过变时完成光伏系统正常态、故障态的变频检测，用以提升光伏系统故障电弧的检测速度。
所述光伏系统故障电弧的综合检测具体包括以下步骤：
1)光伏系统运行中，按采样频率f对所需的待检测信号进行逐点采样，得到检测信号x；
2)直流故障电弧检测装置存储模块对输入的检测信号进行分时段存储，检测信号的分析时段Tj相等或不等，j表示分析时段序号，j＝1,2…m，m为大于1的整数，每实时存储检测信号的一个采样点，便判断已存储的采样点总数是否达到分析时段Ts的要求，若达到，则判断检测信号采样点数量已足够直流故障电弧检测装置分析模块进行后续分析处理，传输当前时段检测信号xj至所述分析模块并按照步骤3)进行当前时段检测信号的后续处理，直流故障电弧检测装置存储模块则继续实时进行下一时段检测信号xj+1的存储；若未达到，则判断检测信号采样点数量还不足以满足所述分析模块进行后续分析处理的要求，返回步骤1)进行下一采样点的读入存储；
3)所述分析模块对输入的当前时段检测信号进行典型值x j的获取，将当前时段检测信号带入至多特征量表达式fk，计算得到特征值yj，k，k表示选取待计算的特征量序号k＝1,2…g，g为大于1的整数，特征值和典型值计算完毕后判断当前时段是否为首个分析时段，若是，则以使用内存表示最少的特征值为基准，将所得到的全部特征值yj，k归至所述基准上，进行下一时段典型值与特征值的计算；若不是，则按照已求值将相应特征值归至所述基准，转至步骤4)进行修正因子的构造；
4)直流故障电弧检测装置判断对应典型值x j、x j+1之差是否超出设定阈值N0，若不是，则判断两典型值相等，构造半相对修正因子wj+1，k，转至步骤5)进行综合特征量的构造；若是，则判断两典型值不相等，构造常规修正因子wj+1，k，转至步骤5)进行综合特征量的构造；
5)直流故障电弧检测装置将计算得到的常规修正因子或半相对修正因子wj+1，k同下一时段特征值线性加权，形成综合特征量转至步骤6)使用综合特征量进行光伏系统故障电弧检测；
6)直流故障电弧检测装置通过综合特征量进行故障电弧检测，利用计算值与设定阈值比较判断当前时段内是否发生故障电弧事件，若发生故障电弧事件，则计数变量N计数，然后转至步骤7)；若未发生故障电弧事件，则清零计数变量N，保持分析时段Ts的初始设定值不变，恢复用以计算修正因子的典型值x j与特征值yj，k动态变化过程，然后返回步骤3)进行下一时段检测信号的光伏系统故障电弧分析；
7)判断故障电弧事件是否连续发生：若故障电弧事件连续发生N1次，则判定当前分析时段光伏系统内发生故障电弧，采取相应的保护措施；若故障电弧事件未连续发生N1次，调小或不调整分析时段Ts的设定值，锁存当前时段检测信号计算所得的典型值x j与特征值yj，k，j表示首次出现故障电弧事件前一分析时段序号，然后返回步骤3)对下一分析时段检测信号进行分析。
所述检测信号的采样频率f依据所需检测的信号特点而定，取值范围为10kHz～500kHz，检测信号的分析时段Ts依据所选取多特征量的共同有效分析时段而定，取值范围为2ms～30ms，N0为-B～B，B的取值范围为10-3～10-15，N1的取值范围为3～5。
基于以下原则选取检测信号分析时段内的典型值：基于该时段检测信号xj的最值或位置值获取检测信号在该时段下的典型值x j。最值的获取方式作为优选。
特征量表达式fk是输入检测信号x的解析函数，或者是使用算法数值地计算由检测信号x所决定的中间值，而后将这些中间值带入至特征量表达式fk中获取特征值，或者是全程使用算法数值地直接计算得到由检测信号x所决定的特征值。
特征量表达式fk必须为多个，其由一种光伏系统故障电弧检测算法生成，或者由多种光伏系统故障电弧检测算法生成。多种光伏系统故障电弧检测算法的生成方式作为优选。
修正因子依据特征量对故障电弧事件发生的敏感程度构造，所构造的修正因子使得对故障电弧事件发生检测效果最优的特征量在最终的综合特征量中占据最大比重，具体地，基于以下原则并行地构造常规修正因子：基于当前时段特征值yj，k与下一时段特征值yj+1，k的相对变化同当前时段输入检测信号典型值x j与下一时段输入检测信号典型值x j+1的相对变化之比的绝对值构造相对修正因子wj+1，k＝|(yj+1，k-yj，k)×x j/(x j+1-x j)/yj，k|，或者，基于当前时段特征值yj，k与下一时段特征值yj+1，k的绝对变化同当前时段输入检测信号典型值x j与下一时段输入检测信号典型值x j+1的绝对变化之比的绝对值构造绝对修正因子wj+1，k＝|(yj+1，k-yj，k)/(x j+1-x j)|，前后分析时段检测信号所使用的常规修正因子构造原则相同或不相同。相对修正因子作为优选。
在判断当前时段输入检测信号典型值x j与下一时段输入检测信号典型值x j+1相等时，此时相应的修正因子按半相对修正因子构造，即基于当前时段特征值yj，k与下一时段特征值yj+1，k的相对变化同当前时段输入检测信号典型值x j之积的绝对值wj+1，k＝|(yj+1， k-yj，k)×x j/yj，k|构造。
调小检测信号分析时段Ts所订立的时间间隔后，对每个特征量而言，基于调整前分析时段Ts与调整后分析时段Ts对当前时段输入检测信号xj分别获取相应特征值yj，k、y'j， k，基于两者之比获取补偿系数Ek＝yj，k/y'j，k，j表示首次出现故障电弧事件前一分析时段序号，通过乘积的形式用于校正相应特征量对检测信号进行高频分析输出的特征值y'j， k。
所述光伏系统故障电弧检测方法适用于鉴别光伏系统故障电弧种类，即选取的特征量表达式fk分别用于完成串联、并联光伏系统故障电弧的检测，由此形成的综合特征量可辨识多种光伏系统故障电弧，并通过较大修正因子wj+1，k对应的特征量确定当前所发生的光伏系统故障电弧种类。
本发明具有如下有益的技术效果：
1)该方法硬件实现简单，仅需在原有的直流故障电弧检测装置中加设修正因子输出模块、多特征量综合处理模块，用于形成对应特征量的修正因子和多特征量的线性加权处理，其中，多特征量综合处理模块所需的乘法器与加法器、修正因子输出模块所需的减法器与除法器批量生产工艺成熟，成本低廉；
2)该方法亦可用软件全程实现而不必对现有的直流故障电弧检测装置进行任何的硬件变更，仅需在直流故障电弧检测装置软件程序中故障电弧检测时间要求范围内增加故障电弧检测特征量，按照本发明所述的原则构造相应的修正因子，线性加权后综合设定辨识阈值，编程原理简单，实现成本低廉；
3)该方法综合了多个用于光伏系统故障电弧检测的特征量，相应的有效检测工况亦为所有单个光伏系统故障电弧检测特征量有效检测工况的并集，各个特征量有效检测工况的综合互补，极大提高了光伏系统在特殊工况下的故障电弧检测防范能力，拓宽了直流故障电弧检测装置辨识故障电弧的范围，避免了光伏系统在这些故障电弧工况下所引发的直流故障电弧检测装置拒动问题，由此有效提升了光伏系统故障电弧检测的快速性和可靠性，避免了这些工况下潜在的故障电弧威胁造成的生命财产损失；
4)该方法通过相应特征量修正因子的构造，使得相同检测信号变化的输入下所引发的变化较大的特征量被进一步放大，所形成的综合特征量检测稳定性得以大幅增加，排除了因单一特征量抵御外界检测干扰能力有限而造成的正常工况误动问题，使得光伏系统在这些工况下仍能够不因误动而停运，有效提升了光伏系统故障电弧检测的针对性和可靠性，大大延长了光伏系统的有效工作时间，增加了经济效益；
5)该方法面对不同的输入检测信号典型值选取时，提供了多样化的抉择方法，极大地适应了不同类型输入检测信号的需要，依据所选取的输入检测信号典型值特征，给出了多样化的修正因子构造原则，极大地拓宽了本发明的适用范围；
6)该方法属于数值地计算检测信号特征量值，对特征量综合的个数和生成这些特征量的方法并不限制，也不要求这些特征量具有解析表达形式，只要求这些特征量所分析的原始检测信号是一致的，丰富多样的特征量组合确保了故障电弧检测方法的灵活性与自由性，更是显著提升光伏系统故障电弧检测针对性、快速性和可靠性的根本保障；
7)该方法在算法上采用了并行处理结构，在存储待处理时段检测信号采样点时寻找其最值，为后续该时段检测信号典型值的快速获取奠定了基础，存储模块获取下一时段检测信号与分析模块进行当前时段检测信号分析是并行的，单次故障电弧检测时段信号获取的时间主要由所分析检测信号的采样点数量和采样频率决定，由当前时段检测信号进行多特征量分析获取多特征值的过程是并行的，由当前时段检测信号典型值及多特征值构造相应多修正因子的过程是并行的，由当前时段检测信号多特征值与相应的修正因子加权运算的过程是并行的，单次故障电弧检测信号处理分析的时间主要由算法最为复杂的特征量计算时间所决定，在提升光伏系统故障电弧检测算法可靠性的同时并不降低算法的运行速度，切实保障了直流故障电弧检测装置对故障电弧检测的实时性；
8)该方法在故障电弧事件发生后，可灵活地对检测信号的分析时段Ts划分的更为精细，“正常态低频分析、故障态高频分析”的思想有利于光伏系统故障电弧判断快速性的提升。
附图说明
图1a为本发明的综合多特征量的光伏系统故障电弧检测方法流程图之一；
图1b为本发明的综合多特征量的光伏系统故障电弧检测方法流程图之二；
图2a为本发明于包含集成于逆变器的直流故障电弧检测装置的特定光伏系统应用硬件实现时的原理框图；
图2b为本发明于包含集成于光伏串的直流故障电弧检测装置的特定光伏系统应用硬件实现时的原理框图；
图2c为本发明于包含集成于光伏模块的直流故障电弧检测装置的特定光伏系统应用硬件实现时的原理框图；
图3为应用本发明进行光伏系统故障电弧检测的光伏系统输出电流检测信号；
图4a为应用单一的频谱特征量进行光伏系统故障电弧检测的特征量波形；
图4b为应用单一的方差特征量进行光伏系统故障电弧检测的特征量波形；
图5为综合一种方法形成的多个特征量进行光伏系统故障电弧检测的综合特征量波形；
图6a为综合多种方法形成的多个特征量进行光伏系统故障电弧检测的综合特征量波形；
图6b为综合多种方法形成的多个特征量进行光伏系统故障电弧变时检测的综合特征量波形；
图中：1、光伏系统；2、直流故障电弧检测装置；3、逆变器；4、存储模块；5、脱扣装置；6、断路器；7、交流电网；8、检测装置；9、短路开关；10、光伏模块；11、分析模块；12、修正因子输出模块；13、多特征量综合处理模块；14、辨识模块。
具体实施方式
下面结合附图和实施例对本发明进行详细说明。
参见图1a，一种综合多特征量的光伏系统故障电弧检测方法：对输入至直流故障电弧检测装置的检测信号分时段处理，分别获取当前时段与下一时段输入检测信号的典型值，通过一种或多种光伏系统故障电弧检测方法形成的多个特征量，将当前时段与下一时段输入检测信号并行带入进行处理分析以得到当前时段与下一时段的多个特征值，基于平移方式将所得到的全部特征量归至其中使用内存表示最少的特征量上，确保所有位于正常态的特征量相近。在确认当前时段与下一时段输入检测信号典型值不相等时，构造与每个下一时段特征值相应的常规修正因子(包括基于当前时段与下一时段该特征值相对变化同当前时段与下一时段输入检测信号典型值相对变化之比的绝对值所构造的相对修正因子，还包括基于当前时段与下一时段该特征值绝对变化同当前时段与下一时段输入检测信号典型值绝对变化之比的绝对值所构造的绝对修正因子)；在确认当前时段与下一时段输入检测信号典型值相等时，基于当前时段与下一时段该特征值相对变化同当前时段输入检测信号典型值之积的绝对值构造与每个下一时段特征值相应的半相对修正因子。将所构造的每个修正因子同相应的下一时段特征值线性加权形成综合特征量用以完成光伏系统故障电弧检测。光伏系统故障电弧事件发生时，调小或不调整光伏系统故障电弧检测信号的分析时段，调整分析时段后需基于首个故障电弧事件发生的前一时段输入检测信号原分析时段及现分析时段特征值之比对调整分析时段后计算所得的相应特征量进行修正，基于首个故障电弧事件发生的前一时段输入检测信号计算所得的典型值、特征值同调整分析时段后每一时段输入检测信号计算所得的典型值、特征值获取相应的修正因子；光伏系统故障电弧事件未发生时，之前若已调整分析时段大小时便恢复至光伏系统故障电弧检测信号的分析时段初始设定值，恢复以正常态相对较低的分析频率及以转移的方式动态变更当前典型值、特征值对输入的检测信号进行处理分析。
本发明通过综合多个用于光伏系统故障电弧检测的特征量，利用各个特征量有效检测工况综合互补的方式弥补了使用单一特征量检测时的漏洞，拓宽了直流故障电弧检测装置辨识故障电弧的范围，有效解决了直流故障电弧检测装置应对单一特征量有效检测工况以外的其他故障工况而拒动的问题，由此确保了光伏系统的稳定安全运行；通过相应特征值构造的修正因子令同一变化的检测信号输入下变化更为敏感的特征量被进一步放大，大幅增加了最终形成的综合特征量检测稳定性，有效解决了直流故障电弧检测装置因单一特征量可靠检测抗干扰能力有限无法准确区分正常工况而误动的问题，由此延长了光伏系统的有效工作时间。
结合图1b，对本发明所述综合多特征量光伏系统故障电弧检测方法的步骤进行具体说明。
步骤一、初始化过程：清空检测装置、直流故障电弧检测装置内存储模块、当前元、下一元等单元内存放的原始信息，清零直流故障电弧检测装置输出端口、存储模块标志、故障电弧事件次数N，设定检测装置对检测信号的采样频率f、分析时段Ts、典型值相等判定阈值N0、故障电弧事件计数变量阈值N1、故障电弧事件判断阈值z0等。
步骤二、检测装置按照既定的采样频率f对光伏系统直流故障电弧检测装置所需的待检测信号进行并行采样，得到检测信号x。
其中，检测信号x采样频率f越高，相同分析时段Ts内该路检测信号采样点数越多。较高的采样频率f确保了分析时段Ts可以在故障电弧事件发生后进行自适应调整，拓宽了分析时段Ts的选择范围。与此同时，诸如频谱分析等故障电弧处理算法要求一定分析时段Ts要有足够多的采样点输入至直流故障电弧检测装置，才能确保所获得特征值的效果较为理想。然而，过高的采样频率对检测装置的硬件设计要求过高，过多的采样点也会增加光伏系统故障电弧检测算法分析运行的时间，不利于故障电弧检测的快速性要求。与此同时，在过高频率采样下所得到的采样点输入至直流故障电弧检测装置时，诸如电流变化率等故障电弧处理算法往往由于细节剖分过细，使得特征值在光伏系统故障状态同正常状态一致而导致故障无法辨识的问题。若检测算法需求的信号为光伏系统故障电弧所引发的电压、电流、火花、明光、高温、烟雾、超声波、气压等特征信号之一时，不仅需要对其进行模数转换，更需要通过传感器等将其按照一定的原则转换为电量信号，故而这些检测信号的极限最大采样频率往往较单纯的电流电压检测信号低。因此，检测信号的采样频率f需依据待检测分析的信号特点而定，f一般取为10kHz～500kHz。
步骤三、直流故障电弧检测装置通过输入端口，实时读入检测装置所输出的检测信号采样点，存储模块为检测信号开辟存储空间，存储模块据此存放检测信号的这些采样点。
存储模块的作用在于对输入的检测信号进行分时段存储，一方面是为光伏系统故障电弧检测算法获取足够多的输入采样点，另一方面是控制检测信号多特征值均是基于分析相同起终时刻的输入检测信号得到的。基于正常态低频分析故障态高频分析的思想，检测信号的分析时段Tj(分析时段序号j＝1,2…m)可不必相等。
由分析时段Ts和检测信号的采样频率f可知，每一时段下检测信号xj(分析时段序号j为1～m中的某一值)包括由分析时段、采样频率决定的Ts×f个采样点，可记为xc(采样点序号c＝j×Ts×f+1,j×Ts×f+2,...j×Ts×f+Ts×f；分析时段序号j为0～m-1中的某一值)。
由于可以基于该分析时段检测信号的最值MAX[xj]、MIN[xj]选取检测信号典型值xj。因此，在实时存储检测信号每一时段的第一个采样点xc(采样点序号c＝j×Ts×f+1；分析时段序号j为0～m-1中的某一值)后，在检测信号存储的首端分别开辟用于存储该分析时段检测信号最大值、最小值的存储单元，并将该值xc复制到这两单元中。而后每实时存储检测信号的一个采样点xc(采样点序号c＝j×Ts×f+2,...j×Ts×f+Ts×f；分析时段序号j为0～m-1中的某一值)，便判断输入的该采样点xc与存储单元最值的大小，若该采样点xc大于存储单元的最大值，则将该采样点覆盖最大值；若该采样点xc小于存储单元的最小值，则将该采样点覆盖最小值。
完成最值判断存储后，判断已存储于存储空间的采样点总数是否达到分析时段Ts的要求。若达到，则判断检测信号采样点数量已足够分析模块进行后续分析处理，存储模块标志跳变为高电平1，由此存储模块开始传输当前时段检测信号xj(分析时段序号j为1～m中的某一值)至分析模块进行后续处理，转至步骤四进行当前时段检测信号的后续处理，与此同时，清零存储标志令存储模块继续进行下一时段检测信号xj+1的实时读入存储；若未达到，则判断检测信号采样点数量还不足以满足分析模块进行后续分析处理的要求，需要返回步骤二进行检测信号下一采样点的读入存储。
按上述的进行步骤，最终每个分析时段的检测信号存储空间包括检测信号最大值、最小值以及检测信号序列。
其中，分析时段Ts越小，两次进行故障电弧事件分析判断的时间间隔越小，可以提升光伏系统故障电弧检测的实时性，但也对检测信号典型值获取、最复杂特征值计算、修正因子构造和综合特征量辨识的总运算时间限制更为苛刻，相同采样频率f下该时段的采样点数越少，但过少的采样点数无法满足诸如频谱分析等故障电弧处理算法的要求，使得这些检测算法无法抓住光伏系统故障电弧的有效特征而失效。因此，结合前述的正常态与故障态可对各路检测信号分频检测的思想以及常规算法分析时段的共同有效性综合考虑，分析时段Ts一般取为2ms～30ms。
步骤四、直流故障电弧检测装置对输入的当前时段检测信号获取典型值x j(分析时段序号j为1～m中的某一值)。
对当前时段检测信号获取典型值，实质上是按照一定的原则对该时段内所包含的采样点xc(采样点序号c＝j×Ts×f+1,j×Ts×f+2,...j×Ts×f+Ts×f；分析时段序号j为0～m-1中的某一值)构成的信号集进行运算，最终得到能代表该段检测信号特征的典型值，由此便于下一时段特征值所对应的修正因子计算。
可基于以下两种原则选取分析时段内检测信号的典型值：第一，基于该时段检测信号xj(分析时段序号j为1～m中的某一值)的最值(包括最大值、最小值)获取检测信号在该时段下的典型值x j，这只需要按照需求从存储模块传输过来的序列首两元素中取出即可；第二，基于该时段检测信号xj的位置值(包括起始点、中间点及最末点)获取检测信号在该时段下的典型值x j，这只需要从存储模块传输过来的检测信号序列中取出经过定位的相应位置单元内的元素即可。
特殊地，当分析时段Ts与检测信号采样频率f恰好为倒数关系，任一时段检测信号xj(分析时段序号j＝1,2…m)内只包含一个采样点，即采样点xc(采样点序号c＝j×Ts×f+1；分析时段序号j为0～m-1中的某一值)，这时理应不进行典型值获取直接进行赋值x j＝xj即可。然而，按上述两种原则选取的典型值x j(分析时段序号j＝1,2…m)亦均为xj，故上述两种选取典型值的原则对这种特殊输入的情况亦适用，故仍将其按正常情形对待。
其中，经过数值试验，对同样的检测信号使用上述两种不同的方式获取典型值，选取相同的多特征量供以计算获取相同的多特征值，按照同一形式构造修正因子，比较上述两种方式获取检测信号典型值所得综合特征量的检测效果，发现故障状态下两者较正常状态下产生的大脉冲相差无几，但正常状态下最值产生的综合特征量较位置值产生的具有更好的稀疏度，使得正常态与故障态的差异更为明显，便于故障电弧发生时刻的及时检测。因此，最值获取检测信号典型值的方式作为优选。
步骤五、直流故障电弧检测装置将当前时段检测信号并行地带入特征量表达式fk(选取待计算的特征量序号k＝1,2…g)处理分析，计算得到特征值yj,k(分析时段序号j为1～m中的某一值；特征量序号k＝1,2…g)。
特征量表达式fk可以是输入检测信号x的解析函数，这时的特征量表达式类似于函数映射职能，直接将输入的待分析当前时段检测信号x经过已知的特征量表达式fk的映射获得输出的特征值yj,k；也可以是将输入的待分析当前时段检测信号x经过一些算法数值离散地计算，得到变换域中的中间值，选取由检测信号故障态所决定的不同中间量作为特征量表达式fk，而后经连续映射获取特征值yj,k；自然，这种特征量表达式fk获取特征值的过程也可以由全程使用算法数值取代，离散地直接计算得到由检测信号x所决定的输出特征值yj,k。
综合特征量生成的过程要求必须依据检测信号生成多个特征值yj,k，由于检测信号x是单一的，故而特征量表达式fk必须存在多个，以生成相应的多个yj,k。这里的多个特征量表达式fk可以由一种光伏系统故障电弧检测算法生成，也可以由多种光伏系统故障电弧检测算法生成。使用多种光伏系统故障电弧检测算法进行检测时，所得的多个特征量更好地从不同视角把握了由光伏系统故障电弧所引发的本质差异。因此，由多种光伏系统故障电弧检测算法生成多个特征量的方式作为优选。
由此形成了两种选取特征量以得到综合特征量的方法，分别是综合应用一种光伏系统故障电弧检测算法生成的多个特征量分析检测信号得到的特征值构造综合特征量、综合应用多种光伏系统故障电弧检测算法生成的多个特征量分析检测信号得到的特征值构造综合特征量。
步骤六、直流故障电弧检测装置在典型值x j(分析时段序号j＝1～m中的某一值)与多特征值yj,k(分析时段序号j＝1～m中的某一值；特征量序号k＝1,2…g)计算完毕后，判断当前进行分析的时段是否为首个分析时段，若是，则以使用内存表示最少的特征值为基准，弥补各特征值与基准特征值之间的差距，将所得到的全部特征值y1，k归至所述基准上，将全部生成得到的典型值x 1与多个处理后的特征值y1，k存储于当前元中以备后续计算，而后返回步骤四进行下一时段典型值x j+1与多特征值yj+1，k的计算；若不是，说明当前分析时段为其他的分析时段，则按照首个阶段已求得的差值将相应特征值归至所述基准，由该时段分析得到的典型值x j与多个特征值yj，k一方面要扮演下一元参与其特征值相应修正因子wj+1，k(分析时段序号j＝1～m中的某一值；特征量序号k＝1,2…g)的计算，另一方面扮演当前元参与后续特征值yj+2，k相应修正因子wj+2，k(分析时段序号j＝1～m中的某一值；特征量序号k＝1,2…g)的计算，将全部生成得到的典型值x j与多个特征值yj，k存储于下一元中以备后续计算，转至步骤七进行相应修正因子wj+1，k的构造。
所述弥补差距的处理方式实质上是以所取特征量位于正常态的特征值为基准，将其他各特征量进行平移，以使得这些特征量位于正常态的特征值与基准处于同一水平，由此消除各输出特征值在正常态下的数量级差距。当前元和下一元在存储典型值x j与多个处理后的特征值yj，k时，按照典型值先存放特征值后存放的次序，特征值存放过程中，应按照因特征量表达式复杂程度差异、计算先后差异得到的顺序不同进行依次存放。
步骤七、直流故障电弧检测装置判断当前元与下一元所存储的典型值x j、x j+1(分析时段序号j为1～m中的某一值)之差是否超出设定范围N0。若未超出设定范围N0，则表明检测信号在两时段内变化波动可以忽略，对由检测信号生成的所有下一时段特征值yj+1，k构造相应的半相对修正因子wj+1，k(分析时段序号j为1～m中的某一值；特征量序号k＝1,2…g)，转至步骤八进行综合特征量的构造；若超出设定范围N0，则表明检测信号在两时段内存在变化波动，对由检测信号生成的所有下一时段特征值yj+1，k构造常规修正因子wj+1，k，转至步骤八进行综合特征量的构造。
面对由一路检测信号形成的多个特征量，修正因子作为每个特征量的加权系数，应按照下述原则进行构造：对于每一个时刻光伏系统所处的状态而言，对此时光伏系统状态辨识最可靠最敏感的特征量应在综合特征量中占据较大的比重。如此在每一种工况下令各特征量依据其检测效果进行自适应调整，由此各个特征量的综合互补使得所计算得到的综合特征量能保持多种工况下检测的有效性。
可基于以下两种原则并行地构造分析时段内下一元中的检测信号各个特征值的常规修正因子：第一，基于当前时段特征值yj，k(分析时段序号j为1～m中的某一值；特征量序号k＝1,2…g)与下一时段特征值yj+1，k的相对变化同当前时段输入检测信号典型值x j与下一时段输入检测信号典型值x j+1的相对变化之比的绝对值构造相对修正因子wj+1，k＝|(yj+1，k-yj，k)×x j/(x j+1-x j)/yj，k|；第二，基于当前时段特征值yj，k与下一时段特征值yj+1，k的绝对变化同当前时段输入检测信号典型值x j与下一时段输入检测信号典型值x j+1的绝对变化之比的绝对值构造绝对修正因子wj+1，k＝|(yj+1，k-yj，k)/(x j+1-x j)|。
其中，经过数值试验，对同样的输入检测信号使用最值方式获取典型值，选取相同的多特征量供以计算获取相同的多特征值，在当前时段与下一时段检测信号典型值不相同时，按照上述两种不同的方式构造常规修正因子，比较上述两种方式构造常规修正因子所得综合特征量的检测效果，发现尽管正常状态下绝对修正因子产生的综合特征量较相对修正因子产生的更为平滑、稀疏度优异，然而故障状态下相对修正因子产生的综合特征量较绝对修正因子产生的具有幅值更大、数量更多的尖脉冲，使得正常态与故障态的差异更为明显，大大拓宽的特征量变化范围便于故障电弧发生时刻的及时检测。因此，常规修正因子选取相对修正因子的构造方式作为优选。
当判断当前时段和下一时段的检测信号典型值存在关系x j＝x j+1时，偶然因素造成的检测信号典型值并不能说明两时段的检测信号状态一致，即不能说明这两段检测信号均处于正常态或故障态，需要构造半相对修正因子wj+1，k对其进行进一步的分析。
在当前时段输入检测信号典型值x j与下一时段输入检测信号典型值x j+1相等时，此时相应的修正因子按半相对修正因子构造，即基于当前时段特征值yj，k(分析时段序号j为1～m中的某一值；特征量序号k＝1,2…g)与下一时段特征值yj+1，k的相对变化同当前时段输入检测信号典型值x j之积的绝对值wj+1，k＝|(yj+1，k-yj，k)×x j/yj，k|构造。
其中，限定经两典型值之差的设定范围N0越大，对判别两输出典型值严格相等的要求就越低，相应输入检测信号被忽略的波动程度也相对越大，结合输入信号算法分析的一般精度要求考虑，N0为-B～B，B的取值范围为10-3～10-15。
步骤八、直流故障电弧检测装置将计算得到的修正因子wj+1，k(分析时段序号j为1～m中的某一值；特征量序号k＝1,2…g)同下一时段特征值yj+1，k(分析时段序号j为1～m中的某一值；特征量序号k＝1,2…g)线性加权，形成综合特征量 然后转至步骤九使用综合特征量进行光伏系统故障电弧检测。
本发明综合多特征量的光伏系统故障电弧检测方法的主要特征在于检测信号所有特征值的修正因子wj+1，k计算完毕后，将所构造的每个修正因子wj+1，k同相应的下一时段相应特征值yj+1，k线性加权形成综合特征量zj+1，而后使用综合特征量取代目前所使用的单一特征量进行光伏系统故障电弧检测。
本发明的综合多特征量光伏系统故障电弧检测方法还能用于不同光伏系统故障电弧种类的判定。假定检测信号特征量yj，k(分析时段序号j为1～m中的某一值；特征量序号k＝1,2…g1)用于检测光伏系统串联故障电弧，特征量yj，k(分析时段序号j为1～m中的某一值；特征量序号k＝g1+1,g1+2…g2，g2为大于g1的整数)用于检测光伏系统线线并联故障电弧，特征量yj，k(分析时段序号j为1～m中的某一值；特征量序号k＝g2+1,g2+2…g3，g3为大于g2的整数)用于检测光伏系统线内并联故障电弧，特征量yj，k(分析时段序号j为1～m中的某一值；特征量序号k＝g3+1,g3+2…g4，g4为大于g3的整数)用于检测光伏系统对地并联故障电弧。通过综合各个不同特征量，实质上是将它们所能检测的光伏系统故障电弧不同种类加以合并，由此按照本发明方法所形成的综合特征量zj+1(分析时段序号j为1～m中的某一值)可辨识多种光伏系统故障电弧。譬如，在光伏系统发生串联故障电弧时，所检测的光伏系统信号的变化只能引起相应检测串联故障电弧的特征量yj，k(分析时段序号j为1～m中的某一值；特征量序号k＝1,2…g1)发生变化而其他特征量yj，k(分析时段序号j为1～m中的某一值；特征量序号k＝g1+1,2…g4)并不发生较大的改变，由此所构造的修正因子wj+1，k(分析时段序号j为1～m中的某一值；特征量序号k＝1,2…g1)也相应地较其他各修正因子wj+1，k(分析时段序号j为1～m中的某一值；特征量序号k＝g1+1,2…g4)大，因而可通过计算所得的较大修正因子追踪此时所对应的特征量，由此实现当前所发生的光伏系统故障电弧种类判断，也就可以相应的采取更有针对性的保护措施，以解决目前检测光伏系统各种故障电弧特征量不统一的问题。
步骤九、直流故障电弧检测装置通过综合特征量进行故障电弧检测，利用综合特征量计算值zj+1(分析时段序号j为1～m中的某一值)与设定的阈值z0进行比较，判断当前时段光伏系统内是否发生故障电弧事件，若发生故障电弧事件，则计数变量N计数，之后利用计数变量N与故障电弧事件计数变量阈值N1进行比较判断故障电弧事件是否连续发生，若故障电弧事件连续发生N1次，则判定当前分析时段光伏系统内发生故障电弧，采取相应的保护措施；若故障电弧事件未连续发生N1次，调小或不调整分析时段Ts的设定值，将基于首个故障电弧事件发生的前一时段输入检测信号计算所得的典型值、特征值锁存于当前元内，然后返回步骤四对下一分析时段所输入的检测信号进行分析；若未发生故障电弧事件，则清零计数变量N，保持分析时段Ts的初始设定值不变，如步骤六所述，下一元中所存储的典型值与多特征值扮演着双重角色，因而还需将下一元中的典型值与多特征值转移至当前元中，然后返回步骤四进行下一分析时段检测信号的光伏系统故障电弧分析。
为了避免偶然因素引起直流故障电弧检测装置的误动作，通过设定故障电弧事件计数变量阈值N1，认为只有故障电弧事件连续发生达到N1次后，才认为系统内发生故障电弧，由此提高直流故障电弧检测装置检测可靠性。若N＝N1，则判定光伏系统中产生了故障电弧，直流故障电弧检测装置采取保护措施熄灭故障电弧，并及时生成故障电弧处理记录报告至监管机，是否保持排除故障光伏模块后剩余的光伏组件正常运行工作视不同的工况而定；若N＜N1，则需要进一步进行故障电弧检测避免偶发误动干扰故障电弧的判断，此时由于系统可能发生故障电弧，故而可以选择调小分析时段Ts的时间间隔，使用更精细的分析视角对光伏系统内可能存在的故障电弧进行细致的分析，而一旦确认光伏系统内未连续发生故障电弧事件时，立即恢复正常态所使用的分析时段Ts的时间间隔，由此确保了光伏系统故障电弧发生时刻检测的快速性。此外，在刚建立的光伏系统中，故障电弧所引发的故障态较正常态自然较少，因而减少正常态过分精细的多次分析处理有利于光伏系统故障电弧检测算法的快速性提升。
对于每一次所发生的首个故障电弧事件而言，检测信号刚由正常态进入故障态，当前元中的典型值与多特征值由正常态检测信号计算所得，下一元中的典型值与多特征值由故障态检测信号计算所得。
调小检测信号分析时段Ts所订立的时间间隔后，对每个特征量而言，需要使用调小后的分析时段Ts对当前元对应分析的当前时段检测信号进行分析(此时特征量进行计算的输入信号所包含的采样点数减少)，获取相应特征值y'j，k(分析时段序号j为对应故障电弧事件发生序号-1；特征量序号k＝1,2…g)。由此同当前元中已计算所得相应特征值做商，得到用于校正相应特征量对检测信号进行高频分析的补偿系数Ek＝yj，k/y'j，k(特征量序号k＝1,2…g)。也就是说，调小分析时段Ts的时间间隔时进行更精细的分析时，综合特征量所综合的多个特征量输入是经多个特征量fk(特征量序号k＝1,2…g)计算得到特征值y'j，k[分析时段序号j为(对应故障电弧事件发生序号+1)～m中的某一值；特征量序号k＝1,2…g]同补偿系数Ek(特征量序号k＝1,2…g)乘积的结果。
当然，在直流故障电弧检测装置分析正常态检测信号时频率已足够高，已经能达到标准所要求的故障电弧切除时间的情形下，分析时段Ts亦可保持不变，这有利于减小对直流故障电弧检测装置的硬件和成本要求。
与此同时，每一次首个故障电弧事件发生后，用于计算修正因子的特征值yj，k与典型值x j也有所调整。检测信号一旦因每次所发生的首个故障电弧事件而进入故障态时，当前元内所存储的典型值、特征值被锁存，即是基于首个故障电弧事件发生前的最后一个分析时段正常态检测信号计算得到的，而下一元所存储的典型值、特征值依旧按照步骤六依据当前所分析的检测信号获取，是动态变化的。在达到判定故障电弧的设定次数前若未发生故障电弧事件，则判定当前所分析的检测信号处于正常态，清零计数变量N，将基于该段正常态检测信号计算所得的典型值、特征值替换原始锁定值存储于当前元内，下一元所存储的典型值、特征值获取方式不变。若当前所分析的检测信号依旧未发生故障电弧事件，则继续采用处理正常态检测信号那样动态变化当前元、下一元内存储的典型值、特征值；一旦当前所分析的检测信号发生故障电弧事件，立即锁存当前元而仅变更下一元存储内容，继续进行故障电弧的辨识。
下一元所存储的典型值和多特征值的转移确保了后续分析时段j(分析时段序号j为2～m中的某一值)内用以构造修正因子的输入计算量减少了一半，充分说明了本发明方法时刻围绕如何更为快速更为可靠地检测光伏系统故障电弧这一问题提出的。
其中，故障电弧事件计数变量阈值N1越大，所检测到的用于反映检测信号变化的综合特征量变化是由故障电弧引发的概率越高，故障电弧检测可靠性也越高，但综合快速切断故障电弧的要求考虑，N1一般取为3～5。
结合图2a、图2b和图2c，阐述本发明方法的实际实现过程。目前现有的直流故障电弧检测装置依据其检测故障电弧范围的不同可划分为集成于逆变器、集成于光伏串和集成于光伏模块三种，由于本发明中对检测信号的典型值选取、特征值获取、修正因子构造以及综合特征量形成等均可用算法编程实现，因而使用软件实现本发明的光伏系统故障电弧综合检测可不变更现有的光伏系统硬件结构，所需变更的仅是增加光伏系统故障电弧检测特征量的个数。由此便可实现本发明的光伏系统故障电弧综合检测方法，检测信号通过检测装置8输入至直流故障电弧检测装置2进行综合特征量故障电弧辨识，故障电弧发生时输出脱扣信号，通过脱扣装置5动作断路器6以熄灭故障电弧。
因此，图2a、图2b和图2c所给出的是用硬件分别在三种集成形式下实现本发明的最简洁硬件框架结构图。假设各图中的光伏系统包含J个光伏串，每个光伏串包含K个光伏模块，相应的光伏模块10共有J×K个。
结合图2a，阐述应用本发明的光伏系统故障电弧综合检测方法于包含集成于逆变器的直流故障电弧检测装置的特定光伏系统。结构上，同常规包含集成于逆变器的直流故障电弧检测装置的特定光伏系统一致，检测装置8仅分布于光伏系统总线上，发生故障电弧后相应切断整个光伏系统工作的脱扣装置5和断路器6也仅为一个。
尽管集成于逆变器的直流故障电弧检测装置2在数量上同原有的一致，仅一个，但其内部结构已经进行了相应的变更以适应本发明使用综合特征量辨识光伏系统故障电弧的需要。硬件实现本发明所述的光伏系统故障电弧综合检测方法时，对检测信号进行典型值选取、特征值获取、修正因子构造以及综合特征量形成等操作均使用现有的或新增的集成化模块实现，用以提升整个装置的运行效率，也便于整个装置的功能拓展、维护检修和批量生产。
直流故障电弧检测装置2对检测装置8所获取的来自于光伏系统总线的检测信号，使用存储模块按上述步骤对检测信号依次进行分时段处理并选取典型值，使用分析模块对当前时段的检测信号并行进行算法分析以获取多特征值，使用修正因子输出模块按上述原则通过特征值和相应的典型值构造相应的修正因子、使用多特征量综合处理模块通过特征值和相应的修正因子形成综合特征量，最终使用辨识模块通过综合特征量对光伏系统故障电弧进行辨识。一旦发生故障电弧，直流故障电弧检测装置2的输出控制端口便发出动作命令，脱扣信号通过脱扣装置5使得位于光伏系统总线上的断路器6动作，由此实现故障电弧的切断以确保光伏系统的稳定安全运行。
其中，直流故障电弧检测装置2中的修正因子输出模块、多特征量综合处理模块为新增。按照修正因子的构成法则，修正因子输出模块主要由减法器与除法器构成；按照综合特征量的形成法则，多特征量综合处理模块主要由乘法器与加法器构成，模块要求的这些集成化器件在现代工艺中批量生产、简单组装实现。
结合图2b，阐述应用本发明的光伏系统故障电弧综合检测方法于包含集成于光伏串的直流故障电弧检测装置的特定光伏系统。结构上，同常规包含集成于光伏串的直流故障电弧检测装置的特定光伏系统一致，检测装置8分布于光伏系统的每一个光伏串上，为J个，发生故障电弧后相应切断光伏系统内故障光伏串工作的脱扣装置5和断路器6也为J个。
尽管集成于光伏串的直流故障电弧检测装置2在数量上同原有的一致，为J个，但其内部结构已经进行了相应的变更以适应本发明使用综合特征量辨识光伏系统故障电弧的需要。不同于图2a的是，直流故障电弧检测装置2所处理的信号来自于每个光伏串。
结合图2c，阐述应用本发明的光伏系统故障电弧综合检测方法于包含集成于光伏模块的直流故障电弧检测装置的特定光伏系统。结构上，同常规包含集成于光伏模块的直流故障电弧检测装置的特定光伏系统一致，检测装置8分布于光伏系统的每一个光伏模块上，为J×K个，发生故障电弧后相应切断光伏系统内故障光伏模块工作的脱扣装置5和断路器6也为J×K个，相应短路光伏系统内故障光伏模块以维持其他正常光伏模块继续工作的短路开关9亦为J×K个。
尽管集成于光伏模块的直流故障电弧检测装置2在数量上同原有的一致，为J×K个，但其内部结构已经进行了相应的变更以适应本发明使用综合特征量辨识光伏系统故障电弧的需要。不同于图2a的是，直流故障电弧检测装置2所处理的信号来自于每个光伏模块。
结合图3，阐述应用本发明的光伏系统故障电弧综合检测方法进行实施例分析的光伏系统故障电弧引发的典型输入检测信号。实施例选取目前多数用于光伏系统故障电弧检测的典型光伏系统输出电流检测信号作为原始检测信号的输入，这一方面省去了检测装置8的变更工作，另一方面考虑到便于比较以显示本发明所述的综合多特征量光伏系统故障电弧检测方法的优势。
如图3所示，以采样频率f＝500kHz获取典型光伏系统输出电流检测信号。图示1阶段(0～3.53s)为光伏系统通过闭合线路、逆变器将电能输送至电网的正常电流波形；2阶段(3.53～3.87s)为光伏系统总线发生串联故障电弧而产生动态降低的故障电弧电流波形；3阶段(3.87～4.69s)为较正常电流低的故障电弧电流得以维持阶段；4阶段(4.69～4.96s)为逆变器算法调节产生变化的3阶段电弧电流波形而使之动态升高；5阶段(4.96～7.83s)为逆变器算法调节过程结束而令较3阶段故障电流高的故障电弧电流得以维持阶段。
结合图4a、图4b阐述选用的单一特征量进行光伏系统故障电弧检测的过程。
结合图4a、图4b阐述使用单一的频谱、单一的方差特征量分析光伏系统输出电流检测信号进行光伏系统故障电弧检测方法的过程，由此形成同后续图5、图6应用本发明的光伏系统故障电弧综合检测方法比较，凸显综合多特征量分析的优势。其中，方差特征量f1便是输入检测信号x的解析函数，直接通过映射的方式便可获得输出特征值yj，1(分析时段序号j为1～1569中的某一值)；频谱特征量f2是以变换输入检测信号所得到的变换域中间值作为输入，而后经通过映射的方式获取特征值yj，2。
对输入至直流故障电弧检测装置的光伏系统输出电流检测信号x按5ms进行等时间间隔分析，分别使用单一的方差特征量f1和单一的频谱特征量f2进行分析。对于方差特征量f1而言，它在输入分析时段内的检测信号xj(分析时段序号j为1～1569中的某一值)时，便对应输出衡量该时段内数据波动的相应值yj，1；对于频谱特征量f2而言，在计算衡量该时段内频谱分量波动的相应值yj，2前，需要使用快速傅里叶变换对输入分析时段内的检测信号xj进行分析以获取相应检测时段内的所有频谱分量幅值这些中间量。
如图4a、图4b所示，单一的着眼于电量变化的方差特征量f1、着眼于谐波变化的频谱特征量f2在故障发生时刻具有较正常态发生显著变化的大脉冲标志，而后这种较大幅值的特征量得以保持，令光伏系统处于故障这一状态得以辨识。其中，方差特征量f1在数值上较频谱特征量f2小一个数量级，就故障发生后的故障态持续检测效果而言，方差特征量f1较频谱特征量f2检测缺乏显著性。使用任一特征量分析故障电弧时，该特征量检测工况以及抵御干扰的局限性对检测效果，容易造成正常工况误辨识、遗漏故障工况拒辨识的问题。本发明所使用的综合特征量进行光伏系统故障电弧检测的方法通过加权算术运算而非现有的逻辑运算方式，规避了现有与逻辑下“一票否决”的局面，有效解决了上述问题。
结合图5和图6a、图6b阐述应用本发明的综合多特征量光伏系统故障电弧检测方法进行光伏系统输出电流检测信号分析的过程，阐述本发明形成的综合特征量中各个特征量构造的灵活性和自由性。
在电流检测信号的变换域中，通过多视角的构造方式拓展图4b所展示的频谱特征量，图5实质上就是对使用一种方法形成的多个频谱特征量fk(特征量序号k＝1,2,3,…6)进行综合的结果。
经大量数值试验结果验证，基于分析时段检测信号最值，这一最优的典型值选取方式得到分析时段检测信号典型值x j(分析时段序号j为1～1569中的某一值)。基于频谱分析所选取的多个特征量fk及所输入的分析时段检测信号xj获取该时段的多特征值yj，k(分析时段序号j为1～1569中的某一值；特征量序号k＝1,2,3,…6)，选取频谱特征量f1为基准，按平移的方式依次对其他的频谱特征量f2～f6进行处理，使得这些频谱特征量f1～f6处于正常态的特征值均处于同一水平。当检测信号相邻两典型值之差在约束范围内，即存在x j＝x j+1的情形时，基于当前时段、下一时段特征值相对变化同当前时段输入检测信号典型值x j之积的绝对值wj+1，k＝|(yj+1，k-yj，k)×x j/yj，k|(分析时段序号j为1～1568中的某一值；特征量序号k＝1,2,3,…6)构造属于下一时段特征值的半相对修正因子；当检测信号相邻两典型值之差不在约束范围内，即存在x j≠x j+1的情形时，基于当前时段、下一时段的检测信号典型值相对变化和特征值相对变化这一最优的常规修正因子构造方式得到属于下一时段特征值的相对修正因子wj+1，k＝|(yj+1，k-yj， k)×x j/(x j+1-x j)/yj，k|。在首次发生故障电弧事件时，用于进行修正因子构造的当前元内典型值x j与特征值yj，k要素应锁存为由发生故障电弧事件前的最后一个正常态计算所得的典型值与特征值，是静态不变的；当故障电弧事件未连续发生规定次数时，用于进行修正因子构造的当前元内典型值x j与特征值yj，k要素立即变更为由当前正常态计算所得的典型值与特征值，是同处理正常态检测信号一样使用相邻两典型值与特征值用于修正因子计算的动态变化过程。将所构造的修正因子同相应的下一时段特征值线性加权形成综合特征量(分析时段序号j为1～1568中的某一值)，得到图5所示的最终用于光伏系统故障电弧检测的综合特征量输出波形。
图6a、图6b实质上就是对图4a、图4b这两种不同算法所形成的多个特征值yj，k(分析时段序号j为1～1569中的某一值；特征量序号k＝1,2)进行综合的结果。
基于最值这一最优的典型值选取方式得到分析时段检测信号典型值x j(分析时段序号j为1～1569中的某一值)。基于方差、频谱分析所选取的多个特征量fk(特征量序号k＝1,2)及所输入的分析时段检测信号xj获取该时段的多特征值yj，k，选取频谱特征量f2为基准，将方差特征量f1按弥补y1，1、y1，2之间差距的原则，平移方差特征量f1使得其正常态特征值与频谱特征量f2正常态特征值处于同一水平。当检测信号相邻两典型值之差在约束范围内，即存在x j＝x j+1的情形时，基于当前时段、下一时段特征值相对变化同当前时段输入检测信号典型值x j之积的绝对值wj+1，k＝|(yj+1，k-yj，k)×x j/yj，k|(分析时段序号j为1～1568中的某一值；特征量序号k＝1,2)构造属于下一时段特征值的半相对修正因子；当检测信号相邻两典型值之差不在约束范围内，即存在x j≠x j+1的情形时，基于当前时段、下一时段的检测信号典型值相对变化和特征值相对变化这一最优的常规修正因子构造方式得到属于下一时段特征值的相对修正因子wj+1，k＝|(yj+1，k-yj， k)×x j/(x j+1-x j)/yj，k|。在首次发生故障电弧事件时，用于进行修正因子构造的当前元内典型值x j与特征值yj，k要素应锁存为由发生故障电弧事件前的最后一个正常态计算所得的典型值与特征值，是静态不变的；当故障电弧事件未连续发生规定次数时，用于进行修正因子构造的当前元内典型值x j与特征值yj，k要素立即变更为由当前正常态计算所得的典型值与特征值，是同处理正常态检测信号一样使用相邻两典型值与特征值用于修正因子计算的动态变化过程。将所构造的修正因子同相应的下一时段特征值线性加权形成综合特征量(分析时段序号j为1～1568中的某一值)，由此得到图6a所示的最终用于光伏系统故障电弧检测的综合特征量输出波形。
图6b所使用的多特征量来源同图6a一致，不同之处在于使用了变时分析方法，即对该检测信号处于正常态的1阶段采取5ms的等时间间隔分析，而对该检测信号处于故障态的2～5阶段采取2ms的等时间间隔分析。直流故障电弧检测装置一旦检测到故障电弧事件发生后，对故障态检测信号通过提高分析频率进行更精细的分析，由此实现光伏系统故障电弧检测快速性的进一步提升，对后续的故障电弧快速切除大有益处。
基于最值这一最优的典型值选取方式得到分析时段检测信号典型值x j(分析时段序号j为1～2863中的某一值)。基于方差、频谱分析所选取的多个特征量fk(特征量序号k＝1,2)及所输入的分析时段检测信号xj获取该时段的多特征值yj，k(分析时段序号j为1～2863中的某一值；特征量序号k＝1,2)，基于首次故障电弧事件发生前的最后一个正常态输入检测信号xj经调整前分析时段Ts与调整后分析时段Ts所获取相应特征值之比获取补偿系数Ek＝yj，k/y'j，k(分析时段序号j为对应故障电弧事件发生序号-1；特征量序号k＝1,2)，由此得到校正后使用高频分析的故障态检测信号所得的特征值yj，k＝Ek×y'j， k[分析时段序号j为(对应故障电弧事件发生序号+1)～2863中的某一值；特征量序号k＝1,2]。选取频谱特征量f2为基准，将方差特征量f1按弥补y1，1、y1，2之间差距的原则，平移方差特征量f1使得其正常态特征值与频谱特征量f2正常态特征值处于同一水平。当检测信号相邻两典型值之差在约束范围内，即存在x j＝x j+1的情形时，基于当前时段、下一时段特征值相对变化同当前时段输入检测信号典型值xj之积的绝对值wj+1，k＝|(yj+1， k-yj，k)×x j/yj，k|(分析时段序号j为1～2862中的某一值；特征量序号k＝1,2)构造属于下一时段特征值的半相对修正因子；当检测信号相邻两典型值之差不在约束范围内，即存在x j≠x j+1的情形时，基于当前时段、下一时段的检测信号典型值相对变化和特征值相对变化这一最优的常规修正因子构造方式得到属于下一时段特征值的相对修正因子wj+1，k＝|(yj+1，k-yj，k)×x j/(x j+1-x j)/yj，k|。在首次发生故障电弧事件时，用于进行修正因子构造的当前元内典型值x j与特征值yj，k要素应锁存为由发生故障电弧事件前的最后一个正常态计算所得的典型值与特征值，是静态不变的；当故障电弧事件未连续发生规定次数时，用于进行修正因子构造的当前元内典型值x j与特征值yj，k要素立即变更为由当前正常态计算所得的典型值与特征值，是同处理正常态检测信号一样使用相邻两典型值与特征值用于修正因子计算的动态变化过程。将所构造的修正因子同相应的下一时段特征值线性加权形成综合特征量(分析时段序号j为1～2862中的某一值)，得到图6b所示的最终用于光伏系统故障电弧检测的综合特征量输出波形。
如图6b所示，综合特征量位于正常态的1阶段同图6a的1阶段一致，而综合特征量位于故障态的2～5阶段则相对图6a的分析更加精细，因而判别故障电弧产生的时刻更为快速。图6b同图6a一样，能够通过大幅提升故障电弧时刻发生的脉冲幅值对故障电弧发生时刻进行清晰的定位，由于精细分析视角的引入，用于判定故障电弧是否发生的大幅值点也相应增多，对故障电弧的有效快速切除大有益处。
Claims (10)
1.一种综合多特征量的光伏系统故障电弧检测方法，其特征在于：该光伏系统故障电弧检测方法包括以下步骤：
实时采集光伏系统故障电弧能引发与正常工况存在差异的检测信号，直流故障电弧检测装置对所输入的检测信号分时段分析，基于光伏系统故障电弧检测方法形成的多特征量及所输入的分析时段检测信号获取该时段的多特征值，依据特征量对故障电弧事件检测的有效性构造修正因子，将所构造的每个修正因子同相应的下一时段特征值线性加权形成综合特征量，使得各特征量在最终的综合特征量中依据其对故障电弧事件检测有效性决定其所占比重，用以完成光伏系统故障电弧的综合检测。
2.根据权利要求1所述一种综合多特征量的光伏系统故障电弧检测方法，其特征在于：所述光伏系统故障电弧的综合检测具体包括以下步骤：
1)光伏系统运行中，按采样频率f对所需的待检测信号进行逐点采样，得到检测信号x；
2)直流故障电弧检测装置存储模块对输入的检测信号进行分时段存储，检测信号的分析时段Tj相等或不等，j表示分析时段序号，j＝1,2…m，m为大于1的整数，每实时存储检测信号的一个采样点，便判断已存储的采样点总数是否达到分析时段Ts的要求，若达到，则判断检测信号采样点数量已足够直流故障电弧检测装置分析模块进行后续分析处理，传输当前时段检测信号xj至所述分析模块并按照步骤3)进行当前时段检测信号的后续处理，直流故障电弧检测装置存储模块则继续实时进行下一时段检测信号xj+1的存储；若未达到，则判断检测信号采样点数量还不足以满足所述分析模块进行后续分析处理的要求，返回步骤1)进行下一采样点的读入存储；
3)所述分析模块对输入的当前时段检测信号进行典型值x j的获取，将当前时段检测信号带入至多特征量表达式fk，计算得到特征值yj，k，k表示选取待计算的特征量序号k＝1,2…g，g为大于1的整数，特征值和典型值计算完毕后判断当前时段是否为首个分析时段，若是，则以使用内存表示最少的特征值为基准，将所得到的全部特征值yj，k归至所述基准上，进行下一时段典型值与特征值的计算；若不是，则按照已求值将相应特征值归至所述基准，转至步骤4)进行修正因子的构造；
4)直流故障电弧检测装置判断对应典型值x j、x j+1之差是否超出设定阈值N0，若不是，则判断两典型值相等，构造半相对修正因子wj+1，k，转至步骤5)进行综合特征量的构造；若是，则判断两典型值不相等，构造常规修正因子wj+1，k，转至步骤5)进行综合特征量的构造；
5)直流故障电弧检测装置将计算得到的常规修正因子或半相对修正因子wj+1，k同下一时段特征值线性加权，形成综合特征量转至步骤6)使用综合特征量进行光伏系统故障电弧检测；
6)直流故障电弧检测装置通过综合特征量进行故障电弧检测，利用计算值与设定阈值比较判断当前时段内是否发生故障电弧事件，若发生故障电弧事件，则计数变量N计数，然后转至步骤7)；若未发生故障电弧事件，则清零计数变量N，保持分析时段Ts的初始设定值不变，恢复用以计算修正因子的典型值x j与特征值yj，k动态变化过程，然后返回步骤3)进行下一时段检测信号的光伏系统故障电弧分析；
7)判断故障电弧事件是否连续发生：若故障电弧事件连续发生N1次，则判定当前分析时段光伏系统内发生故障电弧，采取相应的保护措施；若故障电弧事件未连续发生N1次，调小或不调整分析时段Ts的设定值，锁存当前时段检测信号计算所得的典型值x j与特征值yj，k，j表示首次出现故障电弧事件前一分析时段序号，然后返回步骤3)对下一分析时段检测信号进行分析。
3.根据权利要求2所述一种综合多特征量的光伏系统故障电弧检测方法，其特征在于：所述检测信号的采样频率f依据所需检测的信号特点而定，取值范围为
10kHz～500kHz，检测信号的分析时段Ts依据所选取多特征量的共同有效分析时段而定，取值范围为2ms～30ms，N0为-B～B，B的取值范围为10-3～10-15，N1的取值范围为3～5。
4.根据权利要求2所述一种综合多特征量的光伏系统故障电弧检测方法，其特征在于：基于以下原则选取检测信号分析时段内的典型值：基于该时段检测信号xj的最值或位置值获取检测信号在该时段下的典型值x j。
5.根据权利要求2所述一种综合多特征量的光伏系统故障电弧检测方法，其特征在于：特征量表达式fk是输入检测信号x的解析函数，或者是使用算法数值地计算由检测信号x所决定的中间值，而后将这些中间值带入至特征量表达式fk中获取特征值，或者是全程使用算法数值地直接计算得到由检测信号x所决定的特征值。
6.根据权利要求5所述一种综合多特征量的光伏系统故障电弧检测方法，其特征在于：特征量表达式fk必须为多个，其由一种光伏系统故障电弧检测算法生成，或者由多种光伏系统故障电弧检测算法生成。
7.根据权利要求2所述一种综合多特征量的光伏系统故障电弧检测方法，其特征在于：修正因子依据特征量对故障电弧事件发生的敏感程度构造，所构造的修正因子使得对故障电弧事件发生检测效果最优的特征量在最终的综合特征量中占据最大比重，具体地，基于以下原则并行地构造常规修正因子：基于当前时段特征值yj，k与下一时段特征值yj+1，k的相对变化同当前时段输入检测信号典型值x j与下一时段输入检测信号典型值x j+1的相对变化之比的绝对值构造相对修正因子wj+1，k＝|(yj+1，k-yj，k)×x j/(x j+1-x j)/yj，k|，或者，基于当前时段特征值yj，k与下一时段特征值yj+1，k的绝对变化同当前时段输入检测信号典型值x j与下一时段输入检测信号典型值x j+1的绝对变化之比的绝对值构造绝对修正因子wj+1，k＝|(yj+1，k-yj，k)/(x j+1-x j)|，前后分析时段检测信号所使用的常规修正因子构造原则相同或不相同。
8.根据权利要求2所述一种综合多特征量的光伏系统故障电弧检测方法，其特征在于：在判断当前时段输入检测信号典型值x j与下一时段输入检测信号典型值x j+1相等时，此时相应的修正因子按半相对修正因子构造，即基于当前时段特征值yj，k与下一时段特征值yj+1，k的相对变化同当前时段输入检测信号典型值x j之积的绝对值wj+1，k＝|(yj+1， k-yj，k)×x j/yj，k|构造。
9.根据权利要求2所述一种综合多特征量的光伏系统故障电弧检测方法，其特征在于：调小检测信号分析时段Ts所订立的时间间隔后，对每个特征量而言，基于调整前分析时段Ts与调整后分析时段Ts对当前时段输入检测信号xj分别获取相应特征值yj，k、y'j，k，基于两者之比获取补偿系数Ek＝yj，k/y'j，k，j表示首次出现故障电弧事件前一分析时段序号，通过乘积的形式用于校正相应特征量对检测信号进行高频分析输出的特征值y'j，k。
10.根据权利要求2所述一种综合多特征量的光伏系统故障电弧检测方法，其特征在于：所述光伏系统故障电弧检测方法适用于鉴别光伏系统故障电弧种类，即选取的特征量表达式fk分别用于完成串联、并联光伏系统故障电弧的检测，由此形成的综合特征量可辨识多种光伏系统故障电弧，并通过较大修正因子wj+1，k对应的特征量确定当前所发生的光伏系统故障电弧种类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201511029804.5A CN105490641B (zh) | 2015-12-31 | 2015-12-31 | 一种综合多特征量的光伏系统故障电弧检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201511029804.5A CN105490641B (zh) | 2015-12-31 | 2015-12-31 | 一种综合多特征量的光伏系统故障电弧检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105490641A true CN105490641A (zh) | 2016-04-13 |
| CN105490641B CN105490641B (zh) | 2017-10-20 |
Family
ID=55677422
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201511029804.5A Active CN105490641B (zh) | 2015-12-31 | 2015-12-31 | 一种综合多特征量的光伏系统故障电弧检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105490641B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109239517A (zh) * | 2018-09-12 | 2019-01-18 | 国网青海省电力公司电力科学研究院 | 一种新的光伏系统直流电弧故障及类型的辨识方法 |
| CN109683044A (zh) * | 2018-12-29 | 2019-04-26 | 河南辉煌城轨科技有限公司 | 基于多源信息的电力开关设备故障状态判断方法 |
| CN110892276A (zh) * | 2017-07-17 | 2020-03-17 | 利萨·德雷克塞迈尔有限责任公司 | 用于识别电弧的设备和方法 |
| CN112131735A (zh) * | 2020-09-21 | 2020-12-25 | 福州大学 | 一种阻抗电弧模型及其仿真方法 |
| CN112688282A (zh) * | 2020-11-19 | 2021-04-20 | 嘉兴恒创电力设计研究院有限公司 | 弧闪危害计算方法、降低弧闪危害的方法和故障检测方法 |
| CN113497588A (zh) * | 2021-08-17 | 2021-10-12 | 陕西众森电能科技有限公司 | 一种太阳电池及组件电性能测试方法及装置 |
| CN116660701A (zh) * | 2023-07-31 | 2023-08-29 | 武汉新能源接入装备与技术研究院有限公司 | 一种电弧检测方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103245897A (zh) * | 2013-05-02 | 2013-08-14 | 复旦大学 | 一种使用多重判据的光伏系统直流故障电弧检测方法 |
| CN104410360A (zh) * | 2014-10-17 | 2015-03-11 | 广东易事特电源股份有限公司 | 光伏发电系统安全运行方法及其中对人工神经网络的训练方法和实时检测方法及装置 |
-
2015
- 2015-12-31 CN CN201511029804.5A patent/CN105490641B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103245897A (zh) * | 2013-05-02 | 2013-08-14 | 复旦大学 | 一种使用多重判据的光伏系统直流故障电弧检测方法 |
| CN104410360A (zh) * | 2014-10-17 | 2015-03-11 | 广东易事特电源股份有限公司 | 光伏发电系统安全运行方法及其中对人工神经网络的训练方法和实时检测方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 刘晓明等: "基于多特征融合的交流系统串联电弧故障诊断", 《电网技术》 * |
| 林方圆: "光伏系统直流故障电弧识别方法研究", 《电工电能新技术》 * |
| 陈思磊: "直流故障电弧研究综述", 《电器与能效管理技术》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110892276A (zh) * | 2017-07-17 | 2020-03-17 | 利萨·德雷克塞迈尔有限责任公司 | 用于识别电弧的设备和方法 |
| CN110892276B (zh) * | 2017-07-17 | 2022-03-15 | 利萨·德雷克塞迈尔有限责任公司 | 用于识别电弧的设备和方法 |
| CN109239517A (zh) * | 2018-09-12 | 2019-01-18 | 国网青海省电力公司电力科学研究院 | 一种新的光伏系统直流电弧故障及类型的辨识方法 |
| CN109683044A (zh) * | 2018-12-29 | 2019-04-26 | 河南辉煌城轨科技有限公司 | 基于多源信息的电力开关设备故障状态判断方法 |
| CN112131735A (zh) * | 2020-09-21 | 2020-12-25 | 福州大学 | 一种阻抗电弧模型及其仿真方法 |
| CN112131735B (zh) * | 2020-09-21 | 2022-07-12 | 福州大学 | 一种阻抗电弧模型及其仿真方法 |
| CN112688282A (zh) * | 2020-11-19 | 2021-04-20 | 嘉兴恒创电力设计研究院有限公司 | 弧闪危害计算方法、降低弧闪危害的方法和故障检测方法 |
| CN113497588A (zh) * | 2021-08-17 | 2021-10-12 | 陕西众森电能科技有限公司 | 一种太阳电池及组件电性能测试方法及装置 |
| CN116660701A (zh) * | 2023-07-31 | 2023-08-29 | 武汉新能源接入装备与技术研究院有限公司 | 一种电弧检测方法及系统 |
| CN116660701B (zh) * | 2023-07-31 | 2023-10-31 | 武汉新能源接入装备与技术研究院有限公司 | 一种电弧检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105490641B (zh) | 2017-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105490641A (zh) | 一种综合多特征量的光伏系统故障电弧检测方法 | |
| CN105553422B (zh) | 一种联合多检测信号的光伏系统故障电弧检测方法 | |
| Liu et al. | A novel three-step classification approach based on time-dependent spectral features for complex power quality disturbances | |
| Stefanidou-Voziki et al. | A review of fault location and classification methods in distribution grids | |
| CN107154783A (zh) | 应用独立成分分析和s变换检测系统过程耦合情况下光伏系统故障电弧的方法 | |
| CN107025365A (zh) | 一种用于用户侧的非侵入负荷辨识方法 | |
| CN110244122A (zh) | 电力系统谐振过电压检测与控制方法 | |
| Cheng et al. | Fault line selection of distribution network based on modified CEEMDAN and GoogLeNet neural network | |
| Jaiswal et al. | FDST‐based PQ event detection and energy metering implementation on FPGA‐in‐the‐loop and NI‐LabVIEW | |
| Jarrahi et al. | Protection framework for microgrids with inverter‐based DGs: A superimposed component and waveform similarity‐based fault detection and classification scheme | |
| Khalili et al. | Traveling wave‐based protection for TCSC connected transmission lines using game theory | |
| Sadoughi et al. | Detection of islanding, operation and reconnection of microgrids to utility grid using local information | |
| Gopinath et al. | A PCA‐NPOGBDT strategy‐based protection scheme to differentiate between inverter and distribution line faults plus detection and identification of faulty section in microgrid | |
| Patnaik et al. | Variational mode decomposition‐subspace‐K‐nearest neighbour based islanding detection in distributed generation system | |
| Yu et al. | Non-unit ultra-high-speed DC line protection method for HVDC grids using dynamic fitting algorithm with data reconstruction | |
| Shaaban et al. | Wavelet signal energy with RBFNN and GRNN for fault classification in transmission line with series compensator | |
| Regev et al. | Hybrid ai-based anomaly detection model using phasor measurement unit data | |
| Lal et al. | ANN based adaptive mho distance protection in distribution network with distributed generations | |
| Kokoszka et al. | Detection and Localization of Faults in a Regional Power Grid: Faults in a Regional Power Grid | |
| Behzadi et al. | Identification of combined power quality disturbances in the presence of distributed generations using variational mode decomposition and K-nearest neighbors classifier | |
| Abniki et al. | High impedance fault detection in power transmission lines using Hilbert transform and instantaneous frequency | |
| Bindumol | High impedance fault detection and control methods in ac microgrids: a review | |
| CN110082623A (zh) | 一种开关柜健康状态评价方法及系统 | |
| Chen et al. | Identifying single‐phase to ground fault based on line multi‐dimensional data in cyber‐physical distribution system | |
| Wu | Grounding Fault Detection Method Of Intelligent Distribution Network Under Power Marketing Informatization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |