CN105510745B - 一种故障录波数据故障起点检测方法 - Google Patents
一种故障录波数据故障起点检测方法 Download PDFInfo
- Publication number
- CN105510745B CN105510745B CN201510988411.0A CN201510988411A CN105510745B CN 105510745 B CN105510745 B CN 105510745B CN 201510988411 A CN201510988411 A CN 201510988411A CN 105510745 B CN105510745 B CN 105510745B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- point
- mtd
- 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
Links
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Locating Faults (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明涉及一种故障录波数据故障起点检测方法,尤其是涉及一种利用新型突变量电流检测和最大似然估计检测相结合的故障起点双重检测方法。本发明根据CONTRADE标准对故障录波文件解码,得到电压、电流采样序列,利用新型突变量电流检测方法得到初始突变点,然后用最大似然估计检测对初始突变点进行二次检测,如果满足条件,则该突变点即为故障起点;如果不满足条件,则对初始突变点的后一个点进行最大似然估计检测,直到检测出满足条件的突变点为止。该方法能够准确检测出采样序列的故障起点,检测灵敏度高,几乎不受系统频率变化的影响,而且可以有效抵制噪声的影响,故障起点检测精度高,结果可靠。
Description
技术领域
本发明涉及一种输电线路故障检测方法,尤其是涉及一种故障录波数据故障起点检测方法。
背景技术
故障录波数据是事故分析的主要依据,可以应用于故障类型判断,故障测距,保护行为分析,故障回放、事故状态下等值校验等,是故障信息系统中非常重要的信息。故障录波数据中的模拟通道采样序列包含故障前和故障后的电气量,输电线路两端故障录波文件匹配融合等是利用故障前的电气量;故障相别判断和故障测距等是利用故障后的电气量。因此,正确区分故障前和故障后的电气量具有非常高的工程应用价值,但目前尚未有相关实用的技术方案出现。针对上述需要,本发明设计了一种故障录波数据故障起点检测方法,用于准确的区分故障前的电气量采样序列和故障后的电气量采样序列。
发明内容
本发明的目的是克服现有的突变量电流检测故障起点方法的不足,提供一种利用新型突变量电流检测和最大似然估计检测相结合的故障起点双重检测方法,该方法检测出的故障起点精度高且具有很好的鲁棒性,对设备无特殊要求,方便实施。
本发明技术方案提供一种故障录波数据故障起点检测方法,包括以下步骤,
步骤1、提取故障录波数据的采样序列;
步骤2、检测得到初始突变点,记为K,实现方式如下,
计算突变量电流,公式如下,
其中,N为采样点总数,N1是一个工频周期的采样点数,Δi(k)表示在k点对应采样时刻的突变量电流;i(k)表示在k点对应采样时刻的测量电流采样值;i(k-N1)表示在k点对应采样时刻前一周期的采样电流值,i(k-2N1)表示在k点对应采样时刻前二周期的采样电流值;
将满足以下两个判据的第一个点k作为被检测故障数据的初始突变起点,记为K,
判决1,突变量电流占同相正常电流的百分比大于整定值ξ,记作|Ψ(k)|>ξ,其中突变量电流占同相正常电流的百分比Ψ(k)=Δi(k)/i(k-N1);
判决2,时间窗中满足判据(1)的元素个数大于等于整定值β,记作card(Ak)≥β,其中,集合Ak={Ψ(n)||Ψ(n)|>ξ,k≤n<k+α},card(Ak)为集合Ak的元素的个数,α为时间窗宽度;
步骤3、根据最大似然估计检测方法确定故障起点,实现方式如下,
设定用z(k)描述“k是故障起点”这一事件可能性的大小,z(k)的值介于0和1之间;最大似然检测判据设为,
如果z(k)>0.5,则k点是故障起点;
如果z(k)≤0.5,则k不是故障起点;
执行以下过程,
(1)令当前的点d=K,即先对初始突变点K进行验证;
(2)对当前的点d进行验证,
根据最大似然检测判据,针对当前的点d,若z(d)>0.5,参数Xn取值为1,则当前的点d是故障起点,进入步骤4;若z(d)≤0.5,参数Xn取值为0,d不是故障起点,继续执行(3);
(3)令d=d+1,返回执行(2)对下一个采样点进行验证,直到检测出满足条件的点为止,进入步骤4;
步骤4、根据步骤3所确定故障起点,取故障起点之前的采样序列为故障前的电气量,故障起点及以后的采样序列为故障后的电气量。
而且,步骤3中,所采用的最大似然检测判据提取方式如下,
3.1、对采样电流进行求导处理,构造检测序列x(k)如下,
其中,表示对采样电流进行求导处理,dt是时间的微分;N为采样点总数;T为采样间隔;
3.2、计算突变量y(k)=[x(k)-x(k+1)]2,此时k=1,2,...,N;
3.3、将y(k)进行归一化处理,得到归一化结果此时k=1,2,...,N;
其中,max(y)=max{y(1),y(2),...,y(N)},min(y)=min{y(1),y(2),...,y(N)};参数δ为预设的正数;
3.4、设定用z(k)描述“k是故障起点”这一事件可能性的大小,z(k)的值介于0和1之间,如果z(k)的值接近于0则k点不是故障起点,如果z(k)的值接近于1则k点是故障起点;
3.5、将故障起点检测问题转化为伯努利概型,
令随机变量
则所有样本为(Z1,Z2,…ZN),得分布律公式P(Zk=Xn)=z(k)Xn·[1-z(k)](1-Xn);
式中Xn为Zk的取值参数,Xn取0或1,k=1,2,...,N;
3.6、用最大似然估计方法来估计Xn,构造似然函数如下,
3.7、取对数得
其中,L为似然函数L(Z1,Z2,…ZN)的简写;
3.8、用导数求极值得lnL最大时参数Xn的最大似然估计值为此时k=1,2,...,N。
与现有技术相比,本发明的优势在于:
1、本发明通过新型突变量电流检测方法,基本消除噪声对故障起点检测的影响,检测结果更加稳定;
2、本发明通过设定合适的整定值ξ,可以保证故障起点检测结果基本不受系统频率变化的影响。例如,设定整定值ξ=0.075,可以保证在系统频率不超过±2Hz时能准确的检测故障起点,很大程度的满足工程需要;
3、本发明通过对电流作求导处理,解决直接用电流作为故障数据检测时,由于电力系统中感性元件的存在,在故障发生的瞬间电流可能还没来得及发生变化,导致检测出的故障起点向后延迟的问题,缩小了检测误差;
4、本发明通过最大似然估计检测对新型突变量电流检测方法检测出的突变点进行二次校验,解决新型突变量电流检测方法检测出的故障起点前移的问题,检测结果更加准确可靠。
附图说明
图1是本发明实施例的故障起点检测流程图。
图2是本发明实施例的仿真实验的仿真模型图。
具体实施方式
以下结合附图和实施例对本发明的技术方案进行详细说明。
为解决现有故障起点方法所存在的受噪声和系统频率变化的影响大,故障起点向后延迟,检测不准确、不稳定的问题,本发明实施例提供一种利用新型突变量电流检测和最大似然估计检测相结合的故障起点双重检测方法,参见图1,具体实施步骤如下:
步骤1、提取故障录波数据采样序列:基于电力系统暂态数据交换(COMTRADE)共用格式标准编写解码程序,对输电线路故障录波文件进行解码,获取故障录波数据采样序列;
步骤2、用新型突变量电流检测方法检测得到初始突变点,记为K;具体操作如下:
2.1 为减少系统频率的影响,计算突变量电流的公式为
2.1 中,N为采样点总数,N1是一个工频周期的采样点数,Δi(k)表示在k点对应采样时刻的突变量电流;i(k)表示在k点对应采样时刻的测量电流采样值;i(k-N1)表示在k点对应采样时刻前一周期的采样电流值,i(k-2N1)表示在k点对应采样时刻前二周期的采样电流值;
2.2 用新型突变量电流检测方法检测初始突变点的判据为:
(1)突变量电流占同相正常电流的百分比大于整定值ξ,记作|Ψ(k)|>ξ,其中突变量电流占同相正常电流的百分比Ψ(k)=Δi(k)/i(k-N1);
(2)设定时间窗宽度α,满足判据(1)的元素个数大于等于整定值β,记作card(Ak)≥β,其中,满足判据(1)的元素构成集合Ak,即在n取值区间为[k,k+α)时,满足条件|Ψ(n)|>ξ的所有Ψ(n)组成的集合即为Ak,集合Ak={Ψ(n)||Ψ(n)|>ξ,k≤n<k+α};card(Ak)为集合Ak的元素的个数。
以上判据中,整定值ξ是根据系统频率变化进行整定的,经计算知当频率偏移为±2Hz时,最大不平衡电流为正常运行状态下电流幅值Im的6.23%,在此基础上再留出一定裕度,取整定值ξ=0.075。参数α和β的整定与一个周期的采样点数N1有关,一般取α=N1/10,β=0.8α。同时满足上述判据(1)(2)的第一个点k即为被检测故障数据的初始突变起点,记为K。
步骤3、根据最大似然估计检测方法确定故障起点,包括首先对初始突变点K进行验证,如果满足条件,则该初始突变点K是故障起点,如果不满足条件,则对初始突变点下一个点(K+1点)进行验证,直到找出满足条件的突变点,该突变点即为故障起点。
具体实现如下:
设定用z(k)描述“k是故障起点”这一事件可能性的大小,z(k)的值介于0和1之间,如果z(k)的值接近于0则k点不是故障起点,如果z(k)的值接近于1则k点是故障起点;即对于当前验证的点d,如果z(d)的值接近于0则d点不是故障起点,如果z(d)的值接近于1则d点是故障起点。
最大似然检测判据设为,如果z(k)>0.5,则k点是故障起点;如果z(k)≤0.5,则k不是故障起点。
(1)令当前验证的点d=K,即先对初始突变点K进行验证;
(2)对当前验证的点d进行验证:
根据最大似然检测判据,针对当前验证的点d,若z(d)>0.5,参数Xn取值为1,则当前验证的点d是故障起点,进入步骤4;若z(d)≤0.5,参数Xn取值为0,d不是故障起点,继续执行(3);
(3)令d=d+1,返回执行(2)对下一个采样点进行验证,直到检测出满足条件的点为止,进入步骤4。
这样,第一次执行验证时,若初始突变点K相应Xn取值为1,则实现确定初始突变点K为故障起点,相应Xn取值为0,则需对点K+1重复以上过程进行最大似然估计检测,依次类推直到检测出满足条件的点。
其中,最大似然检测判据具体提取方式如下:
3.1 对采样电流进行求导处理,构造检测序列x(k),解决故障起点向后延迟问题,其中
其中,表示对采样电流进行求导处理,dt是时间的微分;
N为采样点总数;
3.2 计算突变量y(k)=[x(k)-x(k+1)]2,此时k=1,2,...,N;
3.3 将y(k)进行归一化处理,得到归一化结果此时k=1,2,...,N;
3.1-3.3 中,T为采样间隔;N为采样点总数,max(y)=max{y(1),y(2),...,y(N)},min(y)=min{y(1),y(2),...,y(N)};参数δ为数值很小的正数,目的是为了防止分母为零而影响程序运算,本领域技术人员可自行预先取值,实施例中取δ=10-5;
3.4 设定用z(k)描述“k是故障起点”这一事件可能性的大小,z(k)的值介于0和1之间,如果z(k)的值接近于0则k点不是故障起点,如果z(k)的值接近于1则k点是故障起点;即对于当前验证的点d,如果z(d)的值接近于0则d点不是故障起点,如果z(d)的值接近于1则d点是故障起点,例如第一次执行(2)进行验证时,如果初始突变点K相应z(K)的值接近于0则初始突变点K不是故障起点,如果z(K)的值接近于1则初始突变点K是故障起点;
3.5 故障起点检测问题转化为伯努利概型,令随机变量则所有样本为(Z1,Z2,…ZN),得分布律公式P(Zk=Xn)=z(k)Xn·[1-z(k)](1-Xn);式中Xn为Zk的取值参数,Xn取0或1,k=1,2,...,N;
3.6 用最大似然估计方法来估计Xn,构造似然函数
3.7 取对数得
其中,L为似然函数L(Z1,Z2,…ZN)的简写;
3.8 用导数求极值得lnL最大时参数Xn的最大似然估计值为此时k=1,2,...,N。
基于以上结果,根据当前验证的点d,若z(d)≤0.5,Xn取值为0,d不是故障起点,若z(d)>0.5,Xn取值为1,则当前验证的点d是故障起点。
步骤4、根据步骤3所确定故障起点,故障起点之前的采样序列为故障前电气量,故障起点及以后的采样序列为故障后的电气量。
为验证本发明方法的准确性和可靠性,采用本实施例方法进行以下的仿真实验:
双端供电系统的仿真模型如附图2所示,为系统电压,为m侧测量电压电流相量,为n侧测量电压电流相量,为短路电流,Rg为过渡电阻,输电线路全长l为200km,故障距离x为50km,输电线路参数为:L1=0.9337mH/km,C1=0.01274μF/km,R1=0.0127Ω/km;m端电源的幅值为220kV,相角为45°,等效阻抗Zm=2+j31.4Ω;n端电源幅值为218kV,相角60°,等效阻抗Zn=0.8+j25.12Ω;系统采样频率为100kHz;设置仿真总时长为0.2s,短路故障时间从0.06s持续到0.14s。仿真得到的故障数据采样序列即模拟故障录波数据。
实验一、设置噪声为高斯白噪声,取整定值ξ=0.075,其他实验参数均按照上述参数进行设置,表1为高斯白噪声下对故障起点检测结果。
表1不同故障类型和故障位置的故障定位结果。
实验二、分别改变系统仿真频率,取整定值ξ=0.075,其他实验参数均按照标准参数进行设置,表2为不同系统频率下故障起点检测结果
表2不同系统频率下故障起点检测结果
以上实施例仅供说明本发明之用,而非对本发明的限制,有关技术领域的技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变换或变型,因此所有等同的技术方案,都落入本发明的保护范围。
Claims (1)
1.一种故障录波数据故障起点检测方法,其特征在于:包括以下步骤,
步骤1、提取故障录波数据的采样序列;
步骤2、检测得到初始突变点,记为K,实现方式如下,
计算突变量电流,公式如下,
<mrow>
<mi>&Delta;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>N</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>|</mo>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>N</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>k</mi>
<mo>=</mo>
<msub>
<mi>N</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>N</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mn>2</mn>
<msub>
<mi>N</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>|</mo>
<mo>|</mo>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>N</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>-</mo>
<mo>|</mo>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<msub>
<mi>N</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>2</mn>
<msub>
<mi>N</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>|</mo>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>2</mn>
<msub>
<mi>N</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<msub>
<mi>N</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
其中,N为采样点总数,N1是一个工频周期的采样点数,Δi(k)表示在k点对应采样时刻的突变量电流;i(k)表示在k点对应采样时刻的测量电流采样值;i(k-N1)表示在k点对应采样时刻前一周期的采样电流值,i(k-2N1)表示在k点对应采样时刻前二周期的采样电流值;
将满足以下两个判据的第一个点k作为被检测故障数据的初始突变起点,记为K,判决1,突变量电流占同相正常电流的百分比大于整定值ξ,记作|Ψ(k)|>ξ,其中突变量电流占同相正常电流的百分比Ψ(k)=Δi(k)/i(k-N1);
判决2,时间窗中满足判据(1)的元素个数大于等于整定值β,记作card(Ak)≥β,其中,集合Ak={Ψ(n)||Ψ(n)|>ξ,k≤n<k+α},card(Ak)为集合Ak的元素的个数,α为时间窗宽度;
步骤3、根据最大似然估计检测方法确定故障起点,实现方式如下,
设定用z(k)描述“k是故障起点”这一事件可能性的大小,z(k)的值介于0和1之间;最大似然检测判据设为,
如果z(k)>0.5,则k点是故障起点;
如果z(k)≤0.5,则k不是故障起点;
执行以下过程,
(1)令当前的点d=K,即先对初始突变点K进行验证;
(2)对当前的点d进行验证,
根据最大似然检测判据,针对当前的点d,若z(d)>0.5,参数Xn取值为1,则当前的点d是故障起点,进入步骤4;若z(d)≤0.5,参数Xn取值为0,d不是故障起点,继续执行(3);
(3)令d=d+1,返回执行(2)对下一个采样点进行验证,直到检测出满足条件的点为止,进入步骤4;
步骤4、根据步骤3所确定故障起点,取故障起点之前的采样序列为故障前的电气量,故障起点及以后的采样序列为故障后的电气量;
步骤3中,所采用的最大似然检测判据提取方式如下,
3.1、对采样电流进行求导处理,构造检测序列x(k)如下,
<mrow>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>d</mi>
<mi>i</mi>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mi>T</mi>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mo>...</mo>
<mi>N</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
其中,表示对采样电流进行求导处理,dt是时间的微分;N为采样点总数;T为采样间隔;
3.2、计算突变量y(k)=[x(k)-x(k+1)]2,此时k=1,2,...,N;
3.3、将y(k)进行归一化处理,得到归一化结果此时k=1,2,...,N;
其中,max(y)=max{y(1),y(2),...,y(N)},min(y)=min{y(1),y(2),...,y(N)};参数δ为预设的正数;
3.4、设定用z(k)描述“k是故障起点”这一事件可能性的大小,z(k)的值介于0和1之间,如果z(k)的值接近于0则k点不是故障起点,如果z(k)的值接近于1则k点是故障起点;
3.5、将故障起点检测问题转化为伯努利概型,
令随机变量
则所有样本为(Z1,Z2,…ZN),得分布律公式P(Zk=Xn)=z(k)Xn·[1-z(k)](1-Xn);
式中Xn为Zk的取值参数,Xn取0或1,k=1,2,...,N;
3.6、用最大似然估计方法来估计Xn,构造似然函数如下,
<mrow>
<mi>L</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>Z</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>Z</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mo>...</mo>
<msub>
<mi>Z</mi>
<mi>N</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mi>z</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mrow>
<mi>X</mi>
<mi>n</mi>
</mrow>
</msup>
<mo>&CenterDot;</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>-</mo>
<mi>z</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>X</mi>
<mi>n</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>,</mo>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
<mo>;</mo>
</mrow>
3.7、取对数得
其中,L为似然函数L(Z1,Z2,…ZN)的简写;
3.8、用导数求极值得lnL最大时参数Xn的最大似然估计值为此时k=1,2,...,N。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510988411.0A CN105510745B (zh) | 2015-12-24 | 2015-12-24 | 一种故障录波数据故障起点检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510988411.0A CN105510745B (zh) | 2015-12-24 | 2015-12-24 | 一种故障录波数据故障起点检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105510745A CN105510745A (zh) | 2016-04-20 |
CN105510745B true CN105510745B (zh) | 2018-03-13 |
Family
ID=55718866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510988411.0A Active CN105510745B (zh) | 2015-12-24 | 2015-12-24 | 一种故障录波数据故障起点检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105510745B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109001664B (zh) * | 2018-06-15 | 2020-06-30 | 国网湖北省电力有限公司电力科学研究院 | 一种暂态录波型故障指示器波形比对测试方法 |
CN113139158B (zh) * | 2021-04-21 | 2023-05-05 | 国网安徽省电力有限公司 | 基于高斯过程回归的comtrade异常录波数据监测和修正方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6212446B1 (en) * | 1997-04-02 | 2001-04-03 | Kabushiki Kaisha Toshiba | Method and apparatus for detecting out-of-step in electric power system |
CN1474190A (zh) * | 2003-08-12 | 2004-02-11 | 武汉大学 | 一种采用多端信号的输电线路精确故障定位方法及装置 |
CN101299538A (zh) * | 2008-04-08 | 2008-11-05 | 昆明理工大学 | 一种电缆-架空混合线路故障行波测距方法 |
CN101867178A (zh) * | 2010-03-30 | 2010-10-20 | 昆明理工大学 | 输电线路单相接地故障电流行波三基色表示的故障测距方法 |
CN103795144A (zh) * | 2013-11-22 | 2014-05-14 | 深圳供电局有限公司 | 基于故障录波数据的电力系统扰动发生时刻的辨识方法 |
CN104101817A (zh) * | 2014-07-30 | 2014-10-15 | 武汉大学 | 基于pso改进的原子分解法的雷击干扰与故障识别方法 |
CN104655991A (zh) * | 2015-03-19 | 2015-05-27 | 武汉大学 | 基于突变点检测组合算法的电力系统故障数据匹配方法 |
-
2015
- 2015-12-24 CN CN201510988411.0A patent/CN105510745B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6212446B1 (en) * | 1997-04-02 | 2001-04-03 | Kabushiki Kaisha Toshiba | Method and apparatus for detecting out-of-step in electric power system |
CN1474190A (zh) * | 2003-08-12 | 2004-02-11 | 武汉大学 | 一种采用多端信号的输电线路精确故障定位方法及装置 |
CN101299538A (zh) * | 2008-04-08 | 2008-11-05 | 昆明理工大学 | 一种电缆-架空混合线路故障行波测距方法 |
CN101867178A (zh) * | 2010-03-30 | 2010-10-20 | 昆明理工大学 | 输电线路单相接地故障电流行波三基色表示的故障测距方法 |
CN103795144A (zh) * | 2013-11-22 | 2014-05-14 | 深圳供电局有限公司 | 基于故障录波数据的电力系统扰动发生时刻的辨识方法 |
CN104101817A (zh) * | 2014-07-30 | 2014-10-15 | 武汉大学 | 基于pso改进的原子分解法的雷击干扰与故障识别方法 |
CN104655991A (zh) * | 2015-03-19 | 2015-05-27 | 武汉大学 | 基于突变点检测组合算法的电力系统故障数据匹配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105510745A (zh) | 2016-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106646140B (zh) | 基于测量波阻抗的高压直流输电线路区内外故障识别方法 | |
CN107482621B (zh) | 一种基于电压时序轨迹的电力系统暂态电压稳定评估方法 | |
CN103713628B (zh) | 基于符号有向图和数据重构的故障诊断方法 | |
CN105375449B (zh) | 直流线路行波保护电压变化率判据的整定方法和系统 | |
CN102175922B (zh) | 基于pmu量测数据的电力线路参数的辨识与估计方法 | |
CN102721889B (zh) | 基于复小波奇异性检测的电缆早期故障检测方法 | |
CN105372531A (zh) | 基于Weibull分布模型的变压器绝缘热老化参数相关性计算方法 | |
CN103018632B (zh) | 基于费歇信息的小电流接地系统单相接地故障选线方法 | |
CN105652151A (zh) | 基于线路参数检测与数据非同步校验的双端测距方法 | |
CN106154037B (zh) | 一种基于校验的同步相量自适应计算方法 | |
CN104462757A (zh) | 基于监测数据的Weibull分布可靠性序贯验证试验方法 | |
CN106099850A (zh) | 基于瞬时电流特征的电流互感器饱和识别改进方法 | |
CN105510745B (zh) | 一种故障录波数据故障起点检测方法 | |
CN107817402A (zh) | 基于测量波阻抗的直流输电线路故障方向识别方法 | |
CN109490685B (zh) | 基于油中溶解气体在线监测的变压器早期缺陷预警方法 | |
CN103983889A (zh) | 基于模型参考分析的有源电力滤波器开关器件开路故障诊断方法 | |
CN107657393A (zh) | 近断层地震作用下桥梁的抗震评估方法 | |
CN111308185A (zh) | 一种非侵入式负荷识别方法 | |
CN103529337B (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
CN103399255B (zh) | 一种用伪随机序列辨识电力变压器绕组状态的方法 | |
CN113093050B (zh) | 电缆接地线电流时频特征的电缆早期故障辨识方法及系统 | |
CN108120796A (zh) | 一种检测铁路蓄电池co32-时ph值突变点的测定计算方法 | |
CN110297475A (zh) | 一种基于四阶矩奇异值分解的间歇过程故障监测方法 | |
CN109521273A (zh) | 一种同步相量测量方法、系统及装置 | |
CN107330264A (zh) | 一种桥梁监测数据可靠性的验证方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190130 Address after: 430072 Wuhan University, Luojia mountain, Wuchang District, Wuhan, Hubei Co-patentee after: STATE GRID INNER MONGOLIA EASTERN POWER CO., LTD. Patentee after: Wuhan University Address before: 430072 Wuhan University, Luojia mountain, Wuchang District, Wuhan, Hubei Patentee before: Wuhan University |
|
TR01 | Transfer of patent right |